從專家診病模型實例理解智慧醫(yī)療大數(shù)據(jù)文庫

1、從專家診病模型實例理解智慧醫(yī)療大數(shù)據(jù)大數(shù)據(jù)可謂是當(dāng)紅炸子雞，對于它的應(yīng)用場景，人們已經(jīng)做了充分的想象，很多也在逐步落地，比如智慧醫(yī)療。醫(yī)療行業(yè)正更多的融入人工智慧、傳感技術(shù)等高科技，使醫(yī)療服務(wù)走向真正意義的智能化。面對不同受眾，智慧醫(yī)療有著不同的內(nèi)涵。對于公眾，意味著更便捷可及的醫(yī)療服務(wù)；對于醫(yī)護(hù)人員，不僅可以提高診療速度，還可以讓診療更加精準(zhǔn)，通過大量的數(shù)據(jù)分析支持他們的診斷。這里就不得不提到專家系統(tǒng)，它應(yīng)該是一個典型的醫(yī)療應(yīng)用，是大數(shù)據(jù)和人工智能的緊密結(jié)合。專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進(jìn)行推理和

2、判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。簡言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性、系統(tǒng)的透明性和靈活性等方面存在缺陷，求解問題的能力弱。第二代專家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示

3、和推理方法的啟發(fā)性、通用性等方面都有所改進(jìn)。第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學(xué)科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學(xué)習(xí)機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。接下來將通過生動有趣的過程講解，幫助讀者了解使用SmartMining敏捷挖掘桌面版，以決策樹算法為背景，

4、依托大數(shù)據(jù)如何構(gòu)建專家診病模型，以及如何通過可視化探索數(shù)據(jù)，實現(xiàn)決策樹同樣的計算結(jié)果！該案例的工作流如下：廣歡I：.研以L*3廣商業(yè)目標(biāo)業(yè)務(wù)理解：該案例所用的數(shù)據(jù)是一份醫(yī)生診病的數(shù)據(jù)，如下:表1數(shù)據(jù)視圖其中，年齡、性別、血壓、膽固醇、鈉、鉀是病人的指標(biāo)，而藥物是醫(yī)生針對病人的情況開出的藥物。業(yè)務(wù)目標(biāo)：建立專家診病系統(tǒng)，當(dāng)把病人的指標(biāo)輸入到該系統(tǒng)時，系統(tǒng)會自動輸出該給此類病人開出的藥物。數(shù)據(jù)挖掘目標(biāo)：建立專家診病模型，該模型以病人的病例指標(biāo)為輸入，以藥物為目標(biāo)，建立預(yù)測模型，該模型可以根據(jù)輸入指標(biāo)的值，計算預(yù)測值（藥物）。操作實現(xiàn)：新建工作流可以點擊文件菜單下的"新建"或者點

5、擊工具欄左方的新建按鈕（）開始創(chuàng)建工作流。點擊后會彈出以下向?qū)Ы缑妫狠斎牍ぷ髁鞯拿趾蠹纯赏瓿蓜?chuàng)建:圖1新建工作流導(dǎo)入數(shù)據(jù)CSV文件,CSV導(dǎo)入節(jié)點拖到右此時要根據(jù)數(shù)據(jù)存儲文件的格式選擇相應(yīng)的導(dǎo)入節(jié)點。在這里由于數(shù)據(jù)源是因此可以選擇CSV導(dǎo)入節(jié)點（也可以使用可變文件）。左側(cè)節(jié)點庫中側(cè)的工作流中。雙擊節(jié)點或者右鍵菜單中選擇"配置"，彈出如下配置窗口:-S圖2CSV節(jié)點配置點擊按鈕，選擇相應(yīng)的數(shù)據(jù)文件。注意，此處如果數(shù)據(jù)第一行包含字段名，則選中讀取字段名（該數(shù)據(jù)有），如果有行ID字段，則選中讀取行邛（該數(shù)據(jù)無，則不選中）。配置完成后，點擊節(jié)點下方的預(yù)警符號從©T3變成

6、了。紅色表示節(jié)點尚未配置或者配置有誤，此時節(jié)點不可執(zhí)行；黃色表示節(jié)點可以執(zhí)行。點擊右鍵菜單的町I或者點擊>工具欄的L,即可執(zhí)行工作流。執(zhí)行完成后預(yù)警符號變成I1o。配聶.隊執(zhí)行帶:開瞄翎復(fù)位目京節(jié)京£汪*斯於工心*fe將貝書制£1!鏘(U)v2ft(R】H»(D)宜文件震丈件表點擊右鍵菜單的I1可以查詢數(shù)據(jù)。另外，節(jié)點的右端口也會懸停顯示數(shù)據(jù)的行數(shù)和字段數(shù)。i文件表(行20。,列：7)理解數(shù)據(jù)使用統(tǒng)計分析菜單下的統(tǒng)計節(jié)點可以對數(shù)據(jù)進(jìn)行描述，這是建模之前必須要做的工作,方面是為了設(shè)計合理的實施方案，另外一方面也是為了更好的選擇合適的算法。從表2中可以看出每種分

7、類變量的取值及每種取值的個數(shù)。比如，從這里我們可以看出藥物字段一共包含五種取值，且出現(xiàn)最多的是Y藥物。在這里目標(biāo)變量為分類型，因此只能選擇分類預(yù)測類模型，如決策樹、邏輯回歸等。表2數(shù)據(jù)描述預(yù)建模接下來便是嘗試建模，看看建模效果。圖3預(yù)建模首先，從數(shù)據(jù)準(zhǔn)備列轉(zhuǎn)換菜單下選擇類型轉(zhuǎn)換節(jié)點。由于性別、血壓、膽固醇三個字段實際存儲類型該是字符型，但這里是整型，因此為了便于以下分析，使用類型轉(zhuǎn)換節(jié)點將它們的類型從整型轉(zhuǎn)化為字符型。配置如下:其次，使用類型節(jié)點指定目標(biāo)變量的角色，將藥物的角色設(shè)為目標(biāo)。再次，從數(shù)據(jù)準(zhǔn)備的行菜單中選擇分區(qū)節(jié)點。使用分區(qū)節(jié)點可以將數(shù)據(jù)集分成測試集和訓(xùn)練集，訓(xùn)練集用于訓(xùn)練模型，測試

8、集用于測試模型。配置如下:注意，如果選中使用隨機種子（使用靜態(tài)種子）,則每次運行分區(qū)結(jié)果將會是使用靜態(tài)神子一樣的，否則每次運行的結(jié)果將會不同，進(jìn)而建模的結(jié)果也會不同。通常是選擇選中該項,使得訓(xùn)練集和測試集都固定。另外，此處還有個很重要的用途，不選中多次運行可以測試數(shù)據(jù)分布規(guī)律和模型穩(wěn)定性。還有一點要注意，這里分區(qū)即把數(shù)據(jù)集隨機分成兩份，通常訓(xùn)練集要比測試集大，通常分為5:5,6:4,7:3,8:2,9:1。數(shù)據(jù)集越小，訓(xùn)練集應(yīng)該分的更多，原因是要保證模型的穩(wěn)定性，參與訓(xùn)練的數(shù)據(jù)要足夠多。實際中，各種比例都會嘗試，目的有二：一是選擇最佳的比例，二是測試模型的穩(wěn)定性。然后，選擇分類預(yù)測節(jié)點，因為目

9、標(biāo)變量（藥物）為分類型。此處我們重點學(xué)習(xí)決策樹算法，所以就先選擇決策樹算法節(jié)點。節(jié)點連接如上圖3所示，在決策樹（訓(xùn)練）節(jié)點配置中選擇目標(biāo)變量藥物。其中，決策樹（訓(xùn)練）節(jié)點連接分區(qū)節(jié)點。決策樹訓(xùn)練節(jié)點可以采用默認(rèn)配置，無需修改配置，如下:最后，使用分類評估節(jié)點評估模型的準(zhǔn)確性。配置如下圖所示:評估結(jié)果:表3模型評估1從表3中可以看出，模型測試準(zhǔn)確度為95%,誤判5%。預(yù)建模的目的是為了從整體判斷現(xiàn)有變量與目標(biāo)變量的相關(guān)性，以便可以根據(jù)經(jīng)驗預(yù)估最終的效果和可操作性。接下來如何優(yōu)化模型呢？通常來說有三種辦法：第一，增加新數(shù)據(jù)，以便引入更多重要的影響因素；第二，嘗試其他模型，以便找到更適合的模型；第三

10、，優(yōu)化輸入，即基于已有般企數(shù)據(jù)派生更多重要的變量，或者過濾不重要的變量。這三者中，第一種最難以實現(xiàn),業(yè)的數(shù)據(jù)是有限的，企業(yè)內(nèi)部可用數(shù)據(jù)及外部可用網(wǎng)絡(luò)數(shù)據(jù)，在項目需求調(diào)研階段就應(yīng)該明確，而企業(yè)外部行業(yè)數(shù)據(jù)難以獲取。第二種最容易嘗試，所有可用模型可以快速嘗試一遍，這個是每個項目中都必做的，但卻不是最重要的方法。而第三種方法才是項目中最可行，也是最重要的辦法。如何優(yōu)化輸入？這是第三種方法的實現(xiàn)目標(biāo)。而優(yōu)化輸入最重要的環(huán)節(jié)就是數(shù)據(jù)探索。數(shù)據(jù)探索圖4數(shù)據(jù)可視化探索數(shù)據(jù)探索最核心的一項工作就是探索輸入變量與目標(biāo)變量的相關(guān)性。分析變量的相關(guān)性可以使用相關(guān)性計算，也可以使用圖形化分析，而后者最直觀常用。分析兩個分類型變量可以使用條形圖、網(wǎng)絡(luò)圖或者交叉表。分析兩個數(shù)值型變量可以使用散點圖。分析一個數(shù)值型變量和一個分類型變量可以使用直方圖。通過分析，血壓和藥物字段有著強相關(guān)性，因為從圖中可以看出使用藥物B和藥物A的人都是高