生活中的卡尔曼滤波——看病时想到的滤波与医学结合

看病

前段时间在医院治痘痘，需要定期去门诊。去了大概半年，发现医生看病不也是在用滤波的思想吗？
【注】仅作为理解卡尔曼的一个方法，不作为痘痘的诊疗参考哦，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。

诊疗方案

首先，医生根据初诊的病情轻重，确定第一个月的用药，后面每月去复查一次。复查时，医生根据自己的经验判定患者的病情发展是否符合预期，并进行药量的加减。

与卡尔曼滤波的联系

因为医学上面的细节我也不了解，就只假设每次复诊时医生有两个选项：加量和减量。
初诊的病情是初始状态的状态量，医生的经验是在建立系统方程，既然复查周期是一个月那不妨就把滤波周期看成一个月吧，每到一个月时，医生自己生成一个${\hat{X}}_{k|k+1}$，并根据k+1时刻的观测值$Z_{k+1}$（也就是复查时的表现出来的病情情况），判断患者的治疗是否正常。我们可以认为X在此处=Z，这样更能便于理解卡尔曼。

• 当${\hat{X}}_{k|k+1}$比$Z_{k+1}$严重时，主观上是药物的量不够，需要加量。而在滤波中，若将X和Z定义为值越大，表明病情越严重，即：$Z_{k+1}>{\hat{X}}_{k|k+1}$，使得$Z_{k+1}-{\hat{X}}_{k|k+1}>0$，滤波输出值${\hat{X}}_{k+1}>{\hat{X}}_{k|k+1}$\
• 更深层次分析，$Z_{k+1}-{\hat{X}}_{k|k+1}$的差值越大，表示预期病情与实际望闻问切得到的结论偏差更大，因此在更新状态协方差：$P_{k+1}=(I-K\ast H)\ast P_k$时，$P_{k+1}$变得更大，降低本次输出的状态值的置信度。

系统的状态信息里面不仅存放了历史的皮肤症状，而且还有对本次诊疗时的状态预估，医生的会根据患者近一个月的病情叙述和医生观察到的病情表现，获取认为最可能的实际病情，并调整处方，这不正是卡尔曼滤波的思想吗？

结语

以上是我在平时生活中（尤其是跨专业中）发现的一个与工科原理相同的一个点，希望以后有更多的发现，也会用同样的方式与大家分享。