疫情期间医院开展 AI 研究与应用，通过对 AI 替代人工咨询的实证分析，以及 AI 在新冠肺炎咨询中的应用研究，在人工咨询平台基础上，扩展基于AI 的新冠肺炎自诊、健康手册、热点问题速查等板块，并在后期应用中取得较好的使用效果，为指导医院开展多学科线上诊疗工作奠定基础。
国家卫健委在《关于加强信息化支撑新型冠状病毒感染的肺炎疫情防控工作的通知》中明确要求充分利用信息化手段，提升医疗机构服务能力。遵照文件精神，我院迅速建立新型冠状病毒肺炎（以下简称“新冠肺炎”）在线咨询平台，为广大人民提供新冠肺炎相关在线人工问诊咨询服务。
AI 替代人工咨询的实证分析 对人工咨询会话的话术分析 从 2 月 1—21 日，我院共提供 72 名医生承接在线咨询工作，完成咨询 2 273 人次，合计 13 466 条医患人工咨询会话。分析发现，医患会话内容基本可归为 4 类：①新冠肺炎相关咨询（约占咨询总量的 86%），实例为：“咳嗽是否是新冠肺炎？”“新冠肺炎有哪些症状？”等。②用药咨询（约占咨询总量的 5%），实例为：“莲花清瘟胶囊有什么副作用？”“双黄连口服液能治新冠肺炎吗？”等。③诊疗记录解读（约占咨询总量的 7%），实例为：“我上传的 CT 有问题吗？”“我的抽血检查有异常吗？”等。④其他就医咨询（约占咨询总量的 2%），实例为：“最近医院呼吸门诊还看病吗？”“贵院消化内科王××主任哪天出诊？”等。
从咨询会话中还可以看出：对话充斥着大量单一重复性问题。例如：患者反复询问某个症状是否与新冠肺炎关联，某种药物对新冠肺炎是否有效，医生反复询问是否有武汉及周边旅居史或者病人接触史等。
疫情期间，医生的时间和精力应主要投入在患者的诊疗救治活动中，对于这些重复性话术问题，是否可以通过 AI 学习后进行代替呢？
AI 替代人工咨询的可行性分析 将咨询会话实例通过话术分析和 AI 引导规则，形成智能问答判断逻辑，通过语义解析后发现：第 1 类（新冠肺炎相关咨询）和第 2 类（用药咨询）的工作基本可以由 AI 替代完成。虽然医患对话繁杂凌乱，参杂了很多人脑不可替代的意识表述和逻辑，从表面看来，似乎自由对话具有很大的非标表达及无序流程，其分寸难以把握，但换一个角度来看，没有必要围绕患者的话题展开，AI 只需观测患者问题的主题和知识点，抓住主题变被动为主动，带患者进入预制的自我会话流程，通过多轮次对话最终将患者带向自我会话终点。
例：“偶尔干咳、腹泻是怎么啊？上个月有感冒。”问题中提到两个症状“干咳”和“腹泻”，同时还提到一个疾病“感冒”，通过自动分析，AI 忽略疾病“感冒”，确认主题是“咳嗽+腹泻”。AI 选择触发执行“新冠肺炎自诊”会话流程，并将患者带入自诊会话流程中，直至完成自诊流程并达成结果。将人工对话结果与AI 会话结果进行比对，发现主题在被清晰描述和截取时，AI 推导出的结果更加规范完整，因此引入 AI 替代部分人工咨询是完全现实可行的。但 第 3 类（ 诊 疗 记 录 解 读 ）
和 第 4 类 （ 其 他 就 医 咨 询 ）
， 由 于 涉 及 到 大 量 医生 主 观 判 断 回 复 ， AI 无 法 有 效 替 代 人 工 。
AI 在新冠肺炎咨询平台中的应用研究 自然语言处理 自然语言处理（Natural Language Processing，NLP）是使用自然语言同计算机进行通讯的技术。本系统要实现 AI 智能咨询，关键是要让机器“理解”自然语言，主要有三个层面的工作。
词法分析 包括汉语分词和词性标注两部分。咨询平台获取患者问题后，需通过 NLP，将输入的文本切分为单独的词语（分词），并对每个词赋予类别（词性标注）。分词和标注的处理过程可采用机器自学习方式自动完成。
例：“新冠肺炎在治疗上遵循什么规则。”自动分词：新冠肺炎/治疗/遵循/规则；自动标注：新冠肺炎=名词（主）/遵循=动词（谓）/规则=名词（宾）/治疗=名词（定）。
句法分析 对句法结构进行分析，目的是为了理解句子含义。在本系统中，主要采用依存结构句法体系，以识别句中词汇间的依存关系。
例：“肚子痛”“肚子有些痛”“这两天肚子不舒服，有些痛”。经依存结构句法分析：“肚子”与“痛”是依存关系。
语义分析 目的是理解句子表达的语义，采用浅层语义分析技术。语义角色标注一般都在句法分析的基础上完成。
例：“这两天肚子不舒服，有些痛。”语义角色标注为“患者”。
医学知识库 医学知识库的建立是将大量专业知识存入系统数据库中。通过 NLP，将与患者对话的问题转译成能够让知识库理解的语义表达，然后按照基于逻辑形式理论的某种规则，对知识库中的知识进行推理和查询，通过医学知识点检索，完成与医学知识相对应的任务操作。医学知识库中的知识点有固定的数据结构和语言表达方式，主要包括三种规则类型。
知识直觉 体现的是一种知识库查询生成规则，此类规则为直接定义的某种表达形态，输入变量为经 NLP 后形成数据集，当数据集表达符合知识直觉规则时，则自动执行某种结论或动作。
例：“新冠肺炎的确诊依据是什么。”NLP 经分词处理生成输入变量数据集：主语（名词）：新冠肺炎/谓语（动词）：确诊/补语（副词）：依据。知识库已有生成规则：主语（新冠肺炎）+谓语（确诊）+补语（依据）。通过对比，NLP 输入变量和知识库已有生成规则符合率=100%，知识库按照已有生成规则查询出结果并反馈给患者。
知识支持结构 是一种基于形式逻辑理论所表达的因果模型，当执行知识直觉的生成规则后无法获得有效结果时，则自动查找并执行某种知识支持结构因果模型规则。
例：“那如何预防呢？”NLP 经分词处理生成输入变量数据集：谓语（动词）：预防。执行知识直觉生成规则，查找无结果命中，因此执行知识支持结构的因果模型规则：当生成规则查无结果时，则追朔上文历史是否存在主语。当发现上文主语存在：（名词：新冠肺炎），则将上文主语（新冠肺炎）与当前谓语
（预防）结合，生成新的输入数据集表达：主语（新冠肺炎）+谓语（治疗）。知识库已有生成规则：主语（新冠肺炎）+谓语（预防）。通过对比，新的输入变量和知识库已有生成规则符合率=100%，知识库按照已有生成规则查询出结果并反馈给患者。
知识策略 根据推理机程序进行规则的选用优化机制。当执行知识直觉的生成规则后获得一个或多个复杂结果表达，而无法用知识直觉规则或知识支持结构因果模型规则进行确认，则执行某种知识策略规则。
例：“皮肤瘙痒是患了新冠肺炎吗？”可能存在三种规则：①问题解答，生成规则（特征词组合）命中=100%，直接给出唯一答案；②问题解答，生成规则（特征词组合）命中＜100%，给出相似问题列表供选择；③新冠肺炎自诊，症状＞多轮问诊＞指导建议。
决策树 是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法。本系统基于《诊断学-病史采集》以及《关于在疫情防控中做好互联网诊疗咨询服务工作的通知》等的判断逻辑制定生成咨询决策树，完成患者自动问诊的多轮次询问。AI 通过与患者自动对话咨询，模拟医生接诊询问患者病史的服务过程，为患者提供自动咨询服务。
杰卡德相似系数和稀疏矩阵 杰卡德相似系数（Jaccard similarity coefficient）用于有限样本集（矩阵）之间的相似性与差异性的比较。Jaccard系数值越大，样本（矩阵）相似度越高。在矩阵运算中，若矩阵中数值为 0 的
单元数目远多于非 0 单元数目，并且非 0 单元分布没有规律时，则称该矩阵为稀疏矩阵。
本系统中，经决策树路径采集到的患者病史样本集矩阵，需要与每个疾病的样本集，运用杰卡德相似系数算法进行逐一对比运算，找出与采集到的病史样本集相似度较高至最高的疾病清单。杰卡德相似系数运算实际上是矩阵的对比运算，对系统资源的开销较大，经常会给患者体验差的感受，因此需配套采用稀疏矩阵计算方法以优化系统性能。
思考 基于 AI 研究应用，我院对新冠肺炎咨询平台进行了全面升级，新增基于AI 智能判断逻辑的自诊功能，和依托《新型冠状病毒肺炎诊疗方案（试行第七版）》等资料建立知识库所形成的健康手册和热点问题速查功能，在这两类功能均不能解决的情况下，才转为人工咨询。从 2 月 22 日升级至 3 月 19 日，各板块点击量见下表所示。
表 1 智能新冠肺炎咨询平台各功能板块点击量表
从上表可以看出，AI 功能有效分担了人工咨询的工作，起到积极作用。基于 AI 的新冠肺炎咨询平台的实现与应用，是医院在建设互联网医院，开展线上问诊咨询的一次有益探索。通过对人工智能板块及后台大数据分析，在系统界面友好性、与患者的互动性、系统扩展性等方面积累丰富的经验，以便更好的指导我院开展多学科线上诊疗工作。