天易人工智能诊疗平台

医学决策是“诊断类问题”。诊断类问题解决的基本思维方法是一致的。正像有人调侃的：“医生看病与修自行车”的方法学是一样的。这个相同指的是元知识(Meta Knowledge，即知识的知识)结构相同。

理论上，决策包括列出可能的方法或策略、制定决策顺序、选择最合适的解决方案。但是，医学决策通常不能够十分简单的按照以上流程完成，因为医学问题十分复杂，对于一个病人的临床表现，经常有太多可能的诊断假设；在众多的诊疗方法中，仅有几个方法可用。而医学知识帮助医生在众多的选择中作出判断。临床推理通常包括三种类型：逻辑推理、归纳推理和启发式推理。

逻辑推理的一般形式是，如果A 能够推出B，B 能够推出C，则A 一定能够推出C。如病人检查乙肝核心抗体阳性，规则显示抗体阳性说明感染了乙肝，则该病人有乙肝感染。在医学实践中，能够使用这种严格的逻辑推理的情况极为罕见，因为医学没有十分严格的规律。如病人转氨酶高于正常值，而转氨酶高大多见于甲肝或乙肝，因此病人很可能患甲肝或乙肝。这类分析可以归入归纳推理。而临床最多见的是启发式推理，在完成一次推理过程以后，得出的初步结论作为第二次循环推理的前提，这样循环推理，逐步求精，最终得出比较准确的结论。启发式推理是一个动态过程，在临床诊断过程中可以用诊断反馈循环图表示：

临床医生通过问诊、体格检查、进行各项检查、检验获取病人有关疾病的信息，不断优化自己的诊断结论。这是一个逐步求精的过程，它也符合人类一般认识事务的过程。将医疗全过程展开，使用图形的方法描述，可以构建成为树形结构。这种树形结构可以分成三个层次：临床表现层、诊断层和治疗层。其中临床表现层的内部节点表示临床可以获得的主诉、症状、体征以及各种检查方法获得的信息。多个临床表现节点对应一个诊断层中的诊断节点。而一个诊断节点又会对应多个治疗方案。由于人类认识疾病的知识有限，因此临床表现是可以穷举的。多个临床表现对应一个诊断，正向是充分条件，逆向是必要条件。从理论上讲，一个充分细化的子诊断只对应一组治疗方案是最理想的，因为诊断的目的就是为了指导治疗。

医学中的鉴别诊断实际是判断概念外延的工作。不同疾病可以看成为不同的概念集合，而不同疾病之间有很多交集（重合部分）。医学鉴别诊断的目的就是在交集部分将不同集合区分开的工作。

创易人工智能诊疗系统中临床决策支持结构如下：

n 用神经网络技术构建临床医学知识库体系；

n 用自创新算法实现决策引擎技术；

n 用仿真技术模拟临床思维形式，包括：单线振荡逼近、多线并行沉淀、定性定位分合推导等；

n 用轨迹追踪技术实现电子病历自动生成；

n 用多词典的神经网络结构描述诊疗的分步问题，用单词典的系统分类结构描述诊疗的鉴别问题；

n 用人工智能方法解决过程的非线性问题

n 将所有问题集中于同一页面，使医生可以一览无余，方便整体地调度和解决问题；等等。同时，我们将西医、中医与中西医结合3 种医学体系纳入诊疗系统。