基于推演格技術(shù)的智能+診斷推理研究

黃軻　胡啟平　李莉　李泰郎

摘 ? 要：針對(duì)現(xiàn)有智能診斷方法的推理局限和不足，提出基于推演格技術(shù)的智能+診斷推理機(jī)制。推演格是一種格狀的結(jié)構(gòu)，格具有一個(gè)根節(jié)點(diǎn)，多個(gè)中間節(jié)點(diǎn)和葉子節(jié)點(diǎn)組成，根節(jié)點(diǎn)表示判據(jù)，中間節(jié)點(diǎn)是同一類(lèi)型不同判據(jù)的組合?；谕蒲莞窦夹g(shù)的推理機(jī)制用于復(fù)雜問(wèn)題的分析和求解過(guò)程，核心是基于推演格的智能決策過(guò)程，和現(xiàn)有正向推理和反向推理方式相比，推演格更適用于復(fù)雜性問(wèn)題的推演和求解過(guò)程，其優(yōu)勢(shì)主要體現(xiàn)在解決問(wèn)題時(shí)的效率性、推理結(jié)論的全面性等方面。具有憑借其對(duì)數(shù)據(jù)自動(dòng)學(xué)習(xí)，從中提取隱含的規(guī)則或模型，并做出智能決策的強(qiáng)大能力。

關(guān)鍵詞：推演格 ?智能+ ?診斷 ?推理

中圖分類(lèi)號(hào)：TP391 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2019）06（b）-0159-02

隨著經(jīng)濟(jì)發(fā)展和民眾生活水平的提升以及老齡化的來(lái)臨，人們對(duì)健康的需求日益增長(zhǎng)，當(dāng)前醫(yī)療行業(yè)面臨如下挑戰(zhàn)，醫(yī)療資源的供給能力不足，難以滿足民眾對(duì)高水平生活的追求。醫(yī)療改革和應(yīng)用新技術(shù)，是應(yīng)對(duì)這種挑戰(zhàn)的兩項(xiàng)關(guān)鍵措施，很多國(guó)家都在進(jìn)行醫(yī)療改革，同時(shí)也大力將新技術(shù)應(yīng)用到醫(yī)療領(lǐng)域，人工智能技術(shù)正在成為提高醫(yī)療資源服務(wù)能力和提高療效，從而應(yīng)對(duì)醫(yī)療服務(wù)挑戰(zhàn)的重要工具。目前，人工智能在醫(yī)學(xué)界、學(xué)術(shù)界乃至工業(yè)界受到廣泛的關(guān)注，人們健康意識(shí)不斷提高，對(duì)醫(yī)療衛(wèi)生提出了的更高要求，各類(lèi)疾病的篩查和診斷的需求量不斷增加。

1 ?現(xiàn)有智能診斷方法的推理局限

現(xiàn)采用的智能診斷運(yùn)作方式是將患者的主訴和醫(yī)生進(jìn)行的門(mén)診檢查結(jié)果為首次分析推理的數(shù)據(jù)，通過(guò)相關(guān)系統(tǒng)內(nèi)的規(guī)則和推理，從而給出可能罹患的疾病和相應(yīng)的醫(yī)學(xué)檢查項(xiàng)目，患者根據(jù)系統(tǒng)所建議的檢查項(xiàng)目進(jìn)行醫(yī)學(xué)檢查，并且將檢查結(jié)果錄入專(zhuān)家系統(tǒng)中，系統(tǒng)根據(jù)這些結(jié)果和首次分析推理的結(jié)果推測(cè)和篩選出最可能的罹患的疾病，然后系統(tǒng)給出相應(yīng)的治療方案（包括用藥，治療方法，療程等信息），最后根據(jù)治療結(jié)果進(jìn)行評(píng)估，直至患者治愈。根據(jù)以上推理邏輯，局限在于以下幾方面。

1.1 疾病知識(shí)的收集和整理過(guò)于零散片面

疾病的各種信息很多，許多疾病僅在癥狀方面就十分復(fù)雜，需要有醫(yī)學(xué)專(zhuān)業(yè)知識(shí)的專(zhuān)家講解和指導(dǎo)。對(duì)于疾病中各項(xiàng)信息應(yīng)采取何種形式描述，從而確保系統(tǒng)能夠識(shí)別不明確。

1.2 通過(guò)表象得到可能患有疾病的數(shù)據(jù)嚴(yán)重不足

對(duì)于反向推理目前技術(shù)未能實(shí)現(xiàn)。現(xiàn)在普遍用的方法是根據(jù)提供表象的集合，搜索整個(gè)知識(shí)庫(kù)，返回滿足這些條件的疾病集，通過(guò)臨床觀察進(jìn)行進(jìn)一步的篩選，然后系統(tǒng)給出相應(yīng)的醫(yī)學(xué)檢查項(xiàng)目，根據(jù)這些檢查的結(jié)果再?gòu)募膊〖泻Y選直至得到確定的疾病。主要缺陷：（1）搜索的范圍很大，所需要的時(shí)間很多，得到的疾病集規(guī)模太大，導(dǎo)致系統(tǒng)給出的醫(yī)學(xué)檢測(cè)項(xiàng)目太多;（2）根據(jù)表象搜索結(jié)果和醫(yī)學(xué)檢測(cè)結(jié)果共同篩選后，依然無(wú)法得到確定的疾病。

1.3 規(guī)則集的建立方式和存儲(chǔ)及調(diào)用效率低下

現(xiàn)有診斷專(zhuān)家系統(tǒng)的規(guī)則集都是通過(guò)手工逐條建立起來(lái)的，對(duì)于一個(gè)覆蓋整個(gè)臨床醫(yī)學(xué)的專(zhuān)家系統(tǒng)，其中需要包含的規(guī)則數(shù)量將是巨大的，如何將這些規(guī)則一一建立起來(lái)，并且選用某種合適的方式存儲(chǔ)和使用時(shí)搜索到相應(yīng)規(guī)則是一個(gè)難點(diǎn)。

2 ?基于推演格技術(shù)的智能+診斷推理

針對(duì)現(xiàn)有診斷方法的推理局限和不足，提出基于推演格的智能+診斷推理機(jī)制。

2.1 推理核心

在條件A輸入到系統(tǒng)之后，系統(tǒng)會(huì)從規(guī)則庫(kù)RuleSet中搜索出所有前件中包含A的規(guī)則組成規(guī)則集，加入有以下規(guī)則符合：

Rule1： A∧B∧C∧D→h1

Rule2： A∧C∧D∧E→h2

Rule3： A∧D∧E∧F→h3

Rule4： A∧G∧H→h3

A是首要條件，作為整個(gè)推演格的根節(jié)點(diǎn);在Rule1，Rule2，Rule3中，除根節(jié)點(diǎn)A外，出現(xiàn)頻率最高的為判據(jù)D，故D和G作為下一層的中間節(jié)點(diǎn);出現(xiàn)頻率次高的判據(jù)有C和E，均為兩次，故C和E為D的子節(jié)點(diǎn)，且C和E處于同一層次，形成推演格的余下部分。

推演格的主要推理順序是先從上至下，然后從左往右。以圖1為例，A為首要的條件，所以作為推演格的根節(jié)點(diǎn)。所以包含A條件的規(guī)則從規(guī)則集中搜索出來(lái)，形成本次推演的規(guī)則集，并將這個(gè)規(guī)則集構(gòu)建成如圖1所示的推演格。

D和G是接下來(lái)需要匹配的條件，如果條件D匹配，則在D分支下進(jìn)行匹配，G分支下忽略，對(duì)條件C進(jìn)行匹配，如果C匹配則繼續(xù)向下先匹配E，如果E不匹配，則匹配B;如果D匹配不成功，則就舍棄D分支，需要對(duì)G分支進(jìn)行搜索匹配，如果G匹配不成功，則說(shuō)明規(guī)則集中無(wú)匹配的規(guī)則。

推演格的推理結(jié)果會(huì)有兩個(gè)：

（1）推演過(guò)程找到葉子節(jié)點(diǎn)，即找到了唯一性結(jié)論，推演結(jié)束;

（2）推演過(guò)程中發(fā)現(xiàn)某層的中間節(jié)點(diǎn)都無(wú)法匹配，即缺失目前問(wèn)題的規(guī)則內(nèi)容，需要補(bǔ)充新規(guī)則再次推演，推演結(jié)束。

基于推演格的推理機(jī)制用于復(fù)雜問(wèn)題的分析和求解過(guò)程。其優(yōu)勢(shì)主要體現(xiàn)在解決問(wèn)題時(shí)的效率性、推理結(jié)論的全面性等方面：

（1）采用交互式方法從用戶獲取事實(shí)。

（2）推演格的匹配過(guò)程復(fù)雜程度低。正向推理和逆向推理在每次匹配時(shí)都需要將整個(gè)規(guī)則庫(kù)搜索一遍，而推演格在進(jìn)行推演活動(dòng)時(shí)，需要匹配的規(guī)則會(huì)逐漸減少，從而盡量減少匹配的復(fù)雜程度和資源消耗。

（3）推演格的匹配過(guò)程更科學(xué)合理，對(duì)判據(jù)（事實(shí)）和規(guī)則的考慮更全面。推演格將判據(jù)（事實(shí)）分為類(lèi)別和模式兩個(gè)部分，在進(jìn)行匹配時(shí)首先對(duì)類(lèi)別進(jìn)行匹配，然后對(duì)模式進(jìn)行匹配，根據(jù)類(lèi)別和模式的匹配結(jié)果來(lái)確定下一步的行動(dòng)。

（4）推演格的匹配效率高、消耗資源少。

（5）推演格的分支結(jié)構(gòu)更加靈活。推演格的匹配不是僅考慮匹配成功的路徑，對(duì)于類(lèi)型匹配成功，模式匹配不成功的分支也要繼續(xù)推演，避免高度疑似結(jié)論的缺失。

（6）通過(guò)使用統(tǒng)計(jì)數(shù)據(jù)結(jié)果，提高推演格推演準(zhǔn)確度。在推演格的推演過(guò)程中，通過(guò)引入結(jié)果統(tǒng)計(jì)數(shù)據(jù)，增強(qiáng)推演過(guò)程的準(zhǔn)確度，而且可以對(duì)推演的分支節(jié)點(diǎn)和結(jié)論按照統(tǒng)計(jì)數(shù)據(jù)進(jìn)行排序，這些是正向推理和逆向推理方法所無(wú)法具備的。

2.2 算法說(shuō)明

推演格是一種格狀的結(jié)構(gòu)，格具有一個(gè)根節(jié)點(diǎn)，多個(gè)中間節(jié)點(diǎn)和葉子節(jié)點(diǎn)組成，根節(jié)點(diǎn)表示判據(jù)，中間節(jié)點(diǎn)是同一類(lèi)型不同判據(jù)的組合，葉子節(jié)點(diǎn)表示的是疾病，從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)具有多條路徑，這樣可以表示一病多因，也可以表示一因多病，對(duì)任意擁有子節(jié)點(diǎn)的節(jié)點(diǎn)，其子節(jié)點(diǎn)時(shí)有序的，順序是從左到右，如果把表示疾病的葉子節(jié)點(diǎn)從格中去掉，則由剩余節(jié)點(diǎn)構(gòu)成一棵樹(shù)，這樣的樹(shù)稱(chēng)為推演樹(shù)。

同一節(jié)點(diǎn)的兄弟節(jié)點(diǎn)是有序的，任一中間節(jié)點(diǎn)不能出現(xiàn)在該節(jié)點(diǎn)為根節(jié)點(diǎn)的子節(jié)點(diǎn)集和其右邊兄弟節(jié)點(diǎn)以及這些兄弟節(jié)點(diǎn)為根的節(jié)點(diǎn)集中，即：

其中ai表示任一中間節(jié)點(diǎn)，m為某一節(jié)點(diǎn)的所有子節(jié)點(diǎn)數(shù)，SubnodeSet（ak）以ak為根的推演樹(shù)的子節(jié)點(diǎn)集，i=0，…， m。

2.3 推演格的推理機(jī)制

推演格及基于推演格的推理方法，先從規(guī)則庫(kù)中尋找符合其中某一條件的所有規(guī)則，然后將這些規(guī)則按構(gòu)造推演格算法生成推演格，再進(jìn)行條件匹配，可以快速匹配其中的某條規(guī)則，或者在現(xiàn)有規(guī)則集中無(wú)法匹配。推演格是一種新型高效、智能的推理模型，通過(guò)收集的判據(jù)，結(jié)合對(duì)規(guī)則庫(kù)中規(guī)則的匹配，利用類(lèi)似的格狀結(jié)構(gòu)從根節(jié)點(diǎn)開(kāi)始逐層推演，并最終在葉子節(jié)點(diǎn)處獲得推演結(jié)果。在推演過(guò)程中，還會(huì)使用一些判據(jù)的統(tǒng)計(jì)分析結(jié)果來(lái)輔助推演，在獲取確定的推演結(jié)果的同時(shí)還會(huì)推演出其他疑似結(jié)論，并將這些疑似結(jié)論根據(jù)其置信度進(jìn)行排序。

相比正向推理和反向推理來(lái)說(shuō)，推演格是一種新型高效、智能的推理模型，通過(guò)收集的判據(jù)，結(jié)合對(duì)規(guī)則庫(kù)中規(guī)則的匹配，利用類(lèi)似的格狀結(jié)構(gòu)從根節(jié)點(diǎn)開(kāi)始逐層推演，并最終在葉子節(jié)點(diǎn)處獲得推演結(jié)果。在推演過(guò)程中，還會(huì)使用一些判據(jù)的統(tǒng)計(jì)分析結(jié)果來(lái)輔助推演，在獲取確定的推演結(jié)果的同時(shí)還會(huì)推演出其他疑似結(jié)論，并將這些疑似結(jié)論根據(jù)其置信度進(jìn)行排序，從而提供全面的推演信息供決策者參考。

3 ?結(jié)語(yǔ)

本文針對(duì)傳統(tǒng)基于產(chǎn)生式規(guī)則的推理機(jī)面臨的問(wèn)題，提出了一種基于推演格技術(shù)的智能+解決方案，核心是智能決策。將臨床診斷過(guò)程中所遇到的醫(yī)學(xué)現(xiàn)象進(jìn)行統(tǒng)一描述，結(jié)合知識(shí)庫(kù)的構(gòu)建，闡述了推演格的定義，并說(shuō)明了推演格的整體結(jié)構(gòu)與推理算法。對(duì)比說(shuō)明了基于推演格的推理結(jié)構(gòu)與基于產(chǎn)生式規(guī)則的推理機(jī)結(jié)構(gòu)上的改進(jìn)與優(yōu)化。

基于推演格技術(shù)的智能+方法存在一定的局限性。例如推理結(jié)構(gòu)在知識(shí)庫(kù)的組織方面，知識(shí)庫(kù)中表述的字段不足以完全表示在實(shí)際醫(yī)療診斷過(guò)程中所需要的信息。

參考文獻(xiàn)

[1] 胡啟平，胡煜州.一種推演格及基于推演格的推理方法[P].湖北：CN106529676A，2017-03-22.

[2] 顧堅(jiān)磊，江建平，田園，等.人工智能技術(shù)的應(yīng)用：罕見(jiàn)病臨床決策系統(tǒng)的需求、現(xiàn)狀與挑戰(zhàn)[J].第二軍醫(yī)大學(xué)學(xué)報(bào)，2018，39（8）：819-825.

[3] 張藝帆.基于語(yǔ)義技術(shù)的臨床決策知識(shí)庫(kù)研究[D].浙江大學(xué)，2017.