第二章 文獻探討
第四節 案例式推理
2.4.3 案例式推理在醫學上的應用
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
2.4.3 案例式推理在醫學上的應用
案例式推理的研究是模擬人類的經驗來解決問題，如：法案判決系統 JUDGE。而在醫療領域上，已有許多研究透過人工智慧的方法來輔助醫生 在醫療診斷或決策支援。
醫學上應用最早的架構是在 1987 年由 Kolodner 等學者提出，利用過去 診斷經驗來解決與臨床醫學相關的問題，先前的經驗在臨床診斷上扮演了很 重要的角色(Kolodner 1993)。Koton 提出的 CASEY 是疾病診斷的系統，從 病人出現的症狀與以往的舊案例作比對，再結合案例式推理與法則式推理來 診斷心臟疾病(Heart Failure)。輸入的問題為關於病人所呈現出來的訊息和 症狀、病歷和藥物試驗的結果等相關資訊。輸出的結果則是關於病人會得到 哪些疾病及因果關係的解釋(Koton 1989)，其他相關系統更在基於表面相似 度的取回能力上結合了額外的篩選器，用以改善檢索效能，如 SWALE(Kass et al. 1986)、CHEF (Hammond 1986)、KRITIK (Goel and Chandrasekaran 1989)及 PROTOS (Porter et al. 1990)等。
有學者在 1993 年發展出一個保健規劃系統，稱為 FLORENCE，此系統 包括三個基本的任務：診斷(Diagnosis)、預後（Prognosis）及處方
（Prescription），首先會利用法則式推理來判斷病人目前的健康狀況與症狀，
再以案例式推理來搜尋過去的相似案例，與其比對進而了解未來可能產生的 健康問題與疾病，再給予建議( Bradburn and Zelenikow 1993)。
案例式推理系統在醫學上的應用在系統目的之分類上可分為四類，診斷 系統(Diagnostic systems)、分類系統(Classification systems Classification)、
輔助學習系統(Tutoring systems)、規劃系統(Planning systems)。診斷系統是 最常使用的案例式推理系統，嘗試提供使用者在診斷過程中對於不同程度的 醫療狀況上的幫助。分類系統則嘗試定義真實世界中案例的群組關係。醫學 上的輔助學習系統通常幫助學生更貼近真實病患的案例。規劃系統的特色在
‧
的醫療系統(Nilsson 2004)。學者在系統屬性及目的分類上對於醫療系統的 整理表格如下表 2-4：表 2- 4 醫療系統分類表(Holt et al. 2006)
任務類型 學者 系統名稱 應用領域
診斷系統 (Diagnosis and decision support systems)
Kolodner & Kolodner, 1987 Koton, 1988
Turner, 1988 Lopez & Plaza, 1993
Bradburn & Zeleznikow, 1993 Bichindaritz, 1995
Haddad et al., 1997
SHRINK CASEY MEDIC BOLERO FLORENCE MNAOMIA SCINA
精神病學(Psychiatry) 心臟衰竭(Heart failure) 呼吸困難(Dyspnoea) 肺炎(Pneumonia)
保健規劃(Health care planning) 精神病學(Psychiatry)
發現冠心病(Detection of coronary heart diseases) 分類系統
(Classification systems)
Bichindaritz et al., 1998
Marling & Whitehouse, 2001
Bareiss & Porter, 1987
Macura et al., 1994 Grimnes & Aamodt, 1996 Bichindaritz & Potter, 1994,2004
Perner, 1999
CARE-PARTNER
AUGUSTE
PROTOS
MACRAD IMAGECREEK PHYLSYST
CTS
幹細胞移植(Stem cell transplantation)
阿爾茨海默氏(Alzheimer’s disease)
聽力障礙(Audiological disorders)
影像分析(Image analysis) 影像分析(Image analysis) 親緣演化分類(Phylogenetic classification)
影像分析(Image analysis) 規劃系統
(Planning systems)
Bichindaritz & Seroussi, 1992 Berger, 1994
Petot et al., 1999
Montani et al., 2000
ALEXIA ROENTGEN CAMP
T-IDDM
高血壓(Hypertension) 放射治療(Radiation therapy) 日常功能表規劃(Daily menu planning)
糖尿病治療(Diabetes treatment) 輔助學習系統
(Tutoring systems)
Gierl, 1993
Fenstermacher, 1996
ICONS
CADI
加護病房的抗生素治療
(Antibiotics therapy for intensive care)
心臟聽診診斷與指令(Cardiac auscultation diagnosis and instruction)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
相關研究使用了三維人體體型量測數據當預測變項，與資料探勘研究方 法在糖尿病、高血壓與高血脂等慢性病預測模式之建構。目的是為了建立一 個對臨床醫師們在平常工作上無法正常判斷危險因子預測時，給予適時的輔 助的預測模式。研究結果顯示，使用 GA-CBR 的演算法能線上學習並繼承 學習，且較統計與類神經網路的成本低及快速。透過系統找到 3D 人體體型 資料與這些慢性疾病的相關性，輔助醫師鑑別診斷並提高診斷正確率，能讓 來健檢者經由系統中的相關預測因子來做為慢性病預防的重要參考依據 (李博智，2002)。
國內學者的相關研究，以馬偕醫院胃癌的病患為例，從其病史詢問、狀 況描述等文件來進行彙整及文件探勘，來判斷是否為胃癌患者或其他疾病；
再透過影像的案例式推理來判斷是否為胃癌。使用文件資料搭配影像資料進 行案例式推理，來做初步的預測胃癌的診斷，建立早期診斷癌症的機制，藉 以達到早期診斷早期治療及節省有限的醫療資源的目標(楊超然，2004)。
有相關研究的目的在建立一個心電圖診斷系統，希望能協助專業醫護人 員正確的診斷從心電圖上可探知的疾病。針對資料庫中正常、左束枝傳導阻 滯、心室期外收縮、右束枝傳導阻滯、房室交界處期外收縮、心房期外收縮 等案例作測試與評估，結合類神經網路的案例式推理系統，透過類神神經網 路將案例進行分類，加快搜尋相似的案例的速度；再將類神經網路所得權重 帶入案例式推理將案例取回(朱嘉雯，2004)。
Lin 等人的研究認為普遍對於肝病診斷的研究大多聚焦在辨別病患是否 有肝病。目前被發展出來用以檢測肝病的診斷模型並不多。此研究根據目的 去建構智慧型的肝病診斷模型：結合層級分析法、案例式推理去檢查病患是 否患有肝病且為何種肝病。最後診斷驗證在前十個最相似案例中的正確率為 94.57%，結果顯示層級分析法的案例式推理較純案例式推理去判斷肝病種類
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
的結果更佳，且認為醫學診斷非常仰賴醫師的實際診斷經驗(Lin 2010)。
回顧相關文獻可以知道案例式推理在醫療保健上有許多應用，但醫學的 領域非常廣泛，尚未有針對所有疾病及不同目的類型都發展出完善的系統，
大部分的案例式推理系統都會針對某特定疾病或用途發展的案例式推理系 統，較少系統能透過單筆資料就進行所有疾病的預測及診斷，因為醫學上的 診斷非常複雜，相關影響的因素非常多，而且並非是絕對的，需要依靠醫生 多年診斷經驗來參考與判斷。大多數的案例式推理系統幾乎都是提供給醫生 或醫護人員做診斷輔助使用，較少有提供給大眾使用的案例式推理自我健康 管理系統。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
35
第三章 研究方法