醫(yī)療機(jī)構(gòu)、醫(yī)學(xué)院校、醫(yī)生等等，都只在做一件事，那就是如何將學(xué)術(shù)體系轉(zhuǎn)化為應(yīng)用體系。上世紀(jì)AI肇始階段的CDS也試圖完成此事，即：以醫(yī)學(xué)為起點(diǎn)，以臨床為落點(diǎn)，臨床數(shù)據(jù)反哺醫(yī)學(xué)。只因為全過程的CDS難度太大，一直磕磕絆絆，未成氣候。近年，AI因新技術(shù)路線“深度學(xué)習(xí)”又掀起一波熱潮。

那么，就沒有什么方法既能實(shí)現(xiàn)相似性多點(diǎn)匹配，又能解決長邏輯鏈連續(xù)判斷問題？有，是“知識庫”的工程建構(gòu)方法。強(qiáng)調(diào)工程，是因為我們的目標(biāo)需要通過大規(guī)模搭建才能實(shí)現(xiàn)。可以認(rèn)為：知識庫有不同類型，而能夠滿足將醫(yī)學(xué)學(xué)術(shù)轉(zhuǎn)化為臨床落地的類型，只有結(jié)構(gòu)化知識庫類型。說結(jié)構(gòu)，不單是AI技術(shù)得以實(shí)現(xiàn)的基本條件，更是搭建各類疾病體系的架構(gòu)和素材集合。當(dāng)然，AI完全可以停留在輔助一些枝杈性小節(jié)問題上，只是枝杈之間的串接，仍需依賴醫(yī)生的主觀能動性才能維系對接或調(diào)度，AI的過程在這里斷片了，醫(yī)療之于患者的連貫性，沒有在CDS層面接續(xù)起來，適用場景受限進(jìn)而離散。

一個重大問題是：當(dāng)臨床需要醫(yī)生具有跨?？茟?yīng)對病情變化的能力時，AI技術(shù)能否將CSD做成通衢大道？能否放縱醫(yī)生在不同病類中自由馳騁？這種針對知識庫的能力要求，以及關(guān)乎知識庫的工程性工作方式，一定對CDSS品質(zhì)等級具有決定意義。

湖南中醫(yī)藥大學(xué)人工智能(深圳)基地教授