计算机辅助诊断：应用于生物医学

1.1　计算机辅助诊断

医生通过问诊、望、扪、叩、听、简单测量、特殊检查来收集病人的各种信息，然后在头脑里加工，找到病象的本质，确立诊断，为疾病治疗、护理、预防提供最重要的基础。应用计算机来模拟医务人员诊断疾病过程的系统称为计算机辅助诊断系统（ComPuter Aided Diagnosis System，CADS）。

1.1.1　计算机辅助诊断的一般问题

1）诊断指标的选择

诊断指标是指作为诊断依据的各个项目，包括病史、症状、体征、特殊检查结果以及病人情况的任何其他特点，它们能够被考虑为患者患有某种疾病的证明。

指标必须要有明确的定义和描述。例如“腹痛，阵发性”、“腹痛，持续性”，这就是两项明确描述的指标。如果采用综合征作为指标项目，其定义必须严格规定，否则会造成程序设计和程序使用的混乱。例如，“腹膜刺激征”在临床医师的头脑里，可以包括“压痛、反跳痛、腹肌紧张”三者之一或之二或三者俱全，而在CADS中，则必须定义为三者俱全。

为CADS选择指标，可在它的鉴别力和代价两个方面进行平衡。总的说来，应注意以下几点：

①在疾病的诸多表现中，选择诊断价值大、特异性高、观测误差小的项目。

②获取这些指标对病人的不利影响小，经济负担少。

③常见，常用，易获取。例如，为了溶血性贫血的诊断，不宜选“红细胞寿命缩短”这一理论上的指标，而应选“网络红细胞增多”这样的项目。

④指标总数力求少些，“指标少而准确率高”应列为评价CADS性能的一个标准。

⑤应尽量避免组合性指标，如“心脏压塞征”，但在只供医生运行的CADS可以选这类指标。

⑥指标必须为CADS用户所理解和掌握。用户可以是病人，可以是低年资医生，也可能是某些专科医务人员，不同层次用户的CADS可以有不同层次的指标。其中，家用CADS的指标术语应该通俗，但仍应严格定义。

一般说来，要把指标输入计算机，都要以编码的形式来实现。即便使用PRLOLG等语言编程，也只能使用严格限制了的自然语言（有人称为伪自然语言）编码的常用方式：字母组合码或数字组合码。字母组合码的优点是可以作为自然语言的缩写或速写。例如，可以用“HB↓”表示“血红蛋白降低”，医生可以不查信息编码表示就能迅速输入，若用“120”来表示“血红蛋白降低”就很不方便了，因为它很难被记熟。但数字编码在某些CADS中也能表现出奇特的效果。值得一提的是，为了避免重复劳动，促进软件交流，特别是为了CADS之间的连接甚至合并，指标的全国性乃至世界性统一编码是值得提倡的。

2）指标的诊断值的确定

同一种诊断指标对不同疾病的诊断来说，价值一般是不同的，表示指标诊断意义大小的数值可以称为诊断值。在统计性数学模型中，诊断值可以通过计算确定，此外，还有一些不经计算就可确定诊断值的数量化方法，评分法就是其中之一。可以由医生根据不同指标，对不同疾病的诊断意义的大小给出相应的评分，设计成一个矩阵，这种矩阵可以称为诊断值（见表1.1），它的每一行是一种疾病，每一列是同一指标对不同疾病的诊断值。这类确定诊断值的方法可以称为经验值法。这种方法一直受到非议，认为它缺乏客观依据。其实，客观事物不一定要经过数学推导，经过数学推导的也不一定就完全符合实际。

表1.1　诊断值表示例

3）计算机辅助诊断系统中的经验值

（1）采用经验值的5个CADS

①郭荣江等人的“肝病辨证施治电子计算机程序”应用加权求和法，各症状的权系数根据中医基本理论和医生本人的经验以及病历的统计来确定，并在计算机上用已知病历资料反复计算加以修正，使之最大限度地反映医生本人的观点。

②黄冯玲等人的“电子计算机辅助诊断急腹症程序”采用评分法，诊断标准反映在一个17×79的矩阵里，其中的分数是根据高年资医生对各个病状、体征在每一种急腹症疾病中的重要性程度的判断而制订的，并根据518例回顾性病例验证加以修改。

③肖守中的“普及型微辅助心律失常诊断程序”采用代数和法，直接根据不同病人信息对不同病种的判断价值给予正值、负值或零值。

④黄宗干等人的“计算机辅助诊断贫血疾病程序”也采用代数和法。

⑤王文雄等人的“中医肾病辨证施治电子计算机程序”也采用加权求和法，权系数依据医生经验、医学理论赋值，并在检验中不断修改。

以上5个采用经验值的CADS准确率都较高，为96.4%～99.7%。

（2）实践证明经验值法有效

①采用Bayes法的计算机辅助诊断系统的诊断准确率可达73%～93%，经验值法的诊断准确率可达96%～99%，这说明两种方法均可在计算机辅助诊断系统中采用。Bayes法的数据来自一定数量病例的统计，是不能改动的，而经验值法可以根据医生的诊断经验反复修改，把诊断准确率不断调高。

②数学是从经验中抽象出来的。在数学的某些领域也是允许和必须采用经验值的，例如，在模糊数学中，从属函数值通常可根据经验或统计而定，或者可以由某个权给出。

③经验值法更接近于实际诊断思维，很容易为医生所理解和掌握。采用这种方法，不需要重新统计数量很大的病历资料，建立一个诊断系统的速度较快。

④现代人工智能技术很重视经验方法，探试（Heuristic）方法能得出特别有用的结果。这是由于世界上大部分工作都是非计算的，只有一小部分活动的核心才采用工程和物理学中的公式来描述。即使像化学那样的“硬”学科，大部分思考也是靠推理而不是靠计算来完成的。生物学和大部分医学也是如此。利用一切诊断经验和漏诊、误诊教训来建立和修订诊断知识库，是研制诊断准确率高的计算机辅助疾病诊断系统所采用的一种方法。

⑤计算的方法和经验的方法是可以而且应该结合使用的，这在实践上表现为在确定某一病人信息的诊断时，既要尊重医生的经验，又要参考历年的统计数据。

1.1.2　检验的诊断价值的评价

化验室检查是采集特殊病象的一类重要方法。在日益增多的各种临床检验中，由于可能有一定的假阳性率，如不做定量的决策分析，盲目应用于临床实践，可能反而有害。要进行这种分析，需要建立适当的数学模型，可以采用决策矩阵（Decision Matrix）这一数学模型。考虑最简单的情况：检验只有两个结果：阳性（T）和阴性（T），相应的结论也只有两个：有某种疾病（D）和无某种疾病（D）。这两个二元的结果，共有4个可能的组合，即（T，D）、（T，D）、（T，D）及（T，D），分别称为真阳性（TP）、假阳性（FP）、假阴性（FN）及真阴性（TN）。假定试验了n例，其中真阳性有a例，假阴性有b例，假阳性有c例，真阴性有d例，列成一张2×2表（见表1.2），便是一个最简单的决策矩阵。这样，利用决策矩阵便把诊断检验的结果与临床或病理的结论联系起来了。然后，再定量分析检验的价值。

表1.2　2×2决策矩阵

由于在n例中患疾病D者有a+b例，而检验阳性者a例，所以，真阳性百分率为：

如果n充分大，则TP值表示患疾病D的病人做该项检验结果为阳性的概率，记作p｛T▏D｝。此值表示该疾病D的检验灵敏度（Sensitivity）。

相仿地，假阳性百分率为：

表示不患疾病D的病人做该项检验结果的阳性概率，记作p｛T▏D｝。真阴性百分率为：

表示不患疾病D的病人做该项检验结果的阴性概率，记作p｛T▏D｝。此值表示该疾病D的检验特异度（SPecificity）。显然，下列关系成立：

最后，假阴性百分率为

表示患疾病D的病人做该项检验结果为阴性的概率，记作p｛T▏D｝。显然有：

FN=1-TP

（1.6）

一项检验的诊断价值，可以根据灵敏度和特异度来作出评价。

灵敏度和特异度高，表示该项检验不仅对于疾病D的识别能力强，而且对于疾病D与非D的鉴别本领也大。换言之，漏诊率和误诊率都小。由（1.4）式可知，若特异度高，则假阳性率就小，所以，一个诊断价值高的检验，应该是真阳性百分率大而假阳性百分率小。这两者的比值称为该项诊断检验的似然比（Likelihood Ratio），记为LI，即：

显然，一项检验的似然比LI越大，检验的诊断价值越高。

例如，对344个病人做肝扫描检查，肝的病理状况由活检或尸检来确定，得决策矩阵如表1.3所示。

表1.3　344例肝扫描的病理检查结果

按（1.1）和（1.3）式分别估计肝扫描的灵敏度和特异度为：

即灵敏度约为90%，特异度约为63%。由（1.7）式，肝扫描的似然比为：

1.1.3　计算机辅助诊断系统中的Bayes法

1）概述

Bayes（贝叶斯）法是计算机辅助诊断系统中使用得最早和最多的方法。早在1961年，Warner等就研制成功了计算机辅助诊断先天性心脏病的系统。另外，根据Rogers统计，国外计算机辅助诊断系统中，60%是基于Bayes方法。所谓Bayes法，是指应用逆概率公式的各种方法。Bayes公式用于在某事件出现条件下求与之有关的完备事件组合事件出现的概率，应用到疾病诊断问题上就是，一组病象出现条件下一组疾病中各疾病存在的概率（即所谓可能性的大小）。

设需要相互鉴别的一组疾病为D₁，D₂，…，D_m，各病的构成比为p（D_i），这些疾病的表现有S₁，S₂，…，S_n。各疾病发生时各病象的概率为p（S_k▏D_i），则计算各疾病的可能性可以归结为求各疾病的条件概率p（D_i▏S）：

在应用这一公式时，同样要遵守Bayes公式的基本前提。具体地说，就是各病是互斥的，即同一病人只患其中的一种病，不会同时患其中两种以上的病；各病象是独立的，即任何一种疾病症候的出现与否，不受其他症候表现的影响。

由于上面公式的分母是相同的，所以只比较分子就可以计算出各种疾病存在可能性的大小。在不考虑分母和分子中p（D_i）时，

若L_i为最大，则可诊断D_i，这即最大似然法（Maximum Likelihood）。上述公式亦可改写为对数形式：

为了便于计算，还可把公式中的每一项做下列变换：

四舍五入得出-10～10的“分数”，把这些分数加起来比较哪一种疾病得分最高，得分最高的一种疾病为可能性最大的疾病。这即所谓的“评分法”，它是Bayes公式的简化。

在只需要鉴别两种疾病或者一种疾病的两个类型或者一种疾病的两种状态时，可以采用概率比法。由于两种疾病的事后概率比等于它们的事前概率比乘以各个症候表现的条件概率比，因此，在比值p（D₁▏S）/p（D₂▏S）显著大于1时，则可以诊断为D₁，当比值显著小于1时，则可诊断为D₂。

2）应用Bayes法的计算机辅助诊断系统的分析

国内开展计算机辅助诊断系统的研制工作起步较晚，不同研制者注意探索不同数学模型的诊断准确率，但应用Bayes法的系统是比较多的。表1.4所示为国内7个采用Bayes法系统的有关情况。

表1.4　国内应用Bayes法的7个CADS

各个系统所能鉴别的病种（病型或状态）较少（2～5种），其原因是Bayes法建立一个系统比较困难，建立数据库所需的病历统计工作是十分浩大的。选来作为诊断指标的项目又有一至数种。如体温一项可有正常、低热、中度发热和高热等不同等级。

3）Bayes法的价值和问题(www.chuimin.cn)

（1）Bayes法的应用价值

当充分注意了应用Bayes公式的两个假定时，计算机辅助诊断系统的诊断准确率是比较满意的，可超过临床医生的诊断准确率。例如张清才等研制的“肺癌、肺结核、心肺部炎症的电子计算机计量鉴别诊断”系统，在用213例做回顾性检验和146例做前瞻性检验中发现，计算机的诊断准确率分别为90.1%和91.6%，而临床医生的诊断准确率分别为84%和87.7%。方积乾等对于计算机辅助阑尾炎分型系统进行了考核（102例），结果如表1.5所示。

表1.5　Bayes公式及评分法的考核结果

从表1.5可看出，用Bayes公式诊断的准确率为73%，而临床医生的诊断准确率只有69%。Dombal于1972—1974年应用计算机辅助诊断急腹症5　000例，并统计了诊断准确率，一般外科医生为71%，中年外科医生为79%，老年外科医生为81%，而电子计算机辅助诊断的准确率高达91%。

在病象频率高且特异性大的情况下，Bayes公式诊断的准确率会更为满意。例如心尖部听到舒张期“隆隆”样杂音这一体征在风湿性二尖瓣狭窄时的频率很高，而在其他类型心脏病时频率很低，这时，使用Bayes公式计算出风湿性二尖瓣狭窄的频率将很大。

即使病象频率不高，但特异性特别高，直接使用Bayes公式也很有价值。如儿童白血病的疾病构成比和部分病象频率（见表1.6）。当一个儿童白血病患者就诊时，如果白血病细胞的性质尚不明确，但发现细胞中有Auer氏小体，脾、肝及全身淋巴结肿大，此时，把这些数值代入Bayes公式计算，急性淋巴细胞性白血病将得0值而被否定。其病象在某疾病时的概率为0时，应用Bayes公式计算，其结果一定为0，这对于否定该种疾病是非常有用的。若不注意Auer氏小体这一因素而使用Bayes公式，则得出急性淋巴细胞性白血病的可能性最大。

表1.6　儿童白血疾病构成比和部分病象频率

（2）存在的问题

Bayes法存在的问题及局限如下：

①以往的资料仅仅指出了Bayes法的局限性在于它的两个假定在计量诊断中难以满足。其实，从已有的基于此法的计算机辅助诊断系统的诊断准确率看来，这个局限性并不是主要的问题。最大的问题是Bayes法对病象频率的处理。一般地说，一个数学模型在对待病象频率时必须注意到它的以下几种情况：

a.病象频率高，病象特异性也高。Bayes法在这种情况下将得到较高的诊断准确率。

b.病象频率高，病象特异性低。这种情况下，其鉴别诊断价值将会降低。

c.Bayes法最不善于处理的是病象频率小而病象特异性较大的情况，而这种情况又是最常见的。我们已经举出了一些例子，在血液病中Auer氏小体在白血病中的频率很小，但其诊断和鉴别诊断价值相当大。在急腹症中，Grey Turner氏征（腰部皮肤蓝绿—棕色斑）和Culler氏征（脐周围青蓝色瘀斑）很少见，但它在胰腺炎的分型鉴别上却有极大价值，它们一旦出现，即可完全否定急性水肿型胰腺炎。又如急性阑尾炎发作时，腹痛开始只局限于右下腹的患者只占17%。从临床医生的思维来说，只要腹痛在右下腹，就一定会考虑阑尾炎的可能性。而用Bayes法计算时，这个17%的数据对计算机“考虑”阑尾炎是起不到“提示”作用的。为了要计算机更恰当地模拟临床医生的这种正确诊断思维，必须把这类频率低但特异性高的病象的诊断价值估计高一点。但这种调整却是Bayes法本身不能解决的。而接下来要讨论的代数和法则既可以顾及病象频率，又可以顾及病象的特异性，并首先考虑病象的特异性。

d.病象频率往往是一种笼统的数据，是一种疾病的某一类型、程度，某一时相的频率可以很高，但其总的频率可能很低。这时用Bayes法，则会增加漏诊及误诊率。

e.从概率论的严格定义来看，病象频率并不等于病象概率，病象频率等于0时，病象概率不一定等于0。一般的计算机辅助诊断系统的数据库多半来源于100至几百例样本，某些非0概率病象的频率可能为0，这时使用Bayes法就可能造成漏诊。因为分子的1个0因子将会使整修结果为0。

②概率论虽然也有助于从偶然性中研究出必然性，但从上述存在的问题可知Bayes法是不利于更深入地探索病象的本质的。

③Bayes公式的基本前提是事件的独立性。因此，它应用于计算机辅助诊断系统时，只能取概率大的疾病下诊断，不能处理疾病的合并存在和次要疾病存在的问题。代数和法则能灵活地处理这个问题，而一个实用的计算机辅助诊断系统是必须解决这个问题的。

4）应用Bayes法的注意事项

一般认为首先必须尽力满足Bayes公式的两个假定，还要注意建立数据库的病因样本应质量可靠、数量较多；疾病的构成比p（D_i）在用于本地区时，需要进行必要的检验和修正；当两种疾病出现的概率相近时，不必立即作定论，可待资料的补充。

基于上面对病象频率问题的讨论，我们认为，在计算机辅助诊断系统中使用Bayes法时，应该尽量选用病象频率在一种疾病时高在另一种疾病时低的病象作为诊断指示，而不要选用那些病象频率高但特异性很小的项目，这样只会徒劳地在数据库中造成庞大的数组。

总之，在计算机辅助诊断系统中适当应用Bayes法，能得到较满意的诊断准确率，但它也存在着自身难以或者无法克服的缺陷，在应用时必须注意。

1.1.4　计算机辅助诊断中的判别分析法

1）判别分析的概念

判别分析是多元统计中应用较广的一个分支。它的主要任务是在已知一个对象有多方面属性的情况下，判断其所属类别，因此，可用来从外表症状诊断体内疾病。

2）判别分析用于疾病鉴别诊断的原理

不同疾病可能具有同一症状，但这个症状在每种疾病诊断中的价值可能是不同的，这就使各种疾病之间有所区分。另一个症状对这几种疾病可能又有不同的诊断价值，这又使它们之间有了进一步的区分。其他的病象会使这些疾病之间的区分更显著，从而做出鉴别诊断。

3）判断函数式的建立和实例

在给定的一群疾病中，利用判别分析来进行鉴别，就需要建立判别函数式。计算机将使其中的复杂计算变得容易。由于前提、判别依据以及处理手法的不同，可以有不同的判别分析模型。具体的计算方法和步骤可参考有关专著。

马梃光等人进行的“冠心病、心肌病计量鉴别诊断方法的研究”就采用了判别分析方法。所研制的样本为原发性心肌病（Y₁）、冠心病急性心肌梗塞（Y₂）、冠心病陈旧性心肌梗塞（Y₃）和冠心病心绞痛（Y₄）共计72例。最初选用了37项诊断指标，在逐步判别分析时，弃去了诊断价值不大的项目，将指标压缩为13项：高血压史（X₁），吸烟史（X₂），情绪紧张和体力劳累（X₃），胸痛（X₄），胸闷（X₅），气短（X₆），心音减习（X₇），有无第三、第四心音（X₈），心界扩大（X₉），心脏杂音（X₁₀），体温（37℃—X₁₁，38℃—X₁₂，39℃—X₁₃，>40℃—X₁₄），心电图病理Q波（X₁₅），白细胞计数（1万-X₁₆，1.5万-X₁₇，2万-X₁₈）。其判别函数式如下（为了编程方便、作者对原X的下标做了适当变动）：

利用式（1.12）～（1.15）编程，以适当方式输入上述13个方面的病人信息，经计算分别得出Y₁-Y₄的值，取值最大的一个Y为最大可能的诊断。用200个临床确诊的病例上机验证，符合率87.5%，误诊率12.5%。

1.1.5　代数和法——加权求和的特例

在上述计算机辅助贫血疾病诊断系统中常用的数学模型是代数和法。在选入编码目录中的129项诊断条件中，对21种贫血的诊断价值各不相同，根据国内外有关贫血文献、统计资料和临床经验给这些诊断条件分别赋正值、负值或0值，设计出诊断值表，作为判别依据。诊断值可预先存入计算机的外存储器中准备调用。为了判断一种贫血，首先要求这种贫血的各诊断值的代数和，然后再与阈值比较。这实际上是加权求和的特殊形式。公式是：

式中，B——阈值；

M——诊断信息的诊断值。

当某种贫血的诊断值和达到阈值时，给出符合性诊断；当诊断值和接近阈值时，给出提示性诊断；当诊断值和为负值时，完全否定一种诊断。

该数学模型的最大特点是充分采用负值法，使鉴别诊断十分鲜明。另一特点是特别注意阴性病象的给值问题。在采用加权求和阈值运算的计算机诊疗系统中，一般采用公式：

当有某一病象时，A_i=1，无某一病象时A_i=0。于是，当无某一病象时，a_iA_i=0。但在系统中，不管有无某一病象，均可按其诊断意义给正值或0值，因此，在公式中去掉了A_i这一部分。阴性病象是病人不具有的病象，如病人“无脾肿大”，即脾不肿大，也有肯定或否定某种疾病的诊断意义。如“脾不肿大”这个阴性病象对于“脾功能亢进”具有否定意义，在本系统中具有负诊断值-30。但根据一次全国血液学会议讨论，“脾不肿大”被列为“再生障碍性贫血”的一项诊断标准，因而对再生障碍性贫血具有正的诊断值，在本系统中为15。

代数和法与某些其他数学模型相比具有明显的优越性。例如，与基于Bayes公式的数学模型比较就是这样。在Bayes法中，数据库来自病象案统计，原始数据是某种疾病出现某种病象的频率以及发病率，其值在［0，1］，无负值，因此，这类模型不具有负值法的优越性，而最重要的是：一种病象的频率和它的诊断值往往并不一致。例如，“反甲”（指甲凹形如匙）在缺铁性贫血时出现的频率不大于0.01，而它的诊断价值则非常大。如果采用Bayes法数学模型，0.01对于诊断的贡献是微不足道的，而在代数和法模型中，给它规定的诊断值为30，恰如其分地模拟了医生的诊断思维。又如，在血细胞中发现Auer氏小体，可以完全否定淋巴细胞性白血病，故在代数和法模型的系统中，把这时的诊断价值数据化为-200，以致不管病人具有多少淋巴细胞性白血病的其他现象，也不致于误诊为这种疾病。而在某些以病象频率为原始数据的系统中，Auer氏小体对淋巴细胞性白血病的频率虽然小到0，但由于有其他病象频率大于0，而使淋巴细胞性白血病的可能性被计算出来。模糊集合论模型也有这样的弱点。总之，代数和法能更贴切地模拟医生的诊断思维。

此外，Bayes法系统中，可能规定两三种概率大的疾病作为可能的诊断，而无法判断这几种疾病是否可以在病人身上同时存在。代数和法系统则能较好地解决这个问题。

代数和法还有另一个重要的特点，就是现有的诊断模型中它是最简单的。由于医学、生物学工作者一般不具有牢固的数学基础，这就需要探索既有效又比较简单的数学模型。可以看出，生物、医学工作者一旦了解了这一模型，就会出现更多的生物鉴定系统和疾病诊断系统。

1.1.6　负值法

以下讨论计算机辅助的诊断中负值的出现、分类和意义。

1）负值的出现

在已有的计算机辅助诊断系统中，有的出现负值，有的不出现负值，负值的产生情况又是各不相同的。

①逐步判别法和逐步回归法中的负值 在逐步判别法和逐步回归法的计算公式中出现负值的项，这些负值是原始数据（正值）经过特殊变换后产生的。

②最大似然法中的负值 原始数据为病象出现的概率p（S_k▏D_i），有正值或零值，经［lg p（S_k▏D_i）+1］×10变换后可得到负值。

③模糊信息法中的负值 原始数据为正值或零值，因为S_i/D_m是疾病总例数中出现某疾病信息的例数。经μ A（X）=-（1-aS_i▏D_m）变换后得到负值，从而使隶属度之和可为负值，具有否定某诊断的意义。

④改进的频率比法中的负值 原始数据和最大似然法相同，为正值或零值，经过对数变换后得出负值。求和后，不论和为正值或负值，都能提示某种诊断。

⑤代数和法中的负值 代数和法是计算机辅助诊断系统中最简单的数学模型，它根据“病象—疾病”关系的不同，规定各病象对各疾病的诊断值，诊断值有正有负，对这些诊断值求代数和，即可辅助诊断。这些正负值是原始数据，不经过任何变换。

2）负值的分类

（1）根据负值出现的不同进行分类

①原始负值 原始负值是出现在计算机辅助诊断系统的原始数据中的负值，如代数和法的诊断值表中的负值。

②次生负值 次生负值是原始数据经过数学变换后形成的负值，如最大似然法中的负值。

③负值和 负值和是求和运算后得到的负值。

（2）根据病象情况的不同进行分类

①阳性病象负值 阳性病象为病人具有的病象。例如，病人“有脾肿大”的病象就是阳性病象。阳性病象对一种病的诊断值可为正，对另一种病的诊断值可为负。例如：病人具有“骨髓之铁缺乏”这种病象，对于缺铁性贫血来说，应规定一个正的诊断值，对于铁粒幼细胞性贫血说来，应规定一个负的诊断值。

②阴性病象负值 阴性病象是病人不具有的病象。如病人“无脾肿大”（即“脾不肿大”）。阴性病象也有肯定或否定某种疾病诊断的意义。例如，“脾不肿大”这个阴性病象对于“脾功能亢进”具有否定的意义，因而，“脾不肿大”对于“脾功能亢进”具有负的诊断值。

3）负值的诊断意义

在计算机辅助诊断的不同数学模型中，负值具有不同的意义。

①肯定诊断的意义 在改进的频率比法中，正值和肯定一种诊断，负值和肯定另一种诊断。

②否定诊断的意义 在计算机辅助诊断的很多数学模型中，负值具有否定某一疾病诊断的意义，如模糊信息法中，相应隶属度和为负值时，相应疾病的诊断便被否定了。

③使计算机辅助诊断的鉴别诊断鲜明 例如，在《贫血的计算机诊疗系统》中，自觉地、充分地应用负值，不但规定阳性病象负值，还规定阴性病象负值，使计算机辅助诊断系统具有很好的鉴别诊断效果，对提高计算机辅助诊断系统的诊断准确率有重大作用。该系统经过313例前瞻性检验，诊断准确率达99.36%。第111例的诊断为缺铁性贫血（IDA= 372.3），另有15种贫血的诊断值和均为负值，被否定了，鉴别诊断非常鲜明。

这种在计算机辅助诊断系统中自觉而充分地应用负值的技术可以称为负值法，具有推广的价值。