【信手詢醫】是智能健康的APP，是淺層醫療六窗體PC端在手機客戶端的延伸，利用智能手機攜帶方便的特性，提供一款可以在任意場所、任意環境下使用的掌上智能醫生。

　　【APP介紹】信手詢醫APP的智能核心起源于1996年美國猶他大學ILIAD智能系統，國內智能醫學引擎創始人李科威博士在此原型上進行臨床仿真思維算法設計、醫學知識庫設計、引用智能決策理論，經過十八年的研發和攻關實現了完整的智能醫學機器人算法引擎。2015年04月20日，信手詢醫發布Beta版本。

　　【APP功能】

　　淺層醫療咨詢，機器應答代替人工應答;

　　技術要害：基于醫學知識庫，醫生臨床思維仿真技術;

　　1100個西醫單病種范圍，正統醫學+智能醫學，步進式的引導問病模式。

　　【APP研發思路】

　　一、機器醫生是什么?

　　機器醫生是一個基于醫學知識框架的臨床決策系統的智能特征的軟件程序。面對患者，它的任務是服務患者，完成自診的病情咨詢;面對醫生，它的任務是服務醫生，協同醫生完成臨床輔助診療。信手詢醫就是為患者設計做自助咨詢的機器醫生。

　　二、流程仿真與診斷要素

　　機器醫生，首先是流程問題。醫生臨床診斷，有一個反復的思考時序。例如：醫生根據一兩個癥狀，推導出疾病印象;然后從疾病印象，推導出該病的診斷要素;再通過對照病情，選擇一些診斷要素，再推導……。如此反復，結果自然會穩定在與病情相符的某個診斷上。模仿這個過程，就是仿真醫生的流程思維。

　　思維流程不能被規定。但是醫生診療有流程規范，即診斷的流程標準。這從衛生行政主管部門頒布的各種病歷書寫規范中可以找到。病歷是醫生從患者身上采集的關于病情的描述，醫生并不會從全部的病歷記錄來判別患者疾病，只會從病歷中抽取他認為有價值的東西作為判斷依據。這樣，病歷就是一個二元結構：一元是輔助描述，用作備查記錄;一元是診斷要素，用作為判據記錄。我們將診斷要素按照疾病描述和診療要求結構起來，就成為語義網狀的醫學知識框架。

　　三、醫學知識框架

　　醫療咨詢表現為醫患間的應答，就其本質來說，仍是診斷判別過程。我們的要害是用機器來完成這個過程。機器診斷，長期以來都是醫學人工智能的關鍵難題。我們的學術思路是：仿真醫生臨床思維。臨床診斷，無論是人還是機器，都是在已知的知識框架內進行的連續判斷。人的知識框架是在大腦中，通過學習與實踐逐步自然形成的;機器的知識框架在電腦中，人為建成，其知識來源于國家標準、診療常規、疾病指南、規定教材等。知識的構筑形態，本質上都可以描述為一個語義網絡。

　　四、機器判別與醫生診斷的差別

　　診斷的準確性問題，首先在于你擁有的知識框架。人或機器開展診斷判別，都是在一個時間段、面對單一患者;將患者的病情表現，比對知識框架中的知識體系，找出吻合度，最后得出結論。不同的是，機器的醫療知識框架，更多涉及大量的醫學邏輯關系與人機交互的表達問題，一旦處理好這些問題，機器方式就可以大量復制。相反，人的處理效率和可復制性都非常低，但是人工處理要靈活性非機器可比;而就知識框架的大小和容納知識的能力，機器又比人要大很多。

　　五、判別準確性問題

　　在科學信仰的背景下，我們習慣用線性思維去看待疾病，認為可以準確判別。其實疾病的診斷和治療都不可能準確，因為我們面對的疾病是一個非線性生命過程。所謂準確，是將判斷對照診療常規等標準。但是疾病的發生并不遵循診療常規，疾病不同的分化程度、同一個感染源頭引起多系統等問題等，造成在單病種為綱的診療常規之內，診斷成為多個單病種的聯合判斷，這方面機器或者更擅長，最后判斷的準確性就一定依賴于相關疾病知識框架的積累。

　　一般認為：機器咨詢準確性的參照標準是醫生，但是醫生的臨床誤診率是30~50%。個體醫生頭腦中的知識集合比機器醫生要小，從理論上說，相同診斷要素條件下，機器準確性不比個人差;但是醫生比機器靈活，靈活可以帶來一部分準確性，且醫生承擔法律責任，比機器更具有優勢。所以把機器咨詢的結果提交給醫生參考，是一個雙贏的選擇。

　　六、診斷的容錯問題

　　診斷的對象是疾病。疾病有兩層意義：①存在性疾病，即病人正在遭受的生理或心理上的痛苦;②知識性疾病，即醫生對病人遭受折磨的描述和定義。診斷是用知識性疾病對存在性病情進行的判斷，吻合度越大，確診率越高。由于知識性疾病不可能完全吻合存在性疾病，這樣任何一個診斷，無論是醫生診斷還是機器咨詢，都會同時存在漏診和誤診部分。既然醫生臨床誤診率是30~50%，那么診療就一定存在容錯問題。相關理論請參考《疾病模型與中西醫診斷原理》。容錯，是患者身體對疾病的承受能力問題，體質越好，容錯潛力越大。

　　七、準嗎?比對建立印象