基于层次分析法的智能临床决策支持系统适用性评估方法及装置制造方法及图纸

本发明专利技术涉及一种基于层次分析法的智能临床决策支持系统适用性评估方法及装置；其方法步骤包含：针对待评价的智能临床决策支持系统产品，获取智能临床决策支持系统适用性评估指标；建立原始评估矩阵；遍历原始评估矩阵，对所有的元素进行一致性校验，若没有通过，调整

【技术实现步骤摘要】
基于层次分析法的智能临床决策支持系统适用性评估方法及装置


[0001]本专利技术属于人工智能领域，具体涉及一种基于层次分析法的智能临床决策支持系统适用性评估方法及装置
。

技术介绍

[0002]智能临床决策支持系统
(CDSS)
是一种利用人工智能
(AI)
技术来辅助医生和临床医疗团队做出诊断和治疗决策的计算机系统
。
该系统使用机器学习和大数据分析等技术，通过从海量的医学文献
、
临床实验数据和患者信息中提取关键信息，为医生提供准确
、
及时的临床决策支持
。
随着
AI
技术的迅速发展，购买和部署智能临床决策支持系统的医疗机构越来越多
。
由于医学
AI
技术的快速发展，不同类型的智能临床决策支持系统产品层出不穷，目前存在一些挑战阻碍了医疗机构的使用者和管理者对这些系统的适用性开展科学的评估，如医疗机构可能缺乏对
AI
技术的了解和专业知识，导致对系统的评估困难重重
。
目前，尚缺乏系统化和精细化的智能临床决策支持系统的适用性评估方法
。

技术实现思路

[0003]本专利技术为了解决上述问题，提出了一种基于层次分析法
(AHP)
的智能临床决策支持系统适用性评估方法
。
该方法选取
17
个指标实现对多个智能临床决策支持系统产品在医疗机构的适用性进行系统化和精细化的评估
。
[0004]本专利技术的另一目的在于提供一种基于层次分析法
(AHP)
的智能临床决策支持系统适用性评估装置
。
[0005]为了实现上述目的，本专利技术提供如下技术方法，主要步骤包含：
[0006]S1
：针对待评价的智能临床决策支持系统产品，获取智能临床决策支持系统适用性评估指标；建立原始评估矩阵；
[0007]S2
：遍历原始评估矩阵，对所有的元素进行一致性校验，若没有通过，调整
AHP
矩阵直到通过为止；
[0008]S3
：遍历原始评估矩阵，计算所有元素的优度向量；
[0009]S4
：遍历原始评估矩阵，
Min
‑
Max
标准化优度向量，得到适用性评估矩阵；
[0010]S5
：计算待评估智能临床决策支持系统产品的适用性评估向量
。
[0011]所述的步骤
S1
具体为：
[0012]S11
：针对待评价的智能临床决策支持系统产品，获取智能临床决策支持系统适用性评估指标，智能临床决策支持系统适用性评估指标包含系统质量
、
信息质量
、
服务质量
、
使用情况和净收益5个方面，系统质量指标包括待评估系统的有效性
、
可靠性
、
部署难度和兼容性指标；信息质量指标包括待评估系统提供信息的准确性
、
完整性
、
易读性和可用性指标；服务质量指标包括待评估系统提供服务的易学习性
、
用户友好度和安全性指标；使用情况指标包括待评估系统测试者的使用意愿
、
使用频率和使用满意度指标；净收益指标包括
医疗质量
、
医疗效率和成本效益指标；
[0013]S12:
建立原始评估矩阵
E
＝
[e
ij
]17
×
n
,i∈[1,17]∩i∈N
+
,j∈[1,n]∩j∈N
+
，其中，
n
为评估次数；评估矩阵
E
中每一个元素
e
ij
都是
l
阶
AHP
判断矩阵，即，
e
ij
＝
[d
pq
]l
×
l
，
α
∈[1,9]∩
α
∈N
+
。
[0014]所述的步骤
S2
具体为：遍历评估矩阵
E
，对所有的元素
e
ij
进行一致性检验：计算
e
ij
的一致性指数
(CI)
和一致性比率
(CR)
，计算公式如下，
[0015][0016]CR
ij
＝
CI
ij
/RI
l
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0017]其中，
CI
ij
和
CR
ij
分别表示矩阵
e
ij
的
CI
和
CR
，为矩阵
e
ij
的最大特征根，
l
为待评估的智能临床决策支持系统产品数；
RI
l
为
l
阶随机一致性系数；
[0018]当
CI
ij
<0.1∩(CR
ij
<0.1)
时，
AHP
判断矩阵
e
ij
通过一致性检验，否则，调整
AHP
判断矩阵
e
ij
的值直到通过检验
。
[0019]所述的步骤
S3
具体为：遍历评估矩阵
E
，计算所有元素
e
ij
的优度向量，第
i
个指标
、
第
j
次评估的
l
个待评估的智能临床决策支持系统产品的优度向量的计算公式如下，
[0020]Ω
ij
＝
V
ij
/‖V
ij
‖1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0021]式
(3)
中，向量
V
ij
为
AHP
判断矩阵
e
ij
的特征向量，
‖V
ij
‖1为向量
V
ij
的
L1
范数
。
[0022]所述的步骤
S4
具体为：
Min
‑
Max
标准化优度向量
Ω
ij
，得到适用性评估矩阵标准化公式如下，
[0023本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于层次分析法的智能临床决策支持系统适用性评估方法，其特征在于包括下述步骤：
S1
：针对待评价的智能临床决策支持系统产品，获取智能临床决策支持系统适用性评估指标；建立原始评估矩阵；
S2
：遍历原始评估矩阵，对所有的元素进行一致性校验，若没有通过，调整
AHP
矩阵直到通过为止；
S3
：遍历原始评估矩阵，计算所有元素的优度向量；
S4
：遍历原始评估矩阵，
Min
‑
Max
标准化优度向量，得到适用性评估矩阵；
S5
：计算待评估智能临床决策支持系统产品的适用性评估向量
。2.
根据权利要求1所述的一种基于层次分析法的智能临床决策支持系统适用性评估方法，其特征在于所述的步骤
S1
具体为：
S11
：针对待评价的智能临床决策支持系统产品，获取智能临床决策支持系统适用性评估指标，智能临床决策支持系统适用性评估指标包含系统质量
、
信息质量
、
服务质量
、
使用情况和净收益5个方面，系统质量指标包括待评估系统的有效性
、
可靠性
、
部署难度和兼容性指标；信息质量指标包括待评估系统提供信息的准确性
、
完整性
、
易读性和可用性指标；服务质量指标包括待评估系统提供服务的易学习性
、
用户友好度和安全性指标；使用情况指标包括待评估系统测试者的使用意愿
、
使用频率和使用满意度指标；净收益指标包括医疗质量
、
医疗效率和成本效益指标；
S12:
建立原始评估矩阵
E
＝
[e
ij
]
17
×
n
,i∈[1,17]∩i∈N
+
,j∈[1,n]∩j∈N
+
，其中，
n
为评估次数；评估矩阵
E
中每一个元素
e
ij
都是
l
阶
AHP
判断矩阵，即，
e
ij
＝
[d
pq
]
l
×
l'
3.
根据权利要求1所述的一种基于层次分析法的智能临床决策支持系统适用性评估方法，其特征在于所述的步骤
S2
具体为：遍历评估矩阵
E
，对所有的元素
e
ij
进行一致性检验：计算
e
ij
的一致性指数
(CI)
和一致性比率
(CR)
，计算公式如下，
CR
ij
＝
CI
ij
/RI
l
ꢀꢀꢀꢀꢀꢀ
(2)
其中，
CI
ij
和
CR
ij
分别表示矩阵
e
ij
的
CI
和
CR
，为矩阵
...

【专利技术属性】
技术研发人员：杨晓陶，韩晓旭，满冬亮，关一夫，云科，张爽，权美惠，
申请(专利权)人：中国医科大学附属第一医院，
类型：发明
国别省市：