人工智能在醫學上的應用

馮 伍，張俊蘭

（1.延安大學附屬醫院 網絡中心，陜西 延安 716000；2.延安大學 計算機學院，陜西 延安 716000）

人工智能在醫學上的應用

馮 伍1，張俊蘭2

（1.延安大學附屬醫院 網絡中心，陜西 延安 716000；2.延安大學 計算機學院，陜西 延安 716000）

介紹人工智能在醫學臨床醫療診斷、神經網絡技術、中醫學、專家系統以及醫學影像診斷等中的應用，并分析人工智能技術的發展現狀，對其在醫學中的發展作以展望。

人工智能（AI）；神經網絡；專家系統；醫療診斷

人工智能 AI（Artificial Intelligence）[1]是當前科學技術發展中的一門前沿學科,它廣泛應用于醫學領域。在臨床醫療診斷、神經網絡技術、中醫學、專家系統以及醫學影像診斷中均得到應用。隨著科學技術的發展，人工智能技術在醫療診斷中的應用將越來越廣泛，越來越重要。

1 人工智能在醫學上的應用

1.1 人工智能在臨床醫療診斷中的應用

人工智能在臨床醫療診斷中常用于醫療專家系統[2],主要是運用專家系統的設計原理與方法模擬醫學專家診斷、治療疾病的思維過程編制的計算機程序，它可以幫助醫生解決復雜的醫學問題，作為醫生診斷的輔助工具，繼承和發揚醫學專家的寶貴理論及豐富的臨床經驗。

1.2 人工智能在神經網絡中的應用

人工智能技術在醫學診斷中的應用開始遇到以下難題：知識獲取難；推理速度慢；自學習和自適應能力差。而以研究人腦連接機制為特點的人工神經網絡ANN（Aitificial Neural Network）能夠解決知識獲取途徑中出現的“瓶頸”現象、知識“組合爆炸”問題，并提高知識的推理能力和自組織、自學習能力等，從而加速神經網絡在醫學專家系統中的應用和發展。

ANN屬于人工智能領域，有別于其他人工智能方法，它是AI的一個分支，傳統的AI是通過邏輯符號模擬人腦邏輯思維來實現其智能的，而ANN是通過學習或訓練來實現其智能的。ANN具有學習的能力，使用者無需設計復雜的程序來解決問題，只須提供數據。目前，醫學對絕大多數疾病的病因尚不明確，而各種疾病的表現也千變萬化，在醫學實踐中，對疾病的判斷和相應的治療往往以經驗為基礎，因此，ANN所具有的學習、記憶和歸納功能使其在醫學領域具有良好的應用前景。

1.2.1 人工神經網絡在中醫學中的應用

中醫學中的“辨證論治”中的“證”[3]具有模糊性、不確定性的特點，主觀性較強，所以中醫的診斷和治療與醫師的經驗、水平有較大關系，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、經驗總結上。人工神經網絡的應用可以替代部分“辨證”過程，選擇適當的中醫癥狀作為基本輸入和適當的人工神經網絡模型，人工神經網絡能夠根據已有的學習“經驗”進行分析，綜合提出中醫診斷。

人工神經網絡由神經元結構模型、網絡連接模型、網絡學習算法等幾個要素組成，是具有某些智能功能的系統。從網絡結構劃分，人工神經網絡有許多不同的種類，如感知器、BP網絡、Hopfield網絡等，其中BP網絡是目前應用最為廣泛的神經網絡之一。BP網絡是一種前向網絡，通過網絡的結構與權值表達復雜的非線性I/O映射關系，同時BP網絡具有優良的自學習功能，可以通過誤差的反向傳播方法，對照已知樣本進行反復訓練，調整網絡的權值，直至網絡的I/O關系在某一訓練指標下最接近樣本。

1.2.2 基于人工神經網絡技術的專家系統

基于人工神經網絡技術的專家系統在建造知識庫時[4]，首先根據應用來選擇和確定神經網絡結構，再選擇學習算法，對與求解問題有關的樣本進行學習，以調整系統的連接權值，完成知識自動獲取和分布式的存儲，構建系統的知識庫。然而若輸入的信息不十分明確導致系統性能降低，這必然也會降低診斷的準確性。而基于神經系統結構和功能模擬基礎上的神經網絡，可以通過對實例的不斷學習，自動獲取知識，并將知識分布存儲于神經網絡中，通過學習不斷提高神經網絡中神經元之間連接權值的調整過程。系統將根據神經網絡當前所接收到的實例問題的相似性確定輸出。當環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。

1.3 人工智能技術在醫學影像診斷中的應用

盡管人工智能技術可應用于臨床領域中的各個方面（組織病理學、傳染病學、內科學、精神病學等），但在醫學影像領域中，放射科專家大部分情況下還是主要依賴于臨床醫生建立起來的主觀印象。制約影像專家系統發展的難點在于高級視覺系統本身，如從醫學掃描器上獲得的數據可能是噪聲或者是模糊的，而代表解剖結構上的或功能上的分區常常是復雜的和不確定的，當處理這些被稱作為證據不確定的非精確信息時，大大增加了專家系統設計的復雜性。

目前，隨著微電子技術和計算機技術的快速發展，很多制約醫學專家系統發展的因素也相繼得到解決，應用到醫學影像學方面的初級特征提取技術及成像設備（CT，MRI，PET，X線，超聲等）得到廣泛應用和研究。例如，在乳房X線照片中自動檢測叢生的小鈣化點的線性濾波和閾值匹配方法，已經被證實可提高放射學專家的診斷精確率。其他應用，如肺部腫瘤的計算機檢測，心臟大小的計算分析，胸部放射片上腔隙性疾病的定性，血管角質瘤影像的自動跟蹤，紋理分析應用到超聲掃描，X射線照相術和CT圖像等已經在一些實例中較成功地得到證明[5]。

2 結論

盡管人工智能在醫學上已經有很多應用，但情感是智能的一部分，因此人工智能領域的下一個突破不僅在于賦予計算機更多的邏輯推理能力，而且還要賦予它情感能力。21世紀生物醫學已逐漸由細胞、分子向系統和整體發展，基因組學、蛋白組學、代謝物組學等理論的提出使新的診斷技術層出不窮，對疾病的診斷指標動輒數十乃至上百，具有記憶、學習和分析功能的人工神經網絡將成為醫學研究和臨床醫療過程中最具有發展前途的人工智能工具[6]。

[1]張仰森.人工智能原理與應用[M].北京：高等教育出版社，2004.

[2]曾照芳,安 琳.人工智能技術在臨床醫療診斷中的應用及發展[J].現代醫學儀器與應用，2007，19（5）：22-23.

[3]陳偉青.淺論人工神經網絡在中醫學上的應用[J].河南中醫學院學報，2004（4）：12-13.

[4]段 芳,徐 亮,黃 新.人工神經網絡在醫學中的應用[J].九江醫學，2008，23（2）：90-91.

[5]陳真誠,蔣 勇，胥明玉，等.人工智能技術及其在醫學診斷中的應用及發展[J].生物醫學工程學雜志，2002，19（3）：505-509.

[6]胡國華,袁樹杰.人工智能研究現狀與展望[J].淮南師范學院學報，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：計算機網絡。