汪政宇

摘 要：近幾十年來，人工智能技術(shù)高速發(fā)展，并逐漸滲透到各個(gè)領(lǐng)域中，醫(yī)療行業(yè)也從其中獲益匪淺。醫(yī)學(xué)上的人工智能應(yīng)用不僅給患者、醫(yī)生帶去了便利和效率，同時(shí)也給了社會(huì)學(xué)家、哲學(xué)家?guī)砹怂伎?，因?yàn)楹芏鄦栴}隨之而來。該文概括介紹了人工智能系統(tǒng)，著重討論了醫(yī)學(xué)專家系統(tǒng)，肯定了人工智能的優(yōu)點(diǎn)，同時(shí)也提出了其中存在的理論和現(xiàn)實(shí)問題。

關(guān)鍵詞：人工智能 專家系統(tǒng) 醫(yī)學(xué)專家系統(tǒng)

中圖分類號：TP18 文獻(xiàn)標(biāo)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(xué)科，逐漸地在計(jì)算機(jī)科學(xué)、信息論、神經(jīng)科學(xué)、哲學(xué)、邏輯學(xué)等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來。人工智能自1956年誕生以來，隨著計(jì)算機(jī)網(wǎng)路的普及，已經(jīng)在醫(yī)學(xué)的各個(gè)領(lǐng)域廣泛應(yīng)用。它不僅可以集中專家知識，輔助醫(yī)生做出決策；還可以在極大程度上提高醫(yī)學(xué)數(shù)據(jù)測定和分析過程的效率，從而減輕醫(yī)務(wù)工作者的工作強(qiáng)度，一定程度上避免人為失誤；讓醫(yī)生在醫(yī)療實(shí)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(yī)學(xué)上的應(yīng)用，及其所面臨的困難。

1 人工智能概述及在醫(yī)學(xué)領(lǐng)域發(fā)展過程

人工智能是關(guān)于人造的智能的研究和應(yīng)用，智能則包括知覺、推理、交流和在復(fù)雜環(huán)境中的適應(yīng)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(jī)器像人一樣。

人工智能大致可分為強(qiáng)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(wù)的工具，相當(dāng)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(qiáng)人工智能則是利用計(jì)算機(jī)模擬人類思維方式和過程。強(qiáng)人工智能認(rèn)為，有可能制造出真正能夠推理和解決問題的機(jī)器，并且這樣的機(jī)器是被認(rèn)為有知覺和自我意識的。超級智能則是比強(qiáng)人工智能更加高級，被認(rèn)為很可能超越人類。但就目前來說，科學(xué)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(yīng)用上的成果。

在醫(yī)學(xué)領(lǐng)域中，大量地應(yīng)用了弱人工智能。從1974年運(yùn)用計(jì)算機(jī)處理化學(xué)生物數(shù)據(jù)開始，到1985年第一屆歐洲醫(yī)學(xué)人工智能會(huì)議，再到1989年醫(yī)學(xué)人工智能雜志創(chuàng)立。如今在醫(yī)學(xué)影像領(lǐng)域、專家診斷領(lǐng)域等都取得了很大的成果。越來越多的專家學(xué)者投入到其中，更深更廣地開發(fā)醫(yī)學(xué)人工智能，并將成果應(yīng)用到實(shí)際操作中去。

2 醫(yī)學(xué)專家系統(tǒng)

醫(yī)學(xué)專家系統(tǒng)（Medical Expert System）是人工智能技術(shù)在醫(yī)療診斷領(lǐng)域中的一個(gè)極富代表性和非常重要的應(yīng)用。它是運(yùn)用專家系統(tǒng)的設(shè)計(jì)原理與方法，吸收了大量的某一醫(yī)學(xué)領(lǐng)域的信息和經(jīng)驗(yàn)，模擬醫(yī)學(xué)專家診斷疾病時(shí)的思維活動(dòng)如推理、分類，得出與人類專家相似的判斷。醫(yī)學(xué)專家系統(tǒng)可以提供可靠的、可供參考的醫(yī)學(xué)診斷輔助。在醫(yī)學(xué)專家面對疑難雜癥或者難以進(jìn)行準(zhǔn)確診斷并提供治療方案的情況下，醫(yī)學(xué)專家系統(tǒng)可以給出意見，供醫(yī)學(xué)專家參考。

最早應(yīng)用于醫(yī)療診斷的專家系統(tǒng)是MYCIN，1976年由美國斯坦福大學(xué)的Shortlifie等人研制，用于診斷和治療細(xì)菌感染疾病的咨詢系統(tǒng)。接下來類似的醫(yī)學(xué)診斷系統(tǒng)不斷擴(kuò)大著診斷范圍，提高著診斷精確度，例如，1991年美國哈佛醫(yī)學(xué)院Barnett等開發(fā)的DEXPAIN，包含有2200種疾病和8000種癥狀。

專家系統(tǒng)具有高度的針對性、透明性及靈活性。它為醫(yī)院解決了人員不夠，工作強(qiáng)度大帶來的誤診、漏診等非技術(shù)問題。在一定程度上，為疾病診療提供最優(yōu)方案，減少醫(yī)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(shí)踐結(jié)果表明，它對細(xì)菌血液病、腦膜炎方面的診斷和提供治療方案的水平已經(jīng)超過了此方面專家。

3 醫(yī)學(xué)專家系統(tǒng)的實(shí)際問題

在現(xiàn)代醫(yī)療資源緊張，分配不均的情況下，如果人工智能可以代替醫(yī)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(yī)學(xué)領(lǐng)域的發(fā)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(yīng)的穩(wěn)定關(guān)系，即癥狀并不是疾病的充要條件。不能用一個(gè)確定的表達(dá)式來揭示二者之間的關(guān)系。由此帶來的問題就是，醫(yī)學(xué)專家系統(tǒng)在醫(yī)學(xué)不確定性的基礎(chǔ)上，又發(fā)展了自身的不確定性。一方面，給醫(yī)生提供著診斷參考便利；另一方面，也是對醫(yī)生診斷技術(shù)的一種考驗(yàn)。消極的觀點(diǎn)會(huì)認(rèn)為專家系統(tǒng)只能夠給醫(yī)生提供有限的參考。

其次，數(shù)據(jù)問題。大數(shù)據(jù)的實(shí)質(zhì)是挖掘式查詢，在醫(yī)學(xué)領(lǐng)域它要滿足的條件是：同一名稱的疾病，其轉(zhuǎn)歸具有一致的相似性。在這個(gè)基礎(chǔ)上，只要搜索和比照病例數(shù)據(jù)就可以獲得直接證據(jù)。但是這個(gè)前提是一個(gè)偽命題，因?yàn)樯牟豢赡嫘院筒豢芍貜?fù)性，表明它是一個(gè)非線性動(dòng)態(tài)過程，任何關(guān)于生命狀態(tài)的判斷都是一個(gè)復(fù)雜的命題，無法在一個(gè)生命之外找到直接證據(jù)。如果對此我們達(dá)成一致，那么我們在醫(yī)學(xué)中只能引入相似性參考機(jī)制，而不使用直接證據(jù)的說法。醫(yī)療判斷，永遠(yuǎn)不是生命本身。這并不是一個(gè)悲觀的看法，而是給我們帶來了發(fā)展醫(yī)學(xué)的多種可能性。

再次，關(guān)于“AI是否會(huì)取代醫(yī)生”的問題。亞里士多德在《倫理學(xué)》中寫道：“我們必須學(xué)習(xí)如何實(shí)踐，但我們是通過實(shí)踐來學(xué)習(xí)的。”醫(yī)學(xué)專家所擁有的技能主要是通過多年的實(shí)習(xí)和臨床經(jīng)驗(yàn)以及對患者的長期關(guān)注而獲得的，醫(yī)療技能很大程度上是由實(shí)踐產(chǎn)生的。在工作了多年之后，這些技能已經(jīng)高度集成到一起而且基本上下意識完成。讓技術(shù)熟練的專家回憶步驟是一個(gè)難題，如何表述則是另一個(gè)難題，如何解決思維與實(shí)踐的偏差是又一個(gè)，同時(shí)也是最大的難題。

最后，在醫(yī)學(xué)人工智能系統(tǒng)的研發(fā)上，技術(shù)難題需要數(shù)學(xué)家、計(jì)算機(jī)學(xué)家和醫(yī)學(xué)家等合作攻克，同時(shí)也需要相關(guān)政策的支持。單靠某一方面的力量，很難將一個(gè)龐大復(fù)雜的人工智能系統(tǒng)投入使用。即使程序設(shè)計(jì)完成，培訓(xùn)相關(guān)人員進(jìn)行操作也是一個(gè)值得考慮的問題。

4 結(jié)語

秉持著“以人為本”的觀念，開發(fā)和推廣醫(yī)學(xué)人工智能系統(tǒng)的最終目的是為了造福我們?nèi)祟愖陨?。在這樣的復(fù)雜環(huán)境里，我們不僅要專門發(fā)展醫(yī)學(xué)人工智能技術(shù)，還要借鑒其他行業(yè)的優(yōu)秀成果。同時(shí)，也要關(guān)注醫(yī)學(xué)倫理問題，警惕“以技術(shù)為本”的觀念傷害患者與醫(yī)生的關(guān)系。

參考文獻(xiàn)

[1] 尼克·波斯特洛姆，著.超級智能：路線圖、危險(xiǎn)性與應(yīng)對策略[M].張?bào)w偉，張玉青，譯.北京：中信出版社，2015.

[2] George F.Luger，著.人工智能：復(fù)雜問題求解的結(jié)構(gòu)和策略[M].郭茂祖，劉揚(yáng)，譯.北京：機(jī)械工業(yè)出版社，2010.

[3] 李科威.大系統(tǒng)人工智能的醫(yī)學(xué)路線[J].湖南中醫(yī)藥大學(xué)學(xué)報(bào)，2016，8（8）：80-81.

[4] 俞瑞釗，史濟(jì)建.人工智能原理與技術(shù)[M].杭州：浙江大學(xué)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(xué)出版社，1995：2.

[6] 王萬良.人工智能及其應(yīng)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(yī)學(xué)領(lǐng)域中的應(yīng)用[J].科技風(fēng)，2012（6）：100-101.

[8] 苗芳芳，劉駿峰.論人工智能的發(fā)展及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用前景[J].衛(wèi)生軟科學(xué)，2009，4（2）：222-224.

[9] 王奕，李傳富.人工智能方法在醫(yī)學(xué)圖像處理中的研究新進(jìn)展[J].中國醫(yī)學(xué)物理學(xué)雜志，2013，5（3）：4138-4143.

[10] 張曉曉，龐婷.淺談人工智能特點(diǎn)及在醫(yī)學(xué)中應(yīng)用的幾個(gè)階段[J].福建電腦，2017（3）：106，161.

[11] 李科威.疾病模型與中西醫(yī)診斷原理[J].湖南中醫(yī)藥大學(xué)學(xué)報(bào)，2013，33（1）：49-52.

[12] 張遠(yuǎn)望.人工智能與應(yīng)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(yī)療領(lǐng)域的應(yīng)用[J].醫(yī)學(xué)信息學(xué)雜志，2016，37（11）：1-5.

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

[15] 盧培佩，胡建安.計(jì)算機(jī)專家系統(tǒng)在疾病診療中應(yīng)用和發(fā)展[J].實(shí)用預(yù)防醫(yī)學(xué)，2011，18（6）：1167-1171.

[16] 陳真誠.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（3）：505-509.

[17] 陸晴友，吳岳嵩.人工智能專家系統(tǒng)及其在骨科領(lǐng)域中的應(yīng)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(lǐng)域中的應(yīng)用與前景[J].浙江醫(yī)學(xué)，2018（4）：30.

[19] 李爽.基于知識庫的語言翻譯系統(tǒng)研究[J].微計(jì)算機(jī)應(yīng)用，2011（6）：15.

[20] 周路菡.醫(yī)學(xué)人工智能開始加速產(chǎn)業(yè)化[J].新經(jīng)濟(jì)導(dǎo)刊，2017（7）：5.

[21] 陳旭管.姜進(jìn)章：人工智能在傳媒組織的應(yīng)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(lǐng)中醫(yī)學(xué)新發(fā)展的有效工具[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2018（7）：20.

[23] 易興東，黃磊，莫瑋娟.人工智能時(shí)代職業(yè)教育的應(yīng)對策略[J].現(xiàn)代信息科技，2018（8）：16.