近年来,由经济全球化带来的环境恶化、人口骤增、流动性加剧等问题加剧了传染病的发生和流行^{〔1, 2〕},几乎每年均至少有一种新发传染病被发现^{〔3, 4〕}。诊断传染病目前主要依据实验室检查结果,而在传染病突发现场条件有限,工作人员仅能根据患者症状、体征并结合经验和知识水平进行判断,难免会发生漏诊、误诊。为了提高传染病疫情现场判别的准确性、时效性及科学性,提高中国传染病防控能力,本研究构建了传染病辅助判别系统,现将结果报告如下。

数据主要来自于中国传染性疾病监测数据库、全球传染病流行病学网络、相关专著^〔5〕和文献^{〔6, 7〕}。

研究采用Bayes分类算法^〔8〕,基本原理:设有j种疾病组成的“疾病集”:D=(D₁,D₂,D₃,……,D_j),每种疾病均可能有k种”症状“X={X₁,X₂,……,X_k,},各种“症状”相互独立,某一患者的“症状”表现集就是k种“症状”的不同取值。各种“症状”的具体表现所组成的“症状”表现集X出现的概率分别记为:P (X|D₁),P (X|D₂),……,P (X|D_j),则根据Bayes条件概率公式,导出各种疾病的后验概率为:

其中,q_j表示是各种疾病的当地发病率(如北京地区),P (D_j|X)表示在“症状”表现集X的情况下,出现各种疾病的可能性或概率。根据P (D_j|X)的大小判断该患者所患疾病,各P (D_j|X)之和等于1。如果j个条件概率中P (D_m|X)最大,则意味着对该“症状”表现集,患疾病Dm的可能性最大。

建立一个独立的测试集,数据来源于文献^{〔9,10,11,12,13〕}中报道的疫情资料,包括一起幼儿园手足口病疫情调查^〔13〕、某中小学流行性腮腺炎暴发的流行病学调查与控制^〔10〕、一起细菌性痢疾暴发疫情调查^〔12〕、某校甲肝暴发疫情的流行病学调查^〔9〕和一起麻疹疫情调查报告^〔11〕共5起疫情,用报道的案例资料对模型进行验证,评价模型准确性。

传染病判别数据库是辅助判别的基础,本研究构建了343种传染病各种症状、体征出现的概率,主要包括有发热、黄疸、腹泻、腹痛、呕吐、咳嗽、胸痛、咽痛和临床常规检验数据(如血常规、尿常规等),此外还包括各种暴露情况(如摄食、输血、性暴露等),共计184条记录。

表 1

表 1 辅助判别模型在独立测试集上的诊断结果

表 1 辅助判别模型在独立测试集上的诊断结果

收集了5起传染病疫情作为独立测试集来验证模型的准确性,其判别正确的传染病均排在第1位,其平均诊断精度约为60%。

在甲型H1N1流感暴发的初期,本研究缺少甲型H1N1流感症状、体征的基础数据,但是该判别系统对疫情的初期防控仍然起到了一定的作用,主要表现为:在疫情的突发现场,在系统中输入患者的症状(发热、咽痛、咳嗽和头痛),该系统给出了89.2%的流行性感冒概率结果,这为初期的预防控制提供了辅助支持。随着甲型H1N1流感的持续发展及其确诊病例的增加,在判别数据库中添加了甲型H1N1流感症状、体征的数据,在系统中输入患者的症状(发热、咽痛、咳嗽、头痛和腹泻),系统则给出了92.7%的甲型 H1N1流感概率,在无实验室支持的条件下,提高了疫情判别的准确性。

从20世纪50年代开始,人们便着手进行!医疗诊断专家系统∀的研究工作^〔14〕,其中具有代表性的是1976年美国斯坦福大学Sho rtlife等研制成功的用于鉴别细菌感染及治疗的医学专家系统MYC IN。目前最著名的便是GIDEON的辅助诊断系统^{〔6, 7〕},该系统是一款商业软件,限制了其广泛应用;同时该系统中的症状、体征与中国人的症状、体征并不完全相同,因此,在国内的应用受到限制。在国内,李晓毅等人^〔8〕应用贝叶斯模型来进行传染病辅助判别,给出了一些理论上的探讨,但由于缺少传染病的判别数据库,尚未深入到实际应用阶段。本研究构建的传染病判别系统不仅具有相对完善的判别数据库,几乎包括了目前国内外的所有传染病数据,而且在国内首次被应用到了传染病疫情的实际防控中,事实证明其既可以用在辅助判别系统,也可以用作知识库,以及查询各种传染病的症状、体症,从而弥补工作人员的知识不足,提高疫情判别的准确性。