基于人工智能技術(shù)的醫(yī)學(xué)知識(shí)問(wèn)答系統(tǒng)研究

陸森 徐霄玲 陳園園 趙逸凡 劉婷 葉萍 韓寶三

摘要：將人工智能技術(shù)應(yīng)用于醫(yī)學(xué)知識(shí)問(wèn)答系統(tǒng)構(gòu)建，幫助患者更準(zhǔn)確性、更有針對(duì)性地認(rèn)識(shí)疾病。建立標(biāo)準(zhǔn)化醫(yī)學(xué)知識(shí)問(wèn)答數(shù)據(jù)庫(kù)，并通過(guò)醫(yī)院門(mén)診收集患者問(wèn)題，利用SiameseLSTM獲取問(wèn)題間的相似度，將非標(biāo)準(zhǔn)化問(wèn)題納入問(wèn)答系統(tǒng)，通過(guò)小程序完成問(wèn)答系統(tǒng)與用戶之間的交互，并選取100位門(mén)診患者進(jìn)行程序回答測(cè)試。程序?qū)嶋H測(cè)試的回答有效率為82%，無(wú)效率為18%，對(duì)于內(nèi)容實(shí)質(zhì)相似的問(wèn)題回答準(zhǔn)確。目前為止，程序運(yùn)行的準(zhǔn)確性處于較高水平，有效率達(dá)到82%，可以很好地解答實(shí)質(zhì)相似、問(wèn)法不同的患者提問(wèn)。今后，有望通過(guò)進(jìn)一步的數(shù)據(jù)擴(kuò)充及程序訓(xùn)練，給患者提供正確的相關(guān)醫(yī)學(xué)知識(shí)，進(jìn)而提高就醫(yī)效率，減緩臨床壓力，緩和醫(yī)患關(guān)系，提高患者就醫(yī)滿意度。

關(guān)鍵詞：人工智能;就醫(yī)效率;知識(shí)問(wèn)答系統(tǒng)

DoI：10.11907/rjd k.191242

中圖分類號(hào)：TP303 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）012-0065-04

0引言

伴隨國(guó)家政策的推進(jìn)、互聯(lián)網(wǎng)技術(shù)的普及，以及居民物質(zhì)、精神生活的日益富足，人們對(duì)健康的關(guān)注持續(xù)增加，我國(guó)互聯(lián)網(wǎng)醫(yī)療產(chǎn)業(yè)開(kāi)始高速發(fā)展。它以互聯(lián)網(wǎng)為載體，利用云計(jì)算、大數(shù)據(jù)等現(xiàn)代信息技術(shù)手段搭建多種多樣的智能化信息應(yīng)用平臺(tái)，提供健康教育、電子健康檔案、疾病風(fēng)險(xiǎn)評(píng)測(cè)、遠(yuǎn)程會(huì)診治療、在線疾病咨詢等多種形式的健康醫(yī)療管理服務(wù)。其中，人工智能技術(shù)（Artificial Intelli-gence，AI）應(yīng)用于互聯(lián)網(wǎng)醫(yī)療頗具發(fā)展前景。其在醫(yī)療領(lǐng)域已有諸多應(yīng)用場(chǎng)景，包括醫(yī)療機(jī)器人、輔助診療、專家系統(tǒng)、醫(yī)學(xué)影像等，已成為醫(yī)療領(lǐng)域變革的重要力量之一。以醫(yī)學(xué)影像為例，對(duì)一份影像圖片的醫(yī)學(xué)診斷，涉及拍攝影像工具的準(zhǔn)確度、分辨率，并受讀片醫(yī)生主觀經(jīng)驗(yàn)影響。在巨大的門(mén)診患者數(shù)量面前，影像學(xué)專業(yè)人員數(shù)量缺乏、人工讀片時(shí)間較長(zhǎng)都會(huì)嚴(yán)重影響患者就醫(yī)效率，而將人工智能技術(shù)應(yīng)用于影像學(xué)，借助計(jì)算機(jī)對(duì)影像數(shù)據(jù)的精確判斷，迅速辨別影像異常，并進(jìn)行所攝部位的三維重建，通過(guò)設(shè)定對(duì)應(yīng)于人工智能的醫(yī)學(xué)判斷標(biāo)準(zhǔn)，將極大提高讀片效率。配合深度學(xué)習(xí)算法，將正常人體組織與異常組織加以區(qū)分，已有學(xué)者將其應(yīng)用于判斷肺部正常組織與腫瘤組織，準(zhǔn)確度可達(dá)89.2%。

現(xiàn)代醫(yī)療環(huán)境下，就醫(yī)效率一直是存在于患者與醫(yī)生之間的一大矛盾點(diǎn)。人口老齡化問(wèn)題突出，慢性病患者數(shù)量不斷增大，而相對(duì)的醫(yī)療資源始終處于緊缺狀態(tài)，大醫(yī)院始終人滿為患，不少醫(yī)院患者的就醫(yī)效率始終處于較低水平。分析其原因在于：①醫(yī)療資源緊缺，為了醫(yī)生接診的幾分鐘時(shí)間，患者往往需要花幾十倍的時(shí)間等待;②在有限時(shí)間內(nèi)，為了診斷的準(zhǔn)確性，醫(yī)生需要了解病人的完整病情，但由于醫(yī)療體系的專業(yè)性，患者往往無(wú)法正確表達(dá)醫(yī)生所需要的病情描述，甚至由于緊張，會(huì)有一些失實(shí)病情從患者口中敘述出來(lái)，造成誤診誤判;③就診過(guò)程中，醫(yī)生詳細(xì)解答患者疑問(wèn)，但出于情緒緊張或者醫(yī)學(xué)知識(shí)的專業(yè)性，患者在就診時(shí)始終無(wú)法理解醫(yī)生所說(shuō)，內(nèi)心始終存有疑慮，這就會(huì)出現(xiàn)就診過(guò)程中患者反復(fù)咨詢醫(yī)生同一個(gè)問(wèn)題，或者就診結(jié)束后患者的種種疑慮依舊存在，嚴(yán)重影響就診滿意度;④醫(yī)療信息遍布網(wǎng)絡(luò)，任何年齡階段的患者均會(huì)在互聯(lián)網(wǎng)上受各種醫(yī)療信息影響，而其中，很多醫(yī)療信息是商家為推銷產(chǎn)品、服務(wù)而編造的，非專業(yè)人士無(wú)法判別其正確性，帶著這些混雜信息的患者到醫(yī)院就醫(yī)，面對(duì)就診醫(yī)生的診斷，難免會(huì)不知所措，甚至?xí)l(fā)生醫(yī)患矛盾。這些都是影響就醫(yī)效率的重要現(xiàn)實(shí)因素。

目前，互聯(lián)網(wǎng)上對(duì)于醫(yī)學(xué)的問(wèn)答主要以谷歌、百度等大型搜索引擎為主，用戶只需輸入感興趣疾病的部分關(guān)鍵詞，即可得到關(guān)于該疾病的大量介紹與應(yīng)用數(shù)據(jù)，但通過(guò)這種方法，用戶往往會(huì)“迷失”于茫茫信息中，無(wú)法判斷相關(guān)性與正確性;也有學(xué)者以搜索引擎的數(shù)據(jù)為基礎(chǔ)，依照不同檢索技術(shù)與問(wèn)題分析方法，設(shè)計(jì)準(zhǔn)確性更佳的程序，但數(shù)據(jù)量巨大依舊使得非專業(yè)用戶無(wú)法獲得最準(zhǔn)確的信息。

基于上述分析，筆者所在團(tuán)隊(duì)設(shè)計(jì)了一款基于人工智能技術(shù)，以手機(jī)APP、微信公眾號(hào)和小程序?yàn)檩d體的AI醫(yī)學(xué)知識(shí)問(wèn)答程序，通過(guò)臨床門(mén)診訓(xùn)練，不斷擴(kuò)充數(shù)據(jù)庫(kù)，提高問(wèn)答針對(duì)性，對(duì)實(shí)質(zhì)相同、問(wèn)法不同的提問(wèn)提供準(zhǔn)確的回答，旨在幫助患者在醫(yī)院就診前后，更準(zhǔn)確地了解涉及自身健康狀態(tài)或疾病的相關(guān)醫(yī)學(xué)知識(shí)，幫助醫(yī)生及患者更有針對(duì)性地進(jìn)行醫(yī)療就診，減少不良情緒與矛盾產(chǎn)生，進(jìn)而提高就醫(yī)效率。

1相關(guān)技術(shù)

該AI問(wèn)答程序當(dāng)前數(shù)據(jù)來(lái)源于上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院普通外科門(mén)診，以及上海交通大學(xué)醫(yī)學(xué)院附屬國(guó)際和平婦幼保健院乳腺外科門(mén)診。每個(gè)數(shù)據(jù)樣本以問(wèn)答對(duì)為形式。問(wèn)題在患者就診時(shí)收集，醫(yī)生對(duì)患者所提問(wèn)題加以人工回答并標(biāo)注。在數(shù)據(jù)集構(gòu)建上力求真實(shí)準(zhǔn)確，為模型訓(xùn)練提供可靠的數(shù)據(jù)支撐。

技術(shù)實(shí)現(xiàn)可分為3個(gè)階段：①為已經(jīng)標(biāo)準(zhǔn)化的問(wèn)答對(duì)建立索引，方便查找;②額外收集非標(biāo)準(zhǔn)問(wèn)題，通過(guò)求取與標(biāo)準(zhǔn)問(wèn)題的相似度，獲取相關(guān)標(biāo)準(zhǔn)答案，目前主要使用孿生神經(jīng)網(wǎng)絡(luò)（Siamese LSTM）獲得兩個(gè)問(wèn)題之間的相似度;③依托小程序，最終完成問(wèn)答系統(tǒng)與患者之間的交互。

Siamese LSTMtm在2016年被提出，由于在計(jì)算語(yǔ)義相似度方面表現(xiàn)不錯(cuò)，現(xiàn)已廣泛應(yīng)用于自然語(yǔ)言處理。Sia-mese LSTM神經(jīng)網(wǎng)絡(luò)由兩個(gè)完全相同的LSTM組成，LSTM之間共享權(quán)值。其中LSTM（Long Short-Term Memory，長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)）是一種時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)，能解決時(shí)間步長(zhǎng)大時(shí)梯度消失的問(wèn)題，捕捉長(zhǎng)距離依賴，目前常用于句子和篇章級(jí)別的自然語(yǔ)言處理。LSTM通過(guò)3個(gè)門(mén)結(jié)構(gòu)管理記憶單元狀態(tài)，分別為輸入門(mén)、遺忘門(mén)和輸出門(mén)。輸出門(mén)決定哪些信息保留，遺忘門(mén)決定遺忘哪些信息，有了輸人門(mén)和遺忘門(mén)就能將單元狀態(tài)更新，并通過(guò)輸出門(mén)輸出，如圖1所示。

分別將標(biāo)準(zhǔn)與非標(biāo)準(zhǔn)問(wèn)題對(duì)分詞，并通過(guò)查表方式將每個(gè)中文單詞對(duì)應(yīng)到預(yù)訓(xùn)練好的詞向量Xi;將詞向量構(gòu)成的句子輸入到LSTM中，其中左側(cè)代表非標(biāo)準(zhǔn)問(wèn)題，右側(cè)代表標(biāo)準(zhǔn)問(wèn)題;將兩個(gè)LSTM各自最后一個(gè)隱藏狀態(tài)作為輸入問(wèn)題的語(yǔ)義信息，并利用打分函數(shù)e^-x求出兩者語(yǔ)義信息相似程度，取相似度高的標(biāo)準(zhǔn)問(wèn)題答案作為非標(biāo)準(zhǔn)問(wèn)題答案。

2使用結(jié)果

以當(dāng)天患者門(mén)診就診時(shí)間為選擇順序，共選取100例門(mén)診患者的問(wèn)題，對(duì)程序進(jìn)行測(cè)試，測(cè)試情況如圖3所示。其中，圖3（a）與圖3（b）展示了不同的提問(wèn)問(wèn)題，但程序給出了相同的答案，分析原因在于兩位病人的提問(wèn)，實(shí)質(zhì)上均表達(dá)了患者需要了解乳腺增生的飲食注意事項(xiàng)，故程序給出的答案均符合所對(duì)應(yīng)的提問(wèn)，可見(jiàn)程序的識(shí)別準(zhǔn)確性較好;圖3（c）中，患者對(duì)乳腺影像學(xué)上的“鈣化”這一描述進(jìn)行了提問(wèn)，程序很詳細(xì)地解答了前半部分問(wèn)題：“鈣化要緊嗎”，而對(duì)于后半部分患者的提問(wèn)，程序未給出詳細(xì)解答，分析原因可能是程序未能完整識(shí)別該提問(wèn)，或者是由于數(shù)據(jù)庫(kù)對(duì)“鈣化”這一解釋的缺失。

以程序回答內(nèi)容與患者所提問(wèn)題的相關(guān)性進(jìn)行分類，I類：回答內(nèi)容完全符合;II類：回答內(nèi)容大致符合;III類：回答內(nèi)容僅部分相關(guān);Iv類：回答內(nèi)容少量相關(guān)或不相關(guān)。將I、II類判定為有效回答，III、Iv類判定為無(wú)效回答。圖3（a）、圖3（b）均滿足I類相關(guān)性，圖3（c）滿足II類相關(guān)性。其余測(cè)試結(jié)果見(jiàn)表1，I類占比62%，II類占比20%，III類占比13%，Iv類占比5%，有效回答率為82%，無(wú)效回答率為18%。結(jié)合圖3與表l，目前為止，程序運(yùn)行的正確性與準(zhǔn)確性均處于較高水平，可以很好地解答內(nèi)容實(shí)質(zhì)相似問(wèn)題。

3結(jié)語(yǔ)

人工智能技術(shù)的迅猛發(fā)展，掀起了醫(yī)療領(lǐng)域的應(yīng)用熱潮。盡管如此，不少學(xué)者逐漸認(rèn)識(shí)到在這股熱潮下，諸多問(wèn)題有待深入思考。一是數(shù)據(jù)來(lái)源問(wèn)題。人工智能的深度學(xué)習(xí)等均依托于大量數(shù)據(jù)，而數(shù)據(jù)共享是一大難題。無(wú)論是利益沖突，抑或技術(shù)缺陷，不同醫(yī)院在數(shù)據(jù)共享方面存在鴻溝，這一數(shù)據(jù)壁壘在同一家醫(yī)院的不同科室間依舊存在。即使雙方、多方達(dá)成共識(shí)，由于醫(yī)院系統(tǒng)的缺陷，將數(shù)據(jù)進(jìn)行聯(lián)通也存在很大障礙。二是數(shù)據(jù)的倫理性問(wèn)題。以人工智能輔助診療場(chǎng)景下的應(yīng)用為例，由人工智能系統(tǒng)對(duì)患者信息進(jìn)行收集，并得出其診斷結(jié)果，若人工智能作出了錯(cuò)誤診療決策，并導(dǎo)致醫(yī)療事故發(fā)生，此種情況下責(zé)任的歸結(jié)就存在很大問(wèn)題;同時(shí)，人工智能系統(tǒng)在進(jìn)行診療的過(guò)程中，會(huì)產(chǎn)生大量患者相關(guān)數(shù)據(jù)，這就涉及隱私問(wèn)題。此情況下，如何保護(hù)好患者的隱私將成為巨大挑戰(zhàn)。

不同于人工智能在醫(yī)療領(lǐng)域的應(yīng)用場(chǎng)景，本文所設(shè)計(jì)的AI問(wèn)答程序，以給患者提供醫(yī)療咨詢?yōu)槟康?，不涉及診斷決策與患者信息?；颊咄ㄟ^(guò)該程序所獲取的知識(shí)服務(wù)于患者就醫(yī)過(guò)程，具體方面包括：①幫助患者準(zhǔn)確了解與其病情相關(guān)的醫(yī)學(xué)知識(shí)，提高對(duì)自身正確病情的闡述，減少在就診過(guò)程中表達(dá)錯(cuò)誤病情情況的發(fā)生;②提高問(wèn)診效率，幫助患者了解醫(yī)生對(duì)其病情的解釋與醫(yī)囑，減少同一問(wèn)題反復(fù)咨詢的情況;③幫助患者降低受互聯(lián)網(wǎng)錯(cuò)誤醫(yī)療信息影響，減少醫(yī)療詐騙事件發(fā)生，指導(dǎo)患者樹(shù)立正確的健康觀。綜上，該系統(tǒng)基于人工智能技術(shù)，臨床收集患者問(wèn)答相關(guān)數(shù)據(jù)，以手機(jī)APP、微信公眾號(hào)和小程序?yàn)檩d體，能夠很好地回答相關(guān)疾病患者所關(guān)心的問(wèn)題，為患者在就診前后提供正確的相關(guān)醫(yī)學(xué)知識(shí)，提高就醫(yī)效率。

系統(tǒng)還存在以下問(wèn)題需改進(jìn)與解決：①數(shù)據(jù)庫(kù)的擴(kuò)大：目前程序依舊有18%的無(wú)效率，分析原因在于，程序設(shè)計(jì)以“親患者性”為導(dǎo)向，并未將部分專業(yè)詞匯錄入數(shù)據(jù)庫(kù)，而實(shí)際情況下，患者在就診前已從互聯(lián)網(wǎng)了解到相關(guān)疾病的專業(yè)詞匯，例如“乳腺分葉狀腫瘤”，故程序未能進(jìn)行有效回答;②應(yīng)用學(xué)科限制：目前數(shù)據(jù)庫(kù)內(nèi)容集中于乳腺方面，僅能解答乳腺疾病相關(guān)問(wèn)題。未來(lái)將通過(guò)與不同學(xué)科專業(yè)的醫(yī)生合作，擴(kuò)充數(shù)據(jù)庫(kù)問(wèn)答對(duì)數(shù)據(jù)，并在醫(yī)院門(mén)診加強(qiáng)程序訓(xùn)練，進(jìn)一步提高其有效率。