這兩天，家住山東膠州市的趙月芹時常咳嗽和呼吸不暢。懷著忐忑的心情，她來到小區所在的街道衛生院。
得益於膠州市最近引進的動態不確定因果圖（DUCG）人工智慧（AI）輔助診斷平台，醫生經過幾個環節的基礎檢查，就對她的病情進行了確診，並初步排除了患者感染新冠肺炎的可能。
自新冠肺炎疫情暴發以來，基層醫療機構面臨著前所未有的防控壓力。如何快速提高當地臨床醫生的診斷能力和水平？作為DUCG平台負責人，中國人工智慧學會會士、清華大學教授張勤告訴《中國科學報》：「AI+醫療是不二選擇。」
從核電站到醫療
「我們30年前研發DUCG系統的時候，是為了用於核電站智能故障診斷。」張勤告訴《中國科學報》。
然而，在核電站領域，很少有故障數據。因為核電站是高可靠系統，且絕不會反覆出現系統級故障。因為一旦出故障，系統的硬體和軟體都會發生改變。「要解決這樣的問題，已有的人工智慧理論都沒辦法用。怎麼辦？只好自己創立一個理論。這個理論發展到現在，就是DUCG系統。」張勤說。
中國工程院院士倪光南對DUCG系統有多年的接觸和了解。他告訴《中國科學報》，作為我國在人工智慧領域的一項原創性成果，DUCG不是傳統的基於規則的專家系統，而是機率圖模型（PGM）中的一個新的理論體系。其核心創新點在於引入了虛擬作用隨機事件變量，將父變量之間的狀態組合關係解耦，進而在處理不確定性中引入了邏輯運算，並通過全圖形表達和具體問題聚焦運算，使得結果具有可解釋性。
發展到現在，DUCG在核電系統、化工系統和航天系統中的上百項故障診斷測試中，正確率達100%。不過，張勤坦言，「要進入大規模實際應用還有許多非技術問題。於是，我們將DUCG系統改造用於給人看病。因為人和工業系統基本類似，都是大型複雜系統，看病的基本原理是相通的。」
破解「基層首診」難題
從核電站智能故障診斷到醫療，如此大的「跨界」難在哪裡？對此，張勤告訴記者，「首先是跨界合作對象的找尋問題。」
他們剛開始進入醫療領域的時候，因為是原創性理論，又尚無名氣，因此很難找到合作對象。不過，經過3年努力，現在他們已和30多位臨床專家和8家京外三級醫院展開合作，進行主訴知識庫開發、自測和第三方驗證。目前上線的11個知識庫已在山東膠州市所有鎮衛生院、村衛生室和重慶忠縣的兩個鄉及其所轄社區和村的醫療機構開通醫療專網應用，將疫情防控關口前移，為基層疫情初篩、排查等工作提供了有力保障。
最近，DUCG平台又在公網上向全社會開放應用，既可幫助臨床醫生診斷，也可幫助患者自查，有效解決當前及以後各種疾病患者到大醫院看病不方便，以及容易交叉感染的問題。
張勤告訴《中國科學報》，新冠肺炎疫情暴發以來，他們加班加點，在幾位臨床專家的協助下，已在11個主訴庫的咳嗽與咳痰庫中加入了新冠肺炎鑑別診斷，並重新進行了庫中所有疾病的病歷驗證，現已上線，可以幫助診斷是否患新冠肺炎。
膠州市新冠肺炎疫情防控指揮部辦公室物資保障組組長王坤告訴《中國科學報》，自DUCG平台在該地區上線運行以來，「基層醫師如同獲得了三甲醫院專家的現場帶教，對提高臨床醫生業務能力和診療水平有很大幫助，有效破解了『基層首診』高水平全科醫師缺乏的問題」。
「再過幾天，我們將在發熱和呼吸困難兩個庫中加入新冠肺炎疾病的診斷。未來一年，我們計劃完成所有主要主訴症狀知識庫的構建、自測和第三方驗證，完成全科診斷，以期更有效地賦能基層。」張勤告訴記者。(記者 計紅梅)