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為是同等的， 它們提供了一種強弱交替規(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被清楚表達的過程。問題常常在尋求一種數(shù)學(xué)表達方式之前就發(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)的和核查文獻的方式系統(tǒng) ［ 3］ 。但通過一種非常詳細的方法步驟時， 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］