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。
