馮 伍,張俊蘭
(1.延安大學(xué)附屬醫(yī)院 網(wǎng)絡(luò)中心,陜西 延安 716000;2.延安大學(xué) 計算機(jī)學(xué)院,陜西 延安 716000)
人工智能在醫(yī)學(xué)上的應(yīng)用
馮 伍1,張俊蘭2
(1.延安大學(xué)附屬醫(yī)院 網(wǎng)絡(luò)中心,陜西 延安 716000;2.延安大學(xué) 計算機(jī)學(xué)院,陜西 延安 716000)
介紹人工智能在醫(yī)學(xué)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)影像診斷等中的應(yīng)用,并分析人工智能技術(shù)的發(fā)展現(xiàn)狀,對其在醫(yī)學(xué)中的發(fā)展作以展望。
人工智能(AI);神經(jīng)網(wǎng)絡(luò);專家系統(tǒng);醫(yī)療診斷
人工智能 AI(Artificial Intelligence)[1]是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿學(xué)科,它廣泛應(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。
人工智能在臨床醫(yī)療診斷中常用于醫(yī)療專家系統(tǒng)[2],主要是運(yùn)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、治療疾病的思維過程編制的計算機(jī)程序,它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題,作為醫(yī)生診斷的輔助工具,繼承和發(fā)揚(yáng)醫(yī)學(xué)專家的寶貴理論及豐富的臨床經(jīng)驗。
人工智能技術(shù)在醫(yī)學(xué)診斷中的應(yīng)用開始遇到以下難題:知識獲取難;推理速度慢;自學(xué)習(xí)和自適應(yīng)能力差。而以研究人腦連接機(jī)制為特點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)ANN(Aitificial Neural Network)能夠解決知識獲取途徑中出現(xiàn)的“瓶頸”現(xiàn)象、知識“組合爆炸”問題,并提高知識的推理能力和自組織、自學(xué)習(xí)能力等,從而加速神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)專家系統(tǒng)中的應(yīng)用和發(fā)展。
ANN屬于人工智能領(lǐng)域,有別于其他人工智能方法,它是AI的一個分支,傳統(tǒng)的AI是通過邏輯符號模擬人腦邏輯思維來實現(xiàn)其智能的,而ANN是通過學(xué)習(xí)或訓(xùn)練來實現(xiàn)其智能的。ANN具有學(xué)習(xí)的能力,使用者無需設(shè)計復(fù)雜的程序來解決問題,只須提供數(shù)據(jù)。目前,醫(yī)學(xué)對絕大多數(shù)疾病的病因尚不明確,而各種疾病的表現(xiàn)也千變?nèi)f化,在醫(yī)學(xué)實踐中,對疾病的判斷和相應(yīng)的治療往往以經(jīng)驗為基礎(chǔ),因此,ANN所具有的學(xué)習(xí)、記憶和歸納功能使其在醫(yī)學(xué)領(lǐng)域具有良好的應(yīng)用前景。
1.2.1 人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)學(xué)中的應(yīng)用
中醫(yī)學(xué)中的“辨證論治”中的“證”[3]具有模糊性、不確定性的特點(diǎn),主觀性較強(qiáng),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(jìn)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(dá)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(jìn)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。
1.2.2 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[4],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(jìn)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。
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(diǎn)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(jī)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(diǎn)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(jī)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[5]。
盡管人工智能在醫(yī)學(xué)上已經(jīng)有很多應(yīng)用,但情感是智能的一部分,因此人工智能領(lǐng)域的下一個突破不僅在于賦予計算機(jī)更多的邏輯推理能力,而且還要賦予它情感能力。21世紀(jì)生物醫(yī)學(xué)已逐漸由細(xì)胞、分子向系統(tǒng)和整體發(fā)展,基因組學(xué)、蛋白組學(xué)、代謝物組學(xué)等理論的提出使新的診斷技術(shù)層出不窮,對疾病的診斷指標(biāo)動輒數(shù)十乃至上百,具有記憶、學(xué)習(xí)和分析功能的人工神經(jīng)網(wǎng)絡(luò)將成為醫(yī)學(xué)研究和臨床醫(yī)療過程中最具有發(fā)展前途的人工智能工具[6]。
[1]張仰森.人工智能原理與應(yīng)用[M].北京:高等教育出版社,2004.
[2]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].現(xiàn)代醫(yī)學(xué)儀器與應(yīng)用,2007,19(5):22-23.
[3]陳偉青.淺論人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)學(xué)上的應(yīng)用[J].河南中醫(yī)學(xué)院學(xué)報,2004(4):12-13.
[4]段 芳,徐 亮,黃 新.人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)中的應(yīng)用[J].九江醫(yī)學(xué),2008,23(2):90-91.
[5]陳真誠,蔣 勇,胥明玉,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)工程學(xué)雜志,2002,19(3):505-509.
[6]胡國華,袁樹杰.人工智能研究現(xiàn)狀與展望[J].淮南師范學(xué)院學(xué)報,2006(3):23-24.
Application of artificial intelligence in medicine
FENG Wu1,ZHANG Jun-lan2
(1.Network Center,Yan′an University AffiliatedHospital,Yan′an716000,China;
2.Department of Computer Science,Yan′an University,Yan′an716000,China)
This paper introduces the application of artificial intelligence in clinical diagnosis,neural network technology,chinese medical,expert system and medical imaging diagnosis in medicine,and analyzes the status of artificial intelligence,then makes the prospect to the development of artificial intelligence in medicine.
artificial intelligence(AI);neural network;expert system;medical diagnosis
TP18
A
1674-6236(2010)01-0019-02
2009-06-15 稿件編號:200906052
馮 伍(1972—),女,陜西榆林人,碩士,助理工程師。研究方向:計算機(jī)網(wǎng)絡(luò)。