人工智能正處于非?；馃岬臅r(shí)期，自然語(yǔ)言處理（NLP）領(lǐng)域也令人興奮了十年。在閱讀理解、語(yǔ)言翻譯和創(chuàng)意寫作等復(fù)雜的任務(wù)上，計(jì)算機(jī)的表現(xiàn)將會(huì)和人類一樣出色。語(yǔ)言理解能力受益于免費(fèi)的深度學(xué)習(xí)庫(kù)（如Pytext和BERT這樣的語(yǔ)言模型），大數(shù)據(jù)（Hadoop,Spark,Spark NLP），以及云計(jì)算（提供GPU和與服務(wù)商的NLP服務(wù)功能）。

　　目前市面上做自然語(yǔ)言處理領(lǐng)域的公司有：騰訊、科大訊飛、微軟、思必馳、華為等。在醫(yī)療領(lǐng)域，一些應(yīng)用已經(jīng)從科幻小說變?yōu)楝F(xiàn)實(shí)。人工智能系統(tǒng)通過了中國(guó)和英國(guó)的醫(yī)學(xué)執(zhí)照考試 ，而且它們比普通醫(yī)生考得更好。最新的系統(tǒng)比初級(jí)醫(yī)生能更好地診斷出55種兒科疾病。但是，這些系統(tǒng)比第一批計(jì)算機(jī)視覺深度學(xué)習(xí)應(yīng)用中的一些更難構(gòu)建，因?yàn)樗鼈冃枰哂懈鼜V泛常見的醫(yī)學(xué)知識(shí)，要處理更多種類的輸入，并且必須理解上下文。

　　自然語(yǔ)言處理由自然語(yǔ)言理解（NLU）和自然語(yǔ)言生成（NLG）構(gòu)成。NLG是計(jì)算機(jī)的“編寫語(yǔ)言”，它將結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為文本，以人類語(yǔ)言表達(dá)。即能夠根據(jù)一些關(guān)鍵信息及其在機(jī)器內(nèi)部的表達(dá)形式，經(jīng)過一個(gè)規(guī)劃過程，來(lái)自動(dòng)生成一段高質(zhì)量的自然語(yǔ)言文本。如今的數(shù)據(jù)量巨大，人們根本處理不過來(lái)；NLG把數(shù)據(jù)人性化，幫助人們處理。

　　NLG系統(tǒng)使用數(shù)據(jù)分析和人工智能技術(shù)來(lái)分析復(fù)雜的數(shù)據(jù)集，并采用計(jì)算語(yǔ)言學(xué)技術(shù)在高品質(zhì)的文字說明來(lái)交流分析結(jié)果。NLG的工作原理：輸入抽象的命題，然后對(duì)你輸入的自然語(yǔ)言進(jìn)行語(yǔ)義分析、語(yǔ)法分析進(jìn)行語(yǔ)言組織然后生成無(wú)限接近你想要的文本。例子：輸入麥當(dāng)娜，接下來(lái)通過NLG自然語(yǔ)言生成：麥當(dāng)娜 “歌星”

　　NLG可以用來(lái)幫助患者，讓他們了解自己的健康狀況，并對(duì)自身的醫(yī)療保健作出更好的選擇；NLG還可以幫助患者更好地照顧自己：包括改變生活方式、自我管理慢性疾病、并配合治療方案。

　　最重要的是用NLG來(lái)加強(qiáng)病人對(duì)病情的了解和支持病人，更好的作出治療方案。在系統(tǒng)構(gòu)建的實(shí)踐中，為中文構(gòu)建的現(xiàn)成的NLP庫(kù)和算法在醫(yī)療行業(yè)的這種“不同的語(yǔ)言”上會(huì)遇到各種挫敗。不僅是因?yàn)槊麑?shí)體識(shí)別或?qū)嶓w解析模型會(huì)失敗，甚至像符號(hào)化、詞性標(biāo)注和句子分割這樣的基本任務(wù)，現(xiàn)成的模型對(duì)大多數(shù)醫(yī)療行業(yè)的句子都沒用。

　　再者醫(yī)療行業(yè)有數(shù)百種語(yǔ)言，千萬(wàn)不要去建立通用的醫(yī)療NLP系統(tǒng)?，F(xiàn)實(shí)是，每個(gè)子專業(yè)和它的溝通形式都和別專業(yè)根本不同，你根本無(wú)法做到統(tǒng)一通用。而且，每個(gè)醫(yī)學(xué)專業(yè)都有很多變化。例如，對(duì)于決定是否批準(zhǔn)針對(duì)MRI的預(yù)授權(quán)請(qǐng)求，針對(duì)植入式脊髓刺激器，需要從預(yù)授權(quán)表格中查看的項(xiàng)目?jī)?nèi)容就和別的請(qǐng)求完全不同。另一個(gè)例子是在病理學(xué)中使用不同的術(shù)語(yǔ)來(lái)討論不同類型的癌癥。

　　這些對(duì)實(shí)際問題會(huì)帶來(lái)影響：我所工作的公司正在進(jìn)行一個(gè)項(xiàng)目，該項(xiàng)目需要訓(xùn)練不同的NLP模型，以從病理報(bào)告中提取有關(guān)肺癌、乳腺癌和結(jié)腸癌的事實(shí)。到目前為止，亞馬遜的Comprehend Medical僅關(guān)注藥物價(jià)值的正規(guī)化（參見上面最后一個(gè)“阿司匹林”的例子）。該服務(wù)還具有標(biāo)準(zhǔn)的醫(yī)療命名實(shí)體識(shí)別功能，但不能滿足任何特定應(yīng)用的需求。

　　構(gòu)建一個(gè)AI系統(tǒng)有一種方法是從構(gòu)建標(biāo)注驗(yàn)證數(shù)據(jù)集。例如，如果你對(duì)自動(dòng)化門診病例成ICD-10編碼感興趣，請(qǐng)讓臨床醫(yī)生定義一些代表性樣本，對(duì)樣本進(jìn)行脫敏，并讓專業(yè)的臨床編碼人員對(duì)其進(jìn)行標(biāo)注（分配正確的代碼）。如果你有興趣從放射學(xué)報(bào)告中提取關(guān)鍵事件或從患者病例中找出被忽視的安全事件，請(qǐng)首先讓臨床醫(yī)生定義一些樣本，并正確標(biāo)注。

　　這樣做通常會(huì)在讓數(shù)據(jù)科學(xué)團(tuán)隊(duì)加入（并浪費(fèi)很多時(shí)間）前提前發(fā)現(xiàn)一些“坑”。如果你無(wú)法獲得足夠的數(shù)據(jù)，或者無(wú)法大規(guī)模地進(jìn)行脫敏，那就無(wú)法構(gòu)建可靠的模型。如果在某些情況下臨床醫(yī)生不能一致同意正確的標(biāo)注，那么要解決的第一個(gè)問題是就臨床指南達(dá)成一致，而不是讓數(shù)據(jù)科學(xué)家參與嘗試去自動(dòng)化這種不一致。

　　最后，如果你發(fā)現(xiàn)自己面臨非常不平衡的類別（比如你尋找的是每年只有少數(shù)人患病的情況），那么在引入數(shù)據(jù)科學(xué)家之前修改問題的定義可能是明智之舉。標(biāo)注的驗(yàn)證集以及數(shù)據(jù)集其目標(biāo)是使用標(biāo)準(zhǔn)庫(kù)或云服務(wù)來(lái)發(fā)現(xiàn)它們能達(dá)到的滿足用戶特定需求的最高準(zhǔn)確度。這樣做就可以評(píng)估下面每項(xiàng)服務(wù)的難易程度，包括：訓(xùn)練自定義的模型、定義領(lǐng)域?qū)Ｓ械奶卣?、解決方案所需的pipeline步驟和把結(jié)果解釋給客戶。

　　一旦有了一個(gè)有代表性的和已商定并正確標(biāo)注的驗(yàn)證集，你就可以開始用它來(lái)測(cè)試現(xiàn)有的庫(kù)和云服務(wù)提供商的服務(wù)了。很可能的是，這個(gè)測(cè)試將立即發(fā)現(xiàn)每個(gè)產(chǎn)品與你的需求之間的差距。