基于人工智能技术的医学知识问答系统研究.docx

?

?

基于人工智能技术的医学知识问答系统研究

?

?

陆森徐霄玲陈园园赵逸凡刘婷叶萍韩宝三

摘要：将人工智能技术应用于医学知识问答系统构建，帮助患者更准确性、更有针对性地认识疾病。建立标准化医学知识问答数据库，并通过医院门诊收集患者问题，利用SiameseLSTM获取问题间的相似度，将非标准化问题纳入问答系统，通过小程序完成问答系统与用户之间的交互，并选取100位门诊患者进行程序回答测试。程序实际测试的回答有效率为82%，无效率为18%，对于内容实质相似的问题回答准确。目前为止，程序运行的准确性处于较高水平，有效率达到82%，可以很好地解答实质相似、问法不同的患者提问。今后，有望通过进一步的数据扩充及程序训练，给患者提供正确的相关医学知识，进而提高就医效率，减缓临床压力，缓和医患关系，提高患者就医满意度。

关键词：人工智能;就医效率;知识问答系统

DoI：10.11907/rjdk.191242

：TP303：A：1672-7800（2019）012-0065-04

0引言

伴随国家政策的推进、互联网技术的普及，以及居民物质、精神生活的日益富足，人们对健康的关注持续增加，我国互联网医疗产业开始高速发展。它以互联网为载体，利用云计算、大数据等现代信息技术手段搭建多种多样的智能化信息应用平台，提供健康教育、电子健康档案、疾病风险评测、远程会诊治疗、在线疾病咨询等多种形式的健康医疗管理服务。其中，人工智能技术（ArtificialIntelli-gence，AI）应用于互联网医疗颇具发展前景。其在医疗领域已有诸多应用场景，包括医疗机器人、辅助诊疗、专家系统、医学影像等，已成为医疗领域变革的重要力量之一。以医学影像为例，对一份影像图片的医学诊断，涉及拍摄影像工具的准确度、分辨率，并受讀片医生主观经验影响。在巨大的门诊患者数量面前，影像学专业人员数量缺乏、人工读片时间较长都会严重影响患者就医效率，而将人工智能技术应用于影像学，借助计算机对影像数据的精确判断，迅速辨别影像异常，并进行所摄部位的三维重建，通过设定对应于人工智能的医学判断标准，将极大提高读片效率。配合深度学习算法，将正常人体组织与异常组织加以区分，已有学者将其应用于判断肺部正常组织与肿瘤组织，准确度可达89.2%。

现代医疗环境下，就医效率一直是存在于患者与医生之间的一大矛盾点。人口老龄化问题突出，慢性病患者数量不断增大，而相对的医疗资源始终处于紧缺状态，大医院始终人满为患，不少医院患者的就医效率始终处于较低水平。分析其原因在于：①医疗资源紧缺，为了医生接诊的几分钟时间，患者往往需要花几十倍的时间等待;②在有限时间内，为了诊断的准确性，医生需要了解病人的完整病情，但由于医疗体系的专业性，患者往往无法正确表达医生所需要的病情描述，甚至由于紧张，会有一些失实病情从患者口中叙述出来，造成误诊误判;③就诊过程中，医生详细解答患者疑问，但出于情绪紧张或者医学知识的专业性，患者在就诊时始终无法理解医生所说，内心始终存有疑虑，这就会出现就诊过程中患者反复咨询医生同一个问题，或者就诊结束后患者的种种疑虑依旧存在，严重影响就诊满意度;④医疗信息遍布网络，任何年龄阶段的患者均会在互联网上受各种医疗信息影响，而其中，很多医疗信息是商家为推销产品、服务而编造的，非专业人士无法判别其正确性，带着这些混杂信息的患者到医院就医，面对就诊医生的诊断，难免会不知所措，甚至会发生医患矛盾。这些都是影响就医效率的重要现实因素。

目前，互联网上对于医学的问答主要以谷歌、百度等大型搜索引擎为主，用户只需输入感兴趣疾病的部分关键词，即可得到关于该疾病的大量介绍与应用数据，但通过这种方法，用户往往会“迷失”于茫茫信息中，无法判断相关性与正确性;也有学者以搜索引擎的数据为基础，依照不同检索技术与问题分析方法，设计准确性更佳的程序，但数据量巨大依旧使得非专业用户无法获得最准确的信息。

基于上述分析，笔者所在团队设计了一款基于人工智能技术，以手机APP、微信公众号和小程序为载体的AI医学知识问答程序，通过临床门诊训练，不断扩充数据库，提高问答针对性，对实质相同、问法不同的提问提供准确的回答，旨在帮助患者在医院就诊前后，更准确地了解涉及自身健康状态或疾病的相关医学知识，帮助医生及患者更有针对性地进行医疗就诊，减少不良情绪与矛盾产生，进而提高就医效率。

1相关技术

该AI问答程序当前数据来源于上海交通大学医学院附属新华医院普通外科门诊，以及上海交通大学医学院附属国际和平妇幼保健院乳腺外科门诊。每个数据样本以问答对为形式。问题在患者就诊时收集，医生对患者所提问题加以人工回答并标注。在数据集构建上力求真实准确，为模型训练提供可靠的数据支撑。

技术实现可分为3个阶段：①为已经标准化的问答对建立索引，方便查找