人工智能中的医学专家系统

汪政宇

摘 要：近几十年来，人工智能技术高速发展，并逐渐渗透到各个领域中，医疗行业也从其中获益匪浅。医学上的人工智能应用不仅给患者、医生带去了便利和效率，同时也给了社会学家、哲学家带来了思考，因为很多问题随之而来。该文概括介绍了人工智能系统，着重讨论了医学专家系统，肯定了人工智能的优点，同时也提出了其中存在的理论和现实问题。

关键词：人工智能 专家系统 医学专家系统

中图分类号：TP18 文献标识码：A 文章编号：1672-3791（2019）01（b）-0-02

人工智能（Artificial Intelligence，简称AI）是一门综合性交叉学科，逐渐地在计算机科学、信息论、神经科学、哲学、逻辑学等多种学科研究的基础上发展起来。人工智能自1956年诞生以来，随着计算机网路的普及，已经在医学的各个领域广泛应用。它不仅可以集中专家知识，辅助医生做出决策；还可以在极大程度上提高医学数据测定和分析过程的效率，从而减轻医务工作者的工作强度，一定程度上避免人为失误；让医生在医疗实践中，得到有效的辅助参考信息，从而提高诊疗效率。

该文着重介绍了人工智能在医学上的应用，及其所面临的困难。

1 人工智能概述及在医学领域发展过程

人工智能是关于人造的智能的研究和应用，智能则包括知觉、推理、交流和在复杂环境中的适应性。目前人们对于什么是智能莫衷一是，但智能的努力方向就是让机器像人一样。

人工智能大致可分为强人工智能、弱人工智能和超级人工智能。弱人工智能可以近似地看作是帮助人类在某些力所不能及或者提高效率的方面完成任务的工具，相当于人体功能在一定程度上的“延伸”。它本身并没有类似于人类的意识。强人工智能则是利用计算机模拟人类思维方式和过程。强人工智能认为，有可能制造出真正能够推理和解决问题的机器，并且这样的机器是被认为有知觉和自我意识的。超级智能则是比强人工智能更加高级，被认为很可能超越人类。但就目前来说，科学家主要的研究方向还是在弱人工智能上，并取得了丰富的理论和应用上的成果。

在医学领域中，大量地应用了弱人工智能。从1974年运用计算机处理化学生物数据开始，到1985年第一届欧洲医学人工智能会议，再到1989年医学人工智能杂志创立。如今在医学影像领域、专家诊断领域等都取得了很大的成果。越来越多的专家学者投入到其中，更深更广地开发医学人工智能，并将成果应用到实际操作中去。

2 医学专家系统

医学专家系统（Medical Expert System）是人工智能技术在医疗诊断领域中的一个极富代表性和非常重要的应用。它是运用专家系统的设计原理與方法，吸收了大量的某一医学领域的信息和经验，模拟医学专家诊断疾病时的思维活动如推理、分类，得出与人类专家相似的判断。医学专家系统可以提供可靠的、可供参考的医学诊断辅助。在医学专家面对疑难杂症或者难以进行准确诊断并提供治疗方案的情况下，医学专家系统可以给出意见，供医学专家参考。

最早应用于医疗诊断的专家系统是MYCIN，1976年由美国斯坦福大学的Shortlifie等人研制，用于诊断和治疗细菌感染疾病的咨询系统。接下来类似的医学诊断系统不断扩大着诊断范围，提高着诊断精确度，例如，1991年美国哈佛医学院Barnett等开发的DEXPAIN，包含有2200种疾病和8000种症状。

专家系统具有高度的针对性、透明性及灵活性。它为医院解决了人员不够，工作强度大带来的误诊、漏诊等非技术问题。在一定程度上，为疾病诊疗提供最优方案，减少医患冲突。比如，MYCIN可以对血液传染病的诊断治疗方案提供咨询意见，实践结果表明，它对细菌血液病、脑膜炎方面的诊断和提供治疗方案的水平已经超过了此方面专家。

3 医学专家系统的实际问题

在现代医疗资源紧张，分配不均的情况下，如果人工智能可以代替医生哪怕是部分的工作，对于所有人来说，无异于一件好事。但是人工智能在医学领域的发展还是遇到了不小的问题。

首先，遇到是疾病本体论的问题。疾病与症状并不是一一对应的稳定关系，即症状并不是疾病的充要条件。不能用一个确定的表达式来揭示二者之间的关系。由此带来的问题就是，医学专家系统在医学不确定性的基础上，又发展了自身的不确定性。一方面，给医生提供着诊断参考便利；另一方面，也是对医生诊断技术的一种考验。消极的观点会认为专家系统只能够给医生提供有限的参考。

其次，数据问题。大数据的实质是挖掘式查询，在医学领域它要满足的条件是：同一名称的疾病，其转归具有一致的相似性。在这个基础上，只要搜索和比照病例数据就可以获得直接证据。但是这个前提是一个伪命题，因为生命的不可逆性和不可重复性，表明它是一个非线性动态过程，任何关于生命状态的判断都是一个复杂的命题，无法在一个生命之外找到直接证据。如果对此我们达成一致，那么我们在医学中只能引入相似性参考机制，而不使用直接证据的说法。医疗判断，永远不是生命本身。这并不是一个悲观的看法，而是给我们带来了发展医学的多种可能性。

再次，关于“AI是否会取代医生”的问题。亚里士多德在《伦理学》中写道：“我们必须学习如何实践，但我们是通过实践来学习的。”医学专家所拥有的技能主要是通过多年的实习和临床经验以及对患者的长期关注而获得的，医疗技能很大程度上是由实践产生的。在工作了多年之后，这些技能已经高度集成到一起而且基本上下意识完成。让技术熟练的专家回忆步骤是一个难题，如何表述则是另一个难题，如何解决思维与实践的偏差是又一个，同时也是最大的难题。

最后，在医学人工智能系统的研发上，技术难题需要数学家、计算机学家和医学家等合作攻克，同时也需要相关政策的支持。单靠某一方面的力量，很难将一个庞大复杂的人工智能系统投入使用。即使程序设计完成，培训相关人员进行操作也是一个值得考虑的问题。

4 结语

秉持着“以人為本”的观念，开发和推广医学人工智能系统的最终目的是为了造福我们人类自身。在这样的复杂环境里，我们不仅要专门发展医学人工智能技术，还要借鉴其他行业的优秀成果。同时，也要关注医学伦理问题，警惕“以技术为本”的观念伤害患者与医生的关系。

参考文献

[1] 尼克·波斯特洛姆，著.超级智能：路线图、危险性与应对策略[M].张体伟，张玉青，译.北京：中信出版社，2015.

[2] George F.Luger，著.人工智能：复杂问题求解的结构和策略[M].郭茂祖，刘扬，译.北京：机械工业出版社，2010.

[3] 李科威.大系统人工智能的医学路线[J].湖南中医药大学学报，2016，8（8）：80-81.

[4] 俞瑞钊，史济建.人工智能原理与技术[M].杭州：浙江大学出版社，1994：12.

[5] 石纯一，黄昌宁，王家廒.人工智能原理[M].北京：清华大学出版社，1995：2.

[6] 王万良.人工智能及其应用[M].北京：高等教育出版社，2004：10.

[7] 杨琴，陈家荣.人工智能在医学领域中的应用[J].科技风，2012（6）：100-101.

[8] 苗芳芳，刘骏峰.论人工智能的发展及其在医学领域的应用前景[J].卫生软科学，2009，4（2）：222-224.

[9] 王奕，李传富.人工智能方法在医学图像处理中的研究新进展[J].中国医学物理学杂志，2013，5（3）：4138-4143.

[10] 张晓晓，庞婷.浅谈人工智能特点及在医学中应用的几个阶段[J].福建电脑，2017（3）：106，161.

[11] 李科威.疾病模型与中西医诊断原理[J].湖南中医药大学学报，2013，33（1）：49-52.

[12] 张远望.人工智能与应用[J].中国科技纵横，2015（20）：22.

[13] 孔祥溢，王任直.人工智能及在医疗领域的应用[J].医学信息学杂志，2016，37（11）：1-5.

[14] 陈自富.强人工智能和超级智能：技术合理性及批判[J].科学与管理，2016，36（5）：25-33.

[15] 卢培佩，胡建安.计算机专家系统在疾病诊疗中应用和发展[J].实用预防医学，2011，18（6）：1167-1171.

[16] 陈真诚.人工智能技术及其在医学诊断中的应用及发展[J].生物医学工程杂志，2002，19（3）：505-509.

[17] 陆晴友，吴岳嵩.人工智能专家系统及其在骨科领域中的应用[J].中国矫形外科杂志，2005（1）：20.

[18] 沈天乐，杜向慧.人工智能在恶性肿瘤放疗领域中的应用与前景[J].浙江医学，2018（4）：30.

[19] 李爽.基于知识库的语言翻译系统研究[J].微计算机应用，2011（6）：15.

[20] 周路菡.医学人工智能开始加速产业化[J].新经济导刊，2017（7）：5.

[21] 陈旭管.姜进章：人工智能在传媒组织的应用[J].中国传媒科技，2017（12）：15.

[22] 李洪峥，高嘉良，王阶.人工智能——引领中医学新发展的有效工具[J].世界科学技术-中医药现代化，2018（7）：20.

[23] 易兴东，黄磊，莫玮娟.人工智能时代职业教育的应对策略[J].现代信息科技，2018（8）：16.