醫(yī)療領(lǐng)域人工智能的應(yīng)用

《醫(yī)療領(lǐng)域人工智能的應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、醫(yī)療領(lǐng)域人工智能的應(yīng)用周素珍，楊會寶，馬式雷（山東中醫(yī)藥大學(xué)理工學(xué)院）摘　要：人工智能是計算機(jī)科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機(jī)器的一個重要分支。尤其在醫(yī)療衛(wèi)生領(lǐng)域,人工智能更具有廣闊的應(yīng)用前景和較高的實用價值。本文簡述了人工智能的起源與發(fā)展，回顧近年來人工智能在醫(yī)療領(lǐng)域的應(yīng)用，重點(diǎn)介紹了人工智能在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，并進(jìn)一步展望了人工智能在醫(yī)療領(lǐng)域的應(yīng)用前景。關(guān)鍵詞：人工智能；醫(yī)療；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；前景1引言人工智能（ArtificialIntelligenceAI）是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿科學(xué)，它是由Mc－Carthy等在195

2、6年發(fā)起的關(guān)于機(jī)器模擬智能的學(xué)術(shù)討論會上提出的［1］。自此，人工智能廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域，在臨床醫(yī)療診斷、神經(jīng)網(wǎng)絡(luò)技術(shù)、中醫(yī)學(xué)、專家系統(tǒng)以及醫(yī)學(xué)影像診斷中均得到應(yīng)用。隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)在醫(yī)療診斷中的應(yīng)用將越來越廣泛，越來越重要。2人工智能在醫(yī)療領(lǐng)域的應(yīng)用回顧2.1人工智能發(fā)展簡史[2]15上世紀(jì)三四十年代，Wiener、弗雷治、羅素的數(shù)理邏輯，和Church、圖靈的數(shù)字功用以及計算機(jī)處理促使了1956年夏的AI學(xué)科誕生。　　20世紀(jì)60年代以來，生物模仿用來建立功能強(qiáng)大的算法。這方面有進(jìn)化計算，包括遺傳算法、進(jìn)化策略和進(jìn)化規(guī)劃

3、（1962年）?！　?992年Bezdek提出計算智能。他和Marks（1993年）指出計算智能取決于制造者提供的數(shù)值數(shù)據(jù)，含有模式識別部分，不依賴于知識；計算智能是認(rèn)知層次的低層。今天，計算智能涉及神經(jīng)網(wǎng)絡(luò)、模糊邏輯、進(jìn)化計算和人工生命等領(lǐng)域，呈現(xiàn)多學(xué)科交叉與集成的趨勢?！　∪斯ど赃M(jìn)化計算為基礎(chǔ)，研究自組織、自復(fù)制、自修復(fù)以及形成這些特征的混沌動力學(xué)、進(jìn)化和環(huán)境適應(yīng)，具體包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動力學(xué)、人工生命的計算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。20世紀(jì)60年代，羅森布拉特研究感知機(jī)，Stahl建

4、立細(xì)胞活動模型，Lindenmayer提出了生長發(fā)育中的細(xì)胞交互作用數(shù)學(xué)模型。這些模型支持細(xì)胞間的通信和差異。70年代以來，Conrad等研究人工仿生系統(tǒng)中的自適應(yīng)、進(jìn)化和群體動力學(xué)，提出不斷完善的“人工世界”模型。80年代，人工神經(jīng)網(wǎng)絡(luò)再度興起促進(jìn)人工生命的發(fā)展。其主要研究方法有信息模型法和工作原理法。其研究途徑分為工程技術(shù)途徑和生物科學(xué)途徑。2.2醫(yī)療領(lǐng)域人工智能的興起和醫(yī)療專家系統(tǒng)的創(chuàng)建　專家系統(tǒng)在90年代興起,模擬人類專家解決領(lǐng)域問題,知識庫的改進(jìn)與歸納是其重點(diǎn)。醫(yī)療專家系統(tǒng)（MedicalExpert15System，MES）是

5、人工智能技術(shù)應(yīng)用在醫(yī)療診斷領(lǐng)域中的一個重要分支［3］。在功能上，它是一個在某個領(lǐng)域內(nèi)具有專家水平解題能力的程序系統(tǒng)。醫(yī)學(xué)診斷專家系統(tǒng)就是運(yùn)用專家系統(tǒng)的設(shè)計原理與方法，模擬醫(yī)學(xué)專家診斷疾病的思維過程，它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題，可以作為醫(yī)生診斷的輔助工具，可以繼承和發(fā)揚(yáng)醫(yī)學(xué)專家的寶貴理論及豐富的臨床經(jīng)驗。第一個人工智能的醫(yī)療專家系統(tǒng)早在50年代就出現(xiàn)了，當(dāng)時為了模擬病人的病癥和疾病之間的關(guān)系，主要是醫(yī)學(xué)領(lǐng)域的知識被融合到專家系統(tǒng)中。人工智能在醫(yī)療診斷中的應(yīng)用是在20世紀(jì)50年代后期才開始出現(xiàn)的，如用在一些常規(guī)的醫(yī)學(xué)疾病診斷上。但由于研

6、究任務(wù)的復(fù)雜性，從而縮小了醫(yī)療專家系統(tǒng)的研究范圍。醫(yī)療診斷專家系統(tǒng)存在的問題通常，人們對理論上難以解決、而實際上卻需要迫切解決的問題，往往希望通過專家的經(jīng)驗來解決，這樣，“專家系統(tǒng)”式的醫(yī)療診斷系統(tǒng)就應(yīng)運(yùn)而生了［4］。該系統(tǒng)通過把專家的經(jīng)驗和知識以規(guī)則的形式存入計算機(jī)中，建立知識庫，用符號推理的方式進(jìn)行醫(yī)療診斷［5］。但是，這種“填鴨式”的知識獲取遇到了較大的困難。一方面，一些疑難病癥的復(fù)雜性使其很難用一些規(guī)則來描述，甚至難以用簡單的語言來表達(dá)，原因在于符號的知識表達(dá)方式的局限性；另一方面，基于規(guī)則的專家系統(tǒng)，隨著規(guī)則庫規(guī)模的增大，搜索空

7、間的急劇增大，可能導(dǎo)致組合爆炸，并且由于推理循環(huán)過程包含了大量無效的匹配嘗試，浪費(fèi)了大量的系統(tǒng)時間，推理效率很低。產(chǎn)生上述問題的根本原因在于該系統(tǒng)的產(chǎn)生式結(jié)構(gòu)及串行工作方式存在一定的缺陷。因此，單純的“專家系統(tǒng)”式的醫(yī)療診斷系統(tǒng)只能用于比較簡單的疾病診斷，價值不大。此外，在人工智能的應(yīng)用中，存在著一個最基本的問題是建模的不確定性。這個問題一直困擾著人工智能的發(fā)展，后來經(jīng)典概率和DemP－ster—15schafers的跡象理論被應(yīng)用到這個領(lǐng)域，以及后來的貝葉斯網(wǎng)絡(luò)成為最受歡迎的工具，它取代了利用符號的不確定性跟蹤不確定性的起源的研究。直到

8、20世紀(jì)80年代中期，Peral的形式論才使得貝葉斯網(wǎng)絡(luò)在計算機(jī)上成為易處理。從那時起，人工智能才在臨床診斷問題上得到了實施。當(dāng)今21世紀(jì)，人工智能技術(shù)的醫(yī)學(xué)虛擬應(yīng)用不僅要對特定病人進(jìn)行模擬，