人工智能在医学上的应用

冯 伍，张俊兰

（1.延安大学附属医院 网络中心，陕西 延安 716000；2.延安大学 计算机学院，陕西 延安 716000）

人工智能在医学上的应用

冯 伍1，张俊兰2

（1.延安大学附属医院 网络中心，陕西 延安 716000；2.延安大学 计算机学院，陕西 延安 716000）

介绍人工智能在医学临床医疗诊断、神经网络技术、中医学、专家系统以及医学影像诊断等中的应用，并分析人工智能技术的发展现状，对其在医学中的发展作以展望。

人工智能（AI）；神经网络；专家系统；医疗诊断

人工智能 AI（Artificial Intelligence）[1]是当前科学技术发展中的一门前沿学科,它广泛应用于医学领域。在临床医疗诊断、神经网络技术、中医学、专家系统以及医学影像诊断中均得到应用。随着科学技术的发展，人工智能技术在医疗诊断中的应用将越来越广泛，越来越重要。

1 人工智能在医学上的应用

1.1 人工智能在临床医疗诊断中的应用

人工智能在临床医疗诊断中常用于医疗专家系统[2],主要是运用专家系统的设计原理与方法模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序，它可以帮助医生解决复杂的医学问题，作为医生诊断的辅助工具，继承和发扬医学专家的宝贵理论及丰富的临床经验。

1.2 人工智能在神经网络中的应用

人工智能技术在医学诊断中的应用开始遇到以下难题：知识获取难；推理速度慢；自学习和自适应能力差。而以研究人脑连接机制为特点的人工神经网络ANN（Aitificial Neural Network）能够解决知识获取途径中出现的“瓶颈”现象、知识“组合爆炸”问题，并提高知识的推理能力和自组织、自学习能力等，从而加速神经网络在医学专家系统中的应用和发展。

ANN属于人工智能领域，有别于其他人工智能方法，它是AI的一个分支，传统的AI是通过逻辑符号模拟人脑逻辑思维来实现其智能的，而ANN是通过学习或训练来实现其智能的。ANN具有学习的能力，使用者无需设计复杂的程序来解决问题，只须提供数据。目前，医学对绝大多数疾病的病因尚不明确，而各种疾病的表现也千变万化，在医学实践中，对疾病的判断和相应的治疗往往以经验为基础，因此，ANN所具有的学习、记忆和归纳功能使其在医学领域具有良好的应用前景。

1.2.1 人工神经网络在中医学中的应用

中医学中的“辨证论治”中的“证”[3]具有模糊性、不确定性的特点，主观性较强，所以中医的诊断和治疗与医师的经验、水平有较大关系，多年来对“证”的研究思路和方法主要集中在实验研究、临床观察、文章整理、经验总结上。人工神经网络的应用可以替代部分“辨证”过程，选择适当的中医症状作为基本输入和适当的人工神经网络模型，人工神经网络能够根据已有的学习“经验”进行分析，综合提出中医诊断。

人工神经网络由神经元结构模型、网络连接模型、网络学习算法等几个要素组成，是具有某些智能功能的系统。从网络结构划分，人工神经网络有许多不同的种类，如感知器、BP网络、Hopfield网络等，其中BP网络是目前应用最为广泛的神经网络之一。BP网络是一种前向网络，通过网络的结构与权值表达复杂的非线性I/O映射关系，同时BP网络具有优良的自学习功能，可以通过误差的反向传播方法，对照已知样本进行反复训练，调整网络的权值，直至网络的I/O关系在某一训练指标下最接近样本。

1.2.2 基于人工神经网络技术的专家系统

基于人工神经网络技术的专家系统在建造知识库时[4]，首先根据应用来选择和确定神经网络结构，再选择学习算法，对与求解问题有关的样本进行学习，以调整系统的连接权值，完成知识自动获取和分布式的存储，构建系统的知识库。然而若输入的信息不十分明确导致系统性能降低，这必然也会降低诊断的准确性。而基于神经系统结构和功能模拟基础上的神经网络，可以通过对实例的不断学习，自动获取知识，并将知识分布存储于神经网络中，通过学习不断提高神经网络中神经元之间连接权值的调整过程。系统将根据神经网络当前所接收到的实例问题的相似性确定输出。当环境信息不十分完全时，仍然可以通过计算得出一个比较满意的解答。

1.3 人工智能技术在医学影像诊断中的应用

尽管人工智能技术可应用于临床领域中的各个方面（组织病理学、传染病学、内科学、精神病学等），但在医学影像领域中，放射科专家大部分情况下还是主要依赖于临床医生建立起来的主观印象。制约影像专家系统发展的难点在于高级视觉系统本身，如从医学扫描器上获得的数据可能是噪声或者是模糊的，而代表解剖结构上的或功能上的分区常常是复杂的和不确定的，当处理这些被称作为证据不确定的非精确信息时，大大增加了专家系统设计的复杂性。

目前，随着微电子技术和计算机技术的快速发展，很多制约医学专家系统发展的因素也相继得到解决，应用到医学影像学方面的初级特征提取技术及成像设备（CT，MRI，PET，X线，超声等）得到广泛应用和研究。例如，在乳房X线照片中自动检测丛生的小钙化点的线性滤波和阈值匹配方法，已经被证实可提高放射学专家的诊断精确率。其他应用，如肺部肿瘤的计算机检测，心脏大小的计算分析，胸部放射片上腔隙性疾病的定性，血管角质瘤影像的自动跟踪，纹理分析应用到超声扫描，X射线照相术和CT图像等已经在一些实例中较成功地得到证明[5]。

2 结论

尽管人工智能在医学上已经有很多应用，但情感是智能的一部分，因此人工智能领域的下一个突破不仅在于赋予计算机更多的逻辑推理能力，而且还要赋予它情感能力。21世纪生物医学已逐渐由细胞、分子向系统和整体发展，基因组学、蛋白组学、代谢物组学等理论的提出使新的诊断技术层出不穷，对疾病的诊断指标动辄数十乃至上百，具有记忆、学习和分析功能的人工神经网络将成为医学研究和临床医疗过程中最具有发展前途的人工智能工具[6]。

[1]张仰森.人工智能原理与应用[M].北京：高等教育出版社，2004.

[2]曾照芳,安 琳.人工智能技术在临床医疗诊断中的应用及发展[J].现代医学仪器与应用，2007，19（5）：22-23.

[3]陈伟青.浅论人工神经网络在中医学上的应用[J].河南中医学院学报，2004（4）：12-13.

[4]段 芳,徐 亮,黄 新.人工神经网络在医学中的应用[J].九江医学，2008，23（2）：90-91.

[5]陈真诚,蒋 勇，胥明玉，等.人工智能技术及其在医学诊断中的应用及发展[J].生物医学工程学杂志，2002，19（3）：505-509.

[6]胡国华,袁树杰.人工智能研究现状与展望[J].淮南师范学院学报，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 稿件编号：200906052

冯 伍（1972—），女，陕西榆林人，硕士，助理工程师。研究方向：计算机网络。