CDSS知识库与工程性起落闭环

笨鳥先飛龍 2022-05-24 发布于广东

展开全文

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。

深度学习的技术实质是“相似性多点匹配”。但是，相似性匹配能够解决的医疗问题却十分受限，IBM Watson退出中国即表明深度学习应对乏力，原因在于：临床是生命状态的一种医学表达方式，深度学习不具备与生命逻辑关联的过程性连续判断能力，而这也差不多正是CDS初始阶段未能很好解决的老大难问题。

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。

显然，要在本文范围内阐明如何建设结构型知识库？以及如何能使学术直入临床的路线方法？自然是篇幅远远不够。尽管CDS最终产品的表现，就像一具鼠标点击就能轻松搞定迷你玩具，但是要阐述它背后的支撑体系，绝不亚于一本巨大且枯燥乏味的工程白皮书。不过，我们还是可以缩略为一个简单的图形表达。下图中都是体系性融合叠加，每一个部分我们均已实现，都可以跑在临床上，特此奉献，以飨读者。