20年前,，IBM的計(jì)算機(jī)“深藍(lán)”打敗了國際象棋世界冠軍卡斯帕羅夫,，當(dāng)時(shí)引起很多討論,、關(guān)注和遐想,。人們也開始向被視為“智力巔峰”的圍棋發(fā)起挑戰(zhàn),，但因計(jì)算機(jī)所遇到的一個(gè)個(gè)壁壘,，一直無法取得突破性進(jìn)展[1]。2016年3月9日至3月15日,，在短短的一周時(shí)間里,，谷歌公司的人工智能 AlphaGo智能機(jī)器人與世界圍棋頂級(jí)棋手李世石激戰(zhàn)五場(chǎng),，并以大比分4:1取勝,，震撼整個(gè)科技界,。人工智能（Artificial Intelligence,，AI）和人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network, ANN）成為討論的重點(diǎn)。人工智能的歷史可以追溯到上世紀(jì)五十年代，它是在計(jì)算機(jī)科學(xué),、控制論、信息論,、神經(jīng)心理學(xué)、哲學(xué),、語言學(xué)等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來的,，集新思想、新觀念,、新理論,、新技術(shù)于一體的綜合性交叉前沿學(xué)科，在包括機(jī)器人,、語言識(shí)別、軍事,、刑偵等在內(nèi)的各個(gè)領(lǐng)域被廣泛應(yīng)用[2],。美國高級(jí)情報(bào)研究計(jì)劃署(DARPA)在哈佛大學(xué)召集了三個(gè)團(tuán)隊(duì)，提供了共2800萬美元的資金,試圖找出人腦比目前人工系統(tǒng)更善于學(xué)習(xí)的原因,，以此研究出更先進(jìn)的人工智能,。哈佛大學(xué)約翰·保爾森博士認(rèn)為當(dāng)我們計(jì)算出大腦學(xué)習(xí)的基本原理，我們最終就能夠設(shè)計(jì)出可以匹配人類,，甚至是超越人類的人工智能系統(tǒng)。隨著科學(xué)技術(shù)的發(fā)展,，人工智能技術(shù)的三大主要分支——專家系統(tǒng),、人工神經(jīng)網(wǎng)絡(luò),、數(shù)據(jù)深度挖掘,，在醫(yī)療領(lǐng)域所起到的作用越來越大,，其地位也越來越重要，引起了人們極大的關(guān)注[3],。

一、人工智能概述

1956年夏天,，在美國Dartmouth召開的一次學(xué)術(shù)會(huì)議上,，McCarthy第一次提出“人工智能”的概念并將其視作一門新興學(xué)科[2],。此后,，人工智能的概念完善,，但至今尚未取得一致,。美國Stamford大學(xué)人工智能研究中心的Nilson等學(xué)者對(duì) “人工智能” 的定義是“通過模擬人類的方式,，記錄,、積累、再現(xiàn)和運(yùn)用知識(shí)的學(xué)科”,。日本公立函館未來大學(xué)校長中島秀之對(duì)人工智能的定義是“采用人工方法制作并擁有智能的機(jī)器或程序,，或是以創(chuàng)造智能為目的并對(duì)智能本身開展評(píng)估、研究的學(xué)科”,。世界頂級(jí)人工智能專家,、日本人工智能學(xué)會(huì)倫理委員長松尾豐教授在2015年12月出版的《人工智能狂潮》一書中認(rèn)為,，人工智能是“用人工方法制作的類人智能”,，類人智能指具有“發(fā)現(xiàn)和覺察功能”的計(jì)算機(jī)，即能夠從數(shù)據(jù)中生成特征量,，并對(duì)相關(guān)現(xiàn)象進(jìn)行模擬化處理的計(jì)算機(jī)。這些概念均反映了科學(xué)界關(guān)于人工智能的基本認(rèn)識(shí)和理解,。半個(gè)多世紀(jì)來,，人工智能的發(fā)展突飛猛進(jìn),、成績斐然,，與原子能科技,、空間科技一并被贊為 20 世紀(jì)三大科學(xué)技術(shù)突破,，甚至還有人稱它為“智慧革命”——能夠?qū)е律鐣?huì)智能化,，即智能社會(huì)的出現(xiàn),。

二,、人工智能與專家系統(tǒng)在醫(yī)學(xué)領(lǐng)域的應(yīng)用前景

1. 醫(yī)學(xué)專家系統(tǒng)的發(fā)展歷程及應(yīng)用舉例

在第二次人工智能高潮時(shí)期，充分利用“知識(shí)”的“專家系統(tǒng)”被不斷開發(fā),、完善,、利用?！皩＜蚁到y(tǒng)”本身是一種程序,，通過引入某個(gè)專業(yè)領(lǐng)域的知識(shí),，再經(jīng)過推理,，便能像該領(lǐng)域?qū)＜乙粯映錾亻_展工作,。而醫(yī)學(xué)專家系統(tǒng)則是將醫(yī)學(xué)診斷知識(shí)大批量導(dǎo)入計(jì)算機(jī),，然后模擬醫(yī)學(xué)專家的臨床診療思路,，最終根據(jù)病情從知識(shí)庫中提取并綜合有價(jià)值診斷線索,，進(jìn)而給出治療方案[4],。其中一個(gè)很有名的醫(yī)學(xué)專家系統(tǒng)是20世紀(jì)70年代初由美國Stamford大學(xué)開發(fā)的MYCIN系統(tǒng),。其功能是對(duì)感染性疾病患者進(jìn)行診斷,，并開出抗生素處方,。在其內(nèi)部共有500條規(guī)則,，只需按順序依次回答其提問,，系統(tǒng)就能自動(dòng)判斷出病人所感染細(xì)菌的類別,，并為其開出相應(yīng)處方,。經(jīng)測(cè)試，MYCIN對(duì)菌血癥,、敗血癥、肺部感染,、顱腦感染等方面的診療水平已超過了該領(lǐng)域的專家,。近來,，美國Memorial Sloan-Kettering癌癥中心正在與IBM合作,，引入“沃森”技術(shù),，開發(fā)醫(yī)療研究應(yīng)用程序，幫助醫(yī)生為 病情特殊的患者選擇最佳的治療方案,。該癌癥中心研究人員和IBM的工程師一起,，向沃森傳輸大量與病情,、治療方案和治療結(jié)果有關(guān)的數(shù)據(jù)，運(yùn)用沃森分析這些數(shù)據(jù),，找出隱藏的模式和相關(guān)性,。研究人員希望沃森能幫助醫(yī)生識(shí)別有效的診療方案,，對(duì)其進(jìn)行臨床試驗(yàn)然后公布試驗(yàn)結(jié)果,，并將這種新的治療方案介紹給全世界的醫(yī)生,。

我國醫(yī)學(xué)專家系統(tǒng)的開發(fā)研究始于20世紀(jì)80年代初,，起步較發(fā)達(dá)國家晚,，但是發(fā)展速度迅猛,。1978年北京中醫(yī)醫(yī)院關(guān)幼波教授與計(jì)算機(jī)科學(xué)領(lǐng)域的專家合作開發(fā)了“關(guān)幼波肝病診療程序”,，第一次將醫(yī)學(xué)專家系統(tǒng)應(yīng)用到我國傳統(tǒng)中醫(yī)領(lǐng)域。1986年，我國骨科學(xué)專家林如高教授的學(xué)生林子順協(xié)助福建中醫(yī)學(xué)院與省計(jì)算中心,，將林如高醫(yī)學(xué)思想輸入計(jì)算機(jī),，開發(fā)出居國內(nèi)先進(jìn)水平的“林如高骨傷計(jì)算機(jī)診療系統(tǒng)”,。1992年，中國中醫(yī)研究院和中國科學(xué)院軟件所共同研制出“中國中醫(yī)治療專家系統(tǒng)”,。1997年,，上海中西醫(yī)結(jié)合醫(yī)院與頤養(yǎng)圣計(jì)算機(jī)公司聯(lián)合開發(fā)了具有咨詢和輔助診斷性質(zhì)“中醫(yī)計(jì)算機(jī)輔助診療系統(tǒng)”,，現(xiàn)已整合到很多醫(yī)院的His系統(tǒng)中。進(jìn)入21世紀(jì)后,，各類醫(yī)學(xué)專家系統(tǒng)層出不窮,，如骨腫瘤輔助診斷專家系統(tǒng),、胃癌專斷專家系統(tǒng),、口腔牙周病診斷專家系統(tǒng)、心血管藥物治療專家系統(tǒng),、基于螺旋CT圖像的冠狀動(dòng)脈鈣化點(diǎn)的診斷系統(tǒng)等,。

2. 醫(yī)學(xué)專家系統(tǒng)的工作機(jī)制

一般認(rèn)為,，傳統(tǒng)的專家系統(tǒng)=知識(shí)庫+推理機(jī)，故專家系統(tǒng)也被稱為以知識(shí)和信息為基礎(chǔ)的系統(tǒng),。知識(shí)庫里存的專家知識(shí)具有固定的形式化語言表達(dá)和數(shù)據(jù)結(jié)構(gòu)組織樣式,，主要包括三種：①最常見的是直覺知識(shí)（經(jīng)驗(yàn)知識(shí)），常表現(xiàn)為一些生成規(guī)則,，即當(dāng)規(guī)則所需的條件滿足時(shí)，系統(tǒng)就執(zhí)行某種動(dòng)作或得出某種結(jié)論（早期MYCIN版本即如此）,；②當(dāng)直覺知識(shí)的使用難于解決復(fù)雜問題時(shí),，常借助于支持知識(shí)——可指導(dǎo)醫(yī)療實(shí)踐的醫(yī)學(xué)理論,，常用因果模型表示,；③策略知識(shí),，能在幾條規(guī)則同時(shí)適用時(shí),，通過運(yùn)行推理機(jī)程序,，決定何種規(guī)則優(yōu)先使用。推理機(jī)有兩種推理策略：①前向推理,，又叫面向數(shù)據(jù)的推理，即根據(jù)掌握的事實(shí),，應(yīng)用其條件得到滿足的規(guī)則以得到新事實(shí)，然后再應(yīng)用這些新事實(shí)的相關(guān)適用規(guī)則,，直至得出恰當(dāng)?shù)慕Y(jié)論,；②后向推理，又叫面向假設(shè)的推理,，即首先提出假設(shè)結(jié)論，尋找那些其結(jié)論與假設(shè)相吻合的規(guī)則,，這些規(guī)則所需的條件又成為新假設(shè),，如此循環(huán)，直至所有必須的假設(shè)均能直接從用戶得到,，從而確證或否定某些最初假設(shè),。在復(fù)雜的臨床實(shí)踐中,，很多事實(shí)與結(jié)論之間并無絕對(duì)確定的關(guān)系，這時(shí)往往需借助統(tǒng)計(jì)推理或模糊推理,，即系統(tǒng)的推理不是確定性的，而是對(duì)每一結(jié)論提出其可信度,，而優(yōu)先考慮可信度較大的結(jié)論。對(duì)于特別復(fù)雜,、困難的問題，系統(tǒng)也可提供幾個(gè)可能的結(jié)論及其可信度,，供醫(yī)務(wù)人員參考,。這在具體臨床事例中意義重大,，如在新版本MYCIN 系統(tǒng)中就包含這種機(jī)制,。

三、人工智能與人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)領(lǐng)域的應(yīng)用前景

1. 人工神經(jīng)網(wǎng)絡(luò)興起背景和概述

在第二次人工智能高潮中,，只要往計(jì)算機(jī)里輸入足夠多的知識(shí)，它就能相應(yīng)地完成很多任務(wù),，但是其能力也僅限于所輸入知識(shí)的范圍；如果想擴(kuò)充計(jì)算機(jī)的實(shí)用性及其應(yīng)對(duì)例外病例的能力,，則需輸入海量知識(shí),，永遠(yuǎn)輸不完。另外,，從根本上講,，輸入的符號(hào)與其所表示的意義往往脫節(jié)，對(duì)計(jì)算機(jī)而言,，掌握“語義”非常困難,。然而，在這種閉塞的條件下,，有一項(xiàng)技術(shù)得到了穩(wěn)步發(fā)展——機(jī)器學(xué)習(xí),，即人工智能程序自身進(jìn)行學(xué)習(xí)。機(jī)器學(xué)習(xí)常用的原理包括最近鄰分類算法,、樸素貝葉斯算法,、決策樹,、支持向量機(jī)等。而其中最為著名的當(dāng)屬人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network, ANN）,。ANN是在第三次人工智能高潮中興起的一門集腦科學(xué),、信息科學(xué)、計(jì)算機(jī)學(xué)于一體的高度綜合的前沿,、交叉學(xué)科,是一種通過模仿人類腦神經(jīng)回路將生物神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu),、功能等方面的理論高度抽象、概括,、綜合而構(gòu)成的信息處理系統(tǒng),，是當(dāng)代人工智能領(lǐng)域的重要分支。

2. 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)

同傳統(tǒng)的符號(hào)處理方法相比,，ANN尤其獨(dú)有的優(yōu)勢(shì)：①分布式存儲(chǔ)信息,，ANN呈現(xiàn)、處理信息的途徑是通過各個(gè)神經(jīng)元之間的鏈接及其權(quán)重,，不會(huì)因局域網(wǎng)的故障而受到較大影響,，穩(wěn)定性非常強(qiáng)；②自適應(yīng)性,，即整個(gè)ANN可根據(jù)當(dāng)時(shí)的環(huán)境狀態(tài),、信息特點(diǎn)自行調(diào)整，包括學(xué)習(xí),、自組織、泛化及訓(xùn)練,。ANN通過學(xué)習(xí)不斷建立與外界變化相吻合的新模式,，通過自組織同時(shí)對(duì)多個(gè)神經(jīng)元進(jìn)行系統(tǒng)、高效,、最優(yōu)化地連接和分配,。泛化是指ANN通過不斷訓(xùn)練可以對(duì)全新的信息輸入做出最合理的反應(yīng)；③并行性,，ANN各個(gè)神經(jīng)元在處理信息時(shí)既相互配合,、形成網(wǎng)絡(luò)合力，又保持自身獨(dú)立性并將輸出結(jié)果與其他神經(jīng)元分享,、串聯(lián),；④聯(lián)想記憶功能，即能夠完成復(fù)雜的非線性映射,，是目前較為理想的非線性估計(jì)器,，并且能夠自適應(yīng)學(xué)習(xí)，使網(wǎng)絡(luò)表現(xiàn)出抽象思維能力,，并完成聯(lián)想推理,。

3. 人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)領(lǐng)域的應(yīng)用舉例

由于很好地克服了知識(shí)輸入“有限性”的問題,，而且具備學(xué)習(xí)、自組織,、泛化及訓(xùn)練的能力,ANN在醫(yī)學(xué)專家系統(tǒng)領(lǐng)域飛速發(fā)展[3,5],。在醫(yī)學(xué)圖片、視頻,、音頻等的智能識(shí)別領(lǐng)域,日本MITSUBISHI機(jī)電公司LSI制造中心推出的“人工網(wǎng)膜”,可精確,、高效、飛速地處理海量非結(jié)構(gòu)化醫(yī)療數(shù)據(jù),；對(duì)于醫(yī)學(xué)診斷,由沙特阿拉伯國王大學(xué)Saito教授,、Nakano教授等人開發(fā)的基于PDP模型的醫(yī)學(xué)診斷專家系統(tǒng),通過不斷的學(xué)習(xí)、自組織,、泛化及訓(xùn)練,診斷準(zhǔn)確率遠(yuǎn)超過傳統(tǒng)醫(yī)學(xué)專家系統(tǒng),，且不亞于相關(guān)領(lǐng)域最博學(xué)的專家;Steven等學(xué)者開發(fā)的DP神經(jīng)網(wǎng)絡(luò)肌電脈沖甄別程序,診斷準(zhǔn)確率亦遠(yuǎn)遠(yuǎn)超過傳統(tǒng)機(jī)器識(shí)別方法;在中醫(yī)領(lǐng)域，ANN中醫(yī)診療系統(tǒng)可在一定程度上智能“辨證”,，經(jīng)綜合分析后提出合理的中醫(yī)診斷,。最近，IBM研究團(tuán)隊(duì)基于ANN機(jī)器學(xué)習(xí)原理,，設(shè)計(jì)了一套名為“沃森通路（WatsonPaths）”的用戶界面,。“沃森通路”是一套幫助沃森學(xué)習(xí)醫(yī)生如何診療的人機(jī)互動(dòng)程序,。在“沃森通路”的輔助下,，醫(yī)學(xué)工作人員可檢查沃森舉出的病癥和推論是否合理，然后將更多的信息和見解輸入沃森系統(tǒng),。同時(shí),，Memorial Sloan-Kettering癌癥中心、WellPoint公司及IBM合作開發(fā)了基于沃森技術(shù)的交互式腫瘤診治技術(shù),。該技術(shù)通過持續(xù)基于ANN技術(shù)的深度學(xué)習(xí),，幫助腫瘤醫(yī)生獲得患者最新治療信息。數(shù)據(jù)庫信息包羅萬象,，包括病歷資料,、大型圖書館醫(yī)學(xué)文獻(xiàn)、臨床指南,、頂級(jí)醫(yī)生行醫(yī)札記和藥物試用報(bào)告等,。目前，共有60萬頁的醫(yī)學(xué)報(bào)道,、42種醫(yī)學(xué)期刊,、近200萬頁醫(yī)學(xué)論文和臨床試驗(yàn)報(bào)告，以及上萬本病歷被導(dǎo)入沃森系統(tǒng),。醫(yī)生通過這些海量數(shù)據(jù)訓(xùn)練內(nèi)置ANN程序的沃森,，讓其給出最佳診治建議,。

四、人工智能在醫(yī)療領(lǐng)域的未來發(fā)展建議

人工智能技術(shù)在近年來的飛速發(fā)展使得醫(yī)學(xué)專家系統(tǒng),、人工神經(jīng)網(wǎng)絡(luò)等在醫(yī)學(xué)領(lǐng)域的開發(fā)與應(yīng)用成為現(xiàn)實(shí),，并且取得了很大的突破。然而,，目前在國內(nèi),，醫(yī)學(xué)人工智能的發(fā)展態(tài)勢(shì)和應(yīng)用規(guī)模較西方發(fā)達(dá)國家仍然存在較大的差距，技術(shù)水平普遍不高,，多數(shù)屬于低級(jí)別開發(fā),，在性能方面還有很大的提升空間，還需要與臨床實(shí)踐作更為緊密的結(jié)合,。人工智能是計(jì)算機(jī)科學(xué)領(lǐng)域的前沿,，其在醫(yī)學(xué)領(lǐng)域的不斷發(fā)展和應(yīng)用需要計(jì)算機(jī)軟件、硬件方面的專家,，醫(yī)學(xué)專家,，數(shù)學(xué)家等的共同努力，需要跨領(lǐng)域,、多學(xué)科通力協(xié)作,。一方面，應(yīng)用更為成熟的算法使專家系統(tǒng)幫助醫(yī)生更準(zhǔn)確科學(xué)地識(shí)別有效診療方案,；另一方面,，應(yīng)繼續(xù)加強(qiáng)ANN的研究，使其具備更強(qiáng)的學(xué)習(xí),、自組織,、泛化及訓(xùn)練的能力。

（文章由中國醫(yī)學(xué)科學(xué)院-北京協(xié)和醫(yī)院神經(jīng)外科孔祥溢醫(yī)師撰寫,，王任直主任審校）

參考文獻(xiàn)

[1] Ensmenger N. Is chess the drosophila of artificial intelligence? A social history of an algorithm[J]. Soc Stud Sci,2012,42(1):5-30.

[2] Lawrence D R, Palacios-Gonzalez C, Harris J. Artificial Intelligence[J]. Camb Q Healthc Ethics,2016,25(2):250-261.

[3] de Grey A D. Artificial intelligence and medical research: time to aim higher?[J]. Rejuvenation Res,2016.

[4] Das S, Roy C S, Saha H. Accuracy enhancement in a fuzzy expert decision making system through appropriate determination of membership functions and its application in a medical diagnostic decision making system[J]. J Med Syst,2012,36(3):1607-1620.

[5] Furiasse N, Thomas J D. Automated Algorithmic Software in Echocardiography: Artificial Intelligence?[J]. J Am Coll Cardiol,2015,66(13):1467-1469.

[6] Jagarlapudi S A, Kishan K V. Database systems for knowledge-based discovery[J]. Methods Mol Biol,2009,575:159-172.

[7] Hua J, Hao Y, Jin P, et al. [Challenges to evidence-based medicine in an era of artificial intelligence][J]. Zhonghua Wei Zhong Bing Ji Jiu Yi Xue,2015,27(9):709-711.