本成果由山西大学研发，针对现有电子病历信息系统中 “诊断与症状关系不精确、数据表征不直观、病例整理效率低” 等核心问题，提出了基于对偶犹豫模糊理论的电子病例信息系统构建及决策方法。该成果通过 “症状集与诊断集匹配 — 犹豫模糊关系集生成 — 对偶犹豫模糊关系集转化 — 诊断样本集构建” 的技术路径，实现了病例数据的精准处理：一方面，通过模糊数表征客观症状（如体温）、预设粒度表征主观症状（如疼痛等级），解决了医疗数据的不精确性、不完备性问题；另一方面，结合多粒度对偶犹豫模糊隶属度计算及预设决策规则，实现了疾病诊断的智能化决策。实现指标包括：1. 病例数据处理效率提升 60% 以上，解决传统系统中数据整理耗时问题；2. 诊断与症状关系表征准确率达 90%，减少因数据模糊导致的误诊风险；3. 支持多专家决策融合，决策信息生成时间缩短至传统方法的 1/3；4. 系统兼容现有医院 HIS 系统，部署适配率达 100%。该成果已申请国家专利（专利号：CN202111498508.5），并通过理论验证与模拟测试，具备实际应用条件。

现有电子病历系统普遍存在三大痛点：一是诊断与症状的关系依赖人工录入，易出现模糊性（如 “轻微咳嗽” 无法量化）；二是数据处理依赖大量训练样本，小样本场景下准确率低；三是多专家意见难以高效融合，决策主观性强。本成果的核心突破在于：1. 创新性采用 “对偶犹豫模糊关系” 理论，将客观症状（如体温）通过线性归一化转化为隶属度 / 非隶属度，主观症状（如疼痛）通过人机交互转化为可计算粒度，首次实现医疗模糊信息的数字化表征；2. 提出 “可调多粒度隶属度” 计算方法，无需大规模训练样本，即可通过少量病例生成诊断规则，解决小样本场景适配问题；3. 设计多专家权重融合机制，通过离差最大化法计算症状指标权重与决策者权重，将不同医生的诊断偏好量化融合，降低决策主观性。与传统专家系统或神经网络方法相比，本技术在处理不确定性数据时效率提升 40%，且适配基层医院 “病例样本少、医生经验差异大” 的实际场景，成本仅为同类进口系统的 1/3，经济效益与实用性显著。

本成果可广泛应用于各级医疗机构（医院、社区卫生服务中心、体检机构等）的电子病历管理，核心应用场景包括：1. 门诊 / 住院病例数字化录入与存储，解决传统纸质病历 “查询难、共享难”问题；2. 辅助诊断支持，通过系统自动匹配症状与疾病关系，为医生提供决策参考（如基层医院对复杂症状的初步判断）；3. 医疗数据统计与分析，为公共卫生管理（如传染病监测、慢性病防控）提供数据支撑。

延伸应用包括：远程医疗领域（通过标准化数据传输实现跨机构会诊）、医疗教学（作为病例模拟训练系统）、医保审核（通过精准病例数据减少骗保风险）。目前我国基层医疗机构电子病历普及率不足 50%，且现有系统多存在数据处理缺陷，本成果可填补市场空白。预计在山西、陕西等中西部省份试点后，3 年内可覆盖 30% 县级医院，5 年内推广至全国基层医疗机构，市场规模可达数十亿元。

团队以山西大学张超为核心，聚焦医疗信息化与模糊数据处理领域，成员包括丁娟娟、李德玉等骨干：1. 张超（项目负责人）：山西大学教授，数据处理与医疗信息化领域学科带头人，发表相关论文 20 余篇，主持省级以上科研项目 5 项，主导本成果核心算法（对偶犹豫模糊关系转化）研发；2. 丁娟娟：副教授，主要负责系统架构设计，参与医疗数据标准化研究，在电子病历系统兼容性开发中贡献关键技术；3. 李德玉：讲师，专注于多专家决策融合模型研究，完成决策者权重计算方法优化，保障诊断结果客观性。团队依托山西大学 “医疗数据智能处理实验室”，拥有 5 年以上医疗信息化技术积累，分工明确、协作高效。

研发投入方面，项目累计投入研发经费 500 万元（含设备购置、人员成本、临床试验等），目前已完成核心算法验证与原型系统开发。收益方面，通过技术授权给 2 家医疗软件企业，已实现收入 80 万元；后续预计通过系统销售与服务，3 年内可实现营收 2000 万元。

社会效益显著：1. 提升医疗效率 —— 医生病例整理时间缩短 60%，诊断准确率提升 15%；2. 改善患者体验 —— 减少重复检查（因病例共享），平均就诊时间缩短 30%；3. 推动医疗公平 —— 帮助基层医院提升诊断能力，缩小城乡医疗差距。

未来需投入 300 万元用于系统产业化（如适配不同医院信息系统、开展大规模临床试验），预计 1 年内完成优化并规模化推广。该成果对推动医疗信息化标准化、提升基层医疗服务质量具有重要意义。

1. 技术转让：向医疗软件企业授权核心算法，收取一次性转让费及后续分成；

2. 技术合作：与医疗机构联合开发定制化系统（如针对传染病医院的专用版本），共享收益。