基于貝葉斯網(wǎng)絡(luò)的新型細(xì)菌性肺炎診斷模型設(shè)計(jì)與實(shí)現(xiàn)

李妍池

關(guān)鍵詞：細(xì)菌性肺炎；貝葉斯網(wǎng)絡(luò)；醫(yī)療診斷；無(wú)監(jiān)督學(xué)習(xí)

1引言

近年來(lái)，受環(huán)境污染、汽車尾氣等因素影響，加之飲食衛(wèi)生問(wèn)題頻出，人們患細(xì)菌性肺炎的概率越來(lái)越高。這種肺炎主要是由金葡菌、肺炎鏈球菌引起的[1]，感染后常常表現(xiàn)出干咳、發(fā)燒、呼吸困難等臨床癥狀，常見(jiàn)于兒童及65歲老人群體，致死率高達(dá)60％[2]，嚴(yán)重時(shí)極有可能導(dǎo)致肺癌。目前，大多數(shù)醫(yī)院會(huì)對(duì)患者進(jìn)行經(jīng)驗(yàn)性療法，如使用抗生素，但這種醫(yī)療手段的成本較高。如果抗生素選擇不當(dāng)，或治療措施不全面，很有可能加大患者死亡的風(fēng)險(xiǎn)。此外，用藥前必須明確病原菌及其耐藥性，這給合理用藥造成了極大的困難[3]。

為了更準(zhǔn)確地診斷細(xì)菌性肺炎，快速評(píng)估病情嚴(yán)重程度，降低檢測(cè)成本，當(dāng)前，基于計(jì)算機(jī)斷層掃描技術(shù)的檢測(cè)方法受到了廣大醫(yī)療人員的一致歡迎。通常來(lái)說(shuō)，細(xì)菌性肺炎患者的肺部具有典型的影像學(xué)特征，包括毛玻璃結(jié)節(jié)、肺硬化、肺纖維化和多發(fā)性病變等[4]。近年來(lái)，有許多基于深度學(xué)習(xí)的患者肺部CT影像病灶分割的方法應(yīng)運(yùn)而生，但深度學(xué)習(xí)模型必須訓(xùn)練海量的數(shù)據(jù)集才能在準(zhǔn)確率上有所提升，訓(xùn)練過(guò)程漫長(zhǎng)。本文規(guī)避了傳統(tǒng)深度學(xué)習(xí)模型的不足，采用貝葉斯網(wǎng)絡(luò)這一概率模型計(jì)算患病的概率，根據(jù)概率高低幫助醫(yī)護(hù)人員迅速鎖定潛在患者并將之列為重點(diǎn)觀察對(duì)象，實(shí)施服藥、轉(zhuǎn)入重癥病房等一系列后續(xù)措施，從而避免盲目進(jìn)行CT影像檢測(cè)，大大減輕醫(yī)療人員的工作壓力。

2貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)

2.1貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

貝葉斯網(wǎng)絡(luò)（Bayesian

Network）是一種描述基于概率推理的數(shù)學(xué)模型，是一個(gè)有向無(wú)環(huán)圖，它通過(guò)不確定性因果關(guān)系構(gòu)建網(wǎng)絡(luò)，并且能夠在已知有限的、不確定的以及不完整的環(huán)境下進(jìn)行模擬推理[5]。貝葉斯網(wǎng)絡(luò)因具有強(qiáng)大的數(shù)學(xué)性能，近年來(lái)越來(lái)越受到研究人員的重視，其在知識(shí)學(xué)習(xí)、醫(yī)療診斷、故障診斷、數(shù)據(jù)分析、視頻跟蹤、智能控制等領(lǐng)域被廣泛應(yīng)用[6]。其結(jié)構(gòu)如圖1所示。

當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜時(shí)，可結(jié)合式（1）（2）的變體，計(jì)算出網(wǎng)絡(luò)中各節(jié)點(diǎn)的條件概率。

2.2貝葉斯網(wǎng)絡(luò)的構(gòu)建

利用貝葉斯網(wǎng)絡(luò)進(jìn)行醫(yī)療診斷時(shí)，首先需要構(gòu)建出結(jié)構(gòu)合理的網(wǎng)絡(luò)模型。通常來(lái)講，模型構(gòu)建分為以下步驟。

（1）確定構(gòu)建網(wǎng)絡(luò)所需要的變量以及變量的含義。

（2）進(jìn)一步確定變量之間的相互關(guān)系，根據(jù)約束條件確定變量間是否有依賴關(guān)系，從而確定節(jié)點(diǎn)之間的父子層級(jí)關(guān)系以及連接關(guān)系，作出有向無(wú)環(huán)圖。

（3）根據(jù)變量關(guān)系計(jì)算出網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的條件概率，交叉并反復(fù)多次進(jìn)行上述過(guò)程，該步驟需要進(jìn)行結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。

3應(yīng)用于肺炎診斷的貝葉斯網(wǎng)絡(luò)模型建立

3.1變量的選取

本文使用的數(shù)據(jù)集來(lái)自飛槳AI studio提供的癥狀檢測(cè)器，包含兩張CSV表格，列舉了以下變量。

（1）Country：受訪者的國(guó)家列表。

（2）Age：受訪者年齡，分為0～9歲、10～19歲、20～24歲、25～59歲、60歲及以上五個(gè)區(qū)間。

（3）Symptom：受訪者的臨床癥狀，具體為發(fā)燒、疲倦、干咳、呼吸困難、喉嚨痛、癥狀疼痛、鼻塞、流涕、腹瀉。

（4）Severity：患病嚴(yán)重程度，分為輕度、中度、重度三個(gè)等級(jí)。

（5）Contact：此人是否與其他確診細(xì)菌性肺炎患者接觸過(guò)，分為接觸、未接觸兩類。

由于數(shù)據(jù)過(guò)多，直接使用上述變量構(gòu)建貝葉斯網(wǎng)絡(luò)會(huì)導(dǎo)致計(jì)算機(jī)負(fù)載過(guò)大、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，不利于后續(xù)計(jì)算，為了降低模型復(fù)雜度，將一些變量合并，得到整合后的表格，如表1所列。

表1中，列表示具體病例，行表示該病例的癥狀、年齡、性別、是否感染等。

3.2變量相關(guān)性分析

利用SPSS Statistics對(duì)變量相關(guān)性進(jìn)行分析，將原始數(shù)據(jù)表格輸入該軟件，可得表2。

由表2可知，癥狀對(duì)于是否感染肺炎具有最大的影響，其中發(fā)燒（Fev）、疲憊（Tir）、喉嚨痛（Sor）、干咳（Dry）、流鼻涕（Run）五個(gè)變量對(duì)感染肺炎具有最大的影響。另外，受訪者的年齡、性別對(duì)患病都有一定的影響。按照各變量對(duì)感染肺炎的影響大小排序，可以得出以下節(jié)點(diǎn)順序：1-發(fā)熱，2一呼吸困難，3一疲憊，4一喉嚨痛，5一干咳，6一疼痛，7一腹瀉，8一流鼻涕，9一鼻塞，10-age 0～9，11-age 60+，12-age 10～19，13-age 20～24，14-age 25～59，15-男性，16-女性。

利用K2搜索算法[7]構(gòu)建網(wǎng)絡(luò)模型，在定義評(píng)分函數(shù)后，該算法可確定出各節(jié)點(diǎn)之間的父子關(guān)系，評(píng)分函數(shù)值高的為父節(jié)點(diǎn)，反之則為子節(jié)點(diǎn)，從而自動(dòng)學(xué)習(xí)出最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)。

3.3貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)

明確節(jié)點(diǎn)的父子層級(jí)關(guān)系和順序后，利用Matlab中自帶的full-BNT工具箱構(gòu)建貝葉斯網(wǎng)絡(luò)。網(wǎng)絡(luò)結(jié)構(gòu)的生成是基于貪心算法的，即以某一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)為初始模型，每次學(xué)習(xí)調(diào)整一條邊，計(jì)算評(píng)分函數(shù)，直到函數(shù)值不再減小。輸入節(jié)點(diǎn)名稱后，軟件自動(dòng)生成的網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2中，節(jié)點(diǎn)1～16為按照K2算法計(jì)算出的順序排列的癥狀、年齡及性別，節(jié)點(diǎn)17為感染肺炎。該結(jié)構(gòu)圖直觀地反映出節(jié)點(diǎn)之間的關(guān)聯(lián)。由圖2可知，各種癥狀之間存在相互依賴關(guān)系，受訪者是否感染肺炎受多種因素影響，除表現(xiàn)出的臨床癥狀外，受訪者的年齡、性別都會(huì)影響最終結(jié)果。例如，老年人因身體機(jī)能衰退、抵抗力變差，患病的概率大于年輕人。若受訪者表現(xiàn)出疲憊的癥狀，則其發(fā)熱的概率就會(huì)增大。該網(wǎng)絡(luò)結(jié)構(gòu)可以反映出節(jié)點(diǎn)之間的條件約束關(guān)系。

3.4貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)

構(gòu)建完整的貝葉斯網(wǎng)絡(luò)最關(guān)鍵的一步是利用樣本數(shù)據(jù)集學(xué)習(xí)每一個(gè)節(jié)點(diǎn)對(duì)應(yīng)的條件概率，概率值越準(zhǔn)確，后續(xù)的診斷結(jié)果就越精確．因此需要進(jìn)行貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)。在原始數(shù)據(jù)集較為完整、沒(méi)有缺失值的情況下，通常采用最大似然法進(jìn)行參數(shù)學(xué)習(xí)。計(jì)算各節(jié)點(diǎn)的條件概率時(shí)，先根據(jù)專家經(jīng)驗(yàn)粗略地計(jì)算出先驗(yàn)概率分布，再對(duì)數(shù)據(jù)集進(jìn)行分析學(xué)習(xí)，計(jì)算出后驗(yàn)概率分布，以此計(jì)算出每個(gè)節(jié)點(diǎn)的條件概率分布表。

4貝葉斯網(wǎng)絡(luò)診斷結(jié)果分析

貝葉斯網(wǎng)絡(luò)訓(xùn)練好之后即可進(jìn)行診斷，診斷的過(guò)程即通過(guò)一些屬性或變量的觀測(cè)值推導(dǎo)出待查詢的屬性與變量的取值。例如，對(duì)于一個(gè)60歲男性受訪者，觀測(cè)到此人表現(xiàn)出了發(fā)熱、流涕、干咳等癥狀，通過(guò)其性別、年齡、臨床癥狀等信息計(jì)算出網(wǎng)絡(luò)中節(jié)點(diǎn)17（感染肺炎）對(duì)應(yīng)的聯(lián)合概率分布表，根據(jù)計(jì)算值判斷此受訪者感染肺炎的概率，從而確定是否需要將此人列為重點(diǎn)觀察對(duì)象，并采取用藥、CT觀測(cè)等后續(xù)一系列醫(yī)療措施。

在Matlab自帶的Full-BNT工具箱中，提供了功能強(qiáng)大的推理引擎。使用聯(lián)合樹(shù)推理引擎jtree_inf_engine（），將原始數(shù)據(jù)集中的1000條樣本輸入圖2網(wǎng)絡(luò)模型中，每一輪訓(xùn)練都增加1000條樣本，直到將10000條樣本全部訓(xùn)練完。模型訓(xùn)練完成后，將測(cè)試集輸入模型中，即輸入受訪者的癥狀、年齡、性別等信息，輸出該受訪者患病的概率。輸人數(shù)據(jù)的格式為：datal=[1;1;1;1;1;1;1;1;2;2;2;1;2;2;1;2;1]，即一個(gè)1x17的向量，若表現(xiàn)出某種臨床癥狀，則相應(yīng)位置用1表示，若無(wú)此癥狀用2表示。上述示例中的datal表示一位臨床表現(xiàn)為發(fā)熱、呼吸困難、疲憊、喉嚨痛、干咳、疼痛、腹瀉、流鼻涕的10～19歲的男性，根據(jù)后續(xù)的肺部CT檢測(cè)結(jié)果綜合判斷為確診病例，而網(wǎng)絡(luò)給出的診斷結(jié)果也是患病，說(shuō)明網(wǎng)絡(luò)很好地判斷出了該患者的患病情況。

對(duì)模型準(zhǔn)確率進(jìn)行測(cè)試時(shí)，在10000條樣本中，模型診斷出的感染肺炎病例數(shù)量為7533條，診斷準(zhǔn)確率為73.8385％。

當(dāng)輸入新的測(cè)試數(shù)據(jù)時(shí)，模型給出的預(yù)測(cè)結(jié)果如表3所列。

表3中，感染概率<50%為低風(fēng)險(xiǎn)，50%～70%為中風(fēng)險(xiǎn)，高于70%為高風(fēng)險(xiǎn)。對(duì)于中低風(fēng)險(xiǎn)人群，可采取自行去醫(yī)院取藥等措施，而高風(fēng)險(xiǎn)人群則需要后續(xù)進(jìn)行CT影像檢測(cè)，根據(jù)檢測(cè)結(jié)果進(jìn)一步確定是否確診。在后續(xù)的測(cè)試過(guò)程中，對(duì)100條受訪者的樣本進(jìn)行了測(cè)試，將網(wǎng)絡(luò)給出的測(cè)試結(jié)果與受訪者真實(shí)的患病情況進(jìn)行對(duì)比后，發(fā)現(xiàn)患病概率為70%以上的受訪者的診斷結(jié)果最接近真實(shí)數(shù)據(jù)，即處在這一概率區(qū)間的受訪者的診斷準(zhǔn)確率最高。這一結(jié)果對(duì)于醫(yī)療人員快速辨別潛在患者具有一定的指導(dǎo)意義。

5結(jié)束語(yǔ)

本文提出一種基于貝葉斯網(wǎng)絡(luò)的診斷模型，貝葉斯網(wǎng)絡(luò)是一種有向無(wú)環(huán)圖，可以詳細(xì)地刻畫變量之間的依賴關(guān)系，并使用條件概率來(lái)描述變量的聯(lián)合概率分布，非常適合應(yīng)用于醫(yī)療診斷領(lǐng)域。本文首先使用Matlab中的Full-BNT工具箱，結(jié)合K2搜索算法得到網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)，再利用聯(lián)合樹(shù)推理引擎得到各節(jié)點(diǎn)的條件概率分布，求出最終模型，最后選取了多條樣本數(shù)據(jù)進(jìn)行測(cè)試，將網(wǎng)絡(luò)計(jì)算出的患病概率與患者真實(shí)的患病情況進(jìn)行對(duì)比，可以幫助醫(yī)療人員快速排查出需要重點(diǎn)觀察以及進(jìn)一步檢測(cè)的人員，從而避免了大規(guī)模CT影像檢測(cè)造成的資源浪費(fèi)。

本文提出的模型適用于處理沒(méi)有缺失值的樣本，但在實(shí)際生活中受到數(shù)據(jù)搜集技術(shù)手段、患者瞞報(bào)信息等因素影響，搜集到的數(shù)據(jù)往往有較多缺失值。未來(lái)應(yīng)著重研究如何優(yōu)化模型的結(jié)構(gòu)，從而更好地應(yīng)用在缺失值的處理上。同時(shí)，該模型對(duì)于數(shù)據(jù)集較大的情況還不能很好地應(yīng)對(duì)。為了未來(lái)能將該模型應(yīng)用于各大醫(yī)院，需要增強(qiáng)模型的健壯性和魯棒性。將K2搜索算法、D一分離算法等算法結(jié)合，探索出一種更高效、性能更優(yōu)的結(jié)構(gòu)學(xué)習(xí)算法是一種行之有效的措施，未來(lái)應(yīng)著力研究如何進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提升模型的算力，助力醫(yī)療人員快速鎖定患者，減輕工作壓力。