医疗机构、医学院校、医生等等,都只在做一件事,那就是如何将学术体系转化为应用体系。上世纪AI肇始阶段的CDS也试图完成此事,即:以医学为起点,以临床为落点,临床数据反哺医学。只因为全过程的CDS难度太大,一直磕磕绊绊,未成气候。近年,AI因新技术路线“深度学习”又掀起一波热潮。 那么,就没有什么方法既能实现相似性多点匹配,又能解决长逻辑链连续判断问题?有,是“知识库”的工程建构方法。强调工程,是因为我们的目标需要通过大规模搭建才能实现。可以认为:知识库有不同类型,而能够满足将医学学术转化为临床落地的类型,只有结构化知识库类型。说结构,不单是AI技术得以实现的基本条件,更是搭建各类疾病体系的架构和素材集合。当然,AI完全可以停留在辅助一些枝杈性小节问题上,只是枝杈之间的串接,仍需依赖医生的主观能动性才能维系对接或调度,AI的过程在这里断片了,医疗之于患者的连贯性,没有在CDS层面接续起来,适用场景受限进而离散。 一个重大问题是:当临床需要医生具有跨专科应对病情变化的能力时,AI技术能否将CSD做成通衢大道?能否放纵医生在不同病类中自由驰骋?这种针对知识库的能力要求,以及关乎知识库的工程性工作方式,一定对CDSS品质等级具有决定意义。 湖南中医药大学人工智能(深圳)基地教授 |
|