临床辅助决策,AI范畴,简称CDS。CDS有两条路线:一种是大数据+深度学习,本文简称“大深路线”;另一种是语义网知识库+仿真思维,本文简称“语仿路线”。1. 大深路线,CSD的进展与限制
AI进入医疗领域,以“趋简”为宗旨,这使得“大深路线”生逢其时、蓬勃壮大。借助工程师的脑洞,医生临床有了一种崭新的AI辅助方法。“大深路线”是把医院病案(数据)中的关键要素,通过敏感关联关系,用“学习”的方法抽取出来,使该病案具备多点被查询能力。因为病案都有医生的学术加持,工程师便无忧医学专业问题,省去一个大麻烦。“大深路线”解决诊疗问题的方式,是将临床问题汇集在一起,一次完成多点匹配,找出相近病案,用该病案中的医生处理方式,作为相关问题的解决办法。显然,这种办法简单明了,符合人们求简心态,因而具有征服力;属于扩展了的线性思维。但是,医生不能只有线性考虑,更需要非线性思维,尤其遇到患者的复杂疾病。2. 复杂病概念
所谓“复杂病”,是相对医生的知识而言,或有未知、少知、难知等几种情况。场景:大量医生,在不同地方,面对大量患者,执行临床医疗,必有一个庞大的共识体系,或称标准体系。标准体系之于每位医生,就是临床思维规范。思维规范的初始形态存在于各种媒介(纸质/电子)之中,高级形态存在于医生头脑中。当疾病简单清晰时,医生承载对标准的记忆及基于标准的判断,都不太难。但是,当病情跨系统、重叠交织时,就不好搞定了。不好搞定的复杂病,只要进入临床,它的依据就只能是标准或规范,抑或参照消息。临床上大致有如下三种情况:- 罕见病:任何罕见病只要已经有诊疗标准,或在公网上有相关记录,临床诊疗,主要是一个查询问题。“大深路线”无疑是解决这类问题的高高手。
- 新病种:新病乍现,没有标准,譬如“SARS”。诊疗,必定从近似疾病开始,逐步摸索,寻找边界,直至建立临床标准。大量医生探索,是解决这类问题的不二法门。
- 复杂病:患者身上综合了各种病情,跨系统、相互牵扯、变化万千、漫无头绪。现实中出现这种情况的几率不小,而将复杂病按单病种方式标准化的情况不多。所以,当医生遇上复杂病况,关键一步是:尽快将复杂病解析为清晰可辨的单病种。
3. 复杂病辨析思路
医生临床的AI抽象概念,是非线性动态过程片段的长逻辑链描述与判断。“大深路线”适合对定型数据的静态抓取。若是复杂病,则需要以过程仿真方式随机复现生命特征,“语仿路线”显然更加适合。切入点:当多个病发生在同一患者身上,并且不易被其它条件区分,则疾病发生的时序特点将成为辨析的主要切入点,因为疾病的叠加过程,必然留下时序分层痕迹。诸如基础病、原发病、继发病、合并病、感染病、传染病、损伤病等,这些病类的定义,本身就包含时序成份,说明疾病的时序抓手,早已置根在医学体系中。机制:仅当我们能将纠缠状态之中的每一个单病种分离开来,单病种必有共识规范,复杂病的描述立刻变成单病种规范的叠加,医生立刻进入各个击破状态。目标:一个辨病工具,绑定“语仿路线”全病域知识体系,能够框定共识标准范畴内的绝大多数疾病,从技术上支持医生快速逼近对复杂病的时序分析,拆解叠加状态,直至最后解析为几个单病种,帮医生捋清复杂病判断的临床线索。4. 语仿路线的辨病思路
“语仿路线”的CDS辨病工具,通常要尊重下面看似干枯的原则和边界:- 疾病辨析的原则依据,一定是共识基础,即AI的依据标准或规范体系。
- 因为疾病诊不准原理,医生临床主要采取相似逼近的试错方法,AI要能辅助试错。
- 无论出现多少个病种共生,病情都必然在同一患者身上体现出来。此概念,既限定了AI边界,又追逐了个性特征。
我们将辨病工具打包在《博医理 中医+西医CDS云平台》的医院组件中,主要利用了全病域语义网知识库框定疾病的能力。通过设置A-B两个页面,用以交换医生探索时序分层的思维空间,便于医生腾得出手来,逆时序拆解复杂病的叠加构成。5. 辨病工具的操作展示
以上,看似纸上谈兵,实际上,我们已经完成了基于CDS系统的辨病工具研发,可以执行完整操作。下面我们用视频展现辨病功能:
感兴趣者,可以动手试试,在链接:cc.boyli.net 内点击“医院组件”按钮,然后可以操作。
湖南中医药大学 人工智能学科 教授
科凌力智能医学软件(深圳)有限公司 CTO
李科威 博士
2019.8.17.
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。