论文部分内容阅读
据国家卫健委发布的2018年统计数据显示，全国共有医疗卫生机构99.7434万个，其中基层（乡镇以下）94.3639万个，占94.6%，三甲医院1442个，仅占0.14%，全年就诊总人次83.1亿，其中基层44.1亿，占53%。为解决“看病难，看病贵”问题，中央提出了医疗资源下沉，“90%大病不出县”的目标，并大力推行“基层首诊，双向转诊，急慢分治，上下联动”的“分级诊疗”制度。其中“基层首诊”是分级诊疗的基础，因为基层首诊若错误率较高，“转诊”和“分治”就失去了科学依据。然而，我国基层医疗机构优质资源不足，其中硬件设施可以通过加大政府投入逐步改善，但临床医生的水平却难以大幅提高。远程医疗和专家巡诊并不能从根本上解决问题，因为我国首先是高水平医生数量不足，其次才是分布不均。
“基层首诊”的主要任务之一是就近和早期诊治疾病，减少患者到大医院就诊的交叉感染风险、高成本和不方便。要做好这一任务需要医生有丰富的临床知识和经验。但现实是我国绝大多数基层医生不具备这样的知识和经验。特别是基层医生通常要面对全科疾病诊断和治疗，增加了培养难度，而生活条件和职业上升空间却远逊于有专业分科的大型医院。我国大力推行的全科医生培养计划目前面临学生生源不足、质量不高、学习难度大、时间长、不愿在基层执业等问题，而且这个局面短期内难以改变。
为解决上述问题，“AI+医疗”（或“医疗+AI”）作为主要的技术手段受到国家高度关注。其着眼点在于通过“AI+医疗”赋能现有基层医生，提高其诊断水平。
北京清睿智能科技有限公司是一家利用原创的人工智能模型在云上构建人工智能辅助诊疗平台的高科技公司。公司原创的动态不确定因果圖DUCG（Dynamic Uncertain Causality Graph）理论和算法缘起于解决核电站等大型复杂工业系统实时动态故障监测、预报、诊断、发展预测、风险评估和决策支持，迄今在核电站、卫星电源系统和TE化工系统等实验测试和应用中与专家诊断符合率达100%。公司将这项技术改造为医疗DUCG系统，为临床专家开发自己的专业知识库和商业产品提供平台，为用户（特别是基层医生和患者）提供智能辅助诊断并推荐治疗方案。经授权的临床专家在平台上构建的专科和分诊医疗知识库与平台提供的后台推理机和前台用户界面相结合，构成代表各自水平、地区特点、不同语言的临床辅助诊断、治疗方案、智能分诊、跨科（全科）诊断和自动生成病历的智能医疗专业产品，重点用于提高基层医生的临床诊疗水平，减少漏诊误诊，为患者解释病情，为医保报销和医疗事故评价提供第三方专业工具，减轻患者、医生和医保机构的负担，缓解医患矛盾，推动国家分级诊疗医改方案落地。目前，该创新成果已获多项国家发明专利证书。
作为公司的首席科学家，张勤是DUCG理论创始人，同时他还是全国政协常委，国际核能院院士，中国人工智能学会会士、不确定性人工智能专委会主任，清华大学核研院、计算机系双聘教授、博导，国家核电重大专项战略咨询专家组组长，原中国科协党组副书记、副主席，国家知识产权局副局长，重庆市科委主任，美国田纳西大学和UCLA大学核工程系访问学者。他创立了动态不确定因果图AI模型。作为第一兼通信作者在JCR-Q1区SCI期刊发表学术论文19篇，其它学术论文一百多篇，著《知识产权基本原理》，获纽伦堡国际发明展IFIA金杯奖。
张勤认为，当前做“AI+医疗”的单位众多，但几乎都基于大数据机器学习，没有充分融入医学专家知识，多数仅用于医学影像识别和特定疾病（如眼底黄斑、肺结节、乳腺癌）筛查，或流为“导医”之类的浅层之作，并不能解决“基层首诊”全科看病问题，或仅在其测试集上有较高的正确率，在基层应用时正确率大幅下降（样本空间变了），尤其不能正确诊断非常见病（这恰好是漏诊误诊的重灾区），更无可解释性，而可解释性是辅助诊断所必须的。
DUCG智能系统具有图形解释知识库和推理结果的功能，在提供诊断结论的同时，解释诊断的理由，使用户不仅知其然，而且知其所以然。经验不足的医生在使用DUCG进行辅助诊断的同时，也在向DUCG学习医学知识，提高自己的诊断能力和水平。
DUCG平台兼具推荐检测功能，能够以交互迭代方式根据患者的已有信息提出兼顾疾病危险度、检查效率和检查成本的个性化的推荐检测建议，为医生和患者提供优化的临床路径，减少盲目检查，提高检查精准度，进而对症施治，提高诊疗水平。
云上DUCG全科临床辅助诊断系统的具有以下特点
1、全科鉴别诊断。以患者为中心，围绕主诉症状构建跨科室专家知识库进行诊断，免除病人挂错号的烦恼，可多主诉权重综合诊断。已完成12个知识库的开发和第三方验证;另外27个知识库已完成开发，有待第三方验证;还有6个知识库正在开发。每个知识库含十几到一百多种疾病，去重后共计2000多种病。预计一年内可完成基本覆盖全科的知识库构建、内测和第三方验证。
2、强可解释性。诊断结果和知识库均可“图形+文字”直观解释。边诊断边解释，成为活用活学的教科书，显著减轻基层医生的学习困难。
3、强泛化能力。建库时无需病历数据，不涉及数据集和应用场景数据样本空间改变问题，不因应用场景变化而降低系统本身诊断正确率，不涉及病人隐私。
4、常见和非常见病均具有高诊断正确率。非常见病诊断正确率80%以上，综合诊断正确率95%以上，且经过第三方多家三甲医院高质量病历验证（医院盖章）。验证中将相关主诉病历按主诉库中的疾病分类，每类随机抽取等量病历验证，病历不足的全部纳入验证，然后统计正确率，以确保DUCG诊断非常见病的能力。
5、动态生成患者个体优化临床路径。DUCG首先提示基层医生对某类主诉症状须做的问诊和查体，“推荐检测”动态给出按推荐度排序的各项检查列表（包括问诊、实验室检查、影像学检查和病理检查等），其中综合考虑了可能疾病的危险度、检查效率和检查代价（成本），基层医生可根据情况选择检查项。如此“诊”、“断”交替迭代，直到基本确诊（疾病排序基本稳定，检测完备度达到合理程度）。验证中通常推荐检测指标远少于验证病历记载检查指标，诊断结论相同。可见DUCG能大幅减少不必要的检查，省钱省事。 6、大幅减轻医生工作负担。鼠标点击即可录入当前患者涉及的风险因素、症状、体征、实验室检查和影像学检查结果等信息，支持模糊信息精确计算，一键诊断，一键图解，一键查阅治疗指南，一键生成符合卫健委规定的电子病历。
7、病历结构化标准化，方便政府统计决策，为国家建立临床规范奠定基础。DUCG标准库包含所有临床相关变量（已建800多个标准变量），将不同临床专家构建的知识库中不同标号和不同表述的相同变量映射到同一个标准变量上，并鼓励临床专家建库时采用标准库中的变量构建知识库（可节省大量建库工作量），为国家制定的统一的临床规范提供良好的应用环境。
8、用文字、图片、录音和微视频等帮助基层用户理解术语、辨识病情。DUCG对不易理解的术语配了易懂的文字解释，有的还配了图片、录音甚至微视频，以便用户准确辨识和录入病情。此外，DUCG允许录入模糊证据，即当用户不能确定究竟是哪种可选状态时，可以给出状态隶属度，推理计算本身不产生误差。
9、提供治疗方案、医嘱等。DUCG在诊断出疾病后，可点击下载中华医学会及其专业学会发布的该疾病临床指南，包括治疗方案和医嘱，供医生参考决策。
10、知识库和算法完全透明，物理意义清晰，可溯源可证伪。采用模块自动合成建库，易于更新。每一项新的知识或确认为错误的知识或参数可很方便地在DUCG云平台上通过修改相应模块而更新，更新的知识不干扰其他知识。
11、占用资源少（仅需简易终端和普通云服务器），计算效率高、能耗低（通常一次推理不到一秒），适用面广（任何能上网（包括手机）的地方都可用，当然也包括医疗专网），与HIS系统对接并通过HIS与其它系统（LIS、PACS、转诊等系统）对接，深度融入医疗机构现有流程。
12、使用手机通过公网接入手机版DUCG进行预诊或自诊，其中预诊时由患者录入的信息可传入医疗机构使用的专业版DUCG，节省医生询问和录入病情的时间。
13、快速响应疾病谱的变化、新疾病和新检查手段。这次春节期间爆发新冠肺炎，DUCG团队放弃休假，基于卫健委发布的第五版临床指南，在三位临床专家协助下，一天时间就构建了新冠肺炎模块，与原有咳嗽与咳痰主诉库中的数十个疾病模块合成为新的主诉库，进行鉴别诊断，新冠肺炎病历验证正确率100%，其它疾病也重新进行了验证，以确保未影响其它疾病的诊断正确率。
14、DUCG虽然可做全科疾病诊断，但不能做医学影像（X光、CT、PET、B超、心电图等）和声音（心音、肠鸣音、肺部啰音等）识别，这些识别是大数据机器识别的长项。因此，DUCG与大数据机器识别是互补关系：DUCG发出做医学影像和声音识别的检查任务，影像和声音数据可传给大数据机器识别来代替人工识别，识别结果回传DUCG进行综合诊断。由于DUCG发出的检查和识别任务（指标或检查点）很聚焦，可显著减轻大数据机器识别的难度，有效提高识别准确率。兩者相得益彰。
DUCG的应用情况
云上DUCG全科临床辅助诊断系统现已在山东胶州市两个县级医院和全部18个乡镇及其下辖500多个社区医疗机构与HIS系统对接，通过医疗专网开展应用服务（DUCG服务器安装在胶州市卫健局信息中心）;在重庆忠县与HIS系统对接，开通了东溪镇和任家镇卫生院医疗专网服务（DUCG服务器安装在重庆市卫健委信息中心）;在内蒙呼和浩特市第一医院急诊部和和林格尔县通过公网开展了服务，目前反映良好。
仅就诊断是否新冠肺炎而言，胶州市在今年2月1-14日就使用DUCG对147名患者进行了排查、确诊了所患疾病，减轻了患者到大医院看病交叉感染的风险，极大地方便了群众。DUCG基础版（仅用于手机初步自诊，含8个主诉库：咳嗽与咳痰（含新冠肺炎）、腹泻、便血、关节痛、呼吸困难、恶心与呕吐、腹痛、呕血）已向社会公众开放。
张勤表示，未来DUCG平台的前景很广阔，可以包括ToG（卫健委、医保等）、ToB（医院、诊所等）和ToC（患者）三种模式。对政府来说，可以解决医疗公平和优质医疗资源可及性问题，规范医疗，节省医保费用;对基层医疗机构来说，可以提高技术水平，降低人力成本，吸引更多病人来医院就诊治疗，增加效益，同时还可以在使用DUCG的过程中自动教学，提高基层医生的知识水平;对患者来说，省去了到三甲医院看病的烦恼，既可以自己看病（做仪器检查、化验和拍片检查等除外，但这些可以到专门的检测机构去做，不一定是医院），还可以在医院看完病后自己将病历记载的信息输入DUCG系统进行第三方验证，改变现在医患双方信息不对称的局面，使主动对自己的生命健康负责成为可能。
“基层首诊”的主要任务之一是就近和早期诊治疾病，减少患者到大医院就诊的交叉感染风险、高成本和不方便。要做好这一任务需要医生有丰富的临床知识和经验。但现实是我国绝大多数基层医生不具备这样的知识和经验。特别是基层医生通常要面对全科疾病诊断和治疗，增加了培养难度，而生活条件和职业上升空间却远逊于有专业分科的大型医院。我国大力推行的全科医生培养计划目前面临学生生源不足、质量不高、学习难度大、时间长、不愿在基层执业等问题，而且这个局面短期内难以改变。
为解决上述问题，“AI+医疗”（或“医疗+AI”）作为主要的技术手段受到国家高度关注。其着眼点在于通过“AI+医疗”赋能现有基层医生，提高其诊断水平。
北京清睿智能科技有限公司是一家利用原创的人工智能模型在云上构建人工智能辅助诊疗平台的高科技公司。公司原创的动态不确定因果圖DUCG（Dynamic Uncertain Causality Graph）理论和算法缘起于解决核电站等大型复杂工业系统实时动态故障监测、预报、诊断、发展预测、风险评估和决策支持，迄今在核电站、卫星电源系统和TE化工系统等实验测试和应用中与专家诊断符合率达100%。公司将这项技术改造为医疗DUCG系统，为临床专家开发自己的专业知识库和商业产品提供平台，为用户（特别是基层医生和患者）提供智能辅助诊断并推荐治疗方案。经授权的临床专家在平台上构建的专科和分诊医疗知识库与平台提供的后台推理机和前台用户界面相结合，构成代表各自水平、地区特点、不同语言的临床辅助诊断、治疗方案、智能分诊、跨科（全科）诊断和自动生成病历的智能医疗专业产品，重点用于提高基层医生的临床诊疗水平，减少漏诊误诊，为患者解释病情，为医保报销和医疗事故评价提供第三方专业工具，减轻患者、医生和医保机构的负担，缓解医患矛盾，推动国家分级诊疗医改方案落地。目前，该创新成果已获多项国家发明专利证书。
作为公司的首席科学家，张勤是DUCG理论创始人，同时他还是全国政协常委，国际核能院院士，中国人工智能学会会士、不确定性人工智能专委会主任，清华大学核研院、计算机系双聘教授、博导，国家核电重大专项战略咨询专家组组长，原中国科协党组副书记、副主席，国家知识产权局副局长，重庆市科委主任，美国田纳西大学和UCLA大学核工程系访问学者。他创立了动态不确定因果图AI模型。作为第一兼通信作者在JCR-Q1区SCI期刊发表学术论文19篇，其它学术论文一百多篇，著《知识产权基本原理》，获纽伦堡国际发明展IFIA金杯奖。
张勤认为，当前做“AI+医疗”的单位众多，但几乎都基于大数据机器学习，没有充分融入医学专家知识，多数仅用于医学影像识别和特定疾病（如眼底黄斑、肺结节、乳腺癌）筛查，或流为“导医”之类的浅层之作，并不能解决“基层首诊”全科看病问题，或仅在其测试集上有较高的正确率，在基层应用时正确率大幅下降（样本空间变了），尤其不能正确诊断非常见病（这恰好是漏诊误诊的重灾区），更无可解释性，而可解释性是辅助诊断所必须的。
DUCG智能系统具有图形解释知识库和推理结果的功能，在提供诊断结论的同时，解释诊断的理由，使用户不仅知其然，而且知其所以然。经验不足的医生在使用DUCG进行辅助诊断的同时，也在向DUCG学习医学知识，提高自己的诊断能力和水平。
DUCG平台兼具推荐检测功能，能够以交互迭代方式根据患者的已有信息提出兼顾疾病危险度、检查效率和检查成本的个性化的推荐检测建议，为医生和患者提供优化的临床路径，减少盲目检查，提高检查精准度，进而对症施治，提高诊疗水平。
云上DUCG全科临床辅助诊断系统的具有以下特点
1、全科鉴别诊断。以患者为中心，围绕主诉症状构建跨科室专家知识库进行诊断，免除病人挂错号的烦恼，可多主诉权重综合诊断。已完成12个知识库的开发和第三方验证;另外27个知识库已完成开发，有待第三方验证;还有6个知识库正在开发。每个知识库含十几到一百多种疾病，去重后共计2000多种病。预计一年内可完成基本覆盖全科的知识库构建、内测和第三方验证。
2、强可解释性。诊断结果和知识库均可“图形+文字”直观解释。边诊断边解释，成为活用活学的教科书，显著减轻基层医生的学习困难。
3、强泛化能力。建库时无需病历数据，不涉及数据集和应用场景数据样本空间改变问题，不因应用场景变化而降低系统本身诊断正确率，不涉及病人隐私。
4、常见和非常见病均具有高诊断正确率。非常见病诊断正确率80%以上，综合诊断正确率95%以上，且经过第三方多家三甲医院高质量病历验证（医院盖章）。验证中将相关主诉病历按主诉库中的疾病分类，每类随机抽取等量病历验证，病历不足的全部纳入验证，然后统计正确率，以确保DUCG诊断非常见病的能力。
5、动态生成患者个体优化临床路径。DUCG首先提示基层医生对某类主诉症状须做的问诊和查体，“推荐检测”动态给出按推荐度排序的各项检查列表（包括问诊、实验室检查、影像学检查和病理检查等），其中综合考虑了可能疾病的危险度、检查效率和检查代价（成本），基层医生可根据情况选择检查项。如此“诊”、“断”交替迭代，直到基本确诊（疾病排序基本稳定，检测完备度达到合理程度）。验证中通常推荐检测指标远少于验证病历记载检查指标，诊断结论相同。可见DUCG能大幅减少不必要的检查，省钱省事。 6、大幅减轻医生工作负担。鼠标点击即可录入当前患者涉及的风险因素、症状、体征、实验室检查和影像学检查结果等信息，支持模糊信息精确计算，一键诊断，一键图解，一键查阅治疗指南，一键生成符合卫健委规定的电子病历。
7、病历结构化标准化，方便政府统计决策，为国家建立临床规范奠定基础。DUCG标准库包含所有临床相关变量（已建800多个标准变量），将不同临床专家构建的知识库中不同标号和不同表述的相同变量映射到同一个标准变量上，并鼓励临床专家建库时采用标准库中的变量构建知识库（可节省大量建库工作量），为国家制定的统一的临床规范提供良好的应用环境。
8、用文字、图片、录音和微视频等帮助基层用户理解术语、辨识病情。DUCG对不易理解的术语配了易懂的文字解释，有的还配了图片、录音甚至微视频，以便用户准确辨识和录入病情。此外，DUCG允许录入模糊证据，即当用户不能确定究竟是哪种可选状态时，可以给出状态隶属度，推理计算本身不产生误差。
9、提供治疗方案、医嘱等。DUCG在诊断出疾病后，可点击下载中华医学会及其专业学会发布的该疾病临床指南，包括治疗方案和医嘱，供医生参考决策。
10、知识库和算法完全透明，物理意义清晰，可溯源可证伪。采用模块自动合成建库，易于更新。每一项新的知识或确认为错误的知识或参数可很方便地在DUCG云平台上通过修改相应模块而更新，更新的知识不干扰其他知识。
11、占用资源少（仅需简易终端和普通云服务器），计算效率高、能耗低（通常一次推理不到一秒），适用面广（任何能上网（包括手机）的地方都可用，当然也包括医疗专网），与HIS系统对接并通过HIS与其它系统（LIS、PACS、转诊等系统）对接，深度融入医疗机构现有流程。
12、使用手机通过公网接入手机版DUCG进行预诊或自诊，其中预诊时由患者录入的信息可传入医疗机构使用的专业版DUCG，节省医生询问和录入病情的时间。
13、快速响应疾病谱的变化、新疾病和新检查手段。这次春节期间爆发新冠肺炎，DUCG团队放弃休假，基于卫健委发布的第五版临床指南，在三位临床专家协助下，一天时间就构建了新冠肺炎模块，与原有咳嗽与咳痰主诉库中的数十个疾病模块合成为新的主诉库，进行鉴别诊断，新冠肺炎病历验证正确率100%，其它疾病也重新进行了验证，以确保未影响其它疾病的诊断正确率。
14、DUCG虽然可做全科疾病诊断，但不能做医学影像（X光、CT、PET、B超、心电图等）和声音（心音、肠鸣音、肺部啰音等）识别，这些识别是大数据机器识别的长项。因此，DUCG与大数据机器识别是互补关系：DUCG发出做医学影像和声音识别的检查任务，影像和声音数据可传给大数据机器识别来代替人工识别，识别结果回传DUCG进行综合诊断。由于DUCG发出的检查和识别任务（指标或检查点）很聚焦，可显著减轻大数据机器识别的难度，有效提高识别准确率。兩者相得益彰。
DUCG的应用情况
云上DUCG全科临床辅助诊断系统现已在山东胶州市两个县级医院和全部18个乡镇及其下辖500多个社区医疗机构与HIS系统对接，通过医疗专网开展应用服务（DUCG服务器安装在胶州市卫健局信息中心）;在重庆忠县与HIS系统对接，开通了东溪镇和任家镇卫生院医疗专网服务（DUCG服务器安装在重庆市卫健委信息中心）;在内蒙呼和浩特市第一医院急诊部和和林格尔县通过公网开展了服务，目前反映良好。
仅就诊断是否新冠肺炎而言，胶州市在今年2月1-14日就使用DUCG对147名患者进行了排查、确诊了所患疾病，减轻了患者到大医院看病交叉感染的风险，极大地方便了群众。DUCG基础版（仅用于手机初步自诊，含8个主诉库：咳嗽与咳痰（含新冠肺炎）、腹泻、便血、关节痛、呼吸困难、恶心与呕吐、腹痛、呕血）已向社会公众开放。
张勤表示，未来DUCG平台的前景很广阔，可以包括ToG（卫健委、医保等）、ToB（医院、诊所等）和ToC（患者）三种模式。对政府来说，可以解决医疗公平和优质医疗资源可及性问题，规范医疗，节省医保费用;对基层医疗机构来说，可以提高技术水平，降低人力成本，吸引更多病人来医院就诊治疗，增加效益，同时还可以在使用DUCG的过程中自动教学，提高基层医生的知识水平;对患者来说，省去了到三甲医院看病的烦恼，既可以自己看病（做仪器检查、化验和拍片检查等除外，但这些可以到专门的检测机构去做，不一定是医院），还可以在医院看完病后自己将病历记载的信息输入DUCG系统进行第三方验证，改变现在医患双方信息不对称的局面，使主动对自己的生命健康负责成为可能。