基于动态不确定因果图(DUCG)的新一代智能医学辅助诊断系统

  • 灵活的部署方式

    通过Web和API提供服务,更适应医院复杂的网络与IT环境。

  • 精准

    使用独创性的DUCG理论,在诊断实践中获得了90%以上的准确率。

  • 高效

    通过高效与深度优化的推理机制,可在几秒内完成大多数疾病的诊断。

  • 过程透明

    不同于传统大数据方案,DUCG技术可以通过图形界面清晰展示每一步推理过程。

人工智能合作伙伴大会

2018年12月28日,张勤教授在人民网人工智能合作伙伴大会上介绍DUCG理论与应用,并现场演示了DUCG智能临床辅助诊断决策平台的使用。

poster

DUCG动态
不确定因果图
实际应用

DUCG是一种利用图形方式简洁表达任何情况下的不确定因果关系,基于证据化简图和展开事件,以得到所关注假设事件及状态概率表达式的理论模型
了解更多

黄疸是一种常见主诉症状,病因各异。我们与李兰娟院士的医疗团队合作构建的黄疸知识库涉及27种疾病和其他疾病,从近4000份住院病历中按疾病分类随机抽取不多于10个病历(不足10个则全部纳入),构成203个测试病例,结果正确率为99.01%。

Intelligent diagnosis of jaundice with dynamic uncertain causality graph model,Journal of Zhejiang University-SCIENCE B (Biomedicine & Biotechnology)

眩晕是一种多发常见疑难杂症,病因繁多,诊断方式复杂,涉及五官科、神经科、骨科等不同学科。我们与北京朝阳医院专家合作构建的知识库涉及22种疾病,随机选取的60个病例测试结果正确率88.3%,其中BPPV(耳石症)诊断正确率91.7%。

The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo.Computer Methods and Programs in Biomedicine, vol. 113, pp. 62-174, 2014

我们与协和神经外科主任王任值团队一同构建了基于DUCG的鞍区疾病诊断模型,涉及20个疾病,包含138个变量。

针对其中17种疾病,从北京协和医院电子信息病例系统中随机选择了相关病历进行测试,共测试139例鞍区病例,诊断模型的平均准确率为94%。剩下的三种疾病过于罕见,病历库没有覆盖,我们以文献中查找到的病历进行代入测试,最终实现了全覆盖的测试结果93.7%,并通过DUCG推导图,清楚解释疾病病因和所有相关因素,症状和监测结果,及其关联性结论。

基于DUCG的鞍区疾病诊断模型测试证明本平台用于医学诊断中可弥补个人知识和专业限制,降低误诊率,并减轻公共卫生保健资源的负担。

动态不确定因果图(ducg)在鞍区疾病中的诊断价值.> 中国微侵袭神经外科杂志(6).