一个基于模糊的饮食临床决策支持系统,用于患有多种慢性疾病 (MCC) 的患者

科学领域:

• 医疗保健中的人工智能
• 临床营养学 临床营养学
• 计算医学是一种计算医学.

背景情况:

• 管理多种慢性疾病 (MCC) 患者的饮食是复杂的,资源密集的.
• 对于MCCs而言,现有的饮食规划方法可能耗时且容易变化.
• 需要先进的工具来支持营养学家优化复杂患者群体的营养干预措施.

研究的目的:

• 开发和评估基于模糊逻辑的临床决策支持系统 (CDSS),用于调整MCC患者的饮食.
• 评估模糊逻辑模型的性能和准确性,与人类专家的饮食建议相比.
• 为了确定系统的潜力,以提高饮食师的信心,准确性和饮食规划的速度.

主要方法:

• 一个Mamdani模糊逻辑模型与1144规则被设计为成人患者 (18岁以上) 的MCCs,包括条件,如肥胖,糖尿病,高血压,高脂血症和脏疾病.
• 该系统的性能使用来自三个营养诊所的100份营养记录进行了评估.
• 进行了统计分析,将模糊模型的饮食建议与人类营养学家设定的饮食建议进行比较.

主要成果:

• 模糊逻辑模型表现出高性能,在饮食调整中准确率约为97%.
• 模糊模型推的饮食与经验丰富的营养学家设定的饮食之间没有统计学上显著的差异 (p > 0.05).
• 在系统的建议和人类专家的判断之间观察到强烈的正相关性,接近于1.

结论:

• 开发的模糊逻辑CDSS是准确调整MCC患者饮食的合适工具,性能与人类专家相提并论.
• 该系统有可能显著提高复杂患者病例饮食规划的效率和一致性.
• 实施这种人工智能驱动的系统可以通过增加饮食师的信心和精度来赋予他们权力,从而导致更快,更准确的饮食干预.