【摘要】 醫(yī)療人工智能將人工智能技術應用于醫(yī)療領域，面向臨床需求，結合醫(yī)師臨床經(jīng)驗，依靠人工智能技術計算、分析和決策能力，為臨床診斷與治療提供精確的智能輔助。目前醫(yī)療人工智能基于知識引導和數(shù)據(jù)驅動兩大類方法，各有優(yōu)缺點。將知識引導型和數(shù)據(jù)驅動型人工智能結合，利用各自優(yōu)勢，有望突破醫(yī)療人工智能的應用瓶頸，推進醫(yī)療人工智能的發(fā)展與創(chuàng)新。本文概述知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能應用進展并展望未來發(fā)展方向，以期推動人工智能技術在醫(yī)療領域的創(chuàng)新和應用。
人工智能（AI）理論建模、技術創(chuàng)新、軟硬件升級等的整體推進正在引發(fā)鏈式突破，加速各學科的智能化發(fā)展[1?4]。醫(yī)療領域是人工智能的重要應用領域和前沿探索方向。醫(yī)療人工智能（medical artificial intelligence）面向臨床需求，結合醫(yī)師臨床經(jīng)驗，依靠人工智能技術精準高效的計算、分析與決策能力，從臨床數(shù)據(jù)中挖掘疾病發(fā)生、治療和康復機制，為臨床診斷與治療提供精準的智能輔助。得益于人工智能技術的突破和醫(yī)療數(shù)據(jù)樣本的積累，醫(yī)療人工智能發(fā)展迅速，在醫(yī)學影像學、輔助診斷與治療、康復等領域得到廣泛應用，優(yōu)化醫(yī)療服務模式，提高診斷與治療水平和效率，為促進智慧醫(yī)療發(fā)展、建設健康中國提供重要支撐。醫(yī)療人工智能是主要以數(shù)據(jù)或知識為核心構建數(shù)據(jù)驅動或知識引導的人工智能技術。數(shù)據(jù)驅動型人工智能具有良好的性能和算法通用性，無需精確建模，但存在黑盒效應，使算法決策和運行過程缺乏可解釋性，難以形成因果結論；知識引導型人工智能具有完備的理論支撐和良好的可解釋性，但知識獲取成本較高，無法挖掘隱藏模式，難以獲得良好效能。中國工程院院士潘云鶴教授指出，將數(shù)據(jù)驅動和知識引導結合至機器學習算法中將是人工智能2.0的顯著特征[5]。圖靈獎獲得者Judea Pearl認為，機器學習算法應利用大量現(xiàn)有的科學知識，結合收集的數(shù)據(jù)，以解決各領域中的關鍵問題[6]。浙江大學吳飛教授建議，現(xiàn)有的機器學習算法應引入先驗假設、邏輯規(guī)則和方程公式等知識，建立數(shù)據(jù)和知識雙輪驅動的人工智能方法[7]。鑒于此，筆者認為，將知識引導與數(shù)據(jù)驅動兩大類人工智能技術結合，充分發(fā)揮二者優(yōu)勢，可以形成知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能。本文概述知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能進展，以期推動人工智能在醫(yī)療領域的應用和創(chuàng)新。
人工智能（AI）理論建模、技術創(chuàng)新、軟硬件升級等的整體推進正在引發(fā)鏈式突破，加速各學科的智能化發(fā)展[1?4]。醫(yī)療領域是人工智能的重要應用領域和前沿探索方向。醫(yī)療人工智能（medical artificial intelligence）面向臨床需求，結合醫(yī)師臨床經(jīng)驗，依靠人工智能技術精準高效的計算、分析與決策能力，從臨床數(shù)據(jù)中挖掘疾病發(fā)生、治療和康復機制，為臨床診斷與治療提供精準的智能輔助。得益于人工智能技術的突破和醫(yī)療數(shù)據(jù)樣本的積累，醫(yī)療人工智能發(fā)展迅速，在醫(yī)學影像學、輔助診斷與治療、康復等領域得到廣泛應用，優(yōu)化醫(yī)療服務模式，提高診斷與治療水平和效率，為促進智慧醫(yī)療發(fā)展、建設健康中國提供重要支撐。醫(yī)療人工智能是主要以數(shù)據(jù)或知識為核心構建數(shù)據(jù)驅動或知識引導的人工智能技術。數(shù)據(jù)驅動型人工智能具有良好的性能和算法通用性，無需精確建模，但存在黑盒效應，使算法決策和運行過程缺乏可解釋性，難以形成因果結論；知識引導型人工智能具有完備的理論支撐和良好的可解釋性，但知識獲取成本較高，無法挖掘隱藏模式，難以獲得良好效能。中國工程院院士潘云鶴教授指出，將數(shù)據(jù)驅動和知識引導結合至機器學習算法中將是人工智能2.0的顯著特征[5]。圖靈獎獲得者Judea Pearl認為，機器學習算法應利用大量現(xiàn)有的科學知識，結合收集的數(shù)據(jù)，以解決各領域中的關鍵問題[6]。浙江大學吳飛教授建議，現(xiàn)有的機器學習算法應引入先驗假設、邏輯規(guī)則和方程公式等知識，建立數(shù)據(jù)和知識雙輪驅動的人工智能方法[7]。鑒于此，筆者認為，將知識引導與數(shù)據(jù)驅動兩大類人工智能技術結合，充分發(fā)揮二者優(yōu)勢，可以形成知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能。本文概述知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能進展，以期推動人工智能在醫(yī)療領域的應用和創(chuàng)新。
一、知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能應用
醫(yī)療過程涉及疾病的檢測、診斷、治療和康復。影像學技術廣泛應用于疾病早期識別與診斷，針對疾病發(fā)病機制的研究有助于精準干預，手術與康復治療有助于消除病灶和恢復功能。醫(yī)療人工智能已在上述幾方面展現(xiàn)出巨大潛力并發(fā)揮重要作用。
1. 基于醫(yī)學影像學的智能診斷 基于醫(yī)學影像學的智能診斷是將人工智能技術應用于醫(yī)學影像學輔助診斷領域，通過分析影像學和病理學特性，結合影像學數(shù)據(jù)，訓練人工智能學習模型，以提高疾病診斷的準確性?，F(xiàn)有的智能診斷技術主要從海量的醫(yī)學影像學數(shù)據(jù)出發(fā)，利用深度學習模型挖掘影像學數(shù)據(jù)的隱藏模式，輔助臨床醫(yī)師進行更有效的疾病診斷。然而，醫(yī)學影像學數(shù)據(jù)獲取成本較高、基于醫(yī)學影像學的深度學習模型可解釋性較差是限制其在輔助診斷領域應用的關鍵因素，因此引入醫(yī)學知識（即疾病診斷依據(jù)，并將其編碼為算法所理解的形式輸入至模型中）與之結合，可以降低深度學習模型對數(shù)據(jù)的依賴，提高結果的可解釋性。例如，將血流、血管擴張等融入神經(jīng)網(wǎng)絡中，結合血管影像學，可提高對血管病變的識別能力[8]；將肺部疾病特點結合X線數(shù)據(jù)，設計多標簽分類模型，可實現(xiàn)對肺部疾病的精準識別[9]；結合病理學和眼底影像學數(shù)據(jù)，設計深度學習網(wǎng)絡，可實現(xiàn)對重大慢性疾病的診斷及風險追蹤[10]。醫(yī)學影像學知識具有層次結構和動作結構，可以降低深度學習模型對大規(guī)模醫(yī)學影像學數(shù)據(jù)的依賴，提高結果的可解釋性，有助于實現(xiàn)更精準的智能診斷。將醫(yī)學影像學知識與目前數(shù)據(jù)驅動下的深度學習模型進行深層次融合是未來重要研究方向。
2. 神經(jīng)系統(tǒng)功能障礙和運動障礙分析 神經(jīng)系統(tǒng)變性疾病是威脅人類健康的常見神經(jīng)系統(tǒng)疾病之一，對其進行中樞機制和外周機制分析，有助于制定有效的康復治療策略，提高患者生活質量。以帕金森病為例，將帕金森病相關量表[主要是國際運動障礙學會（MDS）統(tǒng)一帕金森病評價量表（UPDRS）]融入神經(jīng)網(wǎng)絡中，結合患者步行視頻數(shù)據(jù)，可實現(xiàn)對帕金森病運動障礙嚴重程度的精準識別[11]；將帕金森病患者大腦生理學信息編碼成特征，結合神經(jīng)影像學數(shù)據(jù)，可實現(xiàn)對其功能障礙發(fā)生機制的分析[12]。醫(yī)學知識與數(shù)據(jù)的結合有助于臨床醫(yī)師對神經(jīng)系統(tǒng)變性疾病的病理生理學機制進行深層次研究，探究更精準、有效的診斷與治療方法。
3. 手術機器人系統(tǒng) 手術機器人系統(tǒng)可以輔助術者完成微創(chuàng)、精準、安全的手術。手術機器人系統(tǒng)需依據(jù)醫(yī)學知識引導，輔助術者制定手術方案，確定手術靶點和路徑等；智能控制系統(tǒng)需依據(jù)臨床應用場景構建約束（即限制條件的數(shù)學表達），設計機器人運動軌跡和導航策略，結合機器人控制理論模型和多模態(tài)傳感數(shù)據(jù)反饋，設計機器人控制策略。首都醫(yī)科大學附屬北京天壇醫(yī)院張建國教授團隊將3D智能結構光注冊技術用于77例機器人輔助神經(jīng)外科手術，以3D智能結構光快速掃描患者頭面部獲得點云數(shù)據(jù)，結合醫(yī)學影像學知識，采用迭代就近點算法進行配準，與基于CT和MRI注冊相比，該注冊技術可縮短注冊時間，減少定位誤差和手術創(chuàng)傷，簡化操作流程，提高手術效率和病變定位精度，從而提高手術效果[13]。南開大學韓建達教授團隊提出一種面向人工耳蝸精準植入的機器人術像一體化手術路徑規(guī)劃與導航技術，即在手術損傷病理生理學機制引導下，采用深度學習模型行多模態(tài)信息融合和影像分割、識別與重建，以實現(xiàn)多目標多約束規(guī)劃，經(jīng)模擬測試驗證，與傳統(tǒng)人工耳蝸植入相比，該手術路徑規(guī)劃與導航技術可降低手術入路損傷和神經(jīng)損傷風險，提高手術安全性[14]。中山大學彭鍵清教授團隊提出一種用于機器人輔助手術的內鏡視野自主跟蹤方法，構建運動學模型和遠心不動點約束方程，并利用深度學習模型對手術器械尖端進行分割和定位，建立內鏡視野智能調控模型，從而提高手術機器人系統(tǒng)的安全性和穩(wěn)定性[15]。醫(yī)學知識引導為手術機器人系統(tǒng)提供目標和約束，數(shù)據(jù)驅動有效提高基于醫(yī)學影像學的術前規(guī)劃、術中實時導航等應用的精度，二者聯(lián)合驅動是保障機器人系統(tǒng)安全、提高性能的有效方法。
4. 康復機器人 康復機器人可以輔助康復治療師執(zhí)行重復繁重的康復任務，提供靈活、精確、智能的康復訓練，提高康復治療效果，緩解醫(yī)療資源壓力。康復機器人需在病理學特點、康復機制、臨床需求等知識引導下，制定機器人任務和策略，在人機交互中通過關節(jié)角度、人機交互力等物理信號以及肌電、腦電等人體生理信號構建運動意圖識別算法，將運動意圖映射為機器人運動的期望軌跡，并用于人機交互控制?？祻椭委熯^程中應結合臨床量表和人體生理數(shù)據(jù)傳感反饋，評估患者康復水平并調整康復方案。南開大學韓建達教授團隊提出一種單通道肌電信號驅動的外骨骼式康復機器人控制策略，將生理學知識編碼成特征并與卷積神經(jīng)網(wǎng)絡進行融合，估計的髖關節(jié)運動軌跡精度與多通道方法近似，可降低康復機器人的復雜性，提高兼容性，從而拓展其臨床應用對象和場景[16]。在康復機器人軌跡跟蹤控制中將數(shù)據(jù)驅動的Koopman算子線性近似人機交互中的非線性動力學，并利用基于知識的模糊邏輯控制器訓練線性回歸模型，可提高軌跡跟蹤精度，從而提高康復機器人的性能[17]。在基于腦機接口的康復訓練中，將腦電信號的功能連接和功率譜作為知識引導并輸入卷積神經(jīng)網(wǎng)絡，可預測康復效果，指導早期個體化康復治療[18]?；谥R引導的方法理論支撐，可以保證康復機器人運行穩(wěn)定，以深度學習為代表的數(shù)據(jù)驅動方法可以為提高機器人性能和患者康復水平提供更多可能，因此，知識引導與數(shù)據(jù)挖掘聯(lián)合驅動有望推動康復機器人的變革與創(chuàng)新。
二、知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的醫(yī)療人工智能展望
知識引導與數(shù)據(jù)挖掘聯(lián)合驅動是推動醫(yī)療人工智能發(fā)展的重要思想，從深化理論、推動應用落地等角度看，知識與數(shù)據(jù)的迭代進化、醫(yī)療系統(tǒng)的數(shù)字化、元學習及醫(yī)療機器人的智能發(fā)育是未來重要發(fā)展方向。
1. 知識與數(shù)據(jù)的迭代進化 在醫(yī)學知識引導下構建數(shù)據(jù)驅動模型，從臨床數(shù)據(jù)中進行數(shù)據(jù)挖掘并將結果進行循證醫(yī)學驗證，可增強臨床可解釋性，進而歸納生成新的知識，用于進一步引導數(shù)據(jù)挖掘，形成知識與數(shù)據(jù)的交替迭代進化，為實現(xiàn)可引導、可解釋、可學習、可進化的醫(yī)療人工智能提供方法支撐。
2. 醫(yī)療系統(tǒng)的數(shù)字化 醫(yī)療系統(tǒng)的數(shù)字化是醫(yī)療人工智能發(fā)展的基礎。將信息技術應用于臨床檢測、診斷、治療和康復過程，建立數(shù)字化健康檔案，為醫(yī)療人工智能提供數(shù)據(jù)基礎[19?20]。通過遠程診斷與治療技術，突破地理位置限制，利用有限的醫(yī)療資源，覆蓋更廣泛的患者群體。建立信息標準化體系，規(guī)范數(shù)據(jù)接口，促進醫(yī)療數(shù)據(jù)的互聯(lián)互通、實時共享，為驗證醫(yī)療人工智能的通用性提供數(shù)據(jù)支撐。
3. 元學習 元學習是一種模仿生物利用已習得知識快速學習新知識的學習方式，在小樣本學習和零樣本學習上已開展大量研究和探索[21]。近年來，元學習發(fā)展迅速，為知識引導與數(shù)據(jù)挖掘聯(lián)合驅動的人工智能提供新的視野。將元學習引入神經(jīng)科學與醫(yī)療領域，在有限的醫(yī)療數(shù)據(jù)上訓練可靠的人工智能模型，提高基于腦成像的精準醫(yī)療效果[22]。元學習可利用已有的知識和經(jīng)驗，使人工智能模型在學習新任務時更容易，所需樣本量更少，同時還可保證一定精度，在醫(yī)療人工智能領域具有廣闊的應用前景。
4. 醫(yī)療機器人的智能發(fā)育 醫(yī)療機器人存在應用場景單一、技能遷移困難等問題，而機器人智能發(fā)育技術有望突破這一瓶頸。機器人的智能發(fā)育系機器人利用其感知能力，在與人和環(huán)境的實時動態(tài)交互中增量式、漸進性提高自身自主行為能力，使其智能程度不斷提高的過程[3]。機器人的智能發(fā)育有望提高機器人的環(huán)境自主理解能力、對人合作意圖的認知能力、自主行為的決策能力及安全協(xié)作的控制能力。將智能發(fā)育應用于醫(yī)療機器人，有望突破醫(yī)療機器人的瓶頸，推動醫(yī)療機器人的智能化發(fā)展。
綜上所述，知識引導與數(shù)據(jù)挖掘聯(lián)合驅動理論體系不斷完善，應用場景不斷拓展，必將成為醫(yī)療人工智能發(fā)展的新引擎，推動疾病診斷與治療水平的提高，造?；颊?。
Copyright ? 2022 上?？评讜狗沼邢薰?旗下「智慧醫(yī)療網(wǎng)」版權所有 ICP備案號：滬ICP備17004559號-5
