設計一個具有學習能力的腦瘤診斷專家系統

Abstract

在認知學的理論□，人類可以透過學習和訓練過程獲得知識，然而電腦是否能具有學 習的能力，可以自動地獲取知識，發展其最高智慧及才能，這是一些知識工程科學家 熱心追求的方向。近年來利用人工智慧和知識工程的技術發展專家系統，以及模擬專 家的思考方式解決專業問題之研究，極被受重視。在醫學的領域里以醫療的診斷系統 。最早被應用於知識庫系統和專家系統的領域□。而在醫療及醫學的領域中，是以完 全膫解複雜的人體為研究指標，但隨著現代醫學的進步，導致醫學知識的大量膨脹； 另一方面，在某些專門領域□，必須考慮整體因素之下，做最適當的治療，但如果苛 求每位每位醫師在日常醫療中能一邊從事醫療工作並充分活用其專業知識，另一邊從 事蒐集、整理專業知識，實在不是很合理；所以，基於這些事實我們希望能建立一個 可以自己整理資訊，產生專業知識的腦瘤疾病診斷專家系統，來協助醫師在診斷時能 做客觀的判斷，以減少因醫師個人差異及客觀性的缺乏，造成誤診的遺憾，我們更希 望能藉此發現新知，把機器學習及專家系統的精神印證在醫學診療領域裡。 在本篇論文□，我們首先簡單地描述一個腦瘤診斷專家系統的研究發展動機，然後我 們再提出一個具有學習能力的演算法RASSISTANT，它是 ASSISTANT學習演算法的改進 版本，並且可以被用來當成一個電腦輔助診斷系統工具，也可以從具有誤錯的例子中 學習出一些規則並建立初次的知識庫，解決我們在發展一個專家系統時，如何去獲取 知識的瓶頸；除此之外，我們也提出一個部份修改知識庫規則的方法，它可以從推理 的過程中不斷地學習新的規則，並且改進原始知識庫規則的不足。所以，在此我們結 合了RASSISTANT學習演算法和一個部份修改知識庫規則的方法，設計一個具有學習能 力的腦瘤診斷專家系統簡稱為BTDS (the Brain Tumor Diagnostic System)。BDST可 以透過電腦斷層掃措所獲得的資訊，去幫助神經外科醫生於診斷腦瘤疾病時，可以做 正確的判斷。為了評估BDST診斷的正確率，我們利用由台北榮總醫院得到的270 份真 實病歷資料去做實驗，實驗結果顯示可以獲得超過80% 的正確率。所以，我們可以說 BDST是一個成功的醫療診斷系統。