人机融合智能的现状与展望
本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在学习摘录和笔记专栏：
学习摘录和笔记（4）---《人机融合智能的现状与展望》
人机融合智能的现状与展望原文/论文出处：题目：《人机融合智能的现状与展望》
作者：刘伟
时间： 2020-01-07
来源：人机与认知实验室
随着人工智能技术的飞速发展，“AI+算力”的结合应用已成为科技行业的热点话题，甚至诞生出“AI+算力=最强龙头“的网络热门等式。但人机融合智能也将是人工智能技术发展的重要方向。
人工智能的优势在于庞大的信息存储量和高速的处理速度，但是无法处理如休谟问题，即从“是”（being）能否推出“应该”（should），也即“事实”命题能否推出“价值”命题；也无法处理情感的表征问题。人工智能尝试通过大数据与逐步升级的算法实现人的情感与意指依旧没有办法实现跨越，而人机智能融合将会是未来智能科学发展的下一个突破点。
人机融合智能理论着重描述一种由人、机、环境系统相互作用而产生的新型智能形式，它既不同于人的智能也不同于人工智能，它是一种物理性与生物性相结合的新一代智能科学体系。
图1 T-HR3型机器人
人工智能的理论思想:1.联结主义模仿人大脑皮层神经网络的结构，通过深度学习方法，即用多隐层的处理结构处理大数据。
限制于:
在具有可微分、强监督学习、封闭静态系统任务下才会得到良好的结果，并且训练得到的结果也限制于给定条件的问题上。
2.行为主义不断模仿人或生物个体的行为超越原有的表现来推进机器的进化，主要依赖具有奖惩控制机制的强化学习方法。
缺点:
在于过于简化人类的行为过程，忽略人类心理的内部活动过程，忽略意识的重要性。
3.符号主义通过符号模拟人的大脑抽象逻辑思维过程，模拟人类认知系统的功能机理，并用计算机处理符号的运算，从而实现人工智能。
面临挑战：
知识的自动获取；多元知识的的自动融合；面向知识的表示学习；知识推理与运用。人机融合智能：（尚在初级阶段）着重描述一种由人、机、环境系统相互作用而产生的新型智能形式，它既不同于人的智能也不同于人工智能，它是一种物理性与生物性相结合的新一代智能科学体系。
图2 人机融合的示意图
抽象能力：是在思维活动中，通过对事物整体性的科学分析，把自己认为是事物的本质方面、主要方面提取出来，舍弃非本质、非主要的东西，从而形成概念和范畴的思维能力。
抽象要以分析、综合、比较为基础，抽象为判断和推理提供前提条件。在工作中，借用抽象能力，才能更深刻、更正确、更完全地反映客观事物。
人机融合智能关键问题：如何将机器的计算能力与人的认识能力结合起来公理与非公理混合推理，直觉与理性结合的决策介入问题，介入问题反应了人机融合的时机与方式问题伦理问题人机融合智能技术未来的发展方向：信息融合与人机融合智能态势感知与人机融合智能自主性与人机融合智能文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。
人工智能技术的展望
人工智能技术的展望时间：2023-04-1810:33:32
[提要]人工智能(AI)是研究模拟、延伸和扩展人类智能的一门新的技术科学。随着数据储存、图像处理、模式识别和机器学习等技术的进步,AI技术在泌尿系结石的诊治方面应用广泛。基于AI的应用,可以使医务工作者的诊断更为精准,治疗更加个体化。然而,目前AI在临床应用中仍有一些不足之处需要进一步解决。本文就AI技术在泌尿系结石疾病诊疗中的应用及前景进行综述,并进一步探讨其局限性与未来的发展趋势。
[关键词]人工智能;泌尿系结石;结石成分分析;体外冲击波碎石;经皮肾镜取石术
随着经济和科技的进步,各种新技术和新设备的不断涌现,使得泌尿外科从诊断到治疗均发生了革命性的变化。近年来,数据储存、图像处理、模式识别和机器学习等技术的巨大进步,人工智能(ar-tificialintelligence,AI)在泌尿系结石的诊疗方面广泛应用[1]。AI的定义是指机器模仿人类认知和执行人类任务的计算能力[2]。AI技术在医学领域的快速发展和应用,使临床诊疗过程变得更加高效和精准,主要包括辅助诊断、结局预测、相关风险因素评估等。机器学习(machinelearning,ML)是AI的一个分支,它在临床研究中应用最多,包括深度学习(deeplearning,DL)、人工神经网络(artificialneuralnetworks,ANN)、自然语言处理(naturallanguageprocessing,NLP)和计算机视觉等技术,可有助于疾病的诊断和预测治疗结果等[3]。AI从医学研究、临床决策等方面推动了诊疗模式的转变,促使疾病的监测、预防、诊断、治疗、随访等发生了巨大的变革[4-5]。在过去的20年中,泌尿系结石的诊疗和管理也逐步改变。随着AI的应用,可以对结石成分、结石清除率、手术效果和并发症进行预测,并且有很高的准确率(表1)。本文就AI技术在泌尿系结石诊疗中的应用作一综述,并进一步探讨其存在的问题和未来发展方向。
1、AI技术在泌尿系结石诊断中的应用
1.1AI技术在输尿管结石诊断中的应用
输尿管结石是泌尿外科常见的疾病之一[6],随着影像设备的不断升级,输尿管结石的诊断水平逐步升高,但仍有一定的误诊与漏诊。近年来研究显示,AI技术的应用有助于提高输尿管结石诊断的正确率和效率,一些相关的AI模型取得了不错的效果2018年Langkvist等[7]基于CT的薄层图像,使用深度学习卷积神经网络(deeplearningconvolutionalneuralnetwork,DCNN)来区分输尿管结石和静脉石,测试灵敏度为100%,每例患者的平均假阳性率为2.68%。2020年Jendenber等[8]根据非对比CT,开发了一个卷积网络(convo-lutionalnetworks,CNN)模型来区分输尿管远端结石和静脉结石,并将这些结果与7名放射科专家的报道进行了比较,CNN模型的准确率高达92%,而放射科医生为86%。Parakh等[9]研究了CNN模型的诊断性能,使用9种不同的变异模型,实现了超过90%的准确率。总的来说,通过AI技术的应用可以进一步提高诊断的正确率和工作效率,同时选择适合患者的治疗方式。
1.2AI技术在肾结石诊断中的应用
肾结石是泌尿系疾病中的常见疾病,其发病率和复发率逐年上升[10]。研究人员将AI技术应用于肾结石的诊断取得了良好的效果。2019年DePerro等[11]基于低剂量CT开发了一个ML模型来区分肾结石和静脉结石,该模型的准确率为85.1%。Selvarani等[12]使用元启发式支持向量算法来诊断肾结石,训练中准确率可达98.8%。2020年Nithya等[13]开发了一种ANN模型用于肾结石诊断,该模型主要利用分类算法将图像分为异常图像和正常图像,然后对异常图像进行深度分割,模型精度达到了99.6%。AI模型的应用可以极大地提高医务工作的效率,更好地服务患者。
2、AI技术在泌尿系结石治疗中的应用
2.1AI技术在体外冲击波碎石术中的应用
体外冲击波碎石术(extracorporealshockwavelithotripsy,ESWL)在过去的30年中一直是治疗泌尿系结石的主要方法之一,ESWL具有创伤小且无需麻醉的优点,在临床上广泛应用[14]。目前将AI技术与ESWL相结合,可以预测结石清除因素,调整治疗参数,来提高结石清除率并且减少并发症。2003年Poulaki等[15]使用ANN模型来预测ESWL的碎石成功率,准确率达到92%。同时通过该模型发现与结石清除率相关的风险因素,例如体重指数(BMI)、骨盆高度和石头大小等。2017年Hand等[16]利用多光谱神经网络(multi-spectralneuralnetwork,MSNN)模型来量化ESWL术后肾出血的风险,该模型具有较高的精度(79%)。2019年Singla等[17]开发了一种计算机视觉算法来提高ESWL治疗中的结石中靶率,提高碎石效率。Seltzer等[18]应用DL技术开发了一种预测算法,结石清除的预测准确率为88%,预测并发症的准确率为77%。通过AI的应用,可以进一步提高患者的碎石成功率并且降低术后并发症的发生率,更加精准地为患者提供治疗,促进医患关系。
2.2AI技术在经皮肾镜取石术中的应用
近几年由于饮食习惯的改变导致肾结石的临床发病率呈逐年上升趋势[19]。传统开放手术创伤大,恢复期长,手术中容易造成大出血,增加患者风险。随着医学技术的进步,经皮肾镜取石术(per-cutaneousnephrolithotomy,PCNL)逐渐完善,并在临床上得到广泛应用。目前研究将AI技术应用于PCNL,进行相关的结局预测和手术指导,为患者提供更好的治疗。2019年Shabaniyan等[20]利用ML技术开发了一个决策支持系统(decisionsupportsystem,DSS)来预测肾结石手术治疗的结果,该模型对治疗效果,是否需要置入支架,术后是否需要输血有很高的预测率。Taguchi等[21]开发了一个AI驱动的机器人辅助透视(AI-drivenrobot-assistedfluoroscopy-guided,RAG)穿刺引导模型,该模型使用X射线自动定位系统,并且临床试验中单次穿刺成功率高。2020年Aminsharif等[22]开发了一种神经网络算法来预测PCNL的结果,该算法的灵敏度和精度范围均为81%~98.2%。通过AI的辅助,可以在术前对患者进行全面的评估,提高手术成功率,增强医患之间的信任程度,提高医疗质量。
3、AI技术在结石成分预测中的应用
结石成分分析是明确结石性质的“金标准”,对结石患者的预防与饮食指导具有重要意义。目前研究表明可以运用AI技术进行结石成分预测并且具有较高的准确率。2016年Kreigshauser等[23]基于ML模型和CT图像设计的算法,在预测结石是否含有尿酸达到了100%的准确性。2018年Ka-zem等[24]收集患者尿酸、血清钙水平、高血压和糖尿病病史等信息建立一个集成学习模型。通过该模型可以预测结石成分和预防复发,模型的准确率高达97.1%。2019年Bejan等[25]开发了一种自然语言处理(NLP)算法,该系统对除尿酸外的所有结石类型的阳性预测值大于90%。2020年Hokamp等[26]基于双能CT图像,根据石头和体素计算,来预测肾结石的主要结石成分,该模型对结石关键成分的预测准确率接近90%。结合临床信息建立相应的AI模型,可以在非侵入的状态下进行结石成分预测,为结石患者的长期管理提供重要的信息。
4、总结与展望
AI已被应用于泌尿系结石的很多领域,包括诊断、预测治疗适宜性和成功率等。但是,它仍然是一个以研究为基础的工具,并没有在临床实践中普遍应用。这可能是由于患者群体的多样性使其开发难度与成本大大增高。目前的研究结果多基于单中心研究,存在研究数据较少的缺陷。然而,AI具有非常大的潜力,未来的人工智能研究将不仅仅局限于结石领域,更应该全面地与临床相结合,争取在肿瘤等其他亚专科有一定的突破。同样未来的研究重点还应该更多地关注患者的生活质量和治疗成本,并设计出更为简捷和经济的通用算法,使得AI技术更好地服务于广大患者。
参考文献
[1]秦锋,袁久洪.人工智能在泌尿疾病诊断中的应用现状与趋势[J].生物医学工程学杂志,2020,37(2):230-235.
作者:李云鹏吕建林单位:临床泌尿外科