人工智能是醫(yī)生的好幫手

潘鋒

由北京大學(xué)人民醫(yī)院、北京大學(xué)神經(jīng)外科學(xué)系主辦，中國(guó)醫(yī)師協(xié)會(huì)神經(jīng)外科醫(yī)師分會(huì)微侵襲專業(yè)委員會(huì)、中國(guó)醫(yī)藥教育學(xué)會(huì)神經(jīng)外科專業(yè)委員會(huì)協(xié)辦的“北京大學(xué)人民醫(yī)院2018國(guó)際神經(jīng)外科論壇暨中國(guó)醫(yī)師協(xié)會(huì)神經(jīng)外科醫(yī)師分會(huì)第五屆委員會(huì)微侵襲專業(yè)委員會(huì)換屆成立大會(huì)”，2018年12月21日至22日在北京舉行。論壇聚焦科技創(chuàng)新、精準(zhǔn)醫(yī)學(xué)、國(guó)家腦計(jì)劃與功能神經(jīng)外科的契合與轉(zhuǎn)化研究等議題，與會(huì)專家交流了神經(jīng)外科各亞專業(yè)最新研究進(jìn)展。

中國(guó)工程院院士、復(fù)旦大學(xué)附屬華山醫(yī)院神經(jīng)外科主任周良輔教授在題為《人腦對(duì)人工智能：試論人工智能（AI）在神經(jīng)外科的應(yīng)用及其他》的主題演講中，介紹了神經(jīng)外科領(lǐng)域AI發(fā)展歷程和應(yīng)用前景。周良輔教授指出，AI的發(fā)展不斷挑戰(zhàn)著人腦的能力。不可否認(rèn)，AI將更加智慧化，但AI只是一門工具，是醫(yī)生的好幫手。

AI醫(yī)療應(yīng)用日漸廣泛

周良輔教授說(shuō)，工業(yè)革命是社會(huì)和科學(xué)發(fā)展的重要推動(dòng)力。迄今為止，人類已經(jīng)歷了3次工業(yè)革命。18世紀(jì)60年代蒸汽機(jī)的廣泛應(yīng)用引領(lǐng)了第一次工業(yè)革命，19世紀(jì)70年代電動(dòng)機(jī)的廣泛使用引領(lǐng)了第二次工業(yè)革命，20世紀(jì)四五十年代計(jì)算機(jī)在多個(gè)領(lǐng)域取得的重大突破引領(lǐng)了第三次工業(yè)革命，AI將成為引領(lǐng)第四次工業(yè)革命的重要標(biāo)志。

周良輔教授介紹，AI最早于1955年由美國(guó)數(shù)學(xué)家John Mc Carthy提出，但他的“創(chuàng)造機(jī)器智慧的科技”這一理念在當(dāng)時(shí)被認(rèn)為是一個(gè)瘋狂的想法，AI并未獲得認(rèn)可。20世紀(jì)80年代，雖然有預(yù)測(cè)認(rèn)為AI下棋可以戰(zhàn)勝人類，用AI可以證明人類還沒(méi)有證明的定理，但這些愿景并沒(méi)有實(shí)現(xiàn)。隨著計(jì)算機(jī)的小型化和計(jì)算機(jī)功率的提高，運(yùn)行速度加快，尤其是從編程式設(shè)計(jì)發(fā)展到出現(xiàn)邏輯數(shù)據(jù)挖掘算法以及大數(shù)據(jù)涌現(xiàn)和控制理論的重新提出，20世紀(jì)90年代，AI重?zé)ㄐ律?，進(jìn)入快速發(fā)展階段，并在深入人類社會(huì)。近10年到20年來(lái)，人工智能在不同領(lǐng)域的應(yīng)用再次成為人們關(guān)注的熱點(diǎn)話題，1970年AI開(kāi)始用于醫(yī)學(xué)，1985年醫(yī)學(xué)人工智能期刊AIME出版，1985年到2013年間的AI醫(yī)學(xué)論文發(fā)表數(shù)據(jù)統(tǒng)計(jì)顯示，2005年到2007年論文數(shù)量達(dá)到高峰。AI在醫(yī)院的應(yīng)用也越來(lái)越廣泛，智慧醫(yī)院涵蓋醫(yī)院管理、醫(yī)療、護(hù)理、醫(yī)技和后勤等方方面面，EMR、HIS、LIS、PACS等數(shù)據(jù)資料庫(kù)極大地提高了智能化水平，醫(yī)學(xué)領(lǐng)域AI對(duì)推進(jìn)醫(yī)療、教學(xué)、科研及其融合發(fā)展正發(fā)揮著重要作用。

周良輔教授舉例介紹說(shuō)，目前醫(yī)學(xué)影像種類包括磁共振成像（MRI）、數(shù)字減影血管造影（DSA）、電子計(jì)算機(jī)斷層掃描（CT）、PET-CT影像系統(tǒng)、單光子發(fā)射計(jì)算機(jī)斷層成像術(shù)、超聲、病理切片等。醫(yī)學(xué)影像圖像數(shù)據(jù)的特征多為海量、非線性、多維態(tài)、非結(jié)構(gòu)性、動(dòng)態(tài)的，因此醫(yī)學(xué)影像數(shù)據(jù)處理對(duì)于醫(yī)生來(lái)說(shuō)是件勞神費(fèi)時(shí)的事，且容易出差錯(cuò)，但對(duì)AI來(lái)說(shuō)就駕輕就熟了。如應(yīng)用于MRI的AI多采用監(jiān)督深度學(xué)習(xí)法，即先預(yù)處置各種醫(yī)學(xué)影像數(shù)據(jù)，標(biāo)注其特征后輸入計(jì)算機(jī)，計(jì)算機(jī)經(jīng)反復(fù)多次試錯(cuò)和擇優(yōu)后形成對(duì)圖像的預(yù)測(cè)模型，然后再經(jīng)過(guò)多次驗(yàn)證優(yōu)化形成初步可預(yù)測(cè)醫(yī)學(xué)圖像的模型。AI作為一個(gè)“好助手”在醫(yī)學(xué)影像判讀方面能協(xié)助醫(yī)師做出更為精確的診斷。

《全球工程前沿2018》報(bào)告將AI與疾病診療定義為，人工智能是運(yùn)用人工智能技術(shù)開(kāi)展包括醫(yī)學(xué)影像及其他醫(yī)學(xué)信息等在內(nèi)的、醫(yī)學(xué)數(shù)據(jù)驅(qū)動(dòng)下的健康篩查與預(yù)警、病理檢測(cè)與分析、疾病診斷與分類、手術(shù)計(jì)劃與治療、術(shù)后評(píng)估與康復(fù)等過(guò)程的自主學(xué)習(xí)，實(shí)現(xiàn)對(duì)疾病精準(zhǔn)診斷和智能診斷。人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用顯著提升了醫(yī)師的工作效率，有望緩解醫(yī)師短缺困境，提升診斷與治療準(zhǔn)確性，促進(jìn)優(yōu)質(zhì)醫(yī)療資源優(yōu)化配置，推動(dòng)醫(yī)療進(jìn)入量化分析新高度，引領(lǐng)醫(yī)療技術(shù)進(jìn)入新時(shí)代。60多年來(lái)，AI不斷加速發(fā)展，正呈現(xiàn)深度學(xué)習(xí)，跨界融合，人機(jī)協(xié)同，群智開(kāi)放和自主操控等新特征。以數(shù)據(jù)智能和類腦智能為代表，AI學(xué)科交叉融合整體推進(jìn)，各領(lǐng)域廣泛滲透，正在引發(fā)鏈?zhǔn)酵黄疲铀傩乱惠喒I(yè)革命和產(chǎn)業(yè)變革。我國(guó)于2017年7月發(fā)布《新一代人工智能發(fā)展規(guī)劃》，規(guī)劃提出三步走發(fā)展戰(zhàn)略，力爭(zhēng)到2030年在基礎(chǔ)理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。

進(jìn)一步提高診斷率

周良輔教授介紹，近年來(lái)AI在神經(jīng)外科領(lǐng)域開(kāi)展了多項(xiàng)應(yīng)用研究，旨在系統(tǒng)分析比較AI與人腦在神經(jīng)外科方面的優(yōu)勢(shì)與不足。Senders JT收集了1998年至2007年P(guān)ubMed、Embase兩個(gè)數(shù)據(jù)庫(kù)中的腦瘤、TBI腦血管、癲癇、腦功能病、脊柱脊髓病等有關(guān)資料，進(jìn)行了AI與人腦的比較研究，結(jié)果發(fā)現(xiàn)，在診斷準(zhǔn)確性上，AI超人腦準(zhǔn)確性13%;在預(yù)后評(píng)估方面，AI超人腦58%，36%無(wú)差別，6%人腦超過(guò)AI;另外4篇有關(guān)的比較研究發(fā)現(xiàn)，人腦+AI優(yōu)于單純單人腦，該研究提示在醫(yī)學(xué)影像學(xué)中應(yīng)用機(jī)器診斷，AI作為臨床醫(yī)師的助手可提高診斷準(zhǔn)確率。兒童腦腫瘤種類繁多，疾病定位定性一直是臨床中的難題。國(guó)外有研究利用T1/T2診斷兒童后顱腫瘤，將21例髓母瘤、14例星形纖毛瘤用MaZda軟件分析腫瘤質(zhì)地并與醫(yī)生的判讀進(jìn)行比對(duì)，結(jié)果顯示醫(yī)師診斷準(zhǔn)確率不高，而機(jī)器學(xué)習(xí)通過(guò)將概率神經(jīng)網(wǎng)絡(luò)（PNN）和差異分析（IDA）相結(jié)合，得到的診斷結(jié)果優(yōu)于人類。

異檸檬酸脫氫酶（IDH）檢測(cè)對(duì)診斷腦膠質(zhì)瘤具有重要意義，目前IDH鑒別使用的免疫組化、聚合酶鏈反應(yīng)等檢測(cè)方法耗時(shí)長(zhǎng)且數(shù)據(jù)為靜態(tài)。華山醫(yī)院與復(fù)旦大學(xué)數(shù)學(xué)系聯(lián)合攻關(guān)，采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）分析對(duì)低度神經(jīng)膠質(zhì)瘤進(jìn)行IDH鑒別。研究人員首先將磁共振特征性圖像分割提取，組織出影像基因組學(xué)熱圖，再輸入電腦進(jìn)行反復(fù)驗(yàn)證和優(yōu)化，再將其與IDH突變野生型進(jìn)行相關(guān)，得到的圖像結(jié)果顯示，IDH突變多見(jiàn)于額下回或三角區(qū)、海馬旁、顳葉、旁中央葉等，突變更傾向于球形或圓形。CNN的優(yōu)點(diǎn)是動(dòng)態(tài)快速，18分鐘即可診斷出IDH。研究中應(yīng)用SVM和AdaBoost驗(yàn)證分析，其預(yù)測(cè)的準(zhǔn)確性、預(yù)測(cè)性皆佳，使腦膠質(zhì)瘤診斷精準(zhǔn)性進(jìn)一步提高。但周良輔教授認(rèn)為，雖然AI在現(xiàn)代醫(yī)學(xué)中應(yīng)用前景誘人，但在腦膠質(zhì)瘤的臨床應(yīng)用仍處于“嬰兒期”，還存在一些問(wèn)題，如缺乏高質(zhì)量和智能化管理的數(shù)據(jù)庫(kù)，缺乏ML質(zhì)量檢驗(yàn)標(biāo)準(zhǔn)，研究報(bào)告多屬回顧性、單中心、單一數(shù)據(jù)庫(kù)、樣本小，以及缺乏整合臨床和分子生物學(xué)的數(shù)據(jù)庫(kù)軟件框架等。

在基于ANN鑒別腦膠質(zhì)瘤研究中，研究人員對(duì)34例多形性膠質(zhì)母細(xì)胞瘤（GBM）患者和73例成人低級(jí)神經(jīng)膠質(zhì)瘤（LGG）患者的2D MR T1增強(qiáng)圖像進(jìn)行了分析，提取了局部或全腦灰質(zhì)度和腦組織質(zhì)地，最終生成電腦診斷模型。結(jié)果顯示，電腦醫(yī)生（CAD）對(duì)于良、惡膠質(zhì)瘤鑒別率與各級(jí)醫(yī)生無(wú)顯著差別，但CAD+各級(jí)醫(yī)生后腦膠質(zhì)瘤診斷率提高。

DNA甲基化是表觀遺傳學(xué)的主要表現(xiàn)形式，德國(guó)牽頭開(kāi)展了一項(xiàng)“基于DNA甲基化的中樞神經(jīng)系統(tǒng)腫瘤分類”國(guó)際多中心研究。該研究采用隨機(jī)森林分類法，用標(biāo)準(zhǔn)甲基化品芯片（450k）分析了3000份中樞神經(jīng)系統(tǒng)腫瘤樣本，并與對(duì)照組包括常腦組織、間充質(zhì)瘤、黑色素瘤、淋巴瘤、漿細(xì)胞瘤和垂體瘤等進(jìn)行了比較。研究人員首先用監(jiān)督法讓AI學(xué)會(huì)甲基化特證，再用無(wú)監(jiān)督法讓AI總結(jié)出中樞神經(jīng)系統(tǒng)腫瘤甲基化分類，最后與已知病理分類標(biāo)本進(jìn)行分類和比對(duì)。結(jié)果顯示，與世界衛(wèi)生組織2016版疾病分類一致的診斷為60.4%。

機(jī)器人起步早發(fā)展慢

周良輔教授說(shuō)，神經(jīng)外科是最早應(yīng)用機(jī)器人的領(lǐng)域，包括放射外科、腦手術(shù)、腦或脊柱手術(shù)等。1985年人們使用工業(yè)用機(jī)器人NeuroArm切除腦膠質(zhì)瘤，之后磁共振相容影像導(dǎo)向機(jī)器手被用來(lái)切除淺表腦膠質(zhì)瘤和腦膜瘤，ROBOCAST、NISS、 Neuromate等機(jī)器人相繼問(wèn)世，但Cyberknife是目前神經(jīng)外科領(lǐng)域真正成功應(yīng)用的機(jī)器人。外科機(jī)器人中智能導(dǎo)航應(yīng)用越來(lái)越普遍，神經(jīng)導(dǎo)航、多模態(tài)應(yīng)用等AI手段可協(xié)助在手術(shù)中選擇最佳入路、定向治療、活檢、藥物傳遞和完成術(shù)中脊柱內(nèi)固定等。

周良輔教授指出，雖然AI 在神經(jīng)外科領(lǐng)域應(yīng)用起步早但進(jìn)步緩慢，這與顱腦解剖結(jié)構(gòu)的特殊性和神經(jīng)外科對(duì)機(jī)器人的要求等因素有關(guān)。顱腦解剖結(jié)構(gòu)復(fù)雜，多是脆弱的神經(jīng)血管和重要功能區(qū)，另外微侵襲神經(jīng)外科手術(shù)需要滿足輕巧、靈活、可靠、微型和觸覺(jué)等方面的特殊要求，不僅要有術(shù)前影像，而且還要提供有術(shù)中即時(shí)影像。

周良輔教授認(rèn)為，盡管外科機(jī)器人已在神經(jīng)外科、心胸外科、普外科、泌尿科、婦科和小兒外科等得到越來(lái)越多的應(yīng)用，但外科機(jī)器人存在的問(wèn)題也不容忽視。MAUDE組織2017年發(fā)布統(tǒng)計(jì)報(bào)告稱，美國(guó)2000年到2013年間共進(jìn)行了1.745百萬(wàn)例機(jī)器人手術(shù)，發(fā)生患者死亡、殘疾、器械折斷等10 624起，平均不良事故發(fā)生率小于0.6。但2006年后不良事故報(bào)告每年增加，累計(jì)增加了32倍，僅2013年就造成58人死亡，938人傷殘，機(jī)器失常事故4124起。另外觸覺(jué)反饋差，偶因硬軟件問(wèn)題發(fā)生機(jī)器手亂動(dòng)等也是機(jī)器人手術(shù)普遍存在的問(wèn)題，外科機(jī)器人還并非十全十美。外科醫(yī)生與手術(shù)機(jī)械臂相比，除了疲勞和手抖外，在手眼協(xié)調(diào)、交流與咨詢應(yīng)用、反應(yīng)靈活性和觸覺(jué)等方面，外科醫(yī)生均優(yōu)于手術(shù)機(jī)器臂。

2018年6月30日，由國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心等聯(lián)合主辦的“全球神經(jīng)影像人工智能人機(jī)大賽全球總決賽”在北京舉行。來(lái)自全球的25名神經(jīng)系統(tǒng)疾病診斷專業(yè)醫(yī)生選手組成A、B兩支“人類戰(zhàn)隊(duì)”，分別與“BioMind天醫(yī)智”決一勝負(fù)?！癇ioMind天醫(yī)智”由首都醫(yī)科大學(xué)人腦保護(hù)高精尖創(chuàng)新中心等研發(fā)完成，通過(guò)對(duì)北京天壇醫(yī)院近十年來(lái)接診的數(shù)萬(wàn)例神經(jīng)系統(tǒng)疾病病例影像的系統(tǒng)學(xué)習(xí)，在腦膜瘤、腦膠質(zhì)瘤等常見(jiàn)病磁共振影像診斷準(zhǔn)確率上超過(guò)90%。兩組比賽后“BioMind天醫(yī)智”分別以高出“人類戰(zhàn)隊(duì)”21%和20%的正確率獲勝。全球首場(chǎng)神經(jīng)影像診斷“人機(jī)大戰(zhàn)”以AI獲勝落幕。

周良輔教授認(rèn)為，AI與醫(yī)生公開(kāi)比賽意義不是太大，因?yàn)锳I還有3%到5%的出錯(cuò)率，深度學(xué)習(xí)還存在“暗箱”，因此不論誰(shuí)贏誰(shuí)輸，目前AI診斷還需要醫(yī)生把握。疾病診療不是下棋，而是醫(yī)生綜合病史、體檢、影像、化驗(yàn)、分子生物學(xué)等資料做出個(gè)體化診治行為。隨著醫(yī)學(xué)科學(xué)的發(fā)展，盡管有部分疾病能夠治愈，但仍有相當(dāng)多的疾病無(wú)法治愈，因此診治患者除醫(yī)療技術(shù)外，仍需提倡人文關(guān)懷，把握好醫(yī)學(xué)的本質(zhì)。要避免AI與醫(yī)生關(guān)系的3個(gè)認(rèn)識(shí)誤區(qū)，即AI取代醫(yī)生，取消醫(yī)生主導(dǎo)作用和忽略了醫(yī)生的“人文”關(guān)懷。周良輔教授最后強(qiáng)調(diào)，應(yīng)該積極開(kāi)展跨學(xué)科合作研究，加強(qiáng)AI研發(fā)，特別是研發(fā)整合分子生物學(xué)和臨床大數(shù)據(jù)的軟件框架，優(yōu)化ML的算法和數(shù)據(jù)質(zhì)控，積極開(kāi)展前瞻性多中心研究，聚焦精準(zhǔn)醫(yī)學(xué)個(gè)體化治療，這樣AI才有望在神經(jīng)外科領(lǐng)域取得突破性進(jìn)展。同時(shí)，要加強(qiáng)監(jiān)管，規(guī)范AI使用，讓AI為醫(yī)學(xué)發(fā)展和造福人類做出貢獻(xiàn)。

AI研究前沿領(lǐng)域

2018年12月4日中國(guó)工程院等在北京聯(lián)合發(fā)布最新《全球工程前沿2018》報(bào)告，報(bào)告聚焦工程科技領(lǐng)域具有前瞻性、先導(dǎo)性和探索性、對(duì)工程科技未來(lái)發(fā)展有重大影響和引領(lǐng)作用的主要研究和技術(shù)方向，圍繞信息與電子工程、醫(yī)藥衛(wèi)生等9個(gè)領(lǐng)域，遴選出年度工程研究前沿95項(xiàng)和工程開(kāi)發(fā)前沿96項(xiàng)。在醫(yī)藥衛(wèi)生領(lǐng)域 Top10 工程開(kāi)發(fā)前沿中有2項(xiàng)與人工智能有關(guān)，分別是“人工智能與疾病診斷”和“人工智能與健康管理”。

報(bào)告認(rèn)為，目前國(guó)際AI研究的前沿分支領(lǐng)域包括：一是眼部疾病，采用深度網(wǎng)絡(luò)學(xué)習(xí)技術(shù)對(duì)視網(wǎng)膜眼底圖像進(jìn)行學(xué)習(xí)，可用于青光眼、黃斑變性和糖尿病性視網(wǎng)膜病變等疾病的診斷。二是腫瘤治療，通過(guò)整合患者病理樣本特征提取和基因組測(cè)序數(shù)據(jù)，結(jié)合臨床指南和循證醫(yī)學(xué)，針對(duì)腫瘤患者制定個(gè)體化、權(quán)威化診療方案，部分AI方案已經(jīng)用于指導(dǎo)肺癌、食管癌等治療。三是病理診斷，通過(guò)特征提取、深度學(xué)習(xí)等方法，將定量化診斷與疾病預(yù)后有機(jī)結(jié)合，已用于肺癌、宮頸癌、乳腺癌、胃癌以及結(jié)直腸癌等的病理診斷，有助降低誤診率、降低人力成本。四是醫(yī)學(xué)影像，通過(guò)大數(shù)據(jù)庫(kù)以及深度學(xué)習(xí)，許多AI算法被成功用于多種醫(yī)學(xué)影像，如腦部MRI的阿爾茨海默病分類精確度已達(dá) 91.67%，美國(guó) Arterys 研發(fā)的 AI 輔助心臟 MRI 成像系統(tǒng)也已通過(guò)FDA 認(rèn)證。六是皮膚疾病，AI 技術(shù)通過(guò)相應(yīng)模型進(jìn)行遷移學(xué)習(xí)后，對(duì)皮膚癌、黑色素瘤進(jìn)行診斷，準(zhǔn)確率達(dá) 90% 以上。六是手術(shù)機(jī)器人，以達(dá)芬奇手術(shù)機(jī)器人系統(tǒng)為代表的一系列手術(shù)機(jī)器人，已應(yīng)用于泌尿、心血管、骨科以及神經(jīng)外科等領(lǐng)域，令手術(shù)視野更清晰，手術(shù)效率更高。

報(bào)告認(rèn)為，雖然未來(lái)醫(yī)療市場(chǎng)對(duì)醫(yī)學(xué)人工智能需求巨大，但人工智能與疾病診斷還需要解決諸多關(guān)鍵技術(shù)問(wèn)題，主要包括醫(yī)學(xué)數(shù)據(jù)標(biāo)注的準(zhǔn)確性和規(guī)范性問(wèn)題，有限或不完整醫(yī)學(xué)數(shù)據(jù)的機(jī)器學(xué)習(xí)問(wèn)題，多源醫(yī)學(xué)數(shù)據(jù)的混合學(xué)習(xí)問(wèn)題，人工智能在不同疾病應(yīng)用中的特征選擇問(wèn)題，醫(yī)學(xué)數(shù)據(jù)的隱私保護(hù)和安全問(wèn)題，人工智能在手術(shù)介入和康復(fù)中的應(yīng)用問(wèn)題等。同時(shí)，隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術(shù)的進(jìn)一步發(fā)展，人工智能健康管理正在由實(shí)驗(yàn)室研發(fā)走入市場(chǎng)，逐步應(yīng)用于亞健康人群、老年群體、慢性病和高危人群，有效降低個(gè)體患病風(fēng)險(xiǎn)。未來(lái)人工智能健康管理將在顯著降低醫(yī)療成本，疾病預(yù)防，提升全民健康素質(zhì)等方面發(fā)揮重要作用。

專家簡(jiǎn)介

周良輔，中國(guó)工程院院士，教授，主任醫(yī)師，博士生導(dǎo)師?，F(xiàn)任復(fù)旦大學(xué)神經(jīng)外科研究所所長(zhǎng)，復(fù)旦大學(xué)附屬華山醫(yī)院神經(jīng)外科主任，上海神經(jīng)外科臨床醫(yī)學(xué)中心和上海神經(jīng)外科急救中心主任。發(fā)表第一作者或通訊作者論文400余篇，SCI收錄150余篇，主編專著7本。獲全國(guó)五一勞動(dòng)獎(jiǎng)?wù)?、全?guó)先進(jìn)工作者等榮譽(yù)稱號(hào)，獲國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)、省部級(jí)一等獎(jiǎng)等多項(xiàng)。