AI醫生來(lái)了，人類(lèi)醫生真的要失業(yè)嗎？

1996年夏季的一天，瑞典蘭德大學(xué)附屬醫院，冠狀動(dòng)脈特護病房的五十歲的漢斯.沃林主任坐在辦公室里。他的辦公桌上堆著(zhù)2240份心電圖。他獨自一個(gè)人在辦公室里審閱他們。他把代表疾病發(fā)作的心電圖挑選出來(lái)。為了避免疲倦帶來(lái)的疏忽，他每?jì)蓚€(gè)小時(shí)休息一次。這就是醫學(xué)界的深藍大戰。沃林就是心臟病學(xué)的棋王卡斯帕羅夫，他將與電腦進(jìn)行閱讀心電圖的世紀對決。

對醫學(xué)院的學(xué)生來(lái)說(shuō)，心電圖看起來(lái)很復雜，難以理解，圖中包含了十二導聯(lián)，每一個(gè)導聯(lián)都會(huì )產(chǎn)生一種不同的曲線(xiàn)記錄，每一種曲線(xiàn)都有英文字母做標識。心電圖實(shí)在太復雜，有些細微的變化很容易被忽略掉，即使是專(zhuān)家的判斷也不能保證百分之百正確。

瑞典的拉爾斯.伊登布蘭特發(fā)起了一個(gè)實(shí)驗。他將一萬(wàn)多名病人的心電圖資料輸入他的電腦系統，并告訴電腦哪種情況代表心臟病發(fā)作，哪種情況代表正常，直到電腦通過(guò)學(xué)習變成專(zhuān)家。電腦甚至可以讀懂最復雜的心電圖。接下來(lái)，他邀請沃林參與試驗。沃林是瑞典頂尖的心臟專(zhuān)科醫生，每年閱讀上萬(wàn)份的心電圖，伊登布蘭特從醫院病歷檔案中挑選了2240份心電圖，其中恰好一半是有心臟病疾病的。他將這些心電圖分別交給電腦和沃林去診斷，1997年秋天實(shí)驗結果被低調的發(fā)表出來(lái)，沃林正確的挑出了620份，電腦在正確的挑出了738份，電腦以20%的優(yōu)勢擊敗了專(zhuān)家。

醫學(xué)界的這場(chǎng)深藍大戰的結果告訴我們，醫生的直覺(jué)和經(jīng)驗有時(shí)候是靠不住的，它可能會(huì )帶來(lái)比電腦更多的錯誤。不僅是醫學(xué)，在眾多領(lǐng)域都有足夠多的證據支持這個(gè)結論。過(guò)去的四十年內，認知心理學(xué)家不斷證實(shí)，在預測和診斷方面，電腦系統常常勝過(guò)最頂尖的人類(lèi)專(zhuān)家的判斷，包括預測每一件事，從一個(gè)公司是否會(huì )破產(chǎn)，到一個(gè)肝病患者還能活多久，每個(gè)領(lǐng)域都有涉及，幾乎所有的案例分析大戰中，電腦要么與人類(lèi)戰平，要么勝過(guò)人類(lèi)。

人工智能在醫療領(lǐng)域的應用歷史

上世紀三四十年代，Wiener、弗雷治、羅素的數理邏輯，和Church、圖靈的數字功用以及計算機處理促使了1956年夏的AI學(xué)科誕生。20世紀60年代以來(lái)，生物模仿用來(lái)建立功能強大的算法。這方面有進(jìn)化計算，包括遺傳算法、進(jìn)化策略和進(jìn)化規劃。

1992年Bezdek提出計算智能。他和Marks(1993年)指出計算智能取決于制造者提供的數值數據，含有模式識別部分，不依賴(lài)于知識;計算智能是認知層次的低層。今天，計算智能涉及神經(jīng)網(wǎng)絡(luò )、模糊邏輯、進(jìn)化計算和人工生命等領(lǐng)域，呈現多學(xué)科交叉與集成的趨勢。

人工生命以進(jìn)化計算為基礎，研究自組織、自復制、自修復以及形成這些特征的混沌動(dòng)力學(xué)、進(jìn)化和環(huán)境適應，具體包括生命現象的仿生系統、人工建模與仿真、進(jìn)化動(dòng)力學(xué)、人工生命的計算理論、進(jìn)化與學(xué)習綜合系統以及人工生命的應用等。

20世紀60年代，羅森布拉特研究感知機，Stahl建立細胞活動(dòng)模型，Lindenmayer提出了生長(cháng)發(fā)育中的細胞交互作用數學(xué)模型。這些模型支持細胞間的通信和差異。

70年代以來(lái)，Conrad等研究人工仿生系統中的自適應、進(jìn)化和群體動(dòng)力學(xué)，提出不斷完善的“人工世界”模型。

80年代，人工神經(jīng)網(wǎng)絡(luò )再度興起促進(jìn)人工生命的發(fā)展。其主要研究方法有信息模型法和工作原理法。其研究途徑分為工程技術(shù)途徑和生物科學(xué)途徑。

專(zhuān)家系統在90年代興起, 模擬人類(lèi)專(zhuān)家解決領(lǐng)域問(wèn)題,知識庫的改進(jìn)與歸納是其重點(diǎn)。醫療專(zhuān)家系統(Medical Expert System，MES)是人工智能技術(shù)應用在醫療診斷領(lǐng)域中的一個(gè)重要分支。在功能上，它是一個(gè)在某個(gè)領(lǐng)域內具有專(zhuān)家水平解題能力的程序系統。醫學(xué)診斷專(zhuān)家系統就是運用專(zhuān)家系統的設計原理與方法，模擬醫學(xué)專(zhuān)家診斷疾病的思維過(guò)程，它可以幫助醫生解決復雜的醫學(xué)問(wèn)題，可以作為醫生診斷的輔助工具，可以繼承和發(fā)揚醫學(xué)專(zhuān)家的寶貴理論及豐富的臨床經(jīng)驗。

當今21世紀，人工智能技術(shù)的醫學(xué)虛擬應用不僅要對特定病人進(jìn)行模擬，而且要對整個(gè)治療過(guò)程中可能出現的反應和問(wèn)題有一精確的預測和提出相應的對策。這就是21世紀醫學(xué)虛擬現實(shí)的最后目標。

在醫療領(lǐng)域AI能做什么?

虛擬助理

醫療虛擬助理的官方定義是，利用語(yǔ)音識別、自然語(yǔ)言處理技術(shù)，將患者對自己病癥的描述與標準醫學(xué)知識庫進(jìn)行對比，從而完成患者自診、導診、咨詢(xún)等服務(wù)的信息系統。

與 Siri、Cortana 等通用虛擬助理不同的是，當用戶(hù)與通用虛擬助理進(jìn)行對話(huà)時(shí)，可以自由表達，由虛擬助理理解用戶(hù)意圖(當然理解能力還有待加強);但當用戶(hù)與醫學(xué)虛擬助理對話(huà)時(shí)，由于患者的描述基本不是標準的醫學(xué)術(shù)語(yǔ)，因此很難與標準醫學(xué)知識庫進(jìn)行對比從而得出結論。目前，醫療產(chǎn)業(yè)界的普遍做法是，以選擇題的方式與用戶(hù)溝通，了解問(wèn)題并分診。

病歷與文獻分析——幫助醫生提高效率

提到人工智能與醫療的結合，最常見(jiàn)的要數醫生通過(guò)語(yǔ)音輸入電子病歷。面向醫療場(chǎng)景的語(yǔ)音輸入技術(shù)已經(jīng)成為科大訊飛、云知聲等人工智能公司的搶灘重地。

語(yǔ)音輸入技術(shù)解放了醫生的雙手，這對牙科醫生來(lái)講尤其重要?？谇豢漆t生在手術(shù)臺上往往是一個(gè)人，雙手都被占用了，沒(méi)有手來(lái)書(shū)寫(xiě)病歷。用語(yǔ)音識別的方式能夠對患者的基本信息、手術(shù)情況進(jìn)行一些基本的記錄，提高醫生工作效率。

在解放醫生雙手的同時(shí)，電子病歷也起到了醫療人工智能發(fā)展的數據基石作用。在語(yǔ)音識別層面之下，如何利用自然語(yǔ)言處理技術(shù)將非結構化的自然語(yǔ)言轉化為結構化的數據，以便后續進(jìn)行數據挖掘，是一個(gè)重要課題。利用自然語(yǔ)言處理技術(shù)將病歷上的非結構化數據轉變成結構化數據主要分為以下幾個(gè)步驟。首先，要對句子中的命名實(shí)體進(jìn)行識別，簡(jiǎn)單地說(shuō)就是哪些詞是疾病、哪些詞是****品、哪些詞是癥狀、哪些詞是手術(shù)名，也就是對各種各樣詞語(yǔ)類(lèi)別的分類(lèi)。然后，需要查找語(yǔ)義之間的關(guān)聯(lián)，也就是說(shuō)誰(shuí)修飾了誰(shuí)、誰(shuí)約束了誰(shuí)、誰(shuí)否定了誰(shuí)等，也即定義詞語(yǔ)和詞語(yǔ)之間的線(xiàn)性關(guān)系?！罢Z(yǔ)義關(guān)聯(lián)為什么在醫療領(lǐng)域尤其重要?比如你光知道這個(gè)人疼，不夠。你還要知道疼痛的部位、嚴重程度、時(shí)間、急慢性等附屬信息，這些信息才是重要的?！?/p>

在醫療領(lǐng)域的自然語(yǔ)言處理技術(shù)中，常常需要面對輸入不標準的情況。每個(gè)醫生都有自己的病歷書(shū)寫(xiě)習慣，比如心肌梗塞這一種疾病，有的醫生會(huì )寫(xiě)心肌梗塞，有的醫生會(huì )寫(xiě)心肌梗死、心梗，甚至寫(xiě)英文 MI(Myocardial Infarction)。

對于機器來(lái)說(shuō)，在存儲時(shí)必須知道這些詞代表著(zhù)同樣的意思，后續的工作才能進(jìn)行。否則就連一個(gè)最簡(jiǎn)單的檢索任務(wù)都進(jìn)行不了，因為關(guān)鍵詞沒(méi)法匹配。另外，自然語(yǔ)言處理技術(shù)還能夠幫助醫生提高科研效率。

醫療影像輔助診斷——減少誤診漏診率

人工智能在醫療健康領(lǐng)域中的應用領(lǐng)域包括虛擬助理、醫學(xué)影像、****物挖掘、營(yíng)養學(xué)、生物技術(shù)、急救室/醫院管理、健康管理、精神健康、可穿戴設備、風(fēng)險管理和病理學(xué)。其中人工智能+醫療健康各細分領(lǐng)域中，醫學(xué)影像項目數量最多。

從上圖可以看出，醫療影像領(lǐng)域的投融資交易數量最高。有需求就有市場(chǎng)，病患多醫生少、醫療壓力巨大是造成這種結果的最大的原因。再加上現在圖像識別技術(shù)的成熟、電子膠片的普及、放射科醫師的缺乏是推動(dòng)市場(chǎng)發(fā)展的主要因素;影像輔助診斷的使用和普及存在巨大的益處，對于患者而言，在影像輔助診斷的幫助下，和以往傳統的醫療手段相比較，將快速完成健康檢查，同時(shí)獲得更精準的診斷建議和個(gè)性化的治療方案;對醫生而言，可以節約讀片時(shí)間、降低誤診率并獲取提示(副作用等)，起到輔助診斷的作用;醫院在云平臺的支持下可建立多元數據庫，進(jìn)一步降低成本。

影像輔助診斷的主要技術(shù)原理主要分為兩部分：圖像識別和深度學(xué)習，首先計算機對搜集到的圖像進(jìn)行預處理、分割、匹配判斷和特征提取一系列的操作，隨后進(jìn)行深度學(xué)習，從患者病歷庫以及其他醫療數據庫搜索數據，最終提供診斷建議。目前來(lái)說(shuō)影像輔助診斷的準確率較精準，相較于放射醫師，對臨床結節或肺癌診斷的準確率高出50%，可以檢測整個(gè)X光片面積0.01%的細微骨折。

診療結果預測——提早預估風(fēng)險

人工智能的輔助診斷并不僅僅體現在醫療影像方面，在診療結果的把控方面也已經(jīng)有所應用。

AI能夠建立包括手術(shù)、麻醉、體外循環(huán)等在內的一套最佳的治療方案，還能夠預測病人術(shù)后的出血風(fēng)險、出血量、在 ICU 的停留時(shí)間、以及術(shù)后綜合癥的風(fēng)險等。當醫生需要更改手術(shù)方案的參數時(shí)，系統還能自動(dòng)計算參數修改后這幾個(gè)風(fēng)險因素的變化。

AI與****物開(kāi)發(fā)

近期我國****政頻發(fā)使創(chuàng )新****物研發(fā)獲諸多“政策紅利”，目前我國新****研發(fā)面臨研發(fā)時(shí)間、成本及資金三座大山。人工智能助力****物研發(fā)，可大大縮短****物研發(fā)時(shí)間、提高研發(fā)效率并控制研發(fā)成本。

人工智能助力****物研主要體現在臨床前和臨床研究上。在臨床前通過(guò)深度學(xué)習，提高****物篩選效率并優(yōu)化其構效關(guān)系，在臨床研究過(guò)程中結合醫院數據，可快速找到符合條件的受試病人。

人工智能在臨床醫療診斷中的應用

人工智能在臨床醫療診斷中常用于醫療專(zhuān)家系統[6],主要是運用專(zhuān)家系統的設計原理與方法模擬醫學(xué)專(zhuān)家診斷、治療疾病的思維過(guò)程編制的計算機程序，它可以幫助醫生解決復雜的醫學(xué)問(wèn)題，作為醫生診斷的輔助工具，繼承和發(fā)揚醫學(xué)專(zhuān)家的寶貴理論及豐富的臨床經(jīng)驗。

概括來(lái)說(shuō)，人工智能在醫療領(lǐng)域有如下作用：

1、可以為醫生提供完整和有效的信息，從而為疾病的診斷和治療提供科學(xué)、可靠的依據。

2、可以極大地提高醫學(xué)數據的測定和分析過(guò)程的自動(dòng)化程度，從而大大提高工作速度，減輕人的工作強度，并減少主觀(guān)隨意性。

3、可以集中專(zhuān)家的知識，輔助醫生做出更為可靠和正確的診斷;隨著(zhù)病例的增多，還可以豐富系統的知識，自動(dòng)地或在人工干預下進(jìn)行知識的積累和分析，提高醫療水平。

可以從大規模的醫學(xué)歷史數據中發(fā)現規律和知識，從而為未來(lái)疾病防控提供決策支持。

人工智能醫療智能診斷系統中的應用

人工神經(jīng)網(wǎng)絡(luò )理論的發(fā)展為醫療智能診斷系統提供了一條新的有效途徑?；谶@一思路，人們將人工神經(jīng)網(wǎng)絡(luò )與專(zhuān)家系統進(jìn)行了有效的結合，建立了人工神經(jīng)網(wǎng)絡(luò )式的醫療智能診斷系統。該系統知識獲取的特點(diǎn)是向現實(shí)世界學(xué)習，它是將大量的樣本(病例)，通過(guò)特定的學(xué)習算法得到網(wǎng)絡(luò )各種神經(jīng)元之間的連接權而獲得的。這種方式與人腦存貯知識十分相似，具有聯(lián)想、并行處理和容錯的功能，可以將醫療智能診斷系統提高到一個(gè)新的水平。然而，目前用這種方法建立醫療診斷系統的成果仍是有限的。這主要是由于建立人工神經(jīng)網(wǎng)絡(luò )模型所需要的算法在解決規模稍大、特征較多的疾病診斷問(wèn)題時(shí)，往往學(xué)習算法不能計算出正確的結果。經(jīng)研究，本文提出了一種“非梯度學(xué)習算法”，即單參數動(dòng)態(tài)搜索算法(簡(jiǎn)稱(chēng)為SPDS算法)。這種學(xué)習算法對于規模稍大、特征較多的實(shí)際問(wèn)題可上百倍地快于以往的學(xué)習算法。在一些實(shí)際問(wèn)題中，該算法已見(jiàn)到明顯效果，并開(kāi)始引起人們的重視。相信將這種學(xué)習算法用于醫療智能診斷系統，必然會(huì )帶來(lái)新的突破。

人工神經(jīng)網(wǎng)絡(luò )在中醫學(xué)中的應用

中醫學(xué)辨證施治過(guò)程，實(shí)質(zhì)上是對一大堆數據信息作出處理，提取規律的過(guò)程。人工神經(jīng)網(wǎng)絡(luò )有較好獲得數據規律的能力，應用于中醫學(xué)具有可行性。

中醫學(xué)中的“辨證論治”中的“證”具有模糊性、不確定性的特點(diǎn)，主觀(guān)性較強，所以中醫的診斷和治療與醫師的經(jīng)驗、水平有較大關(guān)系，多年來(lái)對“證”的研究思路和方法主要集中在實(shí)驗研究、臨床觀(guān)察、文章整理、經(jīng)驗總結上。人工神經(jīng)網(wǎng)絡(luò )的應用可以替代部分“辨證”過(guò)程，選擇適當的中醫癥狀作為基本輸入和適當的人工神經(jīng)網(wǎng)絡(luò )模型，人工神經(jīng)網(wǎng)絡(luò )能夠根據已有的學(xué)習“經(jīng)驗”進(jìn)行分析，綜合提出中醫診斷。人工神經(jīng)網(wǎng)絡(luò )由神經(jīng)元結構模型、網(wǎng)絡(luò )連接模型、網(wǎng)絡(luò )學(xué)習算法等幾個(gè)要素組成，是具有某些智能代寫(xiě)論文功能的系統。從網(wǎng)絡(luò )結構劃分，人工神經(jīng)網(wǎng)絡(luò )有許多不同的種類(lèi)，如感知器、BP 網(wǎng)絡(luò )、Hopfield 網(wǎng)絡(luò )等 ，其中 BP 網(wǎng)絡(luò )是目前應用最為廣泛的神經(jīng)網(wǎng)絡(luò )之一。BP 網(wǎng)絡(luò )是一種前向網(wǎng)絡(luò )，通過(guò)網(wǎng)絡(luò )的結構與權值表達復雜的非線(xiàn)性 I/O 映射關(guān)系， 同時(shí) BP 網(wǎng)絡(luò )具有優(yōu)良的自學(xué)習功能，可以通過(guò)誤差的反向傳播方法，對照已知樣本進(jìn)行反復訓練，調整網(wǎng)絡(luò )的權值，直至網(wǎng)絡(luò )的 I/O 關(guān)系在某一訓練指標下最接近樣本。

基于人工神經(jīng)網(wǎng)絡(luò )技術(shù)的專(zhuān)家系統

基于人工神經(jīng)網(wǎng)絡(luò )技術(shù)的專(zhuān)家系統在建造知識庫時(shí)[16]，首先根據應用來(lái)選擇和確定神經(jīng)網(wǎng)絡(luò )結構，再選擇學(xué)習算法，對與求解問(wèn)題有關(guān)的樣本進(jìn)行學(xué)習，以調整系統的連接權值，完成知識自動(dòng)獲取和分布式的存儲，構建系統的知識庫。然而若輸入的信息不十分明確導致系統性能降低， 這必然也會(huì )降低診斷的準確性。而基于神經(jīng)系統結構和功能模擬基礎上的神經(jīng)網(wǎng)絡(luò )，可以通過(guò)對實(shí)例的不斷學(xué)習，自動(dòng)獲取知識，并將知識分布存儲于神經(jīng)網(wǎng)絡(luò )中， 通過(guò)學(xué)習不斷提高神經(jīng)網(wǎng)絡(luò )中神經(jīng)元之間連接權值的調整過(guò)程。系統將根據神經(jīng)網(wǎng)絡(luò )當前所接收到的實(shí)例問(wèn)題的相似性確定輸出。當環(huán)境信息不十分完全時(shí)，仍然可以通過(guò)計算得出一個(gè)比較滿(mǎn)意的解答。

目前，已建立了心肌梗塞、心絞痛疾病及其并發(fā)癥的醫療智能診斷系統。根據醫生的建議，系統提供了三個(gè)人機對話(huà)界面：

1、錄入主訴、病史和臨床癥狀。包括性別、年齡、發(fā)病時(shí)間、前驅癥狀、病史、消化系統癥狀、呼吸系統癥狀等60余項。

2、錄入體征。查體征所能得到的信息，包括心界、心音、磨擦音、濕羅音等20余項。

3、錄入輔助檢查結果。包括心電圖、心肌酶、心臟彩超、漂浮導管等心內科輔助檢查手段的結果300余項。

人工智能技術(shù)在醫學(xué)影像診斷中的應用

盡管人工智能技術(shù)可應用于臨床領(lǐng)域中的各個(gè)方面(組織病理學(xué)、傳染病學(xué)、內科學(xué)、精神病學(xué)等)，但在醫學(xué)影像領(lǐng)域中，放射科專(zhuān)家大部分情況下還是主要依賴(lài)于臨床醫生建立起來(lái)的主觀(guān)印象。制約影像專(zhuān)家系統發(fā)展的難點(diǎn)在于高級視覺(jué)系統本身，如從醫學(xué)掃描器上獲得的數據可能是噪聲或者是模糊的，而代表解剖結構上的或功能上的分區常常是復雜的和不確定的，當處理這些被稱(chēng)作為證據不確定的非精確信息時(shí)，大大增加了專(zhuān)家系統設計的復雜性。

目前，隨著(zhù)微電子技術(shù)和計算機技術(shù)的快速發(fā)展，很多制約醫學(xué)專(zhuān)家系統發(fā)展的因素也相繼得到解決，應用到醫學(xué)影像學(xué)方面的初級特征提取技術(shù)及成像設備(CT，MRI，PET，X 線(xiàn)，超聲等 )得到廣泛應用和研究 。例如，在乳房 X 線(xiàn)照片中自動(dòng)檢測叢生的小鈣化點(diǎn)的線(xiàn)性濾波和閾值匹配方法，已經(jīng)被證實(shí)可提高放射學(xué)專(zhuān)家的診斷精確率。其他應用，如肺部腫瘤的計算機檢測，心臟大小的計算分析，胸部放射片上腔隙性疾病的定性，血管角質(zhì)瘤影像的自動(dòng)跟蹤，紋理分析應用到超聲掃描，X 射線(xiàn)照相術(shù)和 CT 圖像等已經(jīng)在一些實(shí)例中較成功地得到證明。

人工智能在醫療記錄的應用

醫學(xué)的任何表達包括實(shí)驗室數據，都可以或者都必須轉換為描述語(yǔ)言，因為醫學(xué)的任何判斷和結論都必須人的直接參與，沒(méi)有任何一種單純的物理信號或數字信息可以完整描述人。醫學(xué)的描述性特點(diǎn)也使醫學(xué)的意義更依賴(lài)于給患者的醫療記錄，沒(méi)有一種記錄能像醫療記錄那樣把人、學(xué)術(shù)、生活、俗務(wù)、法律、科學(xué)等聯(lián)系得更緊密。所以醫療記錄的繁雜也托負著(zhù)眾望，日益艱巨起來(lái)。

后來(lái)隨著(zhù)電子文本記錄法的出現，推進(jìn)了工作方式乃至觀(guān)察方式發(fā)生改變。上世紀70年代開(kāi)發(fā)的醫學(xué)信息系統RMIS，它使用了一種就醫表格：其右方是患者的主訴、病史描述等，采用文本處理方式，都是先用手寫(xiě)，再由專(zhuān)人輸入電腦;其左上方是診斷列表，列出醫生診斷的疾病名;左下方是結構化數據列表，記錄重要生理參數和檢驗參數等;RMIS至今還有人使用。近些年SDE有電子版面世，它發(fā)揚表格結構輸入法的優(yōu)點(diǎn)，不但能用直接模型處理類(lèi)似試驗設備所產(chǎn)生的簡(jiǎn)單數據，而且能用間接模型處理有專(zhuān)業(yè)依賴(lài)性的復雜數據。SDE的結構化數據來(lái)源于詞典，它的知識編輯器可以起到規范輸入詞匯的作用。這種特征是電子病歷輸入方法的一種進(jìn)步，在中國，有中國特色的文本模板編輯法或半結構化的摘字換句法，都展現了醫療記錄向醫學(xué)人工智能的規范化方向合流的趨勢。將電子病歷系統嵌套在醫學(xué)知識決策系統之中;再將知識決策系統嵌套在整體的智能化數字醫院體系之中，醫療決策和醫療記錄熔為一爐，既完成對患者的醫療全過(guò)程本身，又完成醫療過(guò)程在醫院中充當的角色。具體的思路是：醫生應用基于知識庫的智能化診療平臺為患者看病，醫生看病的軌跡被自動(dòng)記錄下來(lái)，成為電子病歷。形成電子病歷的技術(shù)過(guò)程非常簡(jiǎn)單，電子病歷的內容有賴(lài)于知識庫;人工智能的看病模型非常簡(jiǎn)單，即計算機+知識庫，把智能化的技術(shù)難點(diǎn)轉嫁給知識表達。

人工智能在醫療領(lǐng)域的應用前景

醫學(xué)人工智能是人工智能發(fā)展出來(lái)的一大分支，它將為醫學(xué)診療問(wèn)題提供解決方案，研究最多成果最顯著(zhù)的是醫學(xué)專(zhuān)家系統。醫學(xué)專(zhuān)家系統是一個(gè)具有大量專(zhuān)門(mén)知識與經(jīng)驗的程序系統，它應人工智能技術(shù)，根據某個(gè)領(lǐng)域一個(gè)或多個(gè)人類(lèi)專(zhuān)家提供的知識和經(jīng)驗進(jìn)行推理和判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以解決那些需要專(zhuān)家決定的復雜問(wèn)題。專(zhuān)家系統是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域。

隨著(zhù)現代科學(xué)技術(shù)的發(fā)展，未來(lái)的醫學(xué)專(zhuān)家系統發(fā)展趨勢可能會(huì )具備以下幾個(gè)特點(diǎn)：

1、醫學(xué)專(zhuān)家系統應以解決一些特殊的問(wèn)題為目的。這些特殊的問(wèn)題在計算機視覺(jué)和人工智能方面沒(méi)有被研究過(guò)。人類(lèi)對可視圖案的認識不同于常規的推理，并且代表明確的領(lǐng)域知識常常在視覺(jué)認識過(guò)程中下意識地忽略了被用到的那些因素。

2、醫學(xué)專(zhuān)家系統的模型可能會(huì )是以多種智能技術(shù)為基礎，以并行處理方式、自學(xué)能力、記憶功能、預測事件發(fā)展能力為目的。目前發(fā)展起來(lái)的遺傳算法、模糊算法、粗糙集理論等非線(xiàn)性數學(xué)方法，有可能會(huì )跟人工神經(jīng)網(wǎng)絡(luò )技術(shù)、人工智能技術(shù)綜合起來(lái)構造成新的醫學(xué)專(zhuān)家系統模型。這些技術(shù)必將會(huì )推動(dòng)醫學(xué)專(zhuān)家系統一場(chǎng)新的革命，因為人工神經(jīng)網(wǎng)絡(luò )技術(shù)具有強大的自適應、自處理、自學(xué)習、記憶功能等，如Yu ji等人基于螺旋CT圖像的冠狀動(dòng)脈鈣化點(diǎn)的診斷系統，就是神經(jīng)網(wǎng)絡(luò )在醫學(xué)專(zhuān)家系統中應用的一個(gè)很好例子。

人工智能是一門(mén)通過(guò)計算過(guò)程力圖理解和模仿智能行為的學(xué)科?？蓪?shí)現判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學(xué)習和問(wèn)題求解等思維活動(dòng)的自動(dòng)化。半個(gè)世紀以來(lái)，人工智能的飛速發(fā)展令人瞠目。醫學(xué)人工智能，以計算機為工具，最終目標直指疾病。實(shí)現目標的邊界條件是：不改變醫學(xué)的學(xué)術(shù)現狀，不企圖取代醫生。主要方法是：抽象醫學(xué)思維，并將其模型化，以利計算機實(shí)現。中間目標是：搭建知識平臺，運用智能方法，輔助醫務(wù)人員擴大視界，更好地發(fā)揮聰明才智。