用于临床贝叶斯网络开发的医学惯用语
人工智能
2020-07-03 v2
摘要
贝叶斯网络 (BNs) 是图形化概率模型，已在医学应用中被广泛证明受欢迎。尽管已发表众多医学 BN，但多数以既成事实呈现，未解释网络结构如何构建，也未论证其为何代表给定医学应用的正确结构。这意味着由专家构建医学 BN 的过程通常是临时的，且鲜有机会进行方法学改进。本文提出普遍适用且可复用的医学推理模式，以辅助医学 BN 开发者。所提方法补充并扩展了 Neil、Fenton 与 Nielsen 于 2000 年引入的基于惯用语的方法。我们提出其通用惯用语中特定于医学 BN 的实例。我们将所提医学推理模式称为医学惯用语。此外，我们扩展了惯用语的用途以表示干预性与反事实推理。我们相信所提医学惯用语是可组合、复用并通用应用的逻辑推理模式，有助于开发医学 BN。所有提出的医学惯用语均通过冠心病医学实例予以说明。该方法也已应用于其他正与医学专家共同开发的 BN。最后，我们展示将所提医学惯用语应用于已发表的 BN 模型可得到结构更清晰的模型。
引用
@article{arxiv.2007.00364,
title = {Medical idioms for clinical Bayesian network development},
author = {Evangelia Kyrimi and Mariana Raniere Neves and Scott McLachlan and Martin Neil and William Marsh and Norman Fenton},
journal= {arXiv preprint arXiv:2007.00364},
year = {2020}
}