人工智能中的醫學專家系統

汪政宇

摘 要：近幾十年來，人工智能技術高速發展，并逐漸滲透到各個領域中，醫療行業也從其中獲益匪淺。醫學上的人工智能應用不僅給患者、醫生帶去了便利和效率，同時也給了社會學家、哲學家帶來了思考，因為很多問題隨之而來。該文概括介紹了人工智能系統，著重討論了醫學專家系統，肯定了人工智能的優點，同時也提出了其中存在的理論和現實問題。

關鍵詞：人工智能 專家系統 醫學專家系統

中圖分類號：TP18 文獻標識碼：A 文章編號：1672-3791（2019）01（b）-0-02

人工智能（Artificial Intelligence，簡稱AI）是一門綜合性交叉學科，逐漸地在計算機科學、信息論、神經科學、哲學、邏輯學等多種學科研究的基礎上發展起來。人工智能自1956年誕生以來，隨著計算機網路的普及，已經在醫學的各個領域廣泛應用。它不僅可以集中專家知識，輔助醫生做出決策；還可以在極大程度上提高醫學數據測定和分析過程的效率，從而減輕醫務工作者的工作強度，一定程度上避免人為失誤；讓醫生在醫療實踐中，得到有效的輔助參考信息，從而提高診療效率。

該文著重介紹了人工智能在醫學上的應用，及其所面臨的困難。

1 人工智能概述及在醫學領域發展過程

人工智能是關于人造的智能的研究和應用，智能則包括知覺、推理、交流和在復雜環境中的適應性。目前人們對于什么是智能莫衷一是，但智能的努力方向就是讓機器像人一樣。

人工智能大致可分為強人工智能、弱人工智能和超級人工智能。弱人工智能可以近似地看作是幫助人類在某些力所不能及或者提高效率的方面完成任務的工具，相當于人體功能在一定程度上的“延伸”。它本身并沒有類似于人類的意識。強人工智能則是利用計算機模擬人類思維方式和過程。強人工智能認為，有可能制造出真正能夠推理和解決問題的機器，并且這樣的機器是被認為有知覺和自我意識的。超級智能則是比強人工智能更加高級，被認為很可能超越人類。但就目前來說，科學家主要的研究方向還是在弱人工智能上，并取得了豐富的理論和應用上的成果。

在醫學領域中，大量地應用了弱人工智能。從1974年運用計算機處理化學生物數據開始，到1985年第一屆歐洲醫學人工智能會議，再到1989年醫學人工智能雜志創立。如今在醫學影像領域、專家診斷領域等都取得了很大的成果。越來越多的專家學者投入到其中，更深更廣地開發醫學人工智能，并將成果應用到實際操作中去。

2 醫學專家系統

醫學專家系統（Medical Expert System）是人工智能技術在醫療診斷領域中的一個極富代表性和非常重要的應用。它是運用專家系統的設計原理與方法，吸收了大量的某一醫學領域的信息和經驗，模擬醫學專家診斷疾病時的思維活動如推理、分類，得出與人類專家相似的判斷。醫學專家系統可以提供可靠的、可供參考的醫學診斷輔助。在醫學專家面對疑難雜癥或者難以進行準確診斷并提供治療方案的情況下，醫學專家系統可以給出意見，供醫學專家參考。

最早應用于醫療診斷的專家系統是MYCIN，1976年由美國斯坦福大學的Shortlifie等人研制，用于診斷和治療細菌感染疾病的咨詢系統。接下來類似的醫學診斷系統不斷擴大著診斷范圍，提高著診斷精確度，例如，1991年美國哈佛醫學院Barnett等開發的DEXPAIN，包含有2200種疾病和8000種癥狀。

專家系統具有高度的針對性、透明性及靈活性。它為醫院解決了人員不夠，工作強度大帶來的誤診、漏診等非技術問題。在一定程度上，為疾病診療提供最優方案，減少醫患沖突。比如，MYCIN可以對血液傳染病的診斷治療方案提供咨詢意見，實踐結果表明，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經超過了此方面專家。

3 醫學專家系統的實際問題

在現代醫療資源緊張，分配不均的情況下，如果人工智能可以代替醫生哪怕是部分的工作，對于所有人來說，無異于一件好事。但是人工智能在醫學領域的發展還是遇到了不小的問題。

首先，遇到是疾病本體論的問題。疾病與癥狀并不是一一對應的穩定關系，即癥狀并不是疾病的充要條件。不能用一個確定的表達式來揭示二者之間的關系。由此帶來的問題就是，醫學專家系統在醫學不確定性的基礎上，又發展了自身的不確定性。一方面，給醫生提供著診斷參考便利；另一方面，也是對醫生診斷技術的一種考驗。消極的觀點會認為專家系統只能夠給醫生提供有限的參考。

其次，數據問題。大數據的實質是挖掘式查詢，在醫學領域它要滿足的條件是：同一名稱的疾病，其轉歸具有一致的相似性。在這個基礎上，只要搜索和比照病例數據就可以獲得直接證據。但是這個前提是一個偽命題，因為生命的不可逆性和不可重復性，表明它是一個非線性動態過程，任何關于生命狀態的判斷都是一個復雜的命題，無法在一個生命之外找到直接證據。如果對此我們達成一致，那么我們在醫學中只能引入相似性參考機制，而不使用直接證據的說法。醫療判斷，永遠不是生命本身。這并不是一個悲觀的看法，而是給我們帶來了發展醫學的多種可能性。

再次，關于“AI是否會取代醫生”的問題。亞里士多德在《倫理學》中寫道：“我們必須學習如何實踐，但我們是通過實踐來學習的。”醫學專家所擁有的技能主要是通過多年的實習和臨床經驗以及對患者的長期關注而獲得的，醫療技能很大程度上是由實踐產生的。在工作了多年之后，這些技能已經高度集成到一起而且基本上下意識完成。讓技術熟練的專家回憶步驟是一個難題，如何表述則是另一個難題，如何解決思維與實踐的偏差是又一個，同時也是最大的難題。

最后，在醫學人工智能系統的研發上，技術難題需要數學家、計算機學家和醫學家等合作攻克，同時也需要相關政策的支持。單靠某一方面的力量，很難將一個龐大復雜的人工智能系統投入使用。即使程序設計完成，培訓相關人員進行操作也是一個值得考慮的問題。

4 結語

秉持著“以人為本”的觀念，開發和推廣醫學人工智能系統的最終目的是為了造福我們人類自身。在這樣的復雜環境里，我們不僅要專門發展醫學人工智能技術，還要借鑒其他行業的優秀成果。同時，也要關注醫學倫理問題，警惕“以技術為本”的觀念傷害患者與醫生的關系。

參考文獻

[1] 尼克·波斯特洛姆，著.超級智能：路線圖、危險性與應對策略[M].張體偉，張玉青，譯.北京：中信出版社，2015.

[2] George F.Luger，著.人工智能：復雜問題求解的結構和策略[M].郭茂祖，劉揚，譯.北京：機械工業出版社，2010.

[3] 李科威.大系統人工智能的醫學路線[J].湖南中醫藥大學學報，2016，8（8）：80-81.

[4] 俞瑞釗，史濟建.人工智能原理與技術[M].杭州：浙江大學出版社，1994：12.

[5] 石純一，黃昌寧，王家廒.人工智能原理[M].北京：清華大學出版社，1995：2.

[6] 王萬良.人工智能及其應用[M].北京：高等教育出版社，2004：10.

[7] 楊琴，陳家榮.人工智能在醫學領域中的應用[J].科技風，2012（6）：100-101.

[8] 苗芳芳，劉駿峰.論人工智能的發展及其在醫學領域的應用前景[J].衛生軟科學，2009，4（2）：222-224.

[9] 王奕，李傳富.人工智能方法在醫學圖像處理中的研究新進展[J].中國醫學物理學雜志，2013，5（3）：4138-4143.

[10] 張曉曉，龐婷.淺談人工智能特點及在醫學中應用的幾個階段[J].福建電腦，2017（3）：106，161.

[11] 李科威.疾病模型與中西醫診斷原理[J].湖南中醫藥大學學報，2013，33（1）：49-52.

[12] 張遠望.人工智能與應用[J].中國科技縱橫，2015（20）：22.

[13] 孔祥溢，王任直.人工智能及在醫療領域的應用[J].醫學信息學雜志，2016，37（11）：1-5.

[14] 陳自富.強人工智能和超級智能：技術合理性及批判[J].科學與管理，2016，36（5）：25-33.

[15] 盧培佩，胡建安.計算機專家系統在疾病診療中應用和發展[J].實用預防醫學，2011，18（6）：1167-1171.

[16] 陳真誠.人工智能技術及其在醫學診斷中的應用及發展[J].生物醫學工程雜志，2002，19（3）：505-509.

[17] 陸晴友，吳岳嵩.人工智能專家系統及其在骨科領域中的應用[J].中國矯形外科雜志，2005（1）：20.

[18] 沈天樂，杜向慧.人工智能在惡性腫瘤放療領域中的應用與前景[J].浙江醫學，2018（4）：30.

[19] 李爽.基于知識庫的語言翻譯系統研究[J].微計算機應用，2011（6）：15.

[20] 周路菡.醫學人工智能開始加速產業化[J].新經濟導刊，2017（7）：5.

[21] 陳旭管.姜進章：人工智能在傳媒組織的應用[J].中國傳媒科技，2017（12）：15.

[22] 李洪崢，高嘉良，王階.人工智能——引領中醫學新發展的有效工具[J].世界科學技術-中醫藥現代化，2018（7）：20.

[23] 易興東，黃磊，莫瑋娟.人工智能時代職業教育的應對策略[J].現代信息科技，2018（8）：16.