基于集成支持向量机的医疗设备风险评估研究与应用*

陆阳，杨林，戴剑峰，王菁菁，王雪元

（苏州大学附属第一医院医学工程处，苏州215006）

1 引 言

安全性和有效性是医疗设备应用于临床的前提和基础。声、光、电、机械等多学科技术在医疗中的广泛应用，提高诊疗水平的同时也带来了潜在的风险。对风险进行评估、预警和控制是现代医院医学工程部门的重要职责[1-2]。

医疗设备使用风险的精确评估作为全生命周期设备管理的重要内容，越来越受到重视[3]。钱正瑛等[4]运用层次分析法将质控数据、专家意见和管理部门的评价指标综合起来，实现了定性和定量评估相结合。Stine等[5]关注设备使用过程中的网络风险问题，提出了一种医疗设备网络风险评分体系，运用基于STRIDE模型的安全问卷得到设备的风险评分。Silva[6]、Custódio[7]等重点研究了人与设备之间的互动关系，从人因工程方面应用认知可靠性与错误分析方法（cognitive reliability and error analysis method，CREAM）评价操作人员的失误率，以此作为可靠性评估的补充。Lin等[8]运用失效模式和效应分析法（failure modes and effects analysis，FMEA），建立基于风险的优先排序框架，并采用模糊理论将专家经验转化为量化信息，提高了评估准确率。

传统的研究多为定性评价，依赖于专家意见，且未考虑因素之间的交互作用。近年来在信息、金融等领域广泛应用的支持向量机能够将历史数据、专家经验及多种不确定的信息综合起来，对小样本、高维非线性数据精确拟合，具有很强的泛化能力[9-10]。医疗设备风险因素复杂多样，SVM采用近似算法来降低计算的时间及空间复杂度，为了进一步提高评估精度，本研究引入AdaBoost用于基学习器的训练。……