智能医疗辅助诊断系统的采纳影响因素与决策模型研究

本文通过模型假设的构建和实证研究方法首次重点探讨了智能医疗辅助诊断系统中，信息质量，感知有用性，感知风险和医生使用意愿之间的关系，丰富了智能医疗辅助诊断系统技术采纳的理论研究；（2）针对实证分析的结果，本文从系统设计人员以及系统提供商的角度提出了两点建议，以更好地促进智能医疗辅助诊断系统的研究和推广应用。

第一章 绪论

1.1 研究背景与研究意义
据世界卫生组织统计，以癌症为代表的重大疾病已经成为 91 个国家 70 岁以前死亡的主要原因，严重威胁患者生命安全和健康保障。例如，胃癌的死亡率位列前三，仅 2018 年全球就约有 100 万新发病例[1]。在胃癌诊疗过程中，晚期癌症患者的 5 年生存率不足 30%[2]。而受限于医生的临床经验和诊疗技术水平不足，容易导致医生难以在早期识别癌症特征、做出正确诊断，甚至产生贻误最佳治疗时机的严重后果，这种情况在基层医疗机构尤为明显[3]。因此，如何提高医生的癌症等重大疾病诊疗水平和工作效率，尽量减少基层医疗机构的误诊、漏诊等现象，成为世界各国共同追求的目标。近年来，随着大数据、人工智能等新一代信息技术与医疗健康管理的交融渗透，主要发达国家相继建设了面向癌症诊疗、严重心脑血管疾病风险预警、慢病管理等领域的一大批智能医疗辅助诊断系统，对于全面提升医生诊疗能力发挥重大作用。
我国的医疗健康产业在经过多年的建设改革后，医疗服务水平得到了显著的提高，但优质医疗资源的缺失，导致资源不能得到均衡的分配，医疗服务水平在区域之间、城乡之间存在一定差距[4]。智能医疗辅助诊断系统的出现则为提高基层等医生的诊疗能力，缩小区域间医疗服务差距，提高我国医院整体医疗服务水平带来了新的突破口[5]。为此，我国政府在先后发布的《新一代人工智能发展规划》和《全国医院信息化建设标准与规范（试行）》等指导文件中，都强调了人工智能在医疗领域的重点应用，旨在促进我国医院的信息化建设，发展便捷高效的智能服务，提高医疗服务质量。然而，现实中智能医疗辅助诊断系统存在部署困难，推广应用不足等现象。如何对智能医疗辅助诊断决策方法和系统的研究及推广做出针对性的改进成为了提高医疗服务水平的关键问题。
......................

1.2 研究现状
1.2.1 医疗信息技术采纳行为研究综述
医疗信息技术的使用已经成为了提高医疗服务水平和医疗质量的重要途径。为了发现影响采纳主体对医疗信息技术及其相关应用采纳行为的关键因素，以促进医疗信息技术的使用和推广，大量研究人员基于技术采纳行为等理论对医疗信息技术采纳行为的影响因素展开研究。采纳研究中的医疗信息技术主要包括临床信息系统、移动医疗、电子病历和电子健康记录等医疗信息系统及服务[13-15]。根据调查采纳主体（使用人员）的不同，可将医疗信息技术采纳研究分为三类：医疗机构、患者（消费者），医护人员。其中，患者（消费者）和医护人员是研究人员的主要研究对象。
在以医护人员作为采纳主体的医疗信息技术采纳研究中，研究人员主要从组织和个人两个层面对采纳行为影响因素展开研究。例如，2011 年，Melas 等人[16]在技术接受模型(Technology Acceptance Model，TAM)的基础上，加入了医务人员信息通信技术知识和信息通信技术特征需求两个外部变量，并将医师专业作为中介变量，展开了医生对临床信息系统的使用意愿影响因素研究。2015 年，Abdekhoda等人[17]通过 TAM 模的概念路径模型和组织环境变量评估医生对电子病历的采用态度，发现医生参与、医生自主性和医患关系对医师采用电子病历态度有显著影响。2016 年，由于加拿大地区的电子健康记录应用仍然是纸上谈兵，Gagnon 等人[18]试图从组织特征和个人因素角度对医生使用电子健康记录的行为意向进行解释。此外，在 2019 年，Min 等人[19]着重从医生个人特征层面对电子健康记录采纳影响因素展开研究，证明了在电子健康记录医生采纳行为研究中，医疗技术自我效能感、感知风险和感知服务水平是感知易用性的重要前因变量。

.......................

第二章 理论基础

2.1 智能医疗辅助诊断系统
人工智能概念最早于 1956年被JohnMcCarthy 提出来。经过不断的发展演化，人工智能被应用于各个领域。其中，医疗是人工智能与实际结合最紧密的一个领域。智能医疗辅助诊断系统就是两者结合后的产物之一，最早出现于 1972 年（AAPHELP 系统）。它是指基于机器学习、深度学习等人工智能技术开发，用于辅助医生进行诊疗的智能系统，主要目的是提高医生的工作效率和临床能力。其核心是通过人工智能技术实现对医疗数据的处理及医疗知识的抽取。
根据系统所使用的主要数据，当前市场上的智能医疗辅助诊断系统主要分为基于医疗影像的智能医疗辅助诊断系统和基于医疗文本的智能医疗辅助诊断系统。其中，基于医疗影像的智能医疗辅助诊断系统已经成为了许多企业的研究热点，是当前实际应用中最多的一类智能辅助诊断系统。这主要是因为医疗影像数据是医疗数据中的主要数据，同时卷积神经网络等深度学习技术的快速发展也促进了医疗影像的研究。在这些系统的研究和应用中，代表性的 AI 国际企业有 Enlitic、BIDMC 及 Arterys 等。其中，Enlitic 是国际知名的医疗影像公司，并且是全球首家将深度学习与医疗进行结合的公司。在 2015 年 10 月，其开发的恶性肿瘤检测系统首次投入使用，使用的技术主要是卷积神经网络，通过对 X 光照片及 CT 扫描图像等大量医疗图像数据进行癌症特征的学习，利用学习到的知识判断新图像中是否有癌。此外，不少科技巨头也纷纷加入到智能医疗领域中。其中，谷歌于 2019年启动了智能筛查糖尿病性眼疾项目。与国外的医疗影像公司相比，国内的医疗影像公司大多起步较晚，其中包括 DeepCare、锐达印象和智影医疗等公司。国内的互联网公司也十分重视人工智能在医疗领域的应用，并开始加入到人工智能医疗领域中。其中比较著名的有腾讯，其研发的腾讯觅影，主要用于辅助医生对各类医疗影像数据进行智能识别和筛查，是我国首批新一代人工智能开发创新平台试点之一。在 2019 年 5 月，为了实现癌症的早筛早治，腾讯正式发布 AI 电子阴道镜辅助诊断系统，以辅助医生进行癌前病变的诊断。同样的，阿里也加入到了人工智能医疗领域中，在 2017 年，其控股公司阿里健康对外发布了 AI 系统“DoctorYou”。该系统能通过 CT 医疗影像实现肺结节检测，进而大幅提升医生的工作质量和工作效率。
.........................

2.2 技术采纳模型
技术采纳模型的出现主要用于解释个人行为。为了提高人们的生活质量，基于各种信息技术的新兴产品被推出。研究人员为了能使这些产品能有效地进行落地和推广，真正发挥其价值，大量学者对影响这些产品的采纳因素展开了深入研究，并诞生了一系列经典的技术采纳理论和模型。
2.2.1 理性行为理论
理性行为理论（TheoryofReasonedAction,TRA）于 1975 年被美国的心理学家Ajzen 等人提出[35]，主要用于解释行为态度和主观规范对个人行为的影响。它主张人是理性的，认为人会先对所能获得的信息进行综合分析，并思考自身行为的意义和后果后，再考虑是否采取目标行为。在该理论中，行为态度是指个人对目标行为所包含的正面或负面的情感。主观规范是指人们认为对其有重要影响的人对其在目标行为上期望意愿的感知。TRA 模型如图 2.1 所示。

..........................

第三章 基于技术接受模型的辅助诊断系统影响因素研究 ..................13
3.1 问题分析 .................... 13
3.2 辅助诊断系统的技术采纳模型框架 .................. 13
第四章 基于多模态推理的智能辅助诊断决策模型研究 ....................23
4.1 问题分析 ............................. 23
4.2 多模态推理辅助诊断决策框架 ....................... 23
第五章 总结与展望 ......................37
5.1 研究总结 .............. 37
5.2 研究展望 ................. 37

第四章 基于多模态推理的智能辅助诊断决策模型研究

4.1 问题分析
智能医疗辅助诊断系统的出现有助于提高医生的诊疗能力和工作效率，提高医疗服务质量，对胃癌等重大疾病问题的解决具有重要意义。然而医生能否使用好系统，发挥出系统的优势，除了与自身能力相关外，还与系统的设计密切相关。考虑到在本文第三章的研究中，可理解性等信息质量因素显著影响医生对系统的使用意愿，本文认为研究人员在进行智能医疗辅助诊断系统的设计时，应该考虑信息质量的各个方面。因此，结合当前智能医疗辅助诊断系统的研究现状，本文发现当前的智能医疗辅助诊断决策方法存在以下需要进一步改进的地方，以提高医生使用意愿，促进系统的推广应用：（1）当前的智能医疗辅助诊断决策方法对多模态数据的处理能力较弱，基于多模态数据展开的疾病辅助诊断研究相对匮乏，不利于对病人病情进行更深入全面的分析，容易限制系统输出信息准确性的进一步提高；（2）传统的智能医疗辅助诊断决策方法缺乏可解释性，导致系统输出结果不易于被医生理解，容易影响医生对患者的诊断、治疗以及病情的解释，最终影响智能医疗辅助诊断系统的推广应用。
本文以胃癌为例，针对上述不足提出了一种基于医疗图像和文本型电子病案数据的多模态推理辅助诊断决策模型（SCNet），用于更好地辅助医生进行诊疗决策。该模型通过充分发挥图像和文本各自所蕴含的信息，完成多模态信息间的融合，尽可能模拟医生的临床诊断思维，提高信息利用率、准确性和可理解性等。具体地，本文通过注意力机制实现文本关键特征的提取，重点关注与辅助诊疗目标相关的词，并通过文本特征与图像全局特征的融合信息实现对图像特征信息的筛选，进而获取关键图像特征。此外，由于模型中产生的权重可用于实现对图像和文本关键区域的可视化，提出的模型易于展示出其诊断结果的判断依据来源，有利于医生对模型诊断结果的理解，使医生能更好地结合自身从医经验和相关知识得出合理的诊断和治疗方案。
..........................

第五章 总结与展望

5.1 研究总结
优质医疗资源分配的不均导致了城乡等区域医疗机构间的医疗服务存在巨大差距，不利于整体医疗水平的提高。与此同时，癌症等重大疾病已经成为了 21 世纪人们延长寿命的一大阻碍，严重威胁全世界人民的生命和健康安全。人们迫切期望通过技术等手段加强医生的诊疗能力，尤其是经验不足的医生。深度学习等人工智能技术的快速发展则给人们解决上述问题带来了新的希望和手段。这些技术在疾病诊断等方面的突出表现让人们印象深刻，使得大量研究人员投入到智能医疗辅助诊断系统的研究和开发应用中，以提高医生的诊疗能力和工作效率，缩小区域间的医疗服务差距。然而，当前智能医疗辅助诊断系统的普及度并不高，系统发挥的作用有限。因此，为了探究影响系统推广的关键因素，促进系统的研究和推广应用，本文首先展开了基于 TAM 的智能医疗辅助诊断系统影响因素研究，并以采纳研究中的信息质量为中心，展开了基于多模态推理的智能医疗辅助诊断决策模型研究。
本文的第一个核心研究内容是基于TAM和感知风险理论的智能医疗辅助诊断系统医生采纳行为影响因素研究，完成的主要工作及创新如下：（1）本文通过模型假设的构建和实证研究方法首次重点探讨了智能医疗辅助诊断系统中，信息质量，感知有用性，感知风险和医生使用意愿之间的关系，丰富了智能医疗辅助诊断系统技术采纳的理论研究；（2）针对实证分析的结果，本文从系统设计人员以及系统提供商的角度提出了两点建议，以更好地促进智能医疗辅助诊断系统的研究和推广应用。
本文的第二个核心研究内容是基于多模态推理的智能医疗辅助诊断决策模型研究，完成的主要工作及创新如下：（1）结合第一个核心研究内容提出的系统设计建议以及当前系统的研究现状，本文以胃癌为例，基于医疗图像和文本型电子病案数据提出了一种多模态推理辅助诊断决策模型（SCNet），并构建了一个基于图像和文本特征信息的特征通道加权网络，充分利用已有的多模态医疗信息增强模型的输出信息质量，提高了模型效果，有助于更好地辅助医生进行诊断决策；（2）构建的特征通道加权网络与文本网络中注意力机制的结合使模型变得易于可视化，具备了较强的可解释性，增强了输出信息的可理解性。
参考文献（略）