医疗诊断实战：用Python构建贝叶斯网络预测感冒概率（附完整代码）

最近和一位做医疗数据分析的朋友聊天，他提到一个挺有意思的痛点：很多初级的症状筛查模型，因为把各种症状当作独立事件来处理，准确率总是不尽如人意。比如，一个人同时发烧和咳嗽，模型可能只是简单地把两个症状的权重相加，却忽略了“感冒”这个共同的潜在病因，导致预测结果偏离常识。这让我想起了概率图模型中的一个经典工具——贝叶斯网络。它不像黑箱式的深度学习模型，其内部结构清晰，能直观地表达变量间的因果关系，特别适合处理这种存在不确定性和复杂依赖关系的场景，比如医疗诊断。

这篇文章，就是为你——一位对将AI技术应用于实际问题感兴趣的开发者——准备的实战指南。我们将完全从零开始，用Python构建一个用于感冒概率预测的贝叶斯网络。我不会只给你一堆理论公式，而是会手把手带你走过从问题定义、有向无环图（DAG） 构建、条件概率表（CPT） 定义，到最终进行概率推理的完整流程。你会看到每一行代码的作用，理解每一个参数的意义，并最终获得一个可以直接运行、修改和扩展的完整项目。我们的目标很明确：掌握一种能将领域知识（比如医学常识）与数据相结合进行智能推理的实用工具。

1. 从医疗场景出发：理解贝叶斯网络为何有效

在深入代码之前，我们得先搞清楚，为什么贝叶斯网络适合医疗诊断这类问题。想象一下，一位患者来到诊所，主诉是发烧和咳嗽。医生的大脑会飞速运转：有哪些疾病可能同时引起这两种症状？是普通感冒、流感，还是肺炎？每种可能性有多大？医生在做判断时，实际上是在大脑中调用一个复杂的概率模型，这个模型综合了疾病的先验知识（比如冬季流感高发）和当前观察到的证据（症状）。

贝叶斯网络正是将这个过程形式化、计算化的工具。它的核心是两个部分：DAG 和 CPT。

• DAG (有向无环图)： 这是网络的“骨架”，用节点和有向箭头描绘了变量之间的因果关系。在我们的感冒诊断模型中，“感冒”是病因，是“因”；“发烧”和“咳嗽”是症状，是“果”。因此，箭头会从“感冒”节点分别指向“发烧”和“咳嗽”节点。这个图结构本身，就编码了我们关于这个问题的领域知识——感冒会导致发烧和咳嗽。
• CPT (条件概率表)： 这是网络的“血肉”，定量地描述了因果关系有多强。例如，它回答了“如果一个人感冒了，他发烧的概率是多少？”这样的问题。CPT将我们的知识（或从数据中学到的规律）转化为具体的数字。

注意：贝叶斯网络中的“因果”方向，通常基于先验知识或时间顺序来设定。虽然从统计上，相关关系不一定意味着因果关系，但在建模时，一个合理的因果假设能极大地提高模型的可解释性和推理效率。

传统的“症状打分”模型，相当于假设所有症状之间是独立的，这显然不符合医学事实（发烧和咳嗽常常同时出现，因为它们有共同的病因）。贝叶斯网络通过条件独立性巧妙地解决了这个问题。在给定父节点“感冒”的状态下，子节点“发烧”和“咳嗽”是条件独立的。这意味着，一旦我们知道患者是否感冒，“发烧”和“咳嗽”之间的相关性就被“解释”掉了。这个特性不仅更符合现实，也极大地简化了联合概率的计算。

2. 搭建项目环境与核心工具选择

工欲善其事，必先利其器。为了高效地构建和操作贝叶斯网络，我们将使用一个非常强大的Python库：pgmpy。它是一个专门用于概率图模型的纯Python库，支持贝叶斯网络和马尔可夫网络的构建、学习和推理，而且代码风格非常清晰。

首先，确保你的Python环境（建议3.8以上）已经就绪，然后我们通过pip安装必要的库。

# 创建并激活一个虚拟环境是个好习惯（可选）
# python -m venv bn_env
# source bn_env/bin/activate  # Linux/Mac
# bn_env\Scripts\activate  # Windows

# 安装核心库 pgmpy
pip install pgmpy

# 安装辅助库，用于后续的可视化和数值计算
pip install networkx matplotlib numpy pandas

安装完成后，可以在Python中导入它们，并简单验证一下。

import pgmpy
print(f"pgmpy版本: {pgmpy.__version__}")

接下来，我们规划一下项目的核心文件结构。一个清晰的结构能让代码更易维护：

medical_bayesian_network/
│
├── model/                  # 模型定义与构建
│   ├── __init__.py
│   └── flu_diagnosis.py    # 核心模型类
│
├── data/                   # 模拟数据或CPT定义
│   └── cpt_definitions.py
│
├── inference/              # 推理相关操作
│   └── query_examples.py
│
├── utils/                  # 工具函数（如可视化）
│   └── visualize.py
│
├── main.py                 # 主程序入口
└── requirements.txt        # 项目依赖

我们的核心工作将主要集中在 model/flu_diagnosis.py 和 main.py 中。pgmpy 库将承担绝大部分繁重的工作，从模型定义到概率推理。

3. 一步步构建诊断网络：定义DAG与CPT

现在进入核心环节：用代码把我们的医学知识“翻译”成贝叶斯网络。我们将创建一个 FluDiagnosisModel 类来封装所有功能。

3.1 定义变量与网络结构（DAG）

我们考虑一个稍微丰富一点的场景，包含四个变量：

1. 季节 (Season)： 影响感冒的先决因素，取值 {‘冬季’， ‘其他’}。
2. 感冒 (Flu)： 核心的诊断目标，取值 {‘是’， ‘否’}。
3. 发烧 (Fever)： 症状之一，取值 {‘是’， ‘否’}。
4. 咳嗽 (Cough)： 症状之二，取值 {‘是’， ‘否’}。

基于常识，我们定义因果关系：季节会影响感冒的概率（冬季更容易感冒），感冒又会分别引起发烧和咳嗽。因此，我们的DAG结构是：Season -> Flu -> Fever 和 Season -> Flu -> Cough（实际上Flu是Fever和Cough的直接父节点，Season是Flu的父节点）。

from pgmpy.models import BayesianNetwork
from pgmpy.factors.discrete import TabularCPD

class FluDiagnosisModel:
    def __init__(self):
        # 1. 定义模型结构（边）
        self.model = BayesianNetwork([
            ('Season', 'Flu'),      # 季节影响感冒概率
            ('Flu', 'Fever'),       # 感冒引起发烧
            ('Flu', 'Cough')        # 感冒引起咳嗽
        ])

这几行代码就构建了网络的骨架。BayesianNetwork 对象接收一个边（edge）的列表，每条边是一个二元组 (父节点, 子节点)。

3.2 为每个节点注入知识（CPT）

CPT是贝叶斯网络的参数，它需要我们对每个节点进行定义。pgmpy 使用 TabularCPD（表格型条件概率分布）对象来表示CPT。

a) 为根节点‘Season’定义先验概率 根节点没有父节点，其CPT就是它的先验概率分布。假设我们观察到冬季感冒病例约占全年的60%。

# 变量取值顺序很重要，后续查询要一致
season_cpd = TabularCPD(
    variable='Season',          # 节点名称
    variable_card=2,            # 变量取值个数
    values=[[0.4], [0.6]],     # 概率值列表，对应['其他', '冬季']
    state_names={'Season': ['其他', '冬季']} # 明确状态名称
)

values 参数是一个列表的列表。[[0.4], [0.6]] 表示 P(Season=‘其他’)=0.4, P(Season=‘冬季’)=0.6。

b) 为‘Flu’节点定义条件概率 ‘Flu’节点有一个父节点‘Season’，因此它的CPT需要定义在给定‘Season’不同取值下，‘Flu’为‘是’或‘否’的概率。

Season (父节点)	P(Flu=‘是’ | Season)	P(Flu=‘否’ | Season)
其他	0.05	0.95
冬季	0.15	0.85

这个表格的含义是：在非冬季，感冒的先验概率是5%；在冬季，这个概率上升到15%。用代码实现：

flu_cpd = TabularCPD(
    variable='Flu',
    variable_card=2,
    values=[[0.95, 0.85], # P(Flu='否' | Season)
            [0.05, 0.15]], # P(Flu='是’ | Season)
    evidence=['Season'],   # 父节点列表
    evidence_card=[2],     # 每个父节点的取值个数
    state_names={
        'Flu': ['否', '是'],
        'Season': ['其他', '冬季']
    }
)

注意 values 的排列方式：第一行对应 Flu='否'，第二行对应 Flu='是'。列的顺序对应父节点状态的所有组合，默认按字母或数字顺序排列。这里两列分别是 (Season='其他') 和 (Season='冬季')。

c) 为症状节点‘Fever’和‘Cough’定义条件概率 这两个节点都以‘Flu’为父节点。我们假设感冒后，出现发烧的概率是80%，出现咳嗽的概率是70%；而未感冒时，由于其他原因（如劳累、轻微感染）出现发烧的概率是5%，出现咳嗽的概率是10%。

fever_cpd = TabularCPD(
    variable='Fever',
    variable_card=2,
    values=[[0.95, 0.2],  # P(Fever='否' | Flu)
            [0.05, 0.8]], # P(Fever='是’ | Flu)
    evidence=['Flu'],
    evidence_card=[2],
    state_names={
        'Fever': ['否', '是'],
        'Flu': ['否', '是']
    }
)

cough_cpd = TabularCPD(
    variable='Cough',
    variable_card=2,
    values=[[0.9, 0.3],   # P(Cough='否' | Flu)
            [0.1, 0.7]],  # P(Cough='是’ | Flu)
    evidence=['Flu'],
    evidence_card=[2],
    state_names={
        'Cough': ['否', '是'],
        'Flu': ['否', '是']
    }
)

3.3 将CPD关联到模型并检查

定义好所有CPD后，需要将它们添加到模型中，并检查模型结构的正确性。

    def build_model(self):
        # 将定义好的CPD添加到模型中
        self.model.add_cpds(season_cpd, flu_cpd, fever_cpd, cough_cpd)

        # 检查模型结构是否一致且完整
        assert self.model.check_model(), “模型构建有误，请检查CPD与结构的匹配性！”
        print("模型构建完成，结构正确。")
        return self.model

check_model() 方法会验证：1) 所有节点的CPD是否都已定义；2) CPD的维度（变量数、证据数）是否与网络结构匹配；3) 所有CPD的概率和是否为1。这个断言是保证模型可用的重要防线。

4. 进行概率推理：回答医疗诊断问题

模型建好了，它就是一个“概率计算器”。我们可以通过“提问”（输入证据）来“获得答案”（计算后验概率）。pgmpy 提供了多种推理算法，这里我们使用最常用的变量消除法（VariableElimination）。

4.1 初始化推理引擎

from pgmpy.inference import VariableElimination

class FluDiagnosisModel:
    # ... __init__, build_model 等之前的方法 ...

    def setup_inference(self):
        """初始化推理引擎"""
        self.infer = VariableElimination(self.model)
        print("概率推理引擎准备就绪。")

4.2 执行诊断查询：经典场景分析

让我们模拟几个真实的诊断场景，看看模型如何推理。

场景一：冬季，患者出现发烧和咳嗽，患感冒的概率有多大？ 这是最典型的场景，我们拥有了所有信息：季节（证据1）、症状1（证据2）、症状2（证据3）。

    def diagnose_with_all_evidence(self):
        """已知季节和全部症状，诊断感冒概率"""
        # 定义证据：Season='冬季', Fever='是', Cough='是'
        evidence = {'Season': '冬季', 'Fever': '是', 'Cough': '是'}
        
        # 查询目标变量 'Flu' 的后验概率分布
        query_result = self.infer.query(variables=['Flu'], evidence=evidence)
        
        print(f"\n诊断场景：冬季，患者发烧且咳嗽。")
        print(query_result)
        
        # 以更友好的方式输出
        prob_flu = query_result.values[1] # 获取‘Flu=是’的概率值
        print(f"-> 患者患感冒的概率为：{prob_flu:.2%}")
        return prob_flu

运行这段代码，你可能会得到一个很高的概率值（例如95%以上）。模型综合了“冬季高发”的先验信息和“发烧咳嗽”的强相关症状，给出了一个强烈的阳性指示。

场景二：仅知道患者咳嗽，患感冒的概率有多大？（未提供季节和是否发烧） 这种情况也很常见，患者只主诉了咳嗽。

    def diagnose_with_cough_only(self):
        """仅已知咳嗽症状，诊断感冒概率"""
        evidence = {'Cough': '是'}
        query_result = self.infer.query(variables=['Flu'], evidence=evidence)
        
        print(f"\n诊断场景：患者咳嗽（季节、发烧未知）。")
        print(f"-> 患者患感冒的概率为：{query_result.values[1]:.2%}")
        # 同时可以看看此时季节的分布是否受影响（可选）
        season_result = self.infer.query(variables=['Season'], evidence=evidence)
        print(f"-> 此时，季节为冬季的后验概率：{season_result.values[1]:.2%}")

这个概率会比场景一低很多，因为证据较弱。有趣的是，你可能会发现，即使只提供了“咳嗽”这一证据，模型对“季节”的后验概率估计也会发生微妙变化（倾向于冬季），这体现了网络中信息的反向传播。

场景三：如果患者没有感冒，但在冬季出现了发烧，可能是什么原因？ 我们可以查询在已知“未感冒”和“冬季”的情况下，“发烧”的概率。这有助于评估症状的“假阳性”率。

    def probability_fever_given_no_flu(self):
        """分析非感冒原因引起发烧的概率"""
        evidence = {'Flu': '否', 'Season': '冬季'}
        query_result = self.infer.query(variables=['Fever'], evidence=evidence)
        
        print(f"\n分析场景：冬季，患者未感冒。")
        print(f"-> 此时患者出现发烧的概率（可能由其他原因引起）：{query_result.values[1]:.2%}")

4.3 理解推理结果与模型敏感性

推理输出的 query_result 是一个 DiscreteFactor 对象，其 values 属性包含了目标变量所有状态的概率数组。理解这个输出至关重要。

为了更深入地“感受”模型的行为，我们可以进行一个简单的敏感性分析：改变CPT中的某个关键概率，观察诊断结果如何变化。例如，如果我们将感冒引起咳嗽的概率 P(Cough='是' | Flu='是') 从0.7调整到0.9（即感冒后几乎必然咳嗽），那么在有咳嗽症状时，诊断感冒的概率会如何变化？

我们可以在代码中动态修改CPT并重新推理。这能帮助我们理解模型中哪些参数对结果影响最大，从而在从数据中学习参数或咨询专家时，知道该重点关注哪些信息。

    def sensitivity_analysis(self, new_cough_prob=0.9):
        """敏感性分析：改变‘咳嗽’对‘感冒’的条件概率，观察诊断结果变化"""
        print(f"\n=== 敏感性分析 ===")
        print(f"将 P(Cough='是' | Flu='是') 从 0.7 调整为 {new_cough_prob}")
        
        # 1. 创建模型副本以避免修改原模型
        from copy import deepcopy
        temp_model = deepcopy(self.model)
        
        # 2. 获取原CPD并修改值
        original_cpd = temp_model.get_cpds(node='Cough')
        new_values = original_cpd.values.copy()
        new_values[1, 1] = new_cough_prob  # 修改对应位置的值
        new_values[0, 1] = 1 - new_cough_prob # 确保概率和为1
        
        # 3. 更新CPD并重新进行推理
        temp_model.remove_cpds('Cough')
        new_cough_cpd = TabularCPD(variable='Cough', variable_card=2,
                                    values=new_values,
                                    evidence=['Flu'], evidence_card=[2],
                                    state_names={'Cough': ['否', '是'],
                                                 'Flu': ['否', '是']})
        temp_model.add_cpds(new_cough_cpd)
        
        # 4. 在新模型上执行推理
        temp_infer = VariableElimination(temp_model)
        result = temp_infer.query(variables=['Flu'],
                                   evidence={'Cough': '是', 'Season': '冬季'})
        
        print(f"调整后，冬季咳嗽患者患感冒的概率：{result.values[1]:.2%}")
        print("=== 分析结束 ===\n")

5. 超越基础：模型扩展、评估与部署思考

一个基础的模型跑通了，但要想让它真正实用，我们还需要考虑更多。

5.1 扩展模型复杂度

真实的医疗诊断涉及更多变量。我们可以轻松地扩展这个网络：

• 更多症状： 加入“喉咙痛”、“流鼻涕”、“全身乏力”等节点。
• 更多病因： 加入“过敏”、“支气管炎”等竞争性诊断节点，与“感冒”形成“或”关系。
• 患者属性： 加入“年龄”、“免疫力水平”等作为父节点，影响患病的先验概率。

扩展时，关键是要仔细思考DAG的结构。新增的边代表你认为存在的直接因果关系。结构越复杂，所需的CPT参数就呈指数级增长（这就是所谓的“维度灾难”），定义所有CPT会变得非常困难。这时，通常需要从数据中学习CPT参数，甚至学习网络结构。

5.2 从数据中学习参数

我们之前是手动设定CPT（基于假设或专家知识）。如果有历史诊断数据，我们可以用 pgmpy 来学习CPT参数。假设我们有一个Pandas DataFrame df，其列对应我们的变量（Season, Flu, Fever, Cough），每一行是一个患者记录。

from pgmpy.estimators import BayesianEstimator

# 假设 `df` 是我们的数据框
# 使用贝叶斯估计（可以加入先验平滑，防止零概率问题）
estimator = BayesianEstimator(model=self.model, data=df)
learned_cpds = estimator.get_parameters(prior_type='BDeu', equivalent_sample_size=10) # BDeu先验

for cpd in learned_cpds:
    print(cpd)
    self.model.add_cpds(cpd)

BayesianEstimator 会基于数据和选择的先验分布，计算出最可能的CPT参数。这比手动设定更客观，尤其是当数据量足够大的时候。

5.3 模型验证与局限性

在将任何模型用于实际辅助决策前，验证至关重要。

• 模拟验证： 就像我们上面做的，输入各种已知证据组合，看输出概率是否符合临床常识。
• 历史数据回测： 如果有带真实诊断结果的数据，可以将症状作为证据输入模型，计算患病的预测概率，然后与真实标签对比，计算准确率、精确率、召回率等指标。
• 专家评审： 将模型结构和推理案例展示给领域专家（医生），听取他们的反馈。他们可能会指出缺失的关键变量或不合理的概率设定。

必须清醒认识到这个简单模型的局限性：

1. 简化假设： 我们假设发烧和咳嗽在给定感冒下条件独立，但严重感冒可能同时加剧两种症状，存在残余关联。
2. CPT的主观性： 手动设定的概率可能不准确。
3. 静态模型： 无法处理症状的动态变化过程。
4. 非排他性： 患者可能同时患有感冒和其他疾病，模型目前只考虑了单一病因。

5.4 部署为简易诊断工具

我们可以将这个模型包装成一个简单的命令行或Web工具。以下是一个极简的命令行交互示例：

def run_cli_diagnosis(model_infer):
    """简单的命令行诊断界面"""
    print("\n=== 感冒症状自查助手（基于贝叶斯网络）===")
    print("请回答以下问题（输入y/n）：")
    
    try:
        season = input("当前是否是冬季？(y/n): ").strip().lower()
        season_evidence = ‘冬季’ if season == ‘y’ else ‘其他’
        
        fever = input("是否有发烧症状？(y/n): ").strip().lower()
        fever_evidence = ‘是’ if fever == ‘y’ else ‘否’
        
        cough = input("是否有咳嗽症状？(y/n): ").strip().lower()
        cough_evidence = ‘是’ if cough == ‘y’ else ‘否’
        
        evidence = {‘Season’: season_evidence,
                    ‘Fever’: fever_evidence,
                    ‘Cough’: cough_evidence}
        
        result = model_infer.query(variables=[‘Flu’], evidence=evidence)
        prob = result.values[1] * 100
        
        print(f"\n基于您的症状分析：")
        print(f"-> 患感冒的可能性约为 {prob:.1f}%")
        if prob > 70:
            print("-> 可能性较高，建议多休息、补充水分，必要时就医。")
        elif prob > 30:
            print("-> 有一定可能，请密切观察症状变化。")
        else:
            print("-> 可能性较低，但请注意身体其他不适。")
        print("(注：本结果仅为概率模型估算，不能替代专业医疗诊断)")
        
    except Exception as e:
        print(f"输入有误或推理错误：{e}")

在 main.py 中，我们可以这样整合所有功能：

from model.flu_diagnosis import FluDiagnosisModel

def main():
    print("开始构建医疗诊断贝叶斯网络...")
    diagnosis_model = FluDiagnosisModel()
    diagnosis_model.build_model()
    diagnosis_model.setup_inference()
    
    # 示例推理
    diagnosis_model.diagnose_with_all_evidence()
    diagnosis_model.diagnose_with_cough_only()
    diagnosis_model.probability_fever_given_no_flu()
    
    # 敏感性分析
    diagnosis_model.sensitivity_analysis(new_cough_prob=0.9)
    
    # 启动简易诊断工具
    # run_cli_diagnosis(diagnosis_model.infer)

if __name__ == "__main__":
    main()

写完这些代码并运行，你就能看到一个完整的、从逻辑到代码的贝叶斯网络应用是如何诞生的。它不仅仅是一个预测黑箱，更是一个可以解释、可以调整、可以质疑的透明推理系统。在实际项目中，下一步可能就是接入真实的、脱敏的电子病历数据，用学习算法来优化CPT，或者将模型封装成API，集成到更大的医疗辅助系统中去。这个简单的感冒诊断模型，就像一颗种子，展示了如何用概率的思维和计算工具，去刻画和解决现实世界中充满不确定性的复杂问题。