醫(yī)療領(lǐng)域人工智能的應(yīng)用概要

醫(yī)療領(lǐng)域人工智能的應(yīng)用周素珍，楊會寶，馬式雷（山東中醫(yī)藥大學(xué)理工學(xué)院）摘要：人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個重要分支。尤其在醫(yī)療衛(wèi)生領(lǐng)域,人工智能更具有廣闊的應(yīng)用前景和較高的實用價值。本文簡述了人工智能的起源與發(fā)展，回顧近年來人工智能在醫(yī)療領(lǐng)域的應(yīng)用，重點介紹了人工智能在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，并進一步展望了人工智能在醫(yī)療領(lǐng)域的應(yīng)用前景。關(guān)鍵詞：人工智能；醫(yī)療；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；前景1引言人工智能（ArtificialIntelligenceAI）是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿科學(xué)，它是由Mc－Carthy等在1956年發(fā)起的關(guān)于機器模擬智能的學(xué)術(shù)討論會上提出的［1］。自此，人工智能廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域，在臨床醫(yī)療診斷、神經(jīng)網(wǎng)絡(luò)技術(shù)、中醫(yī)學(xué)、專家系統(tǒng)以及醫(yī)學(xué)影像診斷中均得到應(yīng)用。隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)在醫(yī)療診斷中的應(yīng)用將越來越廣泛，越來越重要。2人工智能在醫(yī)療領(lǐng)域的應(yīng)用回顧2.1人工智能發(fā)展簡史[2]

上世紀(jì)三四十年代，Wiener、弗雷治、羅素的數(shù)理邏輯，和Church、圖靈的數(shù)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(jì)60年代以來，生物模仿用來建立功能強大的算法。這方面有進化計算，包括遺傳算法、進化策略和進化規(guī)劃（1962年）。

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(shù)值數(shù)據(jù)，含有模式識別部分，不依賴于知識；計算智能是認(rèn)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、進化計算和人工生命等領(lǐng)域，呈現(xiàn)多學(xué)科交叉與集成的趨勢。

人工生命以進化計算為基礎(chǔ)，研究自組織、自復(fù)制、自修復(fù)以及形成這些特征的混沌動力學(xué)、進化和環(huán)境適應(yīng)，具體包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進化動力學(xué)、人工生命的計算理論、進化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。20世紀(jì)60年代，羅森布拉特研究感知機，Stahl建立細胞活動模型，Lindenmayer提出了生長發(fā)育中的細胞交互作用數(shù)學(xué)模型。這些模型支持細胞間的通信和差異。70年代以來，Conrad等研究人工仿生系統(tǒng)中的自適應(yīng)、進化和群體動力學(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。

2.2醫(yī)療領(lǐng)域人工智能的興起和醫(yī)療專家系統(tǒng)的創(chuàng)建專家系統(tǒng)在90年代興起,模擬人類專家解決領(lǐng)域問題,知識庫的改進與歸納是其重點。醫(yī)療專家系統(tǒng)（MedicalExpertSystem，MES）是人工智能技術(shù)應(yīng)用在醫(yī)療診斷領(lǐng)域中的一個重要分支［3］。在功能上，它是一個在某個領(lǐng)域內(nèi)具有專家水平解題能力的程序系統(tǒng)。醫(yī)學(xué)診斷專家系統(tǒng)就是運用專家系統(tǒng)的設(shè)計原理與方法，模擬醫(yī)學(xué)專家診斷疾病的思維過程，它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題，可以作為醫(yī)生診斷的輔助工具，可以繼承和發(fā)揚醫(yī)學(xué)專家的寶貴理論及豐富的臨床經(jīng)驗。第一個人工智能的醫(yī)療專家系統(tǒng)早在50年代就出現(xiàn)了，當(dāng)時為了模擬病人的病癥和疾病之間的關(guān)系，主要是醫(yī)學(xué)領(lǐng)域的知識被融合到專家系統(tǒng)中。3.2.2人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)學(xué)中的應(yīng)用在中醫(yī)專家系統(tǒng)知識挖掘中的應(yīng)用中醫(yī)學(xué)辨證施治過程，實質(zhì)上是對一大堆數(shù)據(jù)信息作出處理，提取規(guī)律的過程。人工神經(jīng)網(wǎng)絡(luò)有較好獲得數(shù)據(jù)規(guī)律的能力，應(yīng)用于中醫(yī)學(xué)具有可行性。中醫(yī)學(xué)中的“辨證論治”中的“證”[10]具有模糊性、不確定性的特點，主觀性較強，所以中醫(yī)的診斷和治療與醫(yī)師的經(jīng)驗、水平有較大關(guān)系，多年來對“證”的研究思路和方法主要集中在實驗研究、臨床觀察、文章整理、經(jīng)驗總結(jié)上。人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用可以替代部分“辨證”過程，選擇適當(dāng)?shù)闹嗅t(yī)癥狀作為基本輸入和適當(dāng)?shù)娜斯ど窠?jīng)網(wǎng)絡(luò)模型，人工神經(jīng)網(wǎng)絡(luò)能夠根據(jù)已有的學(xué)習(xí)“經(jīng)驗”進行分析，綜合提出中醫(yī)診斷。人工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元結(jié)構(gòu)模型、網(wǎng)絡(luò)連接模型、網(wǎng)絡(luò)學(xué)習(xí)算法等幾個要素組成，是具有某些智能代寫論文功能的系統(tǒng)。從網(wǎng)絡(luò)結(jié)構(gòu)劃分，人工神經(jīng)網(wǎng)絡(luò)有許多不同的種類，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(yīng)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)，通過網(wǎng)絡(luò)的結(jié)構(gòu)與權(quán)值表達復(fù)雜的非線性I/O映射關(guān)系，同時BP網(wǎng)絡(luò)具有優(yōu)良的自學(xué)習(xí)功能，可以通過誤差的反向傳播方法，對照已知樣本進行反復(fù)訓(xùn)練，調(diào)整網(wǎng)絡(luò)的權(quán)值，直至網(wǎng)絡(luò)的I/O關(guān)系在某一訓(xùn)練指標(biāo)下最接近樣本。在中醫(yī)舌診研究中的應(yīng)用趙忠旭等[11]采用神經(jīng)網(wǎng)絡(luò)模型對中醫(yī)舌像分析儀的攝像機、顯示器的輸入輸出三刺激值特征化。并采用動量法和學(xué)習(xí)率進行自適應(yīng)調(diào)整，有效地抑制網(wǎng)絡(luò)陷入局部極小或“假飽和”現(xiàn)象。這樣舌象分析儀在采集舌圖象時，可將相機的輸出代入其建立的校正環(huán)節(jié)模型，然后將它的輸出作為計算機的數(shù)字驅(qū)動值，以達到校正的目的。吳蕓等[12]構(gòu)建了一個“中醫(yī)舌診八綱辨證”神經(jīng)網(wǎng)絡(luò)知識庫。在中醫(yī)脈象研究中的應(yīng)用王炳和等[13]針對脈象本身的模糊性特點和中醫(yī)辨識脈象的思維方式，研究了人工神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于人體脈象的識別問題。建立了一個8-5-7三層結(jié)構(gòu)的脈象人工神經(jīng)網(wǎng)絡(luò)模型。采用輸入樣本的模糊化處理，并對BP算法用加動量的自適應(yīng)算法加以改進，因此大大減少了訓(xùn)練時間。經(jīng)280例脈象的識別檢驗，結(jié)果表明，該對7種脈象的識別準(zhǔn)確率平均為87%，比傳統(tǒng)的模糊聚類方法提高了12個百分點。此研究為計算機識別脈象和輔助診斷疾病提供了一種有效的方法。岳沛平等[14]構(gòu)建了一種比較實用的基于小波分析BP神經(jīng)網(wǎng)絡(luò)的中醫(yī)脈象信號辨識系統(tǒng)，經(jīng)1456例臨床脈象檢測，準(zhǔn)確率>90%。徐方維等[15]針對海洛因吸食者的脈象信號與正常人脈象信號的特征差異，成功地應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對15例海洛因吸食者和15例正常人。在中醫(yī)證候研究中的應(yīng)用證候是以中醫(yī)的基本理論為基礎(chǔ),對臨床所收集到的信息進行辨證的結(jié)果。中醫(yī)證候體系是一個非線性的、多維多階的、可以無限組合的復(fù)雜巨系統(tǒng)。采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)挖掘大樣本所蘊含的海量信息,從而建立中醫(yī)證候診斷模型,可能是解開當(dāng)前證候研究的僵局、取得實質(zhì)突破的有效方法。人工神經(jīng)網(wǎng)絡(luò)的類型多種多樣，從功能特性和學(xué)習(xí)能力來分，典型的神經(jīng)網(wǎng)絡(luò)模型主要包括感知器、線性神經(jīng)網(wǎng)絡(luò)、多層前向神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)等。筆者認(rèn)為，比較適合應(yīng)用于中醫(yī)證候診斷的是BP神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展起來的模糊神經(jīng)網(wǎng)絡(luò)。目前，我們正在進行的基于模糊神經(jīng)網(wǎng)絡(luò)的糖尿病腎病中醫(yī)證候規(guī)范研究，其方法就是利用模糊多層感知器網(wǎng)絡(luò)(FMLP)，構(gòu)建糖尿病腎病中醫(yī)證候的模糊神經(jīng)網(wǎng)絡(luò)模型。我們并同時利用基于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)(BP)，以相同的觀察資料為研究對象，構(gòu)建糖尿病腎病中醫(yī)證候的BP神經(jīng)網(wǎng)絡(luò)模型，從解決實際問題的能力比較兩種模型的性能，以確立較優(yōu)糖尿病腎病中醫(yī)證候神經(jīng)網(wǎng)絡(luò)模型。3.2.3基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的專家系統(tǒng)基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的專家系統(tǒng)在建造知識庫時[16]，首先根據(jù)應(yīng)用來選擇和確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，再選擇學(xué)習(xí)算法，對與求解問題有關(guān)的樣本進行學(xué)習(xí)，以調(diào)整系統(tǒng)的連接權(quán)值，完成知識自動獲取和分布式的存儲，構(gòu)建系統(tǒng)的知識庫。然而若輸入的信息不十分明確導(dǎo)致系統(tǒng)性能降低，這必然也會降低診斷的準(zhǔn)確性。而基于神經(jīng)系統(tǒng)結(jié)構(gòu)和功能模擬基礎(chǔ)上的神經(jīng)網(wǎng)絡(luò)，可以通過對實例的不斷學(xué)習(xí)，自動獲取知識，并將知識分布存儲于神經(jīng)網(wǎng)絡(luò)中，通過學(xué)習(xí)不斷提高神經(jīng)網(wǎng)絡(luò)中神經(jīng)元之間連接權(quán)值的調(diào)整過程。系統(tǒng)將根據(jù)神經(jīng)網(wǎng)絡(luò)當(dāng)前所接收到的實例問題的相似性確定輸出。當(dāng)環(huán)境信息不十分完全時，仍然可以通過計算得出一個比較滿意的解答。目前，已建立了心肌梗塞、心絞痛疾病及其并發(fā)癥的醫(yī)療智能診斷系統(tǒng)。根據(jù)醫(yī)生的建議，系統(tǒng)提供了三個人機對話界面：①錄入主訴、病史和臨床癥狀。包括性別、年齡、發(fā)病時間、前驅(qū)癥狀、病史、消化系統(tǒng)癥狀、呼吸系統(tǒng)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(jié)果。包括心電圖、心肌酶、心臟彩超、漂浮導(dǎo)管等心內(nèi)科輔助檢查手段的結(jié)果300余項。3.2.4人工智能技術(shù)在醫(yī)學(xué)影像診斷中的應(yīng)用盡管人工智能技術(shù)可應(yīng)用于臨床領(lǐng)域中的各個方面（組織病理學(xué)、傳染病學(xué)、內(nèi)科學(xué)、精神病學(xué)等），但在醫(yī)學(xué)影像領(lǐng)域中，放射科專家大部分情況下還是主要依賴于臨床醫(yī)生建立起來的主觀印象。制約影像專家系統(tǒng)發(fā)展的難點在于高級視覺系統(tǒng)本身，如從醫(yī)學(xué)掃描器上獲得的數(shù)據(jù)可能是噪聲或者是模糊的，而代表解剖結(jié)構(gòu)上的或功能上的分區(qū)常常是復(fù)雜的和不確定的，當(dāng)處理這些被稱作為證據(jù)不確定的非精確信息時，大大增加了專家系統(tǒng)設(shè)計的復(fù)雜性。目前，隨著微電子技術(shù)和計算機技術(shù)的快速發(fā)展，很多制約醫(yī)學(xué)專家系統(tǒng)發(fā)展的因素也相繼得到解決，應(yīng)用到醫(yī)學(xué)影像學(xué)方面的初級特征提取技術(shù)及成像設(shè)備（CT，MRI，PET，X線，超聲等）得到廣泛應(yīng)用和研究。例如，在乳房X線照片中自動檢測叢生的小鈣化點的線性濾波和閾值匹配方法，已經(jīng)被證實可提高放射學(xué)專家的診斷精確率。其他應(yīng)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)瘤影像的自動跟蹤，紋理分析應(yīng)用到超聲掃描，X射線照相術(shù)和CT圖像等已經(jīng)在一些實例中較成功地得到證明[17]。3.3人工智能在醫(yī)療記錄的應(yīng)用醫(yī)學(xué)的任何表達包括實驗室數(shù)據(jù)，都可以或者都必須轉(zhuǎn)換為描述語言，因為醫(yī)學(xué)的任何判斷和結(jié)論都必須人的直接參與，沒有任何一種單純的物理信號或數(shù)字信息可以完整描述人。醫(yī)學(xué)的描述性特點也使醫(yī)學(xué)的意義更依賴于給患者的醫(yī)療記錄，沒有一種記錄能像醫(yī)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(yī)療記錄的繁雜也托負著眾望，日益艱巨起來。后來隨著電子文本記錄法的出現(xiàn)，推進了工作方式乃至觀察方式發(fā)生改變。上世紀(jì)70年代開發(fā)的醫(yī)學(xué)信息系統(tǒng)RMIS，它使用了一種就醫(yī)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，再由專人輸入電腦；其左上方是診斷列表，列出醫(yī)生診斷的疾病名；左下方是結(jié)構(gòu)化數(shù)據(jù)列表，記錄重要生理參數(shù)和檢驗參數(shù)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(jié)構(gòu)輸入法的優(yōu)點，不但能用直接模型處理類似試驗設(shè)備所產(chǎn)生的簡單數(shù)據(jù)，而且能用間接模型處理有專業(yè)依賴性的復(fù)雜數(shù)據(jù)。SDE的結(jié)構(gòu)化數(shù)據(jù)來源于詞典，它的知識編輯器可以起到規(guī)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步，在中國，有中國特色的文本模板編輯法或半結(jié)構(gòu)化的摘字換句法，都展現(xiàn)了醫(yī)療記錄向醫(yī)學(xué)人工智能的規(guī)范化方向合流的趨勢。將電子病歷系統(tǒng)嵌套在醫(yī)學(xué)知識決策系統(tǒng)之中；再將知識決策系統(tǒng)嵌套在整體的智能化數(shù)字醫(yī)院體系之中，醫(yī)療決策和醫(yī)療記錄熔為一爐，既完成對患者的醫(yī)療全過程本身，又完成醫(yī)療過程在醫(yī)院中充當(dāng)?shù)慕巧＞唧w的思路是：醫(yī)生應(yīng)用基于知識庫的智能化診療平臺為患者看病，醫(yī)生看病的軌跡被自動記錄下來，成為電子病歷。形成電子病歷的技術(shù)過程非常簡單，電子病歷的內(nèi)容有賴于知識庫；人工智能的看病模型非常簡單，即計算機＋知識庫，把智能化的技術(shù)難點轉(zhuǎn)嫁給知識表達。4人工智能在醫(yī)療領(lǐng)域的應(yīng)用前景醫(yī)學(xué)人工智能是人工智能發(fā)展出來的一大分支，它將為醫(yī)學(xué)診療問題提供解決方案，研究最多成果最顯著的是醫(yī)學(xué)專家系統(tǒng)。醫(yī)學(xué)專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)人工智能技術(shù)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復(fù)雜問題。專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領(lǐng)域。在“專家系統(tǒng)”的研究中已呈現(xiàn)出成功和有效應(yīng)用人工智能技術(shù)的趨勢，并出現(xiàn)了不少優(yōu)秀的成果。1972年deDomabl研發(fā)了“急性腹痛鑒別診斷系統(tǒng)”，1976年Shortliffe完成“傳染性疾病鑒別診斷系統(tǒng)MYCIN”，該系統(tǒng)可以對血液傳染病的診斷治療方案提供咨詢意見，專業(yè)鑒定結(jié)果表明，它對細菌血液病、腦膜炎方面的診斷和提供治療方案的水平已超過了這方面的專家。中國中醫(yī)界相似的研究從80年代起也開展得如火如荼，大約有140個以經(jīng)驗為主的中醫(yī)專家系統(tǒng)相繼研發(fā)。醫(yī)學(xué)專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測、診斷、提供治療方案等。高性能的醫(yī)學(xué)專家系統(tǒng)也已經(jīng)從學(xué)術(shù)研究開始進入臨床應(yīng)用研究。隨著人工智能整體水平的提高，醫(yī)學(xué)專家系統(tǒng)也將獲得發(fā)展，正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等，其在醫(yī)學(xué)領(lǐng)域的應(yīng)用將更有利于臨床疾病診斷與治療水平的提高。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，未來的醫(yī)學(xué)專家系統(tǒng)發(fā)展趨勢可能會具備以下幾個特點。⑴醫(yī)學(xué)專家系統(tǒng)應(yīng)以解決一些特殊的問題為目的。這些特殊的問題在計算機視覺和人工智能方面沒有被研究過。人類對可視圖案的認(rèn)識不同于常規(guī)的推理，并且代表明確的領(lǐng)域知識常常在視覺認(rèn)識過程中下意識地忽略了被用到的那些因素。⑵醫(yī)學(xué)專家系統(tǒng)的模型可能會是以多種智能技術(shù)為基礎(chǔ)，以并行處理方式、自學(xué)能力、記憶功能、預(yù)測事件發(fā)展能力為目的。目前發(fā)展起來的遺傳算法、模糊算法、粗糙集理論等非線性數(shù)學(xué)方法，有可能會跟人工神經(jīng)網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)綜合起來構(gòu)造成新的醫(yī)學(xué)專家系統(tǒng)模型。這些技術(shù)必將會推動醫(yī)學(xué)專家系統(tǒng)一場新的革命，因為人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有強大的自適應(yīng)、自處理、自學(xué)習(xí)、記憶功能等，如Yuji等人基于螺旋ＣＴ圖像的冠狀動脈鈣化點的診斷系統(tǒng)，就是神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)專家系統(tǒng)中應(yīng)用的一個很好例子。5結(jié)論人工智能是一門通過計算過程力圖理解和模仿智能行為的學(xué)科?？蓪崿F(xiàn)判斷、推理、證明、識別、感知、理解、通信、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動的自動化（Bellman,1978）。半個世紀(jì)以來，人工智能的飛速發(fā)展令人瞠目。醫(yī)學(xué)人工智能，以計算機為工具，最終目標(biāo)直指疾病。實現(xiàn)目標(biāo)的邊界條件是：不改變醫(yī)學(xué)的學(xué)術(shù)現(xiàn)狀，不企圖取代醫(yī)生。主要方法是：抽象醫(yī)學(xué)思維，并將其模型化，以利計算機實現(xiàn)。中間目標(biāo)是：搭建知識平臺，運用智能方法，輔助醫(yī)務(wù)人員擴大視界，更好地發(fā)揮聰明才智。盡管已取得重大進展，但無論是實際問題還是研究方法都仍然需要系統(tǒng)深入的研究。

參考文獻[1]陳真誠，等．人工智能技術(shù)及其在醫(yī)學(xué)診斷中的應(yīng)用及發(fā)展[J]．生物醫(yī)學(xué)工程雜志，2002，19（03）：505－509.[2]蔡自興，徐光祐。人工智能及其應(yīng)用，第三版，清華大學(xué)出版社，2004.2.[3]邵虹．小型微型計算機系統(tǒng)［M］，2003，3：24（3）

[4]SATIOK.MedicaldiagnosticexpertsystembasedonPDPmodel[M].Proc.IEEEIntl.Conf.OnNeuralNetwork,SanDiego,1998.[5]焦李成.神經(jīng)網(wǎng)絡(luò)計算［M］.西安：西安電子科技大學(xué)出版社，1993[6]曾照芳,安琳.人工智能技術(shù)在臨床醫(yī)療診斷中的應(yīng)用及發(fā)展[J].