基于改進K-NN和SVM的多學科協作診療決策支持系統①

李曉峰,王妍瑋,李 東

1(黑龍江外國語學院 信息工程系,哈爾濱 150025)

2(普渡大學 機械工程系,西拉法葉市 IN47906)

3(哈爾濱工業大學 計算機科學與技術學院,哈爾濱 150001)

1 引言

醫療機構在面對現今如此大量醫患數量和復雜的人體結構時,診療工作面臨巨大的挑戰,誤診現象時有發生,因為病人病因有時并不會如臨床表現信息那樣準確,不僅耽誤了患者病情,也給醫生自身和所在醫療機構形象帶來損害,由此造成了非常嚴重的后果.所以醫生做出有效的診斷和治療措施是一個復雜的決策和思維過程.在此背景下,利用計算機的處理能力輔助醫生做出更為準確的診斷判斷[1].為此,相關專家研究了一種多學科協作診療決策支持系統.該系統的出現,在一定程度上提高了醫生的診療精度和治療效果,并減少了人為疏忽、降低醫療成本.

但是,由于我國在這方面研究起步較晚,技術還不是很成熟,診斷精度距離標準還有一段距離.文獻[2]提出并設計了一種具有辨證論治內涵的智能中醫診療決策系統,通過病證臨床診斷、治療、療效評價決策方法,建立現代中醫智能診療系統,利用人機結合優勢,為中醫臨床診療提供智能決策輔助支持,探索創新中醫病證診療模式.但是該系統的診療效果不理想;文獻[3]提出并設計了基于心臟團隊模式的多學科診療實施系統,通過多學科協作,對部分心臟疾病的診療策略、患者選擇以及患者隨訪及管理均存在有益影響,目前多見于冠狀動脈血運重建的診療決策.實施中存在誤診率較高的現象;文獻[4]提出并設計了一種國內分級診療現狀的評價系統,以“分級診療”為關鍵詞檢索自各數據庫中的相關文獻,全面收集國內分級診療現狀的研究,從結局評價指標和面臨的問題兩方面進行系統評價;文獻[5]提出并設計了基于系統復雜性的中醫診療信息分層可視化系統,將中醫診療過程分層,并結合現代數據可視化技術為不同層次的診療過程選取可視化方法.但是上述兩種系統的診療精度較低.一些發達國家經過長時間的分析與探討,對醫療診療決策支持系統也進行了探索和研究.文獻[6]提出并設計了一種基于Web 的心血管分析、診斷和治療系統,為用戶提供完整的數據管理和動態血壓監測,在醫學報告中,便于用戶理解,該系統證明了其在心血管臨床研究中的巨大潛力.文獻[7]提出并設計了基于大數據挖掘和云計算的疾病診療推薦系統,為了更準確有效地識別疾病癥狀,提出了一種基于密度峰值聚類分析(DPCA)的疾病癥狀聚類算法,利用Apriori 算法分別對疾病診斷(DD)規則和疾病治療(D-T)規則進行關聯分析,為了達到高性能和低延遲響應的目標,使用Apache Spark 云平臺為DDTRS 實現了一個并行解決的方案.但是以上兩種系統在進行運算時,運算時間較長,分類效率較差.

針對上述問題,將改進K-NN 分類算法和SVM 應用其中,提出一種新的基于改進K-NN 分類算法和SVM 的多學科協作診療決策支持系統.該系統主要包括數據庫系統模塊、人機交互模塊和診療推理模塊,其中診療推理模塊是系統的軟件核心,通過改進K-NN 分類算法和SVM 算法建立推理引擎,根據推理結果構建一個新的案例,引入CDA 概念,對改進K-NN 分類算法和SVM 算法進行有效融合,完成多學科協作診療決策.為測試本系統的診療精度,與傳統診療決策支持系統進行仿真測試,測試結果表明:改進K-NN 分類算法和SVM 應用下的多學科協作診療決策支持系統的診療精度更高,由此說明本系統要比傳統系統性能要好,更能幫助醫生做出正確診斷,給患者更為準確的及時治療建議,有利于保障人民身體健康,更有利于提高國民健康水平.

2 基于改進K-NN 和SVM 的多學科協作診療決策支持系統

由于人體結構的復雜性,所以患病原因也具有多樣性、多變性、復雜性和不確定性,又因為人體結構的統一性,所以病理特征還具有動態演化性,因此在進行診療時,需要多學科協作的進行[8,9].為此本次設計的基于改進K-NN 和SVM 的多學科協作診療決策支持系統要滿足以下幾點需求:

(1)多方面

在對患者進行診療時,要多方面的考察患者生理信息,如病癥表現信息(癥狀、生命體征等)、病癥隱藏信息(心電圖、彩超、CT 等),才能提升診療精度,為此,系統設計需要支持多學科協作診斷.

(2)及時、準確

當面對發病快的患者,并不允許醫生緩慢診斷,所以為輔助醫生在較短時間內做出正確的診斷決策,基于改進K-NN 分類算法和SVM 的多學科協作診療決策支持系統需要快速、及時、準確的提供多方面信息[10,11].

(3)完整性

醫生做出診斷是一個嚴肅的過程,所以在完整詳細診療記錄的基礎上,給出的診斷不僅是一個結果,更是一個詳細的診斷推理過程,所以系統設計要滿足信息完整這一需求.

(4)動態更新

病癥、醫療方法等并不是一成不變的,所以為滿足需求,系統需要擁有動態更新作用,才能根據患者病情變化以及不斷進步的醫療技術,幫助醫生給出更為科學、合理的診斷結果以及治療建議[12].

2.1 系統總體框架

基于改進K-NN 分類算法和SVM 的多學科協作診療決策支持系統設計,分為數據庫系統模塊、人機交互模塊和診療推理模塊[13].多學科協作診療決策支持系統總體框架如圖1所示.

圖1 系統總體框架圖

根據圖1可知,數據庫系統模塊實際上是一個數據庫系統,包括患者數據庫和源病歷庫兩個.人機交互模塊是系統人機交互界面的窗口,負責接收和檢索用戶的請求命令,調用系統功能為診療決策服務,以及將最終的診療結果報告給醫生.診療推理模塊是系統的軟件核心,主要作用是通過改進K-NN 分類算法和SVM建立推理引擎,并在計算機的輔助下,在醫院源病歷庫中搜索與患者病癥信息相似的醫療案例,并進行相似度匹配,建立患者病癥問題與病歷庫的關聯,針對相似案例和患者病癥問題相匹配,不需要進行修改;如果兩者不匹配,則需要進行案例修正,調整診療決策方案,最后將得出診療結果與患者癥狀集構建一個新的臨床案例,更新源病歷庫[14].

通過改進K-NN 分類算法和SVM 建立推理引擎過程中,由于SVM 對于初始參數設置較為敏感,為保證推理引擎建立結果的可靠性,本文利用遺傳算法優化初始參數,遺傳算法結合了適合生存的思想,通過選擇、交換、變異等作用機制實現種群進化[15].本文利用遺傳算法優化初始參數過程中,在解空間同時建立多個初始點,通過建立適應度函數尋找搜索方向,采用實時、同步搜索的方式,能夠快速尋找出最優初始參數.

2.2 數據庫系統模塊

數據庫系統模塊是系統的基礎模塊,一方面負責整合患者數據信息,如病人的基本信息、病歷信息、病程信息、醫囑信息、檢驗信息、影像信息、護理信息,以及其他所需要的各類信息等,另一方面負責構建病歷庫,為醫生診療決策提供數據支撐.

數據庫是為企業進行科學、合理的戰略決策創建的數據支持的集合,具有指導業務流程改進、成本、質量以及控制的作用[16].數據庫系統架構主要分為3 個部分:數據抽取、數據儲存以及數據顯示.根據實際應用需求,在系統測試后,最后確定相應的配置.

在數據庫當中,ETL 是其中的核心和靈魂,負責將大量異構數據從數據源中提取出來、并進行清洗、轉換和加工,最后將其整合到一起,按照一定的規則裝載到一個大的數據倉庫當中,完成數據存儲,為軟件中的診療推理做準備,如圖2所示.

2.3 人機交互模塊

人機交互模塊是系統唯一與用戶聯系的窗口,負責接收和檢索用戶的請求命令以及將最終的診療結果顯示給用戶.在這里選擇ELAN SMART-PAD 智能觸控面板作為顯示與搜索設備.該設備服務質量很高,不僅運行速度快,顯示功能也更全面.

圖2 ETL 運行架構

2.4 診療推理模塊

利用得到的患者數據信息和病歷倉庫中的信息進行匹配,檢索出相似的病歷,并以此推理出目標病歷的解,其實質是計算患者病歷與病歷倉庫臨床案例之間的相似度來實現患者病因的診斷,因此相似度算法的選擇直接關系到診斷結果的準確性[17].常見的相似度計算方法主要有最近鄰分類算法、歸納推理法以及支持向量機(SVM).然而,以上計算方法在實際應用過程中,人們發現得到的結果與真實結果有時存在一定的差異,所以在給出的診療決策方案后還需要進一步的修正和調整,付出的計算量將是巨大的,為解決這一問題,將近鄰分類算法(K-NN)進行改進,并與支持向量機(SVM)相結合,彌補各自的缺點,提高診斷的準確性.

K-近鄰(簡稱K-NN)屬于分類算法,是一個理論上比較成熟的算法,也是最簡單的機器學習算法之一.改進該算法的思路是:首先對樣本進行預處理,計算數據屬性的信息增益,確定各數據屬性的權重因子,組成一個屬性空間.在這一屬性空間內,給出一個待分類的樣本x(病人數據),計算x與訓練集(病例庫)中每個文本的距離,對距離值進行排序,找出最近的k個最相似病歷,若這些相似病歷屬于某一個類別,則該樣本也屬于這個類別[18].計算過程如下:

計算數據屬性的信息增益:

式(1)中,E(S)表 示數據整體熵,E(S|x)表示增加的數據熵.

根據計算得出的信息增益,計算數據屬性的權重因子,計算公式如下:

根據式(2)找出n個權重因子最大的數據屬性,構建一個n維屬性空間,在n維屬性空間中,計算樣本與類別之間的相似度和,如下:

式(3)中,y(x,Si)為樣本x與類別Si之間的相似度和;sim(x,di)表示x與訓練文本di之間的相似度;y(di,Si)代表訓練文本di與 類別Si之間的相似度;bj為類別Si的閾值.

具體過程如下:

步驟1.計算待分類樣本與訓練集之間的距離,計算方法主要有歐幾里得、曼哈頓、馬氏距離等3 種.

(1)歐幾里得距離

轉換為:

式(5)中,i為(x,y)坐標上的任意一點.(xi,yi)為任意一點i上的坐標,n表示點個數的總量.

(2)曼哈頓距離

在平面上,坐標 (x1,y1)的點P1 與坐標(x2,y2)的點P2的曼哈頓距離為:

(3)馬氏距離

假設樣本點為:

式中,T 表示轉置符號.數據集分布的均值f為:

則樣本點元素xi與 均值f之間的馬氏距離d(xi,f)為:

式中,σ為均值權重.

上述3 種距離計算方法中,歐幾里得距離有時不能滿足實際需求,沒有考慮到總體樣本數據變異對距離遠近的影響;馬氏距離在絕大多數情況下是可以順利計算的,但由于協方差矩陣的影響,馬氏距離的計算不穩定;而曼哈頓距離依賴座標系統的轉度進行距離測算,可以應用于多種類型數據的計算.因此,本文計算待分類樣本與訓練集之間的距離時,更適合使用曼哈頓距離計算.

步驟2.按距離遞增次序排序;

步驟3.選取與當前點距離最小的k個病歷;

步驟4.統計前k個病歷所在的類別出現的頻率;

步驟5.返回前k個病歷出現頻率最高的類別作為當前點的預測分類.

由于在預分類過程中,多學科決策過程面臨大量數據,導致分類過程陷入不收斂的境地,故采用支持向量機(SVM)算法解決該現象.支持向量機(SVM)是一種可以訓練的機器學習算法,簡單的說是一個分類器,并且是二類分類器[19].其定理描述如下:

將診療數據分為一個超平面:

式中,Rj為j維超平面;(w,x)表示內積;w為可調權值向量;b為偏置,超平面相對原點的偏移.

對式(8)進行歸一化處理:

式(9)中,r表示分類間隔,其滿足條件為:

根據分類間隔滿足條件可知,如果分類間隔呈現最小值,則呈現線性可分狀態,是因為利用非線性映射,將低維特征空間線性不可分的模式轉換為高維特征空間線性可分的模式;如果分類間隔呈現最大值,則對高維特征空間進行分類或回歸,但是在高維特征空間運算時會出現多維現象,致使在分類預處理的過程需要重新進行計算,存在計算時間長、運算過程復雜等因素.由此,利用核函數技術可以快速的解決該問題.達到數據降維的效果.對于核函數的選擇,缺乏統一的指導規則,不同的核函數適用于不同的領域研究,但多項實驗結果表明,徑向基核函數具有較好的適用性,不會出現太大偏差,降維效果好,且能有效保障有效信息的完整性,其中高斯核函數是一種非常具有代表性的徑向基核函數,相較于線性核、多項式核函數,高斯核函數只有一個參數,容易選擇,決策邊界更為多樣,且高斯核函數能夠映射到無限維,優勢明顯,因此采用高斯核函數進行數據降維.計算公式如下:

高斯核函數:

式中,a為參數.

數據降維中,為保證有效信息的完整性,整個降維過程遵循兩個原則:一個是最近重構性,使用降維后的數據重構原始數據時誤差最小;二是在低維空間中將數據盡量分開.

利用高斯核函數完成數據降維后,融合改進K-NN與 SVM ,來提高診療準確性.CDA (HL7 臨床文檔結構 Clinical Document Architecture)是以交換文檔為目的,指定結構和語意的文檔標記標準.CDA 文檔由頭和體構成,頭是對文檔進行分類,包括文檔信息、服務提供者和服務對象,包括受訪數據、患者等;體是臨床報告,由可插入的內容框架構成.分為4 部分:節,段,列表,表格.HL7 臨床文檔是一個具有法律效應的臨床信息集合[20].CDA 能夠借助于XML、HL7 的參考信息模型和詞匯編碼表,利用機器處理分析病歷文檔,分析結果既能夠被電子檢索,也能夠被人閱讀.引入CDA概念,能夠通過機器處理實現改進K-NN 分類算法和SVM 算法的有效融合,以此優化多學科協作診療決策支持系統,并提升該系統的有效性.

設T為測試集,Q為T的相應類別集合,待測分類樣本為x,給定的改進K-NN 算法針對每個類別的可信度閾值為ei(ei＞0),i=1,2,···,n,改進K-NN 與 SVM融合算法描述如圖3所示.

根據圖3可知,首先利用改進K-NN 算法對待分類的樣本(病人數據)進行預分類,將改進K-NN 全部輸出類別作為候選,采用SVM 分類器對待分類的樣本進行分類,根據模式識別理論會出現兩種情況,一種是線性可分,另一種是“維數災難”,需要返回分類預處理階段重新開始計算,但是采用核函數技術可以進行降維處理;然后將CDA 概念引入其中;最后融合改進KNN 算法和SVM 算法,完成多學科協作診療決策.

圖3 改進K-NN 分類算法和SVM 融合推理流程

3 系統仿真測試

傳統診療決策支持更多的是依賴醫生自身身的醫學知識和多年積累的臨床診斷經驗,然后在系統幫助下進行醫療診斷的.目前主要傳統系統主要有基于辨證論治內涵的智能中醫診療決策系統、基于心臟團隊模式的多學科診療實施系統、國內分級診療現狀的評價系統、基于系統復雜性的中醫診療信息分層可視化系統、基于Web 的心血管分析、診斷和治療系統和基于大數據挖掘和云計算的疾病診療推薦系統等.為了驗證本文系統的有效性,采用本文系統、文獻[2-7]的系統進行對比實驗.

3.1 實驗環境

本文實驗環境配置信息如表1所示.

表1 開發環境配置信息

3.2 實驗數據集

實驗數據來源于藥度據庫(https://data.pharmacodia.com/),共采集數據5000 個,進行50 組實驗,每次使用100 個數據.

本實驗選用587 患者,其中男患者355 人,女患者232 人,包括兒童、青年、中年、老年等各個年齡段,進行測試.

3.3 實驗指標

(1)診療精度:以往精度主要體現在準確率、召回率,但是這是兩個分裂質量的兩個不同方面,所以更為好的精度評價就是將二者集合考慮,不可偏頗,所以產生一種新的評價指標F1 測試值,F1 測試值是用來衡量二分類模型精確度的一種指標,F1 測試值可以看作是模型準確率和召回率的一種加權平均數,公式如下:

式中,N1為 準確率,N2為召回率.

(2)數據分類結果準確率:當多學科決策過程面臨多數據時,分類過程會完全陷入不收斂的境地,嚴重降低了分類結果,所以本文采用支持向量機(SVM)算法解決此問題,能夠提高分類結果準確率.

(3)高維特征空間運算時間:高維特征空間運算是多學科協作診療決策過程中最重要的運算過程,能夠對分類效率產生影響,運算時間越快,分類效率越高.本文使用正文中核函數技術,與文獻[2-5]系統對高維特征空間運算時間進行對比.

(4)誤診率:較多多學科協作診療決策支持系統會借助計算機的處理能力輔助醫生做出更為準確的診斷判斷,同時也會出現誤診率,大大降低了診療效果,為此采用本文系統、文獻[4-7]系統進行對比分析.

(5)相似度匹配:利用得到的患者數據信息和病歷倉庫中的信息進行匹配,檢索出相似的病歷,并以此推理出目標病歷的解,其實質是計算患者病歷與病歷倉庫臨床案例之間的相似度,來實現患者病因的診斷,相似度匹配率越高,其診斷結果的準確性就越高.

(6)算法復雜度分析:改進K-NN 分類算法和SVM算法自身都需一定的運算復雜度,對兩者結合以后的整體運算復雜度進行綜合分析,能夠測試本文算法的實際應用性能.因此,以算法復雜度為指標進行分析,從時間復雜度和空間復雜度兩方面入手分析,算法時間復雜度的計算公式如下:

式中,t表示算法運行總時長,t1、t2、t3、t4表示算法運行中各步驟操作所需時間,α1、α2、α3、α4表示各步驟對應的運算次數.

空間復雜度通常與算法運行次數相關,假設算法的平均運算次數為,則空間復雜度可表示為O ((α′)2),因此算法復雜度的計算公式可表示為:

3.4 測試結果

從表2中可以看出,利用本系統對587 患者進行診斷,其F1 測試平均值為95.98%,而在文獻[4-7]系統應用下,F1 測試平均值分別為54.14%、84.4%、75.2%和58.1%.

表2 系統診療精度測試結果(%)

為了進一步驗證本文系統的有效性,采用本文系統、文獻[2-5]系統對數據分類結果的準確率進行對比分析,對比結果如圖4所示.

圖4 數據分類結果準確率對比

根據圖4可知,本文系統的數據分類結果準確率在72%～95%之間,呈上升趨勢;文獻[2]系統的數據分類結果準確率在32%～60%之間;文獻[3]系統的數據分類結果準確率在26%～70%之間;文獻[4]系統的數據分類結果準確率在27%～72%之間;文獻[5]系統的數據分類結果準確率在29%～73%之間.說明本文系統的數據分類結果準確率比文獻[2]系統、文獻[3]系統、文獻[4]系統和文獻[5]系統的分類結果準確率高,是因為多學科決策過程面臨多數據時,分類過程容易陷入不收斂的境地,導致分類結果準確率較低,而本文系統在K-NN 分類算法的基礎上,利用支持向量機(SVM)算法解決不收斂的問題,提高了分類結果準確率.

為了驗證本文系統的有效性,采用本文系統、文獻[2-5]系統對高維特征空間運算時間進行對比分析,對比結果如圖5所示.

圖5 運算時間對比結果

根據圖5可知,采用本文系統對高維特征空間進行計算,其運算時間在5s以下;采用文獻[2]系統對高維特征空間進行計算,其運算時間在10s以下;采用文獻[3]系統對高維特征空間進行計算,其運算時間在15s以下;采用文獻[4]系統對高維特征空間進行計算,其運算時間在16s以下;采用文獻[5]系統對高維特征空間進行計算,其運算時間在21s以下.采用本文系統對高維特征空間進行計算,其運算時間比傳統系統的運算時間短,是因為本文系統采用中核函數技術做降維處理,從而提高了分類效率.

為了驗證本文方法的誤診率,采用本文系統、文獻[4-7]系統進行對比分析,對比結果如圖6所示.

根據圖6可知,本文系統的誤診率隨著實驗次數的增長而逐漸降低,其誤診率在30%以下;文獻[4]系統的誤診率在50% 以下;文獻[5]系統的誤診率在75%以下;文獻[6]系統的誤診率在80%以下;文獻[7]系統的誤診率在61%以下.本文系統的誤診率比傳統系統的誤診率低,說明本文系統具有較高的診療效果.

圖6 誤診率對比結果

為了進一步驗證本文系統的有效性,采用本文系統、文獻[2-5]系統,對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配結果如圖7所示.

圖7 相似度匹配率對比結果

根據圖7可知,采用本文系統對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配率在90%～100%之間;采用文獻[2]系統對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配率在60%～80%之間;采用文獻[3]系統對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配率在40%以下;采用文獻[4]系統對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配率在70%～90%之間;采用文獻[5]系統對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配,匹配率在40%～50%之間.本文系統的相似度匹配比傳統系統的相似度匹配高,說明其診斷結果的準確性高.由此可知,本文系統的診療精度更好,能更有效幫助醫生做出準確的診斷結果和治療方案,保證了患者的生命健康.

依據式(15)和式(16),計算本文算法的復雜度,與文獻[5-7]進行對比,具體分析情況如表3所示.

表3 算法復雜度分析(單位:s)

根據表3對算法復雜度的分析,可以看出,本文算法的復雜度相對較低,用量化數值計算,具體為10 s 完成算法運行,遠遠低于文獻[5-7]算法的復雜度,能夠滿足實際需求,由此驗證了本文算法的實際應用性.

4 結語

綜上所述,隨著生活水平的提高,人類健康狀況反而越加嚴重,因此各種醫療機構每天涌入大量患者進行就醫,并希望醫生給出有效的治療建議.為此,輔助醫生進行決策的診療系統應運而生.然而,當前較為常用的幾個類型的診療決策支持系統,在精度上還無法完全達到需求,因此本次研究了基于改進K-NN 分類算法和SVM 的多學科協作診療決策支持系統.該系統利用改進K-NN 算法和SVM 對患者病情信息進行分類,從而根據分類結果得出診斷結果.該系統經過測試,實現了研究的預期目標,即降低了誤診率,診斷精度得到了提高,且分類結果準確率較高、在分類過程中,運算時間較短,對患者病歷與病歷倉庫臨床案例之間的相似度進行匹配的結果較好,說明本系統能更好的輔助醫生進行診斷,提高了醫生工作效率,為人們健康提供了保證.鑒于本文系統診療推理模塊的特性,結合臨床知識和術語庫,將知識推理和本文算法相結合是日后的研究重點.基于改進K-NN 分類算法和SVM 的多學科協作診療決策支持系統的研究目前還處于初始階段,對日后案例的修正和形成是實現多學科協作診療決策支持實用性的基礎.