醫(yī)學(xué)診斷專家系統(tǒng)的介紹與人工智能技術(shù)在醫(yī)學(xué)診斷中的應(yīng)用及發(fā)展

　　醫(yī)學(xué)診斷專家系統(tǒng)第一個人工智能的醫(yī)學(xué)專家系統(tǒng)出現(xiàn)在 20 世紀(jì) 50 年代的后期， 當(dāng)時為了模擬病人的病癥和疾病之間的關(guān)系， 主要的醫(yī)學(xué)領(lǐng)域知識被融合到專家系統(tǒng)中。系統(tǒng)通過啟發(fā)式推理對所獲得的數(shù)據(jù)（ 數(shù)據(jù)常常是一些噪聲并且是不完整的） 應(yīng)用先驗知識進(jìn)行推理。就各種專家系統(tǒng)的設(shè)計要求提出了以下幾個主要問題： （ 1） 怎樣找出一個合適的觀察數(shù)據(jù)的表示法; （ 2） 怎樣定義一個合適的領(lǐng)域知識的表示法; （ 3） 怎樣能獲得有效表示診斷假設(shè)的測量; （ 4） 怎樣處理觀察數(shù)據(jù)的不精確性和不確定性。早期的專家系統(tǒng)為了完成啟發(fā)式推理分類采用了連續(xù)數(shù)據(jù)驅(qū)動的方法， 在推理過程中知識以“if ……then”的句法形式進(jìn)行封裝， 例如， M YCIN 系統(tǒng)中， 推理規(guī)則是一種簡單、模塊化的工具， 但是它們的形式是有限的， 并且許多規(guī)則需要處理真實生命的問題。另一種傳統(tǒng)的人工智能框架方法同樣被應(yīng)用到這個領(lǐng)域， 因為它們是描述知識比較好的代表者（ 在醫(yī)學(xué)診斷中一個重要的觀點） ， 但是這些暴露出了對生產(chǎn)規(guī)則的相似性限制， 數(shù)據(jù)推理和目標(biāo)推理的一些比較復(fù)雜的推理方法， 到后來才得到了發(fā)展。例如： 黑板系統(tǒng)［ 1］ 是通過假設(shè)和測試迭代過程工作的， 這些不同的知識代表和控制方法的形式在理論上可能被認(rèn)為是同等的， 它們提供了一種強(qiáng)弱交替規(guī)則的解決方案。由于醫(yī)學(xué)診斷潛在的復(fù)雜性顯示出了 20 世紀(jì) 60 年代和 70 年代常規(guī)問題的解決發(fā)展?fàn)顩r受到了限制， 直到最近幾年才得到了發(fā)展， 并且發(fā)展趨勢重點在有限的特殊領(lǐng)域的問題的解決。醫(yī)學(xué)專家系統(tǒng)的研究揭示了 3 個特殊的問題。 （ 1） 知識工程被證明是一項瑣細(xì)的任務(wù)。知識工程這個術(shù)語是指在一個專家系統(tǒng)中所代表的某一領(lǐng)域?qū)＜抑R被清楚表達(dá)的過程。問題常常在尋求一種數(shù)學(xué)表達(dá)方式之前就發(fā)生了， 因為專家們常常難以精確鑒別他們所使用的邏輯方法， 或者解釋清楚他們自己所依賴的假設(shè)。醫(yī)生們也發(fā)現(xiàn)他（ 她） 們自己難以分析他（ 她） 們的智能診斷過程， 這個過程是專業(yè)訓(xùn)練和臨床經(jīng)驗的產(chǎn)物。加之， 醫(yī)生們與計算機(jī)科學(xué)家們的文化差異也同樣增加了雙方之間的交流障礙。File 和 Dugarg ［ 2］給出了不同種類甲狀腺病變的診斷專家系統(tǒng)的詳細(xì)例子， 說明了領(lǐng)域知識沒有一種統(tǒng)一的描述格式。為了解決這個問題， 科學(xué)家們開發(fā)出了通用方法學(xué)。例如， 普通的 KADS ——一個對 KADS 技術(shù)的繼承者， 是由建立基于知識系統(tǒng)的結(jié)構(gòu)方法學(xué)的收集組成， 它產(chǎn)生一種以系統(tǒng)的和核查文獻(xiàn)的方式系統(tǒng) ［ 3］ 。但通過一種非常詳細(xì)的方法步驟時， 以知識工程工作平臺形式的自動支持系統(tǒng)可能是有用的［ 4］ 。在醫(yī)療系統(tǒng)的特殊病例中， PRO 的形式途徑為捕獲醫(yī)學(xué)知識和臨床過程提出了一個公式， 這個公式在理性上是由軟件工程師們?yōu)榱舜_保清晰、合理和非含糊的設(shè)計而使用的， 它由一種正式的描述語言和似乎是合理的醫(yī)學(xué)專業(yè)人員的知識代表語言所組成 ［ 5］