人工智能技术在慢性病研究中的应用及进展.pdfVIP

·２６０· 　ＪＳｈａｎｘｉＭｅｄＵｎｉｖ，Ｆｅｂ．２０２３，Ｖｏｌ５４Ｎｏ２　 人工智能技术在慢性病研究中的应用及进展 １，２，３ １，２，３ ４ ５ ６ １，２，３ １，２，３ １ 王森岩 ，武小玲 ，赵思俊 ，陈士剑 ，李顺勇 ，秦雪梅 ，刘晓节 （山西大学中医药现代研究中心，太 ２ ３ ４ 原　０３０００６；化学生物学与分子工程教育部重点实验室；地产中药功效物质研究与利用山西省重点实验室；山西省检验检测 ５ ６  中心；山西大学计算机与信息技术学院；山西大学数学科学学院；通讯作者，Ｅｍａｉｌ：ｌｉｕｘｉａｏｊｉｅ＠ｓｘｕ．ｅｄｕ．ｃｎ） 关键词：　人工智能；　机器学习；　深度学习；　慢性病；　疾病预测 中图分类号：　Ｒ３１９　文献标志码：　Ａ　文章编号：　１００７－６６１１（２０２３）０２－０２６０－０８　ＤＯＩ：１０．１３７５３／ｊ．ｉｓｓｎ．１００７－６６１１．２０２３．０２．０１９ 　　慢性病具有多发、起病隐匿、病程长、反复发作 ［１］ １　人工智能技术概述 等特点 ，给患者带来生理和心理的双重打击，严 重影响患者的生活质量，加重社会和经济负担。近 ＡＩ技术在疾病预测方面蓬勃发展，其技术主要 年来，已成为人类健康的主要威胁。据世界卫生组 是机器学习。ＡＩ预测疾病的发展进程见图１。机器 织报道，每年因慢性病死亡的人数占总死亡人数的 学习（ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ，ＭＬ）是一门研究计算机如 ［２］ ［７］ ７４％ 。在我国，慢性病发生发展形势也极为严峻， 何从数据中学习并挖掘信息的学科 ，是一组统计 ［３］ ［８］ 慢性病死亡率已占总死亡率８８．５％ 。因此，对慢 工具和方法的集合 ，具有灵活性、扩展性、高效 性病的发生、发展以及结局的有效预测是及时发现 ［９］ 性、准确性 等特点。ＭＬ可同时检查多种变量及其 患者病情、采取有效治疗措施的重中之重。 相关变量，也能识别数据中更复杂的非线性模式，适 目前，临床常采用传统的医疗电子信息系统整 合分析不同的数据类型。ＭＬ现已被用于疾病风险 合患者的各项数据，然后基于特定的流程与知识库 ［１０］ 预测、诊断、预后等 ，其流程见图２。其中，用于 对数据进行采集、计算，从而预测疾病的发生、发 疾病预测的算法主要有传统机器学习和深度学习 ［４］ 展 。但传统的医疗电子信息系统只能进行简单 （ｄｅｅｐｌｅａｒｎｉｎｇ，ＤＬ）。 的机械探索，对变量之间的非线性关系处理不够准 传统机器学习是一类经典的疾病风险预测算 确，对数据的挖掘也不够深入，且处理效率较低。交 法，主要有回归分析、决策树、支持向量机、人工神经 叉学科思维和技术为发病机制复杂、病理过程长及 网络、贝叶斯分类、关联规则、聚类分析、遗传算法以 数据多维、繁杂的慢性疾病的预测提供了新思路和 及集成学习等。其中，集成学习可针对实际问题设 新视角。 计合适的方案，寻求最优解。已广泛应用于慢性病 人工智能（ａｒｔｉｆｉｃ