医学诊断专家系统的介绍与人工智能技术在医学诊断中的应用及发展

　　医学诊断专家系统第一个人工智能的医学专家系统出现在 20 世纪 50 年代的后期， 当时为了模拟病人的病症和疾病之间的关系， 主要的医学领域知识被融合到专家系统中。系统通过启发式推理对所获得的数据（ 数据常常是一些噪声并且是不完整的） 应用先验知识进行推理。就各种专家系统的设计要求提出了以下几个主要问题： （ 1） 怎样找出一个合适的观察数据的表示法; （ 2） 怎样定义一个合适的领域知识的表示法; （ 3） 怎样能获得有效表示诊断假设的测量; （ 4） 怎样处理观察数据的不精确性和不确定性。早期的专家系统为了完成启发式推理分类采用了连续数据驱动的方法， 在推理过程中知识以“if ……then”的句法形式进行封装， 例如， M YCIN 系统中， 推理规则是一种简单、模块化的工具， 但是它们的形式是有限的， 并且许多规则需要处理真实生命的问题。另一种传统的人工智能框架方法同样被应用到这个领域， 因为它们是描述知识比较好的代表者（ 在医学诊断中一个重要的观点） ， 但是这些暴露出了对生产规则的相似性限制， 数据推理和目标推理的一些比较复杂的推理方法， 到后来才得到了发展。例如： 黑板系统［ 1］ 是通过假设和测试迭代过程工作的， 这些不同的知识代表和控制方法的形式在理论上可能被认为是同等的， 它们提供了一种强弱交替规则的解决方案。由于医学诊断潜在的复杂性显示出了 20 世纪 60 年代和 70 年代常规问题的解决发展状况受到了限制， 直到最近几年才得到了发展， 并且发展趋势重点在有限的特殊领域的问题的解决。医学专家系统的研究揭示了 3 个特殊的问题。 （ 1） 知识工程被证明是一项琐细的任务。知识工程这个术语是指在一个专家系统中所代表的某一领域专家知识被清楚表达的过程。问题常常在寻求一种数学表达方式之前就发生了， 因为专家们常常难以精确鉴别他们所使用的逻辑方法， 或者解释清楚他们自己所依赖的假设。医生们也发现他（ 她） 们自己难以分析他（ 她） 们的智能诊断过程， 这个过程是专业训练和临床经验的产物。加之， 医生们与计算机科学家们的文化差异也同样增加了双方之间的交流障碍。File 和 Dugarg ［ 2］给出了不同种类甲状腺病变的诊断专家系统的详细例子， 说明了领域知识没有一种统一的描述格式。为了解决这个问题， 科学家们开发出了通用方法学。例如， 普通的 KADS ——一个对 KADS 技术的继承者， 是由建立基于知识系统的结构方法学的收集组成， 它产生一种以系统的和核查文献的方式系统 ［ 3］ 。但通过一种非常详细的方法步骤时， 以知识工程工作平台形式的自动支持系统可能是有用的［ 4］ 。在医疗系统的特殊病例中， PRO 的形式途径为捕获医学知识和临床过程提出了一个公式， 这个公式在理性上是由软件工程师们为了确保清晰、合理和非含糊的设计而使用的， 它由一种正式的描述语言和似乎是合理的医学专业人员的知识代表语言所组成 ［ 5］