换一批融合知识驱动和数据驱动的混合决策模型构建:以室性心动过速病因诊断为例
Constructing A Knowledge-driven and Data-driven Hybrid Decision Model for Etiological Diagnosis of Ventricular Tachycardia
摘要目的 构建一个融合知识驱动和数据驱动的混合决策模型,并将其应用于室性心动过速的病因诊断.方法 检索2018-2023年心律失常疾病领域的临床实践指南、专家共识和医学文献作为知识源,并回顾性收集2013-2023年中国医学科学院阜外医院室性心动过速(ventricular tachycardia,VT)患者的电子病历信息作为数据集.采用基于知识规则的方法构建临床路径作为知识驱动模型;基于真实世界数据构建VT病因诊断三分类机器学习模型,并选取其中的最佳模型作为数据驱动模型代表;以临床路径为基本框架,将机器学习模型以自定义运算符的形式嵌入临床路径的决策节点中,作为混合模型.评价上述3种模型的精确率、召回率和F1分数.结果 共纳入3部临床实践指南作为知识驱动模型的知识源;收集了 1305条患者数据作为数据集,构建了 5种机器学习模型,其中XGBoost模型最佳.混合模型采用知识驱动的决策思维,分别将XGBoost模型嵌入2层分类的决策节点中.3种模型的精确率、召回率和F1分数如下:知识驱动模型为80.4％、79.1％和79.7％;数据驱动模型分别为88.4％、88.5％和88.4％;混合模型分别为90.4％、90.2％和90.3％.结论 融合知识与数据驱动的混合模型展现出更高的准确性,且混合模型的所有决策结果均基于循证证据,这更接近临床医生的实际诊断思维.未来需更严格地验证混合模型广泛应用于医学领域的可行性.
更多相关知识
关键词
室性心动过速知识驱动数据驱动混合模型决策支持ventricular tachycardiaknowledge-drivendata-drivenhybrid modeldecision-making
栏目名称
DOI
10.12290/xhyxzz.2024-0381
发布时间
2025-04-27（万方平台首次上网日期，不代表论文的发表时间）
- 浏览18
- 被引2
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
