張勤：智慧醫(yī)學(xué)托起健康夢(mèng)想｜產(chǎn)業(yè)轉(zhuǎn)型顧問(wèn)委員聲音

張 勤：背景就是人民對(duì)健康的需求。現(xiàn)在中國(guó)老百姓衣食住行等基本生活都已經(jīng)有了，隨著人們生活水平的提高，對(duì)健康長(zhǎng)壽的關(guān)注肯定會(huì)越來(lái)越多，對(duì)醫(yī)療保障的需求也會(huì)快速增長(zhǎng)。現(xiàn)在中國(guó)整個(gè)醫(yī)療行業(yè)在 GDP 中的比重并不高，只有 6、7%，盡管還在上升，但也就是個(gè)位數(shù)。像美國(guó)這樣的發(fā)達(dá)國(guó)家一般都在百分之十幾，我國(guó)臺(tái)灣地區(qū)據(jù)說(shuō)是二十以上?？傊藗儗?duì)于健康與醫(yī)療的需求是日益增長(zhǎng)的。

但現(xiàn)實(shí)是我國(guó)人口眾多，地區(qū)差異大，“看病難、看病貴”仍然非常普遍。國(guó)家其實(shí)早就提出了解決問(wèn)題的辦法——實(shí)行分級(jí)診療制度，即“基層首診、雙向轉(zhuǎn)診、急慢分治、上下聯(lián)動(dòng)”，目標(biāo)是“90%大病不出縣”，但現(xiàn)在很難說(shuō)實(shí)現(xiàn)了。問(wèn)題在哪兒？就在于基層缺少好的醫(yī)生，這是“基層首診”最核心的問(wèn)題、也是“分級(jí)診療”最大的痛點(diǎn)。目前的實(shí)際情況不是在基層首診，而是在大醫(yī)院首診，因?yàn)榛颊吲侣┰\誤診，先在大醫(yī)院搞清楚是什么病了，再回到基層拿藥。我們國(guó)家現(xiàn)在基層醫(yī)療缺的不只是硬件，更重要是缺好的醫(yī)生。這就是為什么我們要做 DUCG 輔助診療系統(tǒng)，目的就是要賦能現(xiàn)有基層醫(yī)生，使其診斷水平達(dá)到或接近三甲醫(yī)院專家水平。

具體來(lái)說(shuō)，我們對(duì)基層醫(yī)生進(jìn)行半天的 DUCG 系統(tǒng)使用培訓(xùn)，使其診病能力達(dá)到三甲醫(yī)院專家看病的水平，從而大幅度減少基層漏診誤診。從我們?cè)谏綎|膠州和重慶忠縣實(shí)際應(yīng)用的數(shù)據(jù)來(lái)看，山東膠州 9000 多次的診斷病例，只有 3.3% 的不認(rèn)同率，其中多數(shù)是醫(yī)生使用時(shí)選錯(cuò)了主訴癥狀（早期 DUCG 提供的主訴癥狀只有 11 個(gè)，現(xiàn)在已達(dá) 36 個(gè)，選錯(cuò)主訴的可能性已大幅降低）、信息錄入偏差、還有一些是基層醫(yī)生誤以為 DUCG 診斷錯(cuò)誤，其實(shí)是對(duì)的。當(dāng)然 DUCG 也有數(shù)例診斷錯(cuò)誤，都是由于主訴庫(kù)中沒(méi)有包含應(yīng)有的疾病(現(xiàn)在已包含了)。即便這樣，DUCG 的診斷正確率已經(jīng)非常高了。為什么我們能做到這么高?首先是因?yàn)?DUCG 以病人為中心，以主訴癥狀建庫(kù)和看病，避免了病人掛錯(cuò)號(hào)的問(wèn)題，且 DUCG 的主訴庫(kù)包含了跨科室的疾病（小全科），再加上 36 個(gè)主訴，基本覆蓋全科。當(dāng)然，我們?cè)瓌?chuàng)的 DUCG 算法居功至偉。使用結(jié)果說(shuō)明我們這個(gè)系統(tǒng)幫助基層解決實(shí)際問(wèn)題效果顯著。下一步我們會(huì)根據(jù)基層的需要增加更多主訴知識(shí)庫(kù)，豐富庫(kù)中包含的疾病，進(jìn)一步提高診斷正確率。以腹痛這樣常見(jiàn)又難診斷的主訴為例，現(xiàn)在我們的腹痛庫(kù)包含 40 多個(gè)病，近期我們會(huì)增加到 100 個(gè)左右。

基層醫(yī)生貼近患者，但水平不夠，大醫(yī)院費(fèi)用高、不方便。從“健康中國(guó)”和節(jié)約控費(fèi)角度看，國(guó)家希望醫(yī)療資源下沉，實(shí)行分級(jí)診療，使多數(shù)看病在基層，由此還可避免到大醫(yī)院就診的交叉感染。比如，青島的第二波疫情感染案例就是患者到大醫(yī)院看病，與新冠肺炎患者共用一個(gè) CT 導(dǎo)致交叉感染。如果把多數(shù)首診控制在基層，就比較容易控制疫情?？傊瑹o(wú)論從哪個(gè)角度來(lái)看，醫(yī)療資源都應(yīng)該下沉，要提高基層首診的正確率，在正確診斷疾病的基礎(chǔ)上，該轉(zhuǎn)診的轉(zhuǎn)診，不該轉(zhuǎn)診的留治，這樣才能實(shí)現(xiàn)“90%大病不出縣”。我們的目標(biāo)就是把基層醫(yī)生的看病水平提高到三甲醫(yī)院專家級(jí)水平，使患者享受優(yōu)質(zhì)醫(yī)療服務(wù)，就近早治，同時(shí)降低醫(yī)療費(fèi)用。

張 勤：首先從技術(shù)上我要說(shuō)明一下，DUCG 不是基于當(dāng)前全世界流行的大數(shù)據(jù)機(jī)器學(xué)習(xí)，而是基于臨床專家的不確定因果知識(shí)。這里有一個(gè)誤區(qū)：將人工智能等同于大數(shù)據(jù)機(jī)器學(xué)習(xí)。無(wú)論是媒體的誤解，還是企業(yè)和學(xué)者的誤導(dǎo)，我認(rèn)為這沒(méi)有反映學(xué)術(shù)的真實(shí)情況。人工智能發(fā)展 60 多年，跟我同歲，前 30 年主要是基于邏輯的，即基于規(guī)則的專家系統(tǒng)，但成功的極少，或者說(shuō)最后還是沒(méi)辦法滿足實(shí)際應(yīng)用的需求，原因就在于規(guī)則的碎片化。那種基于特定句式的一條條的碎片化規(guī)則多了之后，就會(huì)出現(xiàn)重疊、循環(huán)，矛盾，就難以管理了。這是第一個(gè)大問(wèn)題。第二個(gè)大問(wèn)題就是規(guī)則的不確定性傳播尚無(wú)嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論。不確定性是現(xiàn)實(shí)中大量存在的。所以基于規(guī)則的專家系統(tǒng)逐漸淡出，讓位于能夠處理不確定性的大數(shù)據(jù)機(jī)器學(xué)習(xí)。

大數(shù)據(jù)機(jī)器學(xué)習(xí)主要是用加工后的大數(shù)據(jù)訓(xùn)練機(jī)器，獲得一個(gè)可并行計(jì)算的非線性函數(shù)或模型，使輸入與輸出盡可能匹配。就全科臨床診斷而言，輸出就是疾病，輸入則是患者的癥狀、體征、風(fēng)險(xiǎn)因素、化驗(yàn)結(jié)果、影像結(jié)果等等，至少有一萬(wàn)個(gè)變量，每一個(gè)變量至少有陰性、陽(yáng)性、未知三種狀態(tài)，一個(gè)輸入就是這些變量的一個(gè)狀態(tài)組合，這種組合比 3 的 1 萬(wàn)次方還多，是一個(gè)天文數(shù)字。不同樣本空間的數(shù)據(jù)覆蓋的組合區(qū)域是不同的。大數(shù)據(jù)覆蓋的通常是三甲醫(yī)院病歷中的變量狀態(tài)組合，但基層的變量狀態(tài)組合往往與之不同，導(dǎo)致大數(shù)據(jù)機(jī)器學(xué)習(xí)模型在訓(xùn)練和測(cè)試數(shù)據(jù)集上實(shí)現(xiàn)的輸入輸出匹配在基層失靈。這就是著名的泛化問(wèn)題。我們的應(yīng)用場(chǎng)景在基層，但我們學(xué)習(xí)的數(shù)據(jù)集來(lái)自三甲醫(yī)院。這種樣本空間的錯(cuò)位導(dǎo)致實(shí)際使用中診斷正確率大幅降低。換句話說(shuō)，大數(shù)據(jù)機(jī)器學(xué)習(xí)模型在測(cè)試集上的正確率不能代表實(shí)際應(yīng)用的正確率，原因就在于泛化問(wèn)題。我們可不可以用基層的數(shù)據(jù)來(lái)學(xué)習(xí)呢?理論上可以，實(shí)際上不可行。因?yàn)榛鶎拥臄?shù)據(jù)難以保證診斷結(jié)論正確性和信息記載完備性，不同的基層情況也不同，即不同基層的樣本空間是不一致的，千變?nèi)f化。因此，解決之道在于避免泛化問(wèn)題。怎么才能在全科臨床診斷中避免泛化問(wèn)題呢?答案就是基于臨床專家的包含不確定性的醫(yī)學(xué)知識(shí)，而非匹配式或黑箱式的數(shù)據(jù)學(xué)習(xí)。知識(shí)是魯棒的，其正確性不以應(yīng)用場(chǎng)景變化而不同，即知識(shí)不存在泛化問(wèn)題——這就是我們?cè)瓌?chuàng)的新一代人工智能 DUCG 的解決之道。

DUCG 的優(yōu)點(diǎn)首先在于其無(wú)泛化問(wèn)題，且診斷正確率高。我們構(gòu)建的 DUCG 系統(tǒng)的正確率首先由自己驗(yàn)證，然后再拿到第三方的三甲醫(yī)院去驗(yàn)證，之后我們才投入實(shí)際應(yīng)用，并在實(shí)際應(yīng)用中驗(yàn)證。我們目前已上線的知識(shí)庫(kù)都是基于主訴癥狀的跨科室的知識(shí)庫(kù)，覆蓋了咳嗽咳痰、腹痛、嘔血、發(fā)熱、胸痛、心悸、頭暈、頭痛、頸腰背痛、呼吸困難、下尿路癥狀、肥胖、婦科癥狀、兒童發(fā)熱等 36 個(gè)主訴癥狀，每個(gè)庫(kù)包含十幾到上百個(gè)能引起該主訴癥狀的疾病，DUCG 根據(jù)患者病情信息進(jìn)行鑒別診斷，第三方測(cè)試驗(yàn)證每個(gè)庫(kù)的正確率 95% 以上，其中少見(jiàn)病正確率 80% 以上?；鶎臃浅Ｐ枰獙?duì)少見(jiàn)病的正確診斷，因?yàn)榛鶎訉?duì)常見(jiàn)病通常還能正確診斷，出問(wèn)題的主要是少見(jiàn)病。少見(jiàn)病數(shù)量雖少，但病種繁多。如果存在大量漏診誤診，就難以讓患者放心，難以實(shí)現(xiàn)基層首診。

DUCG 的第二個(gè)優(yōu)點(diǎn)是診斷結(jié)果和知識(shí)庫(kù)的可解釋性。哪些風(fēng)險(xiǎn)因素怎么影響疾病的發(fā)病率？疾病與癥狀、體征、實(shí)驗(yàn)室檢查結(jié)果和影像學(xué)檢查結(jié)果存在什么因果關(guān)系？不確定性如何計(jì)量和表述？我們都采用圖形直觀的方式進(jìn)行表達(dá)，清晰可解釋，包括計(jì)算方法也是全透明的，每個(gè)計(jì)算公式都具有清晰的物理意義，可證實(shí)或證偽。我們采用模塊合成方式來(lái)構(gòu)建大型復(fù)雜 DUCG 知識(shí)庫(kù)，每個(gè)知識(shí)模塊不大，可解釋性強(qiáng)，更新可在模塊層面進(jìn)行。模塊更新后將自動(dòng)合成為新知識(shí)庫(kù)，即可用于疾病鑒別診斷。例如國(guó)家衛(wèi)健委發(fā)布第五版新冠肺炎指南后，我們?cè)谝惶靸?nèi)增加了新冠肺炎診斷模塊，合成知識(shí)庫(kù)后用于包括新冠肺炎在內(nèi)的各種疾病的鑒別診斷，即不僅診斷患者是否患新冠肺炎，而且診斷若不是新冠肺炎的話是那種疾病、如何治療。如果只判斷是否新冠肺炎，那是篩查，而不是鑒別診斷。鑒別診斷就是要從眾多可能疾病中診斷出病人患的是什么病。這樣才能實(shí)現(xiàn)基層首診，有效防控疫情。

作為輔助診斷，人工智能醫(yī)療尚不能代替醫(yī)生看病，法律責(zé)任還要由醫(yī)生來(lái)負(fù)，那么診斷結(jié)果就必須要有可解釋性。否則醫(yī)生怎么相信智能系統(tǒng)的診斷是正確的呢?按照現(xiàn)在大數(shù)據(jù)的技術(shù)路線，難以解決可解釋性問(wèn)題，包括模型本身和診斷結(jié)果的可解釋性。DUCG 具有強(qiáng)可解釋性。

DUCG 的第三個(gè)優(yōu)點(diǎn)是能動(dòng)態(tài)生成患者個(gè)體優(yōu)化臨床檢查路徑。看病的過(guò)程其實(shí)是一個(gè)動(dòng)態(tài)找尋病情信息并據(jù)此進(jìn)行診斷的過(guò)程，并不是已經(jīng)收集了病情信息后由智能系統(tǒng)來(lái)下是什么病的結(jié)論，也不是針對(duì)某個(gè)疾病考慮做什么檢查以收集病情信息，而是在不知道疾病的情況下基于已知病情信息確定下一步應(yīng)當(dāng)優(yōu)先收集什么病情信息，遵循動(dòng)態(tài)生成的患者個(gè)體優(yōu)化臨床檢查路徑準(zhǔn)確獲取病情信息，并做出正確診斷，由此實(shí)現(xiàn)精準(zhǔn)醫(yī)療，大幅減少檢查項(xiàng)和節(jié)省看病費(fèi)用。

DUCG 的以上三個(gè)全球領(lǐng)先的技術(shù)優(yōu)點(diǎn)同時(shí)也是基層首診最需要的基本功能?？傊?，DUCG 輔助診療平臺(tái)給臨床診斷帶來(lái)了顛覆性的沖擊，使基于經(jīng)驗(yàn)的臨床診斷變成了精密的科學(xué)計(jì)算，大大縮短了基層醫(yī)生診斷疾病的培訓(xùn)過(guò)程，大幅提高了其診病水平。

采 訪：

您曾說(shuō)“DUCG系統(tǒng)跟現(xiàn)在流行的基于大數(shù)據(jù)的智能系統(tǒng)不一樣，不是大數(shù)據(jù)，而是大知識(shí)”，如何理解二者的差別？有何意義？

采 訪：

在我國(guó)醫(yī)改進(jìn)程中，DUCG 醫(yī)學(xué)診療系統(tǒng)最大的價(jià)值是什么？

張 勤：DUCG 的推理算法在后臺(tái)運(yùn)行，稱之為推理機(jī)。醫(yī)生和病人使用的叫用戶平臺(tái)。還有一個(gè)是給建庫(kù)專家用的編輯和調(diào)試平臺(tái)，多個(gè)專家可以同時(shí)在這個(gè)平臺(tái)上構(gòu)建調(diào)試自己的知識(shí)庫(kù)，每個(gè)知識(shí)庫(kù)結(jié)合推理機(jī)和用戶平臺(tái)，就是一個(gè)實(shí)用的產(chǎn)品。在編輯調(diào)試平臺(tái)上，我們提供了規(guī)范化定義的變量庫(kù)，供建庫(kù)專家選用變量。建庫(kù)專家也可以往里面增加自己定義的變量（當(dāng)然要經(jīng)過(guò) DUCG 同意），由此積累變量，形成國(guó)家規(guī)范。推理機(jī)、用戶平臺(tái)和編輯調(diào)試平臺(tái)都是共享的，因而是開(kāi)放性的。有時(shí)我們也對(duì)同一個(gè)主訴請(qǐng)多個(gè)專家建庫(kù)，這些庫(kù)可能各有所長(zhǎng)，用戶可以自己選擇，就像患者選擇醫(yī)生一樣。我們也向用戶推薦好的知識(shí)庫(kù)。

張 勤：商業(yè)化應(yīng)用是維系我們這個(gè)團(tuán)隊(duì)生存和發(fā)展的基礎(chǔ)。我們從開(kāi)始商業(yè)化開(kāi)發(fā)到現(xiàn)在將近 4 年了，加上之前的理論建立、開(kāi)發(fā)實(shí)驗(yàn)，共計(jì) 30 多年了。大家說(shuō)十年磨一劍，我們 30 多年了，這一劍還沒(méi)有真正磨成（從商業(yè)成功的意義上看）。從技術(shù)上看，也可以說(shuō)我們的產(chǎn)品已經(jīng)磨成了，而且已經(jīng)在山東膠州和重慶忠縣大規(guī)模實(shí)際使用，我們提供及時(shí)的支持服務(wù)，除了培訓(xùn)和更新知識(shí)庫(kù)外，一旦基層醫(yī)生覺(jué)得有問(wèn)題，我們 24 小時(shí)之內(nèi)要回溯和解決問(wèn)題，有時(shí)還要聯(lián)系建庫(kù)專家參與解決問(wèn)題。但要真正在市場(chǎng)上取得成功，所面臨的就不是一個(gè)單純技術(shù)問(wèn)題了，有很多你意想不到的問(wèn)題。

我們面臨的第一個(gè)問(wèn)題是目前智慧醫(yī)療市場(chǎng)混亂，沒(méi)有權(quán)威認(rèn)證，泥沙俱下，良莠難分。而醫(yī)療是人命關(guān)天的大事，如果不具備專業(yè)可靠的診斷正確率，就可能產(chǎn)生誤導(dǎo)，至少不能實(shí)現(xiàn)基層首診的本意。所以國(guó)家相關(guān)部門(mén)應(yīng)盡快組織力量來(lái)檢驗(yàn)市面上的這些智慧醫(yī)療系統(tǒng)，到底哪個(gè)是正確的？正確率是多少？是否存在泛化問(wèn)題？是否有可解釋性？是否能幫助基層醫(yī)生精準(zhǔn)收集病情信息？

第二是由于 DUCG 醫(yī)療診斷是我們?cè)瓌?chuàng)的理論，非主流的大數(shù)據(jù)機(jī)器學(xué)習(xí)，導(dǎo)致我們迄今未得到國(guó)家項(xiàng)目的支持。在這個(gè)良莠難分的時(shí)代，擁有國(guó)家項(xiàng)目支持很大程度上是一張名片，沒(méi)有這張名片就很容易被邊緣化。

第三是資金問(wèn)題。如上所述，面對(duì)現(xiàn)實(shí)，我們要經(jīng)歷一個(gè)大浪淘沙、去偽存真的過(guò)程。這個(gè)過(guò)程可能要兩年以上。在這個(gè)過(guò)程中，我們需要維持團(tuán)隊(duì)、完善產(chǎn)品、對(duì)客戶提供服務(wù)、市場(chǎng)宣傳等等，這些都需要資金支撐。比起上市公司或獨(dú)角獸企業(yè)來(lái)說(shuō)，我們獲得的資金微不足道，但我們卻要與他們抗衡，以小搏大。我們是一個(gè)技術(shù)團(tuán)隊(duì)，搞市場(chǎng)不是我們的長(zhǎng)項(xiàng)。我們只有靠過(guò)硬的技術(shù)去拼。下一步，我們要堅(jiān)定真金不怕火煉的信念，砥礪前行。無(wú)論前方的路有多艱難，我們用先進(jìn)的智慧醫(yī)療技術(shù)服務(wù)基層醫(yī)療，呵護(hù)廣大百姓健康的夢(mèng)想不會(huì)改變，DUCG 在路上。