Page 143 - 基于深度学习的人工智能技术研究

第五章 人工智能技术的应用与发展

价与反馈，所以对于数据的获取方式以及数据质量本身的研究，是医学 AI 研究
的一个难点。医疗数据的权属关系是制约着数据共享和数据流通的主要因素，如
何在数据保护和数据安全的基础之上进行合理的数据共享与流通，是医学 AI 发
展的主要研究方向。

3. 应用场景有待成熟
中医学 AI 涌现至今，在医疗领域的项目主要集中在诊疗服务之中，在临床
应用中尚未将 AI 与中医诊疗进行深度融合。与此同时，在已有的医学研究项目
中，由于 AI 对医学伦理方面产生的一系列冲击，对于机器给出的疾病诊疗、康复、

预防的建议，患者在临床医疗中仍旧存在信任程度较低的现象，进而可能产生一
系列的医患矛盾，甚至法律纠纷。
4. 主体责任判定不清
临床诊疗中尽管 AI 的诊疗速度远远高于临床医生的诊疗速度，但对于人工

智能机器的执业资格如何进行合理的制约与监管，对于 AI 机器在诊疗过程当中
的责任判定如何界定，是临床研究中亟待解决的主要问题。医学领域的 AI 应用
在伦理学研究中边界模糊，中国尚未有对于 AI 机器人的责任监管规定以及相关
法律规范，在临床应用研究中，如何正确地对待医疗领域的 AI 发展，合理地界

定 AI 在医学领域研究的主体责任，应得到合理的管控与监督。
（三）中医药人工智能的发展
1. 中医大数据应用强化
实现 AI 技术在中医自主学习以及辅助诊疗过程中的发展与提升，将数据挖

掘技术，聚类分析技术以及图谱搭建技术与中医药临床诊疗进行高度融合，搭建
智能化整体认知框架以及临床诊疗模型。依托大量真实有效的临床医案，将文字
语言转换为计算机语言，将中医病历的非结构化数据转换为可供机器学习的语言
结合互联网优势，通过云系统中的高质量数据，建立名老中医数据库系统，临床

辅助诊疗系统，中医药临床聚类分析系统，通过大数据系统，海量的临床数据支
持 AI 在医疗领域的应用，使青年医生、基层医生有更多的平台与途径进行学习
与探索，促进中医药临床诊疗体系的全面推广。
2. 中医数据化基础建设

中医药 AI 的发展应注重数据化基础建设，依托大数据基础建设 AI 技术，构
建中医药智能发展平台，实现中医诊疗标准化，构建随访反馈全程化，监督管控

135