本站小編為你精心準(zhǔn)備了醫(yī)學(xué)專(zhuān)家系統(tǒng)設(shè)計(jì)參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

1醫(yī)學(xué)專(zhuān)家系統(tǒng)的發(fā)展歷程

早在1954年,美國(guó)的錢(qián)家其已將計(jì)算機(jī)應(yīng)用于放射治療,計(jì)算劑量分布和制定治療計(jì)劃;1959年,美國(guó)的Ledley等首次將數(shù)學(xué)模型引入臨床醫(yī)學(xué),提出了可將布爾代數(shù)和Bayes定理作為計(jì)算機(jī)診斷的數(shù)學(xué)模型,并以此診斷了一組肺癌病例,開(kāi)創(chuàng)了計(jì)算機(jī)輔助診斷的先例;1966年,Ledley首次提出“計(jì)算機(jī)輔助診斷”(computeraideddiagnosis,CAD),形成了計(jì)量醫(yī)學(xué);1976年,美國(guó)斯坦福大學(xué)的Short-liffe等研制成功了著名的用于鑒別細(xì)菌感染及治療的醫(yī)學(xué)專(zhuān)家系統(tǒng)MYCIN,建立了一整套專(zhuān)家系統(tǒng)的開(kāi)發(fā)理論;1982年,美國(guó)匹茲堡大學(xué)的Miller等發(fā)表了著名的Internist-I內(nèi)科計(jì)算機(jī)輔助診斷系統(tǒng),其知識(shí)庫(kù)中包含了572種疾病,約4500種癥狀;1991年美國(guó)哈佛醫(yī)學(xué)院Barnett等開(kāi)發(fā)的“解釋”軟件,包含有2200種疾病和5000種癥狀。

2醫(yī)學(xué)專(zhuān)家系統(tǒng)的組成

專(zhuān)家系統(tǒng)是基于知識(shí)的系統(tǒng)(Knowledge-BesedSystem)。一個(gè)完整的醫(yī)學(xué)專(zhuān)家系統(tǒng)應(yīng)由知識(shí)庫(kù)(Knowledge-Base)、數(shù)據(jù)庫(kù)(DataBase)、推理機(jī)(InferenceEngine)、知識(shí)獲取模塊(Knowledge-AcpuisitionModule)和解釋接口(Explana-toryInterface)組成。知識(shí)庫(kù)中存放系統(tǒng)求解問(wèn)題所需求的知識(shí),數(shù)據(jù)庫(kù)用來(lái)存儲(chǔ)初始證據(jù)和推理過(guò)程中得到的各種中間信息,推理機(jī)是一組程序,用來(lái)控制和協(xié)調(diào)整個(gè)系統(tǒng),它通過(guò)輸入的數(shù)據(jù),利用知識(shí)庫(kù)的原有知識(shí)按一定的推理策略解決所提出的問(wèn)題。知識(shí)獲取模塊就是學(xué)習(xí)模塊,它為修改和擴(kuò)充知識(shí)庫(kù)存的原有知識(shí)提供相應(yīng)的手段。解釋接口是用戶與專(zhuān)家系統(tǒng)交互的環(huán)節(jié),負(fù)責(zé)對(duì)推理給出必要的解釋,便于用戶了解推理過(guò)程,為用戶向系統(tǒng)學(xué)習(xí)和所作所為系統(tǒng)提供方便,具有解釋功能是專(zhuān)家系統(tǒng)區(qū)別于其它計(jì)算機(jī)程序的標(biāo)志。目前,已有一些知識(shí)表示型的醫(yī)療診斷專(zhuān)家系統(tǒng)。

3醫(yī)學(xué)專(zhuān)家系統(tǒng)的設(shè)計(jì)

建立醫(yī)學(xué)專(zhuān)家系統(tǒng)要求將專(zhuān)家的知識(shí)轉(zhuǎn)換為機(jī)器處理。在系統(tǒng)分析工作中,要求完全嶄新的基于知識(shí)的設(shè)計(jì)方法,使得計(jì)算機(jī)從數(shù)據(jù)處理過(guò)渡到知識(shí)處理,從計(jì)算和存儲(chǔ)數(shù)據(jù)轉(zhuǎn)為推理和提供知識(shí)。原型系統(tǒng)方法是醫(yī)學(xué)專(zhuān)家系統(tǒng)實(shí)現(xiàn)的重要開(kāi)發(fā)方法,其早期階段的目標(biāo)是迅速發(fā)展最終系統(tǒng)的模型,獲得所有任務(wù)的初步方案,后繼階段進(jìn)行測(cè)試和擴(kuò)充,增加更多細(xì)節(jié),如此逐步發(fā)展和求精,直到逼近最終系統(tǒng),滿足用戶要求。原型系統(tǒng)方法的優(yōu)點(diǎn)是:增進(jìn)用戶與開(kāi)發(fā)人員的溝通;用戶在系統(tǒng)開(kāi)發(fā)過(guò)程中起主導(dǎo)作用;辨認(rèn)動(dòng)態(tài)的用戶需求;啟迪衍生式的用戶需求;縮短開(kāi)發(fā)周期,降低開(kāi)發(fā)風(fēng)險(xiǎn)。由于專(zhuān)家系統(tǒng)分析層面難度大,技術(shù)層面難度相對(duì)較小,因此,原型系統(tǒng)方法是最為適宜的開(kāi)發(fā)方法。原型設(shè)計(jì)階段的目標(biāo)是解決領(lǐng)域知識(shí)的形式化問(wèn)題,定義事實(shí)、關(guān)系和專(zhuān)家的推理策略,建立原型模型。原型系統(tǒng)的設(shè)計(jì)分為以下三個(gè)階段。

3.1識(shí)別和定義系統(tǒng)的概念模型本階段的主要任務(wù)是知識(shí)獲取,識(shí)別系統(tǒng)的主要任務(wù),識(shí)別和獲取有關(guān)的重要概念及其關(guān)系,定義概念模型。這些概念和關(guān)系對(duì)確定知識(shí)庫(kù)的結(jié)構(gòu)是很有用的。任務(wù)領(lǐng)域中的概念必須按照問(wèn)題求解行為的具體例子抽象。專(zhuān)家的思考模式必須包含所有基本元素,并且能被修改和擴(kuò)充。本階段除了采訪專(zhuān)家獲取知識(shí)之外,大量信息可以從已存的書(shū)籍、資料等重要文獻(xiàn)中獲取。

3.2概念設(shè)計(jì)在建立概念模型之后,就可開(kāi)始概念設(shè)計(jì),選擇合適的知識(shí)工程工具(如知識(shí)表示),正式地表示問(wèn)題和解法。主要工作包括設(shè)計(jì)適合于專(zhuān)家智能活動(dòng)的可執(zhí)行的知識(shí)表示模式、推理機(jī)制和用戶接口。知識(shí)工程師應(yīng)盡快設(shè)計(jì)和建立一個(gè)原型系統(tǒng),以便提供開(kāi)始的側(cè)重點(diǎn)。

3.2.1知識(shí)表示模式設(shè)計(jì)所謂知識(shí)表示模式設(shè)計(jì)就是根據(jù)醫(yī)學(xué)領(lǐng)域中知識(shí)類(lèi)型及特征,選擇合適的知識(shí)表示方法,描述知識(shí)模型。一般來(lái)說(shuō),系統(tǒng)控制知識(shí)和專(zhuān)家的決策知識(shí)表示為產(chǎn)生式規(guī)則;如果對(duì)象各要素間的關(guān)系可通過(guò)邏輯運(yùn)算去體現(xiàn),可采用謂詞邏輯表示法;對(duì)于較復(fù)雜的結(jié)構(gòu)結(jié)象可使用框架或語(yǔ)義網(wǎng)方法,如專(zhuān)業(yè)概念知識(shí)。為了有效地表示各種知識(shí),系統(tǒng)可以綜合使用多種知識(shí)表示方法。設(shè)計(jì)的結(jié)果是應(yīng)用知識(shí)表示工具描述的知識(shí)模型。

3.2.2推理機(jī)設(shè)計(jì)常用的推理方法有正向推理、逆向推理和雙向推理三種,這三種推理方法又可分為精確推理和不精確推理。推理機(jī)設(shè)計(jì)包括根據(jù)應(yīng)用領(lǐng)域選擇推理方法,設(shè)計(jì)自動(dòng)推理算法結(jié)構(gòu),以及其它控制結(jié)構(gòu)和各部分之間的通訊機(jī)制。它涉及知識(shí)的選擇和應(yīng)用問(wèn)題。例如,專(zhuān)家系統(tǒng)最成功的實(shí)例之一,是1976年美國(guó)斯坦福大學(xué)肖特列夫(Shortliff)開(kāi)發(fā)的醫(yī)學(xué)專(zhuān)家系統(tǒng)MYCIN,這個(gè)系統(tǒng)后來(lái)被知識(shí)工程師視為“專(zhuān)家系統(tǒng)的設(shè)計(jì)規(guī)范”。MYCIN主要用于協(xié)助醫(yī)生診斷腦膜炎一類(lèi)的細(xì)菌感染疾病。在MYCIN知識(shí)庫(kù)里,大約存放著450條判別規(guī)則和1000條關(guān)于細(xì)菌感染方面的醫(yī)學(xué)知識(shí)。它一邊與用戶進(jìn)行對(duì)話,一邊進(jìn)行推理診斷。它的推理規(guī)則稱(chēng)為“產(chǎn)生式規(guī)則”,類(lèi)似于:“IF(打噴嚏)OR(鼻塞)OR(咳嗽),THEN(有感冒癥狀)”這種醫(yī)生診斷疾病的經(jīng)驗(yàn)總結(jié),最后顯示出它“考慮”的可能性最高的病因,并以給出用藥的建議而結(jié)束。概念設(shè)計(jì)中提供豐富的概念。各種概念隱含了程序設(shè)計(jì)方法及知識(shí)的表示形式。概念方法可以輔助知識(shí)工程師認(rèn)清對(duì)象之間的關(guān)系,以使概念化專(zhuān)家決策處理中所使用的各種對(duì)象及屬性。在概念設(shè)計(jì)中,要避免使用傳統(tǒng)系統(tǒng)經(jīng)驗(yàn),例如基于個(gè)別實(shí)例或部分關(guān)系,企圖畫(huà)出一個(gè)決策處理的與/或樹(shù),這將導(dǎo)致失敗。概念設(shè)計(jì)方法將知識(shí)工程師從“過(guò)分分析的陷阱”中解放出來(lái),以便有效地設(shè)計(jì)原型系統(tǒng)。

3.3詳細(xì)設(shè)計(jì)概念設(shè)計(jì)建立了系統(tǒng)的主架,詳細(xì)設(shè)計(jì)階段的目標(biāo)是發(fā)展詳細(xì)的信息處理模型,識(shí)別和獲取與模型有關(guān)的微知識(shí),例如概念、對(duì)象/實(shí)體的詳細(xì)描述。主要的工作包括:識(shí)別邏輯命題、書(shū)寫(xiě)一些描述和過(guò)程的代偽代碼,副出語(yǔ)義網(wǎng)絡(luò)圖;將與/或樹(shù)轉(zhuǎn)換為自然語(yǔ)言規(guī)則;畫(huà)出直接表示圖或模型;識(shí)別和命名表示的框架及槽;識(shí)別和命名數(shù)據(jù)庫(kù)的款目等。詳細(xì)設(shè)計(jì)應(yīng)規(guī)定語(yǔ)法和語(yǔ)言的特殊限制,但不應(yīng)開(kāi)始實(shí)際編碼,也就是說(shuō)詳細(xì)設(shè)計(jì)應(yīng)獨(dú)立于任何程序設(shè)計(jì)語(yǔ)言。自然語(yǔ)言規(guī)則提供詳細(xì)的編碼描述規(guī)格。應(yīng)用自然語(yǔ)言表達(dá)規(guī)則,使所有設(shè)計(jì)者能容易地明白知識(shí)表示結(jié)構(gòu),便于參加編碼和檢測(cè)。

4醫(yī)學(xué)專(zhuān)家系統(tǒng)的實(shí)現(xiàn)方法實(shí)現(xiàn)原型系統(tǒng)階段的主要任務(wù)是選擇合適的開(kāi)發(fā)工具,完成原型系統(tǒng)的程序設(shè)計(jì),即編碼、測(cè)試和修改。

4.1系統(tǒng)開(kāi)發(fā)工具的選擇為選擇合適工具,需要考慮如下問(wèn)題。

4.1.1開(kāi)發(fā)工具的通用性工具系統(tǒng)通用性越強(qiáng),則在用其構(gòu)造一個(gè)具體的專(zhuān)家系統(tǒng)時(shí),知識(shí)工程師的編程任務(wù)越復(fù)雜,對(duì)知識(shí)工程師研制系統(tǒng)的能力及編程水平要求越高。例如ISP、OPS5,PROLOG等工具都是通用性較強(qiáng)的工具系統(tǒng)。使用通用性工具設(shè)計(jì)的系統(tǒng),其使用范圍較廣,便于移植和推廣。另一方面,工具系統(tǒng)的通用性越強(qiáng),一般說(shuō)來(lái)其領(lǐng)域針對(duì)性也越差。對(duì)于某些專(zhuān)業(yè)領(lǐng)域,某一個(gè)通用性工具所生成的專(zhuān)家系統(tǒng)的效率往往很低。因此,在選擇開(kāi)發(fā)工具時(shí),必須在通用性與方便性,通用性與具體專(zhuān)業(yè)領(lǐng)域的針對(duì)性之間進(jìn)行反復(fù)的權(quán)衡。

4.1.2開(kāi)發(fā)工具的特性與專(zhuān)業(yè)領(lǐng)域特性的匹配程序

4.1.2.1與專(zhuān)業(yè)領(lǐng)域的問(wèn)題特性的比較著重比較搜索空間的大小、數(shù)據(jù)的形式、問(wèn)題的結(jié)構(gòu)等。

4.1.2.2與求解問(wèn)題的方法特性的比較例如搜索類(lèi)型,知識(shí)表示法、不確定性的處理方法、控制結(jié)構(gòu)形式等的比較。

4.1.2.3專(zhuān)家系統(tǒng)學(xué)習(xí)能力的強(qiáng)弱、知識(shí)庫(kù)維護(hù)能力、知識(shí)獲取能力、人機(jī)接口的友善程度、系統(tǒng)的擴(kuò)展性與協(xié)作適應(yīng)性等。目前大多數(shù)專(zhuān)家系統(tǒng)選用人工智能語(yǔ)言,如PROLOG,LISP。PROLOG的數(shù)據(jù)庫(kù)能力較強(qiáng)。它們提供許多適于人工智能處理的功能。選用該類(lèi)語(yǔ)言,系統(tǒng)設(shè)計(jì)的主要任務(wù)是設(shè)計(jì)知識(shí)庫(kù)和人機(jī)接口。缺點(diǎn)是使用存儲(chǔ)空間多、速度慢,因此,可部分使用C語(yǔ)言作為輔助工具。面向較窄專(zhuān)業(yè)領(lǐng)域的專(zhuān)家系統(tǒng),多選用專(zhuān)家系統(tǒng)工具,可以迅速產(chǎn)生原型系統(tǒng),由于醫(yī)學(xué)專(zhuān)家系統(tǒng)的專(zhuān)業(yè)領(lǐng)域一般較窄,故大多采用專(zhuān)家系統(tǒng)工具。專(zhuān)家系統(tǒng)工具已與強(qiáng)有力的數(shù)據(jù)庫(kù)系統(tǒng)相連接,可用性越來(lái)越強(qiáng),它們成為建造專(zhuān)家系統(tǒng)的合適工具。若系統(tǒng)設(shè)計(jì)對(duì)于存儲(chǔ)空間和速度要求較高,并且知識(shí)工程師人力較充足時(shí),也可選用一般的程序設(shè)計(jì)語(yǔ)言,尤其是面向?qū)ο蟮某绦蛟O(shè)計(jì)語(yǔ)言,中VC、VB、JAVA等。在選擇開(kāi)發(fā)工具過(guò)程中,知識(shí)工程師起主要作用,并應(yīng)與領(lǐng)域?qū)＜颐芮袇f(xié)商,全面考慮硬件、軟件、領(lǐng)域問(wèn)題和上述原則,選出恰當(dāng)?shù)墓ぞ呦到y(tǒng)。

4.2編碼編碼是應(yīng)用選擇的工具語(yǔ)言記錄事件和知識(shí)。它將詳細(xì)設(shè)計(jì)階段產(chǎn)生的知識(shí)結(jié)構(gòu)、推理規(guī)則、控制策略及其它部件的形式描述轉(zhuǎn)換為工具語(yǔ)言形式。主要的工作是轉(zhuǎn)換自然語(yǔ)言推理規(guī)則,構(gòu)造知識(shí)庫(kù);轉(zhuǎn)換推理算法為推理程序。盡管此項(xiàng)工作與非智能語(yǔ)言的編碼沒(méi)有區(qū)別,而這里一般使用的語(yǔ)言是LISP,PROLOG或?qū)＜蚁到y(tǒng)工具語(yǔ)言。在編碼中,知識(shí)工程師常發(fā)現(xiàn)詳細(xì)設(shè)計(jì)中的問(wèn)題,因此,詳細(xì)設(shè)計(jì)和編碼常是緊密相關(guān)的循環(huán)處理。編碼中發(fā)現(xiàn)的問(wèn)題也可能引起大范圍的反復(fù)處理,例如,可能需要完全重新設(shè)計(jì)知識(shí)表示。

4.3測(cè)試與修改測(cè)試階段的主要任務(wù)是評(píng)價(jià)原型系統(tǒng)及其實(shí)現(xiàn)形式是否符合設(shè)計(jì)者、專(zhuān)家及用戶的要求,應(yīng)用各種各樣的實(shí)例,檢測(cè)知識(shí)庫(kù)和推理結(jié)構(gòu)中的弱點(diǎn),修改原型。

4.3.1檢測(cè)推理檢測(cè)推理就是檢查無(wú)效的推理。主要工作是檢測(cè)機(jī)制細(xì)節(jié),如接口和內(nèi)部流程。知識(shí)工程師構(gòu)造人工模擬實(shí)例檢測(cè)系統(tǒng)的詳細(xì)部分,當(dāng)系統(tǒng)違背設(shè)計(jì)得意愿,則發(fā)現(xiàn)錯(cuò)誤。糾正無(wú)效推理中的錯(cuò)誤,需要重新編碼。產(chǎn)生無(wú)效推理的原因是程序員錯(cuò)誤地轉(zhuǎn)換知識(shí)。

4.3.2檢測(cè)知識(shí)在知識(shí)系統(tǒng)中,正確的編碼并不意味著知識(shí)正確。這種處理努力探測(cè)無(wú)效的和模糊不清的知識(shí)。除了人工實(shí)例,專(zhuān)家和知識(shí)工程師還可用真實(shí)實(shí)例檢測(cè),讓系統(tǒng)作合適的決策,并可保留這些檢測(cè)實(shí)例以備后用。無(wú)效知識(shí)的發(fā)生,是由于專(zhuān)家沒(méi)有正確地描述事實(shí)或沒(méi)有完全理解事實(shí)。當(dāng)系統(tǒng)違背專(zhuān)家的意愿時(shí),可發(fā)現(xiàn)這類(lèi)錯(cuò)誤。模糊知識(shí)的發(fā)生是由于專(zhuān)家不能識(shí)別所有的蘊(yùn)含關(guān)系,如組合條件太多。當(dāng)系統(tǒng)選擇不同的解法(而專(zhuān)家要求相同解法)時(shí),可發(fā)現(xiàn)這類(lèi)錯(cuò)誤。例如重復(fù)執(zhí)行概念識(shí)別,以便發(fā)現(xiàn)錯(cuò)誤的知識(shí);重復(fù)執(zhí)行概念設(shè)計(jì)來(lái)重新評(píng)估知識(shí)表示的選擇,這兩種處理又引起重復(fù)執(zhí)行詳細(xì)設(shè)計(jì)。當(dāng)知識(shí)是完整一致的,僅要求重復(fù)執(zhí)行詳細(xì)設(shè)計(jì)和編碼。若在檢測(cè)推理機(jī)制中,專(zhuān)家發(fā)現(xiàn)了檢測(cè)子問(wèn)題的新條件,則重復(fù)執(zhí)行問(wèn)題定義、概念識(shí)別、概念與詳細(xì)設(shè)計(jì)及編碼。因而專(zhuān)家可用發(fā)現(xiàn)的新條件精煉已存知識(shí)表示。當(dāng)專(zhuān)家對(duì)早期的知識(shí)檢測(cè)不滿意,將知識(shí)加入知識(shí)庫(kù)時(shí),發(fā)現(xiàn)一些錯(cuò)誤,則他重新執(zhí)行是識(shí)別和定義概念,處理和發(fā)現(xiàn)新概念。為此,概念設(shè)計(jì)、詳細(xì)設(shè)計(jì)、編碼和檢測(cè)推理均需要新執(zhí)行,調(diào)整由定義新概念所引起的變化。

4.4證實(shí)原型系統(tǒng)當(dāng)專(zhuān)家和知識(shí)工程師相信推理和知識(shí)是正確的,則執(zhí)行本處理。這種處理用執(zhí)行大量的真實(shí)例檢測(cè)隱含錯(cuò)誤。知識(shí)工程師可將原型放入檢查區(qū)域,工作一段時(shí)間,這種檢測(cè)可能發(fā)現(xiàn)較少的小錯(cuò)誤。證實(shí)也可發(fā)現(xiàn)專(zhuān)家和知識(shí)工程師的偏見(jiàn)。專(zhuān)家和系統(tǒng)的交互中可能存在盲目的缺點(diǎn)。因此,應(yīng)邀請(qǐng)其他多位專(zhuān)家指導(dǎo)證實(shí)處理。他們的新觀點(diǎn)可能會(huì)發(fā)現(xiàn)新問(wèn)題。最后的證實(shí)工作是并行執(zhí)行系統(tǒng)檢測(cè)和人工檢測(cè)(人工檢查活動(dòng)不與系統(tǒng)交互)。然后按要求逐個(gè)比較結(jié)果,并做客觀地記錄。這些檢測(cè)將提供大量的寶貴意見(jiàn)。

4.5系統(tǒng)的發(fā)展與維護(hù)檢測(cè)工作完成后,原型可被進(jìn)一步修改和擴(kuò)充,發(fā)展成為實(shí)用系統(tǒng)。維護(hù)的目標(biāo)是評(píng)價(jià)和擴(kuò)展系統(tǒng),改進(jìn)系統(tǒng)執(zhí)行。由于在發(fā)展中迅速設(shè)計(jì)原型,可以避免和減少維護(hù)工作。如果系統(tǒng)中使用的規(guī)則和過(guò)程以常規(guī)變化為條件,則需要專(zhuān)家和管理者周期地檢查系統(tǒng)的執(zhí)行。一個(gè)知識(shí)系統(tǒng)模式化人類(lèi)在特定領(lǐng)域中的專(zhuān)知,而專(zhuān)家和知識(shí)都不是靜止不變的,因此系統(tǒng)中的知識(shí)庫(kù)和推理模式必須繼續(xù)檢測(cè)和發(fā)展。這包括收集關(guān)于系統(tǒng)執(zhí)行的知識(shí)、缺陷及定義的變化。主要方法是利用機(jī)器學(xué)習(xí)技術(shù)維護(hù)、擴(kuò)展知識(shí)庫(kù),以改進(jìn)系統(tǒng)執(zhí)行。這種設(shè)計(jì)方法適用于所有的知識(shí)系統(tǒng),對(duì)于復(fù)雜的綜合型系統(tǒng),還要考慮與其它分系統(tǒng)的通訊與協(xié)作。

5總結(jié)與展望

縱觀國(guó)內(nèi)外醫(yī)學(xué)專(zhuān)家系統(tǒng)的發(fā)展,可從以下3個(gè)方面進(jìn)行總結(jié)。

5.1人工智能、專(zhuān)家系統(tǒng)理論70年代,多用概率統(tǒng)計(jì)法,即所謂的數(shù)字計(jì)算法,從疾病—臨床資料(癥狀、體征理化檢查)的發(fā)生頻率與疾病概率之間的明確統(tǒng)計(jì)學(xué)分析,得出最相似的診斷。此方法現(xiàn)已趨于淘汰。80年代后,則多用人工智能的方法,即以疾病的數(shù)值表敘與專(zhuān)家的推理相結(jié)合導(dǎo)致的一種決策方法。兩種方法都要通過(guò)一定的數(shù)學(xué)模型來(lái)實(shí)現(xiàn),常見(jiàn)的數(shù)學(xué)模型有Bayes公式,模糊數(shù)學(xué)及加權(quán)求和—閾值浮動(dòng)(至80年代中期,國(guó)內(nèi)2/3的系統(tǒng)采用了這3種數(shù)學(xué)模型,但這3種數(shù)學(xué)模型的應(yīng)用,有一定局限性)。還有的研究是關(guān)于診斷系統(tǒng)的通用開(kāi)發(fā)平臺(tái)等方法學(xué)方面的,使醫(yī)學(xué)診斷專(zhuān)家系統(tǒng)在解釋方法學(xué)、評(píng)價(jià)標(biāo)準(zhǔn)、知識(shí)庫(kù)建立以及因果定量推理等方面成為研究熱點(diǎn)。關(guān)于醫(yī)學(xué)診斷中推理的復(fù)雜性,有人提出,病人可能有相互關(guān)聯(lián)的多種疾病,而表現(xiàn)出的癥狀并不確定與某一類(lèi)疾病有關(guān),一個(gè)癥狀是否會(huì)出現(xiàn)也不確定,因而復(fù)雜程度不同的推理,可以精密程度不同的模型中進(jìn)行。此外,由于人類(lèi)疾病的適時(shí)性,有必要在沒(méi)有明確的診斷結(jié)論時(shí)給出有關(guān)診療建議。同時(shí),用來(lái)監(jiān)測(cè)、存儲(chǔ)和顯示大量數(shù)據(jù)的系統(tǒng)數(shù)據(jù)庫(kù)應(yīng)與推理有機(jī)的結(jié)合起來(lái)。啟發(fā)式分類(lèi)也是人工智能方法中的一種,即從一組輸入數(shù)據(jù)中提取特征,并進(jìn)行分類(lèi),根據(jù)分類(lèi)特征在一組已知的診斷類(lèi)型中選擇。模糊邏輯原理尤其適合于醫(yī)學(xué)應(yīng)用,因?yàn)獒t(yī)學(xué)決策所需的許多信息都是不確定的。適于人工智能、專(zhuān)家系統(tǒng)應(yīng)用的計(jì)算機(jī)語(yǔ)言,在早期有LISP和PROLOG,但到現(xiàn)在,尚無(wú)更新的、合適的語(yǔ)言出現(xiàn)。

5.2人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)專(zhuān)家系統(tǒng)中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)是最近幾年發(fā)展起來(lái)的一項(xiàng)新技術(shù),是模仿生物神經(jīng)系統(tǒng)中神經(jīng)元的一種數(shù)學(xué)處理方法。由于它的并行處理方式、自學(xué)習(xí)能力、記憶能力、預(yù)測(cè)事件發(fā)展能力,因而可以起到專(zhuān)家系統(tǒng)的作用。特別在分類(lèi)、診斷以及基于分類(lèi)的智能控制和優(yōu)化求解方面,神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)比傳統(tǒng)的專(zhuān)家系統(tǒng)(指上述用概率統(tǒng)計(jì)法,數(shù)學(xué)模型建立的專(zhuān)家系統(tǒng))有更優(yōu)越的性能。故人工神經(jīng)網(wǎng)絡(luò)代表著當(dāng)前最先進(jìn)的人工智能技術(shù),但此項(xiàng)技術(shù)尚不成熟。如只適用于解決規(guī)模較小的問(wèn)題,其性能受訓(xùn)練數(shù)據(jù)集的限制,以及無(wú)法解釋推理過(guò)程和得出結(jié)論的依據(jù)等。

5.3問(wèn)題與展望國(guó)內(nèi)醫(yī)學(xué)專(zhuān)家系統(tǒng)的應(yīng)用和發(fā)展不僅起步晚,而且規(guī)模小,水平低,應(yīng)用范圍窄,缺乏較好的驗(yàn)證及評(píng)估方法。這與我國(guó)的經(jīng)濟(jì)水平低、資金缺乏、信息閉塞、計(jì)算機(jī)普及教育差及計(jì)算機(jī)普及率低、相當(dāng)一部分醫(yī)生對(duì)計(jì)算機(jī)缺乏認(rèn)識(shí)、計(jì)算機(jī)專(zhuān)業(yè)人員與醫(yī)生缺乏交流等原因有關(guān)。但這一情況近期已有所改善。國(guó)外在醫(yī)學(xué)專(zhuān)家系統(tǒng)領(lǐng)域起步雖較早,水平較高,具有較為科學(xué)、全面的驗(yàn)證與評(píng)估方法,應(yīng)用范圍也較廣。但與其他領(lǐng)域相比,規(guī)模仍較小,而且其發(fā)展水平落后于計(jì)算機(jī)與人工智能的發(fā)展。

綜上所述,計(jì)算機(jī)及人工智能技術(shù)的誕生與發(fā)展,使我們開(kāi)發(fā)醫(yī)學(xué)領(lǐng)域中的人工智能—專(zhuān)家系統(tǒng)成為現(xiàn)實(shí)。但目前這方面的發(fā)展還很不平衡,還存在不少問(wèn)題需要解決,如軟件的發(fā)展落后于硬件;缺乏一種令人滿意的通用專(zhuān)家系統(tǒng)開(kāi)發(fā)平臺(tái)或計(jì)算機(jī)語(yǔ)言;大量的低層次重復(fù)開(kāi)發(fā)與缺少大型的、性能優(yōu)越、經(jīng)得起臨床檢驗(yàn)的專(zhuān)家系統(tǒng);缺乏客觀的、科學(xué)的、重復(fù)性好的驗(yàn)證系統(tǒng)。要解決這些問(wèn)題,需要從事計(jì)算機(jī)軟件、硬件研究的專(zhuān)家和醫(yī)學(xué)專(zhuān)家們的共同努力,需要計(jì)算機(jī)知識(shí)的普及,加強(qiáng)跨學(xué)科的生物醫(yī)學(xué)工程人員的培養(yǎng)。相信未來(lái)的智能醫(yī)學(xué)診斷與治療專(zhuān)家系統(tǒng),將成為醫(yī)生的得力助手,為各種疾病的診斷和治療,做出更大貢獻(xiàn)。