“提高保障和改善民生水平，加強(qiáng)和創(chuàng)新社會治理”、“實(shí)施‘健康中國’戰(zhàn)略”是黨的十九大報(bào)告中提出的內(nèi)容，其中強(qiáng)調(diào)，要加強(qiáng)基層醫(yī)療衛(wèi)生服務(wù)體系和全科醫(yī)生隊(duì)伍建設(shè)。近年來，“小病不出鄉(xiāng)，大病不出縣”、“基層首診，雙向轉(zhuǎn)診，急慢分治，上下聯(lián)動”等模式正逐步推進(jìn)分級診療醫(yī)療模式改革，實(shí)現(xiàn)“健康中國”戰(zhàn)略。

雖然方向已經(jīng)明確，實(shí)施起來卻困難重重。盡管基層硬件可以通過加大資金投入來改善現(xiàn)狀，缺少優(yōu)秀的全科醫(yī)生這一問題卻難以解決。由于全科醫(yī)生培養(yǎng)難度大周期長，再加上基層條件普遍艱苦，很少有全科醫(yī)生愿意長期留在基層發(fā)展，這就導(dǎo)致了優(yōu)質(zhì)醫(yī)療資源不足、分布不均，就醫(yī)成本增加。此外，如果“基層首診”正確率低，就會導(dǎo)致更多患者選擇越級就診，分級診療難以實(shí)現(xiàn)，醫(yī)聯(lián)體、遠(yuǎn)程診療和專家巡診也無法從根本上解決缺乏優(yōu)秀醫(yī)生的問題。

2016年，Alphago的出現(xiàn)把“人工智能”的概念帶到了大眾面前，并掀起一陣熱潮。既然人下不到基層，那么是否可以讓人工智能下到基層？帶著這樣的思考，北京清睿智能科技有限公司（以下簡稱“清睿智能”）對其首席科學(xué)家張勤教授原創(chuàng)的用于核電站故障診斷的動態(tài)不確定因果圖 （Dynamic Uncertain Causality Graph，以下簡稱“DUCG”）AI技術(shù)進(jìn)行了改造，將其運(yùn)用于臨床診斷。

從給工業(yè)系統(tǒng)看病轉(zhuǎn)向給人“看病”

清睿智能成立于2016年，公司擁有DUCG 的全部知識產(chǎn)權(quán)，已獲中國發(fā)明專利5項(xiàng)，美國發(fā)明專利1項(xiàng)，待授權(quán)美國發(fā)明專利2項(xiàng)；在德國紐倫堡國際發(fā)明展上獲世界發(fā)明協(xié)會頒發(fā)金杯獎。

張勤教授是國際核能院（INEA）院士，中國科協(xié)榮譽(yù)委員，清華大學(xué)核研院、計(jì)算機(jī)系雙聘教授。由他帶領(lǐng)的核心技術(shù)團(tuán)隊(duì)目前有15人左右，主要由清華大學(xué)、北京航空航天大學(xué)以及國外知名高校的人工智能、軟件開發(fā)人員組成。另外，清睿智能長期與著名三甲醫(yī)院的30多位臨床專家進(jìn)行深度合作，構(gòu)成了一個(gè)醫(yī)工結(jié)合的科研團(tuán)隊(duì)。

清睿智能首席科學(xué)家張勤教授

（圖片來源：清睿智能提供）

DUCG采用圖形方式簡潔表達(dá)各種情況下的不確定因果關(guān)系，將任何不確定因果關(guān)系用虛擬的隨機(jī)因果作用事件來表達(dá)，從而將邏輯運(yùn)算和概率統(tǒng)計(jì)相融合，推理中首先基于證據(jù)對知識庫內(nèi)容進(jìn)行化簡圖和展開，去掉無關(guān)部分，保留當(dāng)前問題有關(guān)部分內(nèi)容，大幅降低問題規(guī)模和復(fù)雜度，再加上各種高效推理算法，建立起一套獨(dú)特的AI理論模型，將知識表達(dá)、不確定性、邏輯運(yùn)算和概率運(yùn)算有機(jī)統(tǒng)一，使知識結(jié)構(gòu)和參數(shù)表達(dá)相分離，有效解決了模型的可解釋性和泛化能力。

該理論的創(chuàng)立緣起于解決核電站等大型復(fù)雜工業(yè)系統(tǒng)在線故障監(jiān)測、預(yù)報(bào)、診斷、發(fā)展預(yù)測、決策支持和風(fēng)險(xiǎn)評估，歷經(jīng)30多年的發(fā)展，已發(fā)表高水平學(xué)術(shù)論文數(shù)十篇，其中 JCR 排名 Q1 區(qū)的 SCI 期刊論文 12 篇，迄今上百項(xiàng)應(yīng)用和實(shí)驗(yàn)驗(yàn)證正確率為 100％。

科研團(tuán)隊(duì)在解決大型復(fù)雜工業(yè)系統(tǒng)故障診斷問題的同時(shí)，進(jìn)一步將這一方法改造用于給人看病，并與北京朝陽醫(yī)院王寧宇教授團(tuán)隊(duì)和浙江大學(xué)李蘭娟院士團(tuán)隊(duì)合作，完成了眩暈和黃疸兩個(gè)知識庫的構(gòu)建和測試，初步證明了這一方法在臨床診斷領(lǐng)域的可行性和優(yōu)越性。