医学决策支持系统的结构

§6.2　医学决策支持系统的结构

一、医生看病的自然过程

临床医生给病人看病的过程实际上是一个对病人信息进行综合分析处理的自然过程，这个过程包括三个阶段：观察、诊断和治疗，这一循环过程可以用图6.1来表示。这个过程包括病人讲述他/她的病史、临床症状、疾病发作的情况和原因以及病患家族史等与之有关的情况，临床医生收集数据（如作物理检查、实验室检查或X线透视等），临床医生回忆或搜索与之相关医学知识和经验，针对病人情况作比较或类比，并得出一个结论，甚至得出诊断结果，然后开出治疗处方或者执行其他治疗措施。

从工程的角度来看，观察阶段的主要任务是获取数据，更确切地说，是获取能提供相关信息的数据，对病人相关信息理解和挖掘得越充分，关于病人疾病的不确定性就会越小。医生根据病人描述的信息和他所掌握的知识和经验作诊断结论的过程实质上是一个推理过程，而治疗则是一个问题求解及处理的过程。治疗阶段依赖于诊断和决策分析，而诊断决策分析的准确性则取决于观察阶段的信息获取程度。

图6.1　诊断-治疗循环

在这个循环中，信息流从观察数据，经过数据解释，对数据应用于治疗。这个循环可实行一次（如病人门诊），也可实行多次（如对重症监护的病人）。

二、医学决策支持系统对医生看病的模拟过程

医生给病人看病的这一自然过程可以用人工智能的设计原理和方法来模拟，这就是医学决策支持系统。医学决策支持系统对医生看病的观察、诊断和治疗模拟过程包括病人数据收集、医生医学知识和经验收集、病人情况与医学规则匹配、解释匹配结果以及给出建议等过程。

医学决策支持系统与大多数其他领域专家系统一样，一般由五个部分组成，这五个部分分别是医学知识库、全局数据库、推理机、解释器和人机接口，其结构如图6.2所示。

（1）知识库　知识库（Knowledge Base，KB）是医学决策支持系统的基础，用于存放各种专家诊断知识，包括医学事实和可行的操作与诊断规则等。

（2）全局数据库　全局数据库（Global Database，GDB）用于存放病人的初始数据、中间推理数据和诊断结果甚至一些对结果的诊断处理等。

（3）推理机　推理机（Reasoning Machine）根据全局数据库的当前内容，从知识库中选择可匹配的规则，并通过执行规则来修改数据库中的内容，再通过不断地推理导出问题的结论。

（4）解释器　解释器（Expositor）负责对推理过程作出解释，包括解释“系统是怎么样得出这一诊断结论的”等用户需要解释的问题。

（5）人机接口　人机接口（Man-Machine Interface）是系统与用户进行对话的界面。用户通过人机接口输入必要的数据和信息、提出问题和获得系统对问题的推理结果以及获得系统对结果或用户提问所作出的解释；系统则通过人机接口要求用户回答系统的询问，回答用户的问题和解释。

图6.2　医学决策支持系统的一般结构

三、医学决策支持系统和临床医生的关系

在医学人工智能中，虽然医学决策支持系统能够比较好地模拟医生的自然行为，实践证明在某些方面还有可能超过专家的能力，但是这仅仅限于医学诊断过程中的可结构化、可一般化和可客观化部分。使用计算机作医学决策支持时，绝不允许用计算机取代人类(临床医生)对诊断的负责，而且在实际生活中计算机也绝对取代不了临床医生的作用。

多数情况下，临床医生在拥有足够的知识和充分的病人资料情况下可以作出正确的判断，不需要计算机协助，但在下列情况下，医学决策支持系统就会显示其强大功能和作用。

（1）人有时会犯错误或失误，当然医生也不例外（复杂病例和常见病例都会出错），使用医学决策支持系统，可以提醒专家没在意的或没有发现到的病人信息，从而提高诊断准确性。

（2）临床医生的知识更新无法与急剧增长的医学知识同步。当医学领域发现新病例、新成果时，计算机支持系统可以低成本、高效率和方便快捷地传播给广大医生。

（3）对大批量的常规决策工作，自动化决策效率更高（如大量的常规实验室检测和数据分析等）。

（4）医疗卫生机构可能要求一些临床项目既提高医疗质量，又降低费用。

（5）对医学院学生，成熟专业的医学支持系统可能是他们学习专业知识和专家经验的方便可得的廉价的老师，同时也是他们初入医院实习工作的非常好的助手。

因此，正确认识人工智能在医学中的地位和作用，正确认识医学决策支持与临床医生的关系，有助于我们正确地认识和处理人工智能与人的智能的关系，避免在人工智能初期曾出现过的消极或偏激的错误，同时也有助于我们理解计算机辅助决策支持系统的法律与伦理方面的问题。