基于动态不确定因果图理论开发的人工智能诊断模型对呼吸困难为主诉疾病的鉴别诊断效果评估

正人工智能(AI)辅助诊断近年飞速发展。在目前发展已经比较成熟的病理、放射影像及皮肤疾病诊断等方面,AI辅助诊断的准确性甚至可超过专科医生的平均诊断水平。但是,主流AI技术的突破和应用仅集中在基于模式识别的临床诊断判定。在临床诊疗工作中需求更为广泛的基于逻辑推理的疾病诊断方面仍是研发的难点。动态不确定因果图(dynamic uncertain causality graph, DUCG)理论是为克服国际上流行的处理不确定因果知识的表达和推理模型贝叶斯网络的缺陷而提出的,目前已应用于复杂工业系统进行故障诊断。