不确定环境下大数据驱动的个性化医生推荐研究

With the rapid development of Chinese medical service websites, the data of diagnosis and doctor evaluation might show some features of big data that could be characterized by large quantity, high growth and diversity. On the one hand, the information on the internet helps to solve the information asymmetry between doctors and patients. On the other hand, these data contain uncertain information, including heterogeneous information, missing information and so on, which makes it a more difficult problem for patients to select appropriate doctors. In China, most patients are facing the problem of choosing a doctor suiting their preferences. This tells us that the challenge of medical services is now to construct an effective doctor recommendation model with large numbers of patients and doctors. The project may focus on the personalized doctor recommendation with big data under uncertain circumstance. Firstly, the project studies the measurement approaches of medical big data, which contain of symptom information and doctor evaluation information, by picture fuzzy sets. Then, the project investigates the diagnosis approach and recognizes the factors which influence doctor evaluation. Finally, the project constructs the personalized doctor recommendation model based on the diagnosis information and evaluation information in consideration of the influence factors. Taking account of patient symptoms, patient preferences, and doctor assessment information, this model helps patients select doctors effectively. This research provides a theoretical basis and practical guidance for the personalized doctor recommendation in medical services.

在我国当前医疗服务网站快速发展的背景下，患者的就诊数据和对医生的评价数据开始呈现体量大、增长快和多样化等大数据特征。一方面，网上信息为解决医患间信息不对称提供了帮助，另一方面，这些信息存在异质、缺失等不确定性，增加了患者选择医生的困难程度。如何选择合适的医生是患者在就诊过程中普遍面临的问题。因此，针对海量患者和医生，提出有效的医生推荐模型，从而为患者推荐合适医生，是医疗服务发展面临的挑战。本项目拟以不确定环境下大数据驱动的个性化医生推荐为研究对象，在采用图片模糊集对相关医疗大数据中的患者症状信息和医生评价信息进行量化的基础上，提出医疗诊断方法，识别医生评价影响因素，并根据诊断结果和医生评价影响因素下的评价信息提出个性化医生推荐模型。该模型综合考虑患者症状、患者偏好以及医生评价信息，以辅助患者有效进行医生选择。本研究能够为医疗服务中的个性化医生推荐提供理论依据和实践指导。

在我国当前医疗服务网站快速发展的背景下，患者的就诊数据和对医生的评价数据开始呈现体量大、增长快和多样化等大数据特征。一方面，网上信息为解决医患间信息不对称提供了帮助，另一方面，这些信息存在异质、缺失等不确定性，增加了患者选择医生的困难程度。如何选择合适的医生是患者在就诊过程中普遍面临的问题。因此，针对海量患者和医生，提出有效的医生推荐模型，从而为患者推荐合适医生，是医疗服务发展面临的挑战。本项目以不确定环境下大数据驱动的个性化医生推荐为研究对象，在采用图片模糊集等模糊集对相关医疗大数据中的患者症状信息和医生评价信息进行量化的基础上，提出了医疗诊断方法，并根据诊断结果和医生评价信息提出个性化医生推荐模型。该模型综合考虑了患者症状、患者偏好以及医生评价信息，以辅助患者有效进行医生选择，为医疗服务中的个性化医生推荐提供了理论依据和实践指导。经过4年的努力工作，本项目全面完成了预定的研究内容。在国内外重要期刊发表了论文15篇和完成博士学位论文3篇，其中SCI/SSCI期刊论文15篇，ESI高被引论文2篇。