题目：计算机智能技术在医学数据分析与辅助决策中的应用
主编：杨建兴 王维欣 石向荣
副主编：费科锋 潘贤
出版社：中國文化信息出版社
日期：2026.09
学科分类：生物医学工程
语言：中文
ISBN：978-988-71734-1-0
内容简介
本书系统研究计算机智能技术在医学数据分析、疾病风险预测和临床辅助决策中的应用，围绕医学数据的采集、存储、治理、分析、使用、监管等，构建完整的内容体系。全书共十二章，涵盖医院信息系统、电子病历、医学影像、检验、药学、护理及手术麻醉等数据来源，介绍医学数据库、数据仓库、数据湖、ETL流程和大数据处理技术，并讨论患者身份关联、医学术语标准化、缺失与异常处理、时间窗口构建、特征工程及统计分析方法。
智能分析部分重点介绍监督学习、无监督学习、深度学习、卷积神经网络、临床时间序列建模和多模态数据融合，分析模型训练、内部验证、外部验证、概率校准、临床效用评价、患者分群及诊疗路径识别。本书还结合医学知识图谱、临床自然语言处理、实体与关系抽取、上下文判断和知识推理，说明非结构化病历与医学知识转化为结构化证据的方法，并对规则引擎、预测模型、临床辅助决策系统、医疗智能体和人机协同机制进行阐述。
临床应用内容覆盖心血管疾病、糖尿病、呼吸系统疾病、神经系统疾病、肿瘤和感染性疾病，围绕医学影像、数字病理、药物风险、不良事件识别、药物警戒、围术期预警、慢病远程监测和医疗质量持续改进。相关章节突出数据来源、预测时点、适用人群、结果不确定性和医生复核，防止将模型输出直接解释为确诊结论、治疗指令或患者级因果判断。
本书进一步构建了医疗人工智能全生命周期治理框架，涵盖临床需求、风险分级、数据与标签审核、模型开发、内外部验证、静默运行、临床评价、上线审批、运行监测以及模型更新或退出，并讨论隐私保护、伦理安全、版本管理、模型漂移和事件追踪。全书兼顾技术原理、临床场景与治理要求，可供医学、计算机科学、卫生信息管理、医学工程等专业人员，以及医疗信息化和医疗人工智能应用人员参考。
目录
第一章 医学数据智能分析的技术基础与应用框架········1
1.1 医学数据智能分析的研究对象············1
1.2 医学数据的来源与类型···············6
1.3 医学数据智能应用的基本流程··········· 10
1.4 临床辅助决策的应用层次············· 15
1.5 本书的研究框架与内容安排············ 18
第二章 医学信息系统与临床数据采集基础·········· 22
2.1 医院信息系统的基本构成············· 22
2.2 电子病历系统与临床记录数据··········· 26
2.3 检验、检查与影像系统数据采集·········· 30
2.4 药学、护理与手术麻醉系统数据·········· 36
2.5 临床数据采集中的关键问题············ 41
第三章 医学数据管理、数据库建设与大数据处理······· 45
3.1 医学数据库建设的目标与原则··········· 45
3.2 医学数据标准化管理··············· 50
3.3 医学数据仓库与数据湖建设············ 56
3.4 医学数据抽取、转换与加载············ 60
3.5 医学大数据处理与数据服务············ 63
3.6 医学数据安全与权限控制············· 66
第四章 医学数据预处理、特征工程与统计分析········ 71
4.1 医学数据预处理的基本流程············ 71
4.2 缺失值、异常值与重复数据处理·········· 77
4.3 临床变量的特征工程··············· 83
4.4 时间序列医学数据处理·············· 89
4.5 医学统计分析方法················ 91
4.6 数据预处理质量评价··············· 94
第五章 医学数据分析中的机器学习方法··········· 97
5.1 医学机器学习任务类型·············· 97
5.2 监督学习方法及医学应用············· 100
5.3 集成学习方法及医学应用············· 102
5.4 无监督学习与患者分群·············· 108
5.5 医学机器学习模型训练·············· 113
5.6 医学机器学习模型评价·············· 117
第六章 深度学习与多模态医学数据建模··········· 124
6.1 深度学习在医学数据分析中的应用基础······· 124
6.2 卷积神经网络与医学影像分析··········· 128
6.3 循环神经网络与临床时间序列建模········· 133
6.4 注意力机制与Transformer模型··········· 138
6.5 多模态医学数据融合··············· 141
6.6 深度学习模型训练、评价与临床部署········ 145
第七章 医学知识图谱与自然语言处理············ 149
7.1 医学知识图谱的基本构成············· 149
7.2 临床文本自然语言处理·············· 156
7.3 临床文本分类与语义分析············· 163
7.4 医学知识图谱表示学习与推理··········· 167
7.5 医学知识图谱与自然语言处理融合应用······· 172
7.6 知识图谱与临床自然语言处理质量评价······· 175
第八章 临床辅助决策系统与智能体技术··········· 180
8.1 临床辅助决策系统的功能与架构·········· 180
8.2 知识驱动型临床决策支持············· 186
8.3 数据驱动型临床决策支持············· 193
8.4 临床智能体技术················· 198
8.5 人机协同与临床安全控制············· 202
8.6 临床辅助决策系统评价与持续优化········· 205
第九章 常见疾病的智能分析与辅助诊疗··········· 210
9.1 心血管疾病风险分析与辅助诊疗·········· 210
9.2 糖尿病及其并发症智能分析············ 215
9.3 呼吸系统疾病智能分析·············· 219
9.4 神经系统疾病智能分析·············· 223
9.5 肿瘤多源数据智能分析与精准诊疗········· 226
9.6 感染性疾病与脓毒症智能分析··········· 229
第十章 医学影像智能分析与辅助诊断············ 234
10.1 医学影像数据处理与任务组织··········· 234
10.2 放射影像智能分析与辅助诊断··········· 241
10.3 超声、内镜与眼科影像智能分析·········· 244
10.4 数字病理与显微图像智能分析··········· 248
10.5 影像结果整合、随访比较与报告辅助········ 252
10.6 医学影像AI评价与临床部署··········· 255
第十一章 用药安全与术后风险预警············· 258
11.1 用药数据组织与风险建模············· 258
11.2 智能处方审核与药物不良事件预警········· 264
11.3 围术期数据组织与术后风险建模·········· 269
11.4 术后主要并发症智能预警············· 274
11.5 术后器官功能与恢复评价············· 277
11.6 用药与术后预警系统评价及运行管理········ 280
第十二章 慢性病管理、医疗质量与智能医学发展······· 284
12.1 慢性病连续管理的数据基础············ 284
12.2 慢性病风险分层与智能随访············ 291
12.3 医疗质量监测与数据驱动改进··········· 297
12.4 医学数据治理与隐私安全············· 303
12.5 医疗人工智能治理与组织实施··········· 306
12.6 智能医学发展趋势················ 311
参考文献：······················· 315
前言
随着医疗信息化建设不断推进，电子病历、医学影像、检验结果、
生命体征、用药记录、护理文书、手术麻醉数据及患者居家监测信
息持续积累，医学研究和临床实践已进入多源数据协同利用的新阶
段。现实中的医学数据往往分散在不同系统，存在患者身份关联困
难、编码与单位不统一、时间关系复杂、数据缺失与异常并存等问题。
与此同时，机器学习、深度学习、自然语言处理、知识图谱和多模
态融合等技术快速发展，为疾病识别、风险预测、诊疗支持和健康
管理提供了新的方法，但模型指标较高并不必然代表具有临床价值，
数据适用性、结果解释、医生复核、运行安全和责任追溯仍是技术
应用必须解决的问题。
本书的编写并非简单罗列算法，而是按照医学数据进入临床应
用的实际链条展开，将数据采集、存储管理、质量治理、特征表达、
模型构建、验证评价、辅助决策和持续监管置于统一框架中。全书
既讨论数据库、数据仓库、数据预处理、统计分析和智能建模等基
础技术，也结合医学知识图谱、临床自然语言处理、多模态分析、
医疗智能体和临床辅助决策系统，分析计算机智能技术与医学知识、
诊疗流程及专业责任之间的关系。
临床应用部分覆盖常见疾病智能分析、医学影像、数字病理、
用药安全、药物警戒、围术期风险、慢病管理和医疗质量改进等场景。
书中重视预测时点、观察窗口和结局窗口的划分，防止治疗后信息
或已发生结局进入模型输入；强调原始数据、模型结果、医生修改
和最终审核结果的版本保存；明确模型只能提供风险提示、证据线
索和核查入口，不能替代医生作出诊断、处方、手术、拔管或患者
去向决定。模型漂移、亚组差异、提示疲劳、隐私安全、更新审批
和退出机制也被纳入医疗人工智能全生命周期治理过程。
本书力求在计算机技术原理与医学应用规范之间建立联系，可
供医学、计算机科学、卫生信息管理、医学工程等专业的教师、学
生和科研人员参考，也可为医疗机构信息化建设、医学数据分析及
人工智能系统设计与管理人员提供借鉴。
本书由杨建兴、王维欣、石向荣、费科锋、潘贤共同完成，按
照全书20 万字的总体规模进行分工。杨建兴（浙江医院）负责第一章、
第二章、第四章、第九章、第十章、第十二章，并承担第三章和第
十一章的部分内容，撰写约11 万字；王维欣（浙江医院）负责第
七章和第八章，撰写约4 万字；石向荣（浙江财经大学）负责第五
章和第六章，撰写约3 万字；费科锋（浙江医院）承担第三章的部
分内容，撰写约1 万字；潘贤（浙江医院）承担第十一章的部分内容，
撰写约1 万字。第三章和第十一章由相关作者依据具体内容补充，
并在数据处理逻辑、技术术语、章节衔接和应用边界上进行统一，
以保持全书结构与论述体系的一致性。限于作者水平，书中难免存
在疏漏及不妥之处，敬请读者批评指正。