人工智能科技系列连载之一：人工智能及其在医学中的发展史

2018-11-05 09:36 阅读数：3945 标签：

什么是人工智能

人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。

人工智能主要是基于一系列的统计算法对数据进行处理，包括主成分分析、独立成分分析、偏最小二乘、线性判别分析、支持向量机、K-均值聚类、K最近邻分类算法等，以及采用这些基本算法所进行的算法扩展[1]。

目前，人工智能分为弱人工智能、强人工智能及超级智能。弱人工智能只不过看起来像是智能的，但并不真正拥有智能，也不会有自主意识，只是帮助人类完成某些任务的工具或助理[2]。

强人工智能是基于心智的计算模型，以通用数字计算机为载体的AI程序可以像人类一样认知和思考，达到或者超过人类智能水平。强人工智能分为两类：①类人的人工智能，即机器的思考和推理像人的思维一样；②非类人的人工智能，即机器与人有完全不一样的知觉、意识及推理方式。而强人工智能的研究仍然在不断探索中[2]。

在目前的医疗器械领域，人工智能主要是通过机器获取相应的数据，然后对数据进行优化处理并进行分析，最终得出定性或定量的结论。比如，用于诊断的医生专家系统可以得出患者是否患者有某种疾病的结论；用于肿瘤放射计划的自动计算系统可以根据患者肿瘤大小设置合理的放射剂量。

因此，目前的医疗器械所使用的人工智能为弱人工智能，它只能根据已经给定的判断规则对既定的数据进行分析处理。当遇到新的突发情况或超出人工智能的计算范围时，它的结果就会出现错误。

人工智能机器学习理论主要包括监督学习和非监督学习两大类，以及它们的结合，两者的主要区别在于是否需要训练集。

监督学习利用已知类别的样本集（训练集）调整分类器的参数，使其达到所要求性能。非监督学习不需要训练集，而是根据样本间的相似性寻找样本集的规律，对样本集进行分类（例如聚类），分类的依据是类内差距的最小化和类间差距的最大化。上述两种方法在医疗器械中都有广泛应用[1]。

人工智能在医学中的发展历史

早在1954年，美国的钱家其已将计算机应用于放射治疗，计算剂量分布和制定治疗计划；1959年，美国的Ledley等首次将数学模型引入临床医学，提出了可将布尔代数和Bayes定理作为计算机诊断的数学模型，并以此诊断了一组肺癌病例，开创了计算机辅助诊断的先例；1966年，Ledley首次提出“计算机辅助诊断”（computer aided diagnosis，CAD），形成了计量医学；1976年，美国斯坦福大学的Shortliffe等研制成功了著名的用于鉴别细菌感染及治疗的医学专家系统———MYCIN，建立了一整套专家系统的开发理论；1982年，美国匹兹堡大学的Miller等发表了著名的Internist-I内科计算机辅助诊断系统，其知识库中包含了572种疾病，约4500种症状；1991年美国哈佛医学院Barnett等开发的“解释”软件，包含有2200种疾病和5000种症状。由此可见，人工智能其实很早以前就应用于医学领域，但由于理论算法以及相关政策的滞后，人工智能在医学领域的发展一直处于自我生长阶段。

但随着人工智能应用范围越来越广泛、新的理论算法的不断提出、技术的不断提高人工智能越来越受到重视。在2015年5月我国提出《中国制造2025》，2016年5月提出的《“互联网＋”人工智能三年行动实施方案》，以及2017年11月在北京召开“新一代人工智能发展规划暨重大科技项目”启动会，这些都标志着新一代AI发展规划和重大科技项目进入了全面启动实施阶段。2017年12月我国工业和信息化部提出了《促进新一代人工智能产业发展三年行动计划（2018―2020年）》，明确指出对医疗影像辅助诊断系统的具体要求。

因此，随着国家政策的利好，技术的不断革新，人工智能在医学领域的应用也成为大家关注的重点，越来越多的IT企业开始利用自身技术优势与临床医生一起探讨人工智能在医学领域的应用。本文主要是对人工智能所涉及的相关问题进行讨论，希望能抛砖引玉引发大家的深度思考。