科研进展｜信息学院江智浩课题组在决策辅助领域取得多项成果

在当今的医疗和工业生产领域，领域专家需要在复杂且高度不确定的环境下做出安全攸关的及时决策。要确保决策的准确性和可靠性，深入理解当前场景的状态和参数，特别是其中的不确定性，显得尤为关键。

信息学院江智浩课题组提出利用领域知识为决策情境（Context）建模，并结合有限的观测数据，建立场景的数字孪生体。通过提供决策情境的深入分析和可视化，可增强领域专家对决策情境的理解，并通过提出针对性的决策建议，帮助专家在复杂环境中做出更安全有效的决策。

成果一：基于模型验证的故障管理架构

在电网等复杂的工业系统中，各种类型的组件共同构成了典型的多智能体系统（MAS）。这些组件在长期运行过程中可能会出现各种故障（Fault），直接影响整个系统的稳定性和可靠性。面对这种情况，领域专家需要迅速而准确地回答以下关键问题：

1. 哪些故障是可诊断的？（Diagnosability） 即在现有的监测手段下，哪些故障能够被及时识别和定位。

2. 基于现有的部分观测，哪些故障可能导致了系统问题？（Fault Isolation） 在信息不完备的情况下，需要通过分析有限的观测数据，推断可能的故障源。

3. 对于特定故障，是否存在临时操作可以利用系统冗余，防止故障影响系统运行？（Fault Tolerance ） 也就是在故障发生时，能否通过调整系统的冗余部分，维持正常的运行状态。

为了解决上述问题，江智浩课题组提出了基于模型验证的系统故障分析架构。他们利用形式化方法对系统模型进行深入分析，构建了高效的故障诊断和处理机制。该架构在确保决策正确性的同时，大幅提升了决策的时效性。通过有效地减少系统的停机时间，不仅提高了工业系统的运行效率，也降低了维护和运营成本。该成果以“Model checking-based decision support system for fault management: A comprehensive framework and application in electric power systems”为题发表于Expert Systems with Applications期刊，信息学院江智浩教授为通讯作者，信息学院2020级博士研究生陈光耀为第一作者。

图1. 基于模型验证的风险管理架构

全文链接

https://doi.org/10.1016/j.eswa.2024.123371

成果二：基于数字孪生的个性化医疗解决方案

在植入式医疗仪器的临床应用中，传统的参数设定方法主要依据大规模临床试验得出的指南。这些指南虽然对一般患者群体具有参考价值，但往往忽略了个体之间的生理差异和疾病进展的独特性。结果可能导致误诊断和误治疗，无法满足患者对个体化治疗的迫切需求。

针对这一难题，江智浩课题组提出了基于数字孪生的解决方案。他们通过收集患者的生理数据，创建了精确的数字孪生模型，实时模拟患者的生理状态。借助强化学习算法，系统能够根据数字孪生模型的反馈，动态调整植入式医疗仪器的治疗参数，使得治疗方案精准匹配每位患者的实际需求，显著提高了治疗的有效性和安全性。

仿真实验结果表明，与传统方法相比，基于数字孪生的个性化参数设置在灵敏度和特异性方面均有显著提升。当患者的生理状态发生变化时，系统也能够及时进行调整，确保治疗始终处于最佳状态。该成果以“Decision support for personalized therapy in implantable medical devices: A digital twin approach”为题发表于Expert Systems with Applications期刊，信息学院江智浩教授为通讯作者，信息学院2020级硕士研究生杨昊晨为第一作者。