中醫專家系統技術綜述及新系統實現研究

摘要：對中醫專家系統二十多年來的發展進行了簡單的概括，總結了專家系統應用在中醫領域的技術特點。基于中醫診斷專家系統的發展現狀，分別從系統建模、知識獲取和知識庫構建等方面提出了新的思路和實現技術，例如認知模型的建立、領域本體的應用、自然語言理解、數據挖掘、知識網絡、多智體agent技術等，并設計了一種新型中醫專家系統，為中醫專家系統的發展提供了有價值的參考方向。

關鍵詞：專家系統； 中醫診斷； 領域本體； 多智體

中圖分類號：TP182文獻標志碼：A

文章編號：1001-3695(2007)12-0006-04

人工智能運用到醫學領域已經取得了鼓舞人心的進展，全國各地著名醫學專家診療系統的問世，對傳承和發揚祖國醫學作出了積極的貢獻。許多醫學專家系統對某些疾病的治療效果已經接近了專家的診療水平。然而，畢竟專家系統應用在醫學領域尤其是中醫領域仍有一定的困難。它的控制能力與專家相比還存在一定的局限性，在客觀化、定量化和標準化等方面也略顯不足。因此如何更有效地獲取、轉換、利用醫學知識和診斷經驗，是中醫診療系統和人工智能進一步發展的關鍵。

1中醫專家系統綜述

美國斯坦福大學的Shortliffe等人在1976年研制成功的用于鑒別細菌感染及治療的醫學專家系統MYCIN為專家系統在醫學界的發展奠定了理論基礎。在隨后的二三十年的發展歷程中，也相繼出現了眾多的醫學專家系統，包括中醫診斷專家系統。我國第一個中醫專家系統——關幼波診療肝病計算機程序自1979年問世以來對中醫診療計算機系統的發展也起到了舉足輕重的作用。在它的引領下，20世紀80年代相繼出現了鄒云翔中醫腎系統疾病計算機診療、教學、護理和咨詢系統，姚貞白婦科專家診療系統及醫學智能通用編輯系統MTGIES1，孫同郊乙型肝炎專家診療系統，中醫辯癥論治電腦系統數學模型及軟件設計等。不論從知識獲取、知識表示，還是推理機的設計，這些系統均應用了許多專家系統的相關技術。但是它們大多數仍屬于基于規則的專家系統，語言也是面向過程化的語言，有些系統大多知識庫和推理機融為一體，在龐大的中醫概念和知識體系下，已經顯得力不從心。這就需要更多適合于中醫診療專家系統技術的支持。

中醫診療專家系統在傳統的診斷專家系統和醫學專家系統的基礎上得到了進一步的發展，知識庫和推理機作為系統獨立的單元被分離開來，既有利于鄰域知識的獲取，對中醫思想的模擬也邁向了新的高度。其一般結構包括知識庫、綜合數據庫、知識獲取模塊、推理診斷模塊、解釋模塊和人機接口等。有些基于規則的系統還設置了可信度模塊。表1、2分別列出了近十幾年來專家系統在醫學領域和中醫領域的一些應用及技術特點。

醫學專家系統應用技術的不斷進步為中醫專家系統的發展提供了有力的技術支持。但中醫哲理深邃、思想獨到，中醫專家系統所考慮的最關鍵因素往往是系統能否更高效合理地模擬老中醫的思維過程。這也正是中醫診療系統構建的難點。由于人類所患的疾病具有多樣性、多變性和不確定性，應用傳統的專家系統技術和計算機技術，對復雜疾病的診斷往往不能得到令人滿意的結果，應用傳統的基于規則推理的技術顯然已不能勝任。這樣對中醫專家系統的改進提出了更高的要求。近年來不論從知識的獲取、表示，乃至推理機制等，更適合中醫診斷的專家系統方法技術應運而生。

隨著知識工程和計算機技術的不斷發展，也涌現出許多先進的對信息獲取、信息加工處理及多信息融合的技術，也出現了許多新型的中醫專家系統。從實現技術上一般有基于案例推理的系統、基于神經網絡的系統、基于模糊邏輯和神經網絡結合的系統以及基于關系數據庫的系統等。

1．1基于案例推理的中醫診斷系統

CBR(casebased reasoning，基于案例推理）克服了傳統知識處理系統及工具的一些缺陷，對知識獲取困難的問題得到了一定的緩解。它將問題求解與學習相融合，從認識思維的角度體現了人類的記憶、規劃、學習和求解。專家可以根據該病人的幾個重要特征進行回憶，尋找以前就診的與這幾個重要特征相似的病例，參考先前病人的診斷和治療方案對目前的病人進行診斷和治療。

在開發這類系統時，首先抽取出有代表性的診象建立范例庫，為每一個數據項確定它的相似度，即對每一個數據項進行量化，然后進行范例檢索。范例檢索是一個近似，它一般經過特征辨別、初步匹配和最佳選定三個步驟。經過搜索后，系統最后會選定一個或幾個與診斷病例相似的范例，作為專家診斷的參考。CBR克服了傳統知識處理系統及工具的一些缺陷，提高了就診的效率^[17]。

1．2基于神經網絡的中醫專家系統

基于神經網絡的中醫專家系統^[14]是將人工神經網絡與專家系統進行有效結合建立的醫療智能診斷系統。該類系統知識獲取的特點是面向現實世界學習。它是將大量的樣本(病例)通過特定的學習算法得到網絡各種神經元之間的連接權而獲得的。這種方式與人腦存儲知識十分相似，具有聯想、并行處理和容錯的功能，便于知識庫的組織和管理，可以將醫療智能診斷系統提高到一個新的水平。

1．3模糊邏輯和神經網絡結合的中醫專家系統

模糊邏輯是一種處理不確定性、非線性問題的有力工具，常常用來表達模糊或不定性的知識。其推理方式類似于人的思維方式，所以尤其適合于醫學應用。將模糊邏輯與神經網絡結合^[18]，能夠彌補神經網絡不適合表達基于規則知識的不足，又可以很好地對模糊性知識進行組織，提供更加有效的智能行為、學習能力、自適應特點、并行機制和高度靈活性，使其能夠更成功地處理各種不確定的、復雜的、不精確的和近似的控制問題。

1．4基于關系數據庫的中醫診斷系統

近幾年來，數據倉庫及相關技術的興起，使得數據庫技術的應用得到了長足發展。它與專家系統的結合越來越受到人們的重視，在知識庫的構建方面占有舉足輕重的地位。專家系統可以方便地通過數據庫對相關信息進行存儲、搜索、查詢及推理。它對知識庫的管理提供了幫助，節省了知識庫構建的時間，通過數據庫技術來組織有關知識，用數據庫的索引搜索技術取代專家系統中傳統的回溯遞歸的推理機制，提高了診斷效率^[19，20]。從系統架構方面來看，出現了并行與分布式專家系統和協同式專家系統。

這種專家系統應用了各種并行算法、并行推理執行技術，適合在多處理器的硬件系統環境下工作，具有分布式處理功能。另一個重要的特點就是，系統不但可以進行同步并行工作，而且可以進行異步并行處理。其主要目的在于把一個專家系統的功能經分解后分布到多個處理器上并行工作，也可以工作在松耦合的計算機網絡環境中。專家系統的分布處理特征要求專家系統做到功能合理、均衡分布以及知識和數據適當分布，提高了系統診斷效率和可靠性。

1．5協同式中醫專家系統^[21]

現實情況下，人們解決一個問題，往往涉及到多方面的知識。比如說，一個復雜病癥，通過單一的推理和方法，很難得到令人滿意的結果。協同式專家系統使多個專家或專家系統可以協同合作，他們之間可以相互通信，其子系統又可以相互協作工作，通過迭代可以求得某種更加合理穩定的狀態結果。

2新型中醫專家系統技術應用

有些專家系統還應用了實時操作技術、UML技術、組件技術和多媒體技術等。這無論從知識的獲取、知識的表示推理都有了新的進展。其目的都是為了能更進一步提高系統的診斷效率和診療效率。但縱觀中醫專家系統二十多年來的發展，雖然出現了許多新的技術，但仍未取得重大的突破。原因是這些系統對四診的客觀化研究、思維模型的建立尚處于局部及人工模擬階段。為此，本文提出了一些新的中醫專家系統設計思路，繼承了傳統中醫專家系統的優點，也為中醫專家系統構建提供了一定的參考。

2．1認知模型的建立

認知科學的引入對模擬老中醫的思維過程有著舉足輕重的作用，對中醫專家系統的構建不但起著基礎性的作用，而且有著指導性的作用。認知科學的精髓即認知心理學基本理論和信息處理擬人率原則。認知心理學是以信息加工觀點為核心的心理學^[22]。所謂信息加工觀點就是將人腦與計算機進行類比，將人腦看做類似于計算機的信息加工系統。認知心理學的研究范圍廣泛，包括感知覺、注意、表象、學習記憶、思維和言語等心理過程或認知過程。核心是揭示認知過程的內部心理機制，即信息如何存取、加工和使用。

以此精髓出發，在認知理論的指導下，建立老中醫思維模型（圖1），既形象地體現了中醫辨證理論，也對微觀認識及定量研究起著基礎作用。

2．2領域本體的應用

從本質上說，本體是概念化的形式化、顯式規范^[23]。概念化是通過識別世界中現象的相關概念而建立的關于現象的抽象模型。顯式是指概念的類型和應用的約束條件是顯式定義的。形式化是指機器可以理解、處理。共享是指所要表達的概念化是某個領域所固有的、被廣泛接受的。

領域本體(domain ontology)是用于描述指定領域知識的一種專門本體。它給出了領域實體概念及相互關系、領域活動以及該領域所具有的特性和規律的一種形式化描述。中醫領域概念繁多、關系復雜，因此把本體的構建引入到中醫領域是一項很有意義的應用，它不但為知識庫的構建打下了基礎，也為進一步的診斷推理提供了有力依據。

2．3自然語言理解相關技術應用

知識獲取是信息處理領域一個亟待解決的問題。通過知識獲取可以將專家的經驗進行整理和提取，為下一步的知識推理奠定基礎。這里將自然語言理解的相關技術與中醫領域知識庫相結合，得到語義網。通過文本預處理、知識庫構件文本和知識獲取幾個步驟獲得人們需要的知識。文本進行詞法分析后得到文本特征概念；將特征概念進行領域知識庫的映射得到人們需要的知識網絡；在知識網絡圖的基礎上進行知識的推理和知識的建構。

2．4智能agent技術應用

智能agent是目前人工智能領域的研究熱點之一。它具有主動性、智能性、交互性、協作性和移動性等特點。

智能 agent的具體實現形式有許多。其中BDI (beliefdesireintention)模式是最有影響的。它由信念、愿望、策略庫和意圖等幾個方面構成^[24]。其中：信念即agent對其所處環境的認識，這種認識可能是不全面甚至不正確的；愿望是agent希望達到的狀態，這通常是人交給agent的任務；策略庫是agent的知識庫，其中存儲了一些預先設計的策略，它們描述了為完成某些特定任務或在特定環境下應采取的動作步驟，使agent能方便地完成其意圖；意圖描述了agent為達到愿望而計劃采取的策略的有序集，意圖在agent的動作過程中可能會由于環境的改變而需要決定采取新的策略。解釋器負責對agent的控制。這通常包括:通過對外部世界的觀察更新信念；在新信念的基礎上產生新愿望、產生意圖以完成愿望等。

結合agent的這些優點和自身特點，把多智體（MAS）技術引用到中醫診斷專家系統是可行的。MAS比單個agent具有更多的知識、資源和信息。它強調系統內各agent之間的協調行動，可以解決單個agent無法解決的問題。中醫診斷是個復雜繁瑣的過程，agent正好可以發揮其并行性的特點，互相協調、共同發揮作用，得出最佳的診斷結果。

MAS一般分為系統管理agent、診斷agent和功能agent。系統管理agent進行診斷任務的第一步，是系統運行的基礎。它主要負責診斷系統中agent的任務分配、管理與協調，體現了系統診斷的思路與策略。功能agent則協調系統管理agent完成一系列任務，如用戶交互、癥狀獲取等。通信agent作為一種特殊功能的agent負責所有agent之間的協調和交互，并管理系統全局數據區。

3新型中醫專家系統建構

基于以上技術分析，本文提出了一種新型的專家系統設計方案。它以agent的思想和技術為核心，以中醫認知心理模型為基礎，是一種基于多智體agent體系結構的中醫診療系統。MAS的引入使構造一個復雜高效的中醫系統變得更加容易。

因此以中醫認知系統模型為基礎，應用MAS理論，分別建立知識獲取agent、知識庫管理agent、綜合數據庫管理agent、診斷推理agent、解釋agent和人機交互agent。系統結構圖如圖2所示。其中知識獲取agent內含知識編輯器，可以輸入、增加、刪除和修改領域知識，并應用了數據挖掘和中醫自然語言理解技術，不但可以對顯性知識進行屬性統計歸納、文本相似匹配，也可以對更深層的隱性知識進行協同挖掘和知識點關聯分析。

知識表示方面采用了多技術相融合的知識表示，通過知識管理agent進行組織管理。中醫領域本體的建立是本系統知識表示的亮點。中醫概念繁多，各個癥狀、癥型、方藥、方劑之間的關系錯綜復雜。基于中醫領域本體的知識表示，不但能夠把握領域知識的中醫特點，也為進一步的診斷推理提供了有力依據。

診斷推理機制方面以中醫認知心理學為基礎，建立適合中醫思維的推理結構，以啟發式、聯想類比推理機制為基礎，結合案例統計和模糊邏輯匹配的方法，盡可能地模擬中醫思維，提高診斷效率。解釋機制運用了案例回溯、路徑跟蹤、模式匹配、沖突消解等算法，并通過人機接口采用多媒體技術對用戶進行圖文并茂的解釋，提高了系統的直觀性，使得系統診斷更具說服力。另外知識庫管理agent還可以對所含知識進行語法、語義的檢查以及完整性、一致性和冗余性等檢查。綜合數據庫管理agent可以對用戶信息、診斷的中間結果及一些動態數據進行存儲、刪除、排序和整理。各agent具有獨立性，可以自行完成系統分配的任務，也可以協調通信進行同步工作。這不但提高了診斷效率，也為系統的擴充、維護奠定了基礎。

4結束語

中醫是中國的傳統醫學，把專家系統引入到中醫領域，對繼承和發揚祖國醫學有著重大意義。中醫思想博大精深，如何建造能夠充分反映中醫學的內在聯系，反映中醫臨床的思維，體現中醫專家學術思想和臨床經驗，有著更高診斷和治療效率的中醫專家系統，一直是人們不斷追求的目標。基于此，本文提供了一種新的中醫專家系統設計方案。隨著信息技術和計算機技術的不斷發展，會有越來越多新型的中醫專家系統出現在人們面前，它們將對祖國醫學的傳承作出巨大貢獻。

參考文獻：

[1]EVANS C D. A casebased assistant for diagnosis and analysis of dysmorphic syndromes[J].Med Inform，1995，20(2)：23-26.

[2]周仲寧.眼科疾病診斷專家系統的研究與實現[J].計算機工程與應用，1998，34(6):80-81.

[3]吳會彥，周國宏.糖尿病咨詢、診療系統[C]//中國生物醫學電子學學術年會論文集.南京:東南大學出版社，1999:244-245.

[4]ZHAI Ai mei， SUN Baiqing， FENG Yingjun，et al. A study on diagnosis of hypertension by intelligent medical diagnostic system[C]//Dynamics of Continuous Discrete and Impulsive Systems， Series B:Applications Algorithms. 2003:478-480.

[5]潘軍杰，張文清，周震.口腔電子病例及輔助診療系統[J].深圳中西醫結合雜志，2003，13(4):252-254.

[6]薛健輝.腦血管疾病專家診療系統的設計[J].江蘇醫學，2004，27(2):76-78.

[7]PRASAD R， RANJAN K R， SINHA A K. AMRAPALIKA:an expert system for the diagnosis of pests，diseases， and disorders in Indian mango[J].Knowledgebased System，2006，19(1):9-21.

[8]余國建，楊惠英.在袖珍機上開發中醫專家系統的方法與技術[J].大自然探索，1993，12(1):80-85.

[9]劉自偉.內科疾病中醫診療專家輔助系統[J].電腦學習，1994(2):13-16.

[10]楊連初，朱文峰.中醫診療標準軟件(TCMDSS)的研究及實現[J].湖南中醫藥導報，1999，5(5):44-45.

[11]裘愛國.三環療法治療慢性肝炎智能化診療系統[C]//中國醫藥發展大會論文集.北京：中國中醫藥報社，2001:399-401.

[12]朱詠華. WF文峰-中醫（輔助診療系統）[J].中國中醫藥信息雜志，2002，9(11):59-59.

[13]徐元景，牛欣.中醫輔助診療系統的研制[J].世界科學技術：中醫現代化，2003，5(3):25-27.

[14]葉進，邢傳鼎.基于人工神經網絡的病癥診斷原型系統[J].東華大學學報，2003，4(2):43-47.

[15]李江平，韋玉科.亞健康中醫診斷系統[J].計算機工程，2005，31(15):222-223.

[16]曹紅寶，王學民，徐英舜.舌脈客觀化互動式辨證診療系統[J].北京生物醫學工程，2005，24(4):261-263，295.

[17]李鋒剛，倪志偉，郜巒.案例推理技術在醫學診斷專家系統中的設計思路探討[J].中醫藥臨床雜志，2005，17(2):260-262.

[18]杜建鳳.模糊神經網絡在決策專家系統中的研究與應用[J].系統工程與電子技術，2002，24(2):45-47.

[19]李海鯤，胡存剛，宗仁鶴.基于數據庫的中醫專家診斷系統的研究[J].微機處理，2005，26(1):26-28.

[20]王小軍，周昌盛，呂漢興.一種基于關系數據庫

的知識表示和推理方法[J].控制工程，2005，12(1):41-44.

[21]高瑋玲，曹元大，王瀾.協同式中醫診斷專家系統的設計與實現[J].北京理工大學學報，1999，18(6):753-755.

[22]王埂，汪安圣.認知心理學[M].北京:北京大學出版社，2001:20-23.

[23]李景.本體理論在文獻檢索系統中的應用研究[M].北京:北京圖書館出版社，2005:10-11.

[24]史忠植.智能主體及其應用[M].北京:科學出版社，2001:5-6.

[25]晏峻峰.基于家庭醫生的分布式中醫臨床數據采集系統的設計思想[J].醫學信息，2004，17(2):70-72.

[26]WOOLDBRIGE M J.Agent-based software engineering[J].IEEE Trans on Software Engineering，1997，144(1):115-152.

[27]孔繁勝.知識庫系統原理[M].杭州:浙江大學出版社，2000:4-6.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”