【开栏语】近年来，随着医疗机构信息化的不断深化，各种基于实际应用的临床术语标准的需求日益增加：随着医学的发展，疾病领域越来越细分，医生临床实践的差异化越来越明显，医疗机构、科室之间的信息交换、共享、整合和利用因数据结构和表达的不同而无法达成。

术语标准化是解决表达一致性问题，是语义层面信息共享的基础。在大数据时代的背景下，术语标准化有助于整合体量庞大的、分散的、非结构化的医疗信息数据。近年来，我国在标准化方面做了大量工作，制定和发布了一系列标准规范。然而国家尚未发布医学术语相关的标准规范，已发布的标准规范中，零散的分布着一些术语标准，国家发布的标准规范已不再能满足日益增加的临床医疗应用需求。

正是在这样的背景下，极目云健康科技与健康联盟（OMAHA）共同发起关于临床医学术语标准化的系列探讨，隆重推出【OMAHA专栏】，希望能抛砖引玉，引起社会各界共同关注和参与我国的医学术语标准化工作，推动我国健康医疗信息产业的术语标准化进程。

人工智能与语义表达

人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，即研究如何应用计算机的软硬件来模拟人类的某些智能行为的基本理论、方法和技术，是以知识为对象，研究知识的获取、知识的表示方法和知识的使用。知识表达实际上就是对人类知识的一种描述，以把人类知识表示成计算机能够处理的数据结构。

目前，人工智能的研究及应用领域很多，大部分是结合具体领域进行的。由于医疗领域的复杂性，语义网络表示法在医疗领域的人工智能应用中起到了至关重要的作用。语义网络是通过概念及其语义关系来表示知识的一种网络图，是由结点、弧和指示器而组成的有向图[4]。语义网络可以描述任何事物间的任意复杂关系，这种描述是通过把许多基本的语义关系关联到一起来实现的。由结点和弧组成的语义网络，直观、自然、易于理解，语义网络是一种结构化表示方法，可用于表示多元关系，扩展后可以表示更复杂的问题，用其它方法表示的知识几乎都可以用语义网络表示出来。因此，在复杂的医疗领域，语义网络表示法的意义重大。而临床医学术语是医疗领域的语义网络的基础，为语义网络提供重要依据。

医疗知识库与临床医学术语

在临床决策支持等基于医疗大数据的应用中，需要基于对医生输入的数据内容的理解，才能做出必要的决策支持。对于数据内容的语义处理，必须基于医疗知识库。传统的知识库基本是非结构化和半结构化的。在医疗大数据分析和挖掘中，需要结构化和语义化的知识库。因此，基于语义的医疗知识库构建是一个关键技术问题。

IBM Watson医生是人工智能中的医疗知识库的构建的翘楚。在Watson分析问题并确定最佳解答的过程中，运用了先进的自然语言处理、信息检索、知识表达和推理和机器学习技术。通过生成假设、收集大量证据、并进行分析和评估。Watson通过加载数以百万计的文件，来构建其知识体系。由于医学领域的分支非常的多，数据量庞大，概念复杂，而且交流频繁，需要统一的规范。医疗知识库可通过医疗领域本体来构建。作为一种有效地表现概念层次结构和语义的模型，本体的目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域共同认同的词汇，并从不同层次的形式化模式上给出这些词汇（术语）间的相互关系的明确定义[6]。

“百度医疗大脑”主要是通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，基于深度学习技术与知识图谱算法模拟医生问诊流程。而知识图谱需要强大的临床医学术语系统作为支撑。

因此，在临床医学领域的人工智能上，临床医学术语是知识库构成的不可或缺的一部分。正如同“原力”一样，临床医学术语在医学人工智能领域发挥着重大作用。

一套独立于系统之外、能被广泛理解的标准化术语、关系相当重要，统一的临床医学术语标准及术语集有助于解决术语重复、内涵不清、语义表达和理解不一致等问题，对有效推动医学信息在更大范围和更深层次上的传播、共享和使用具有重要意义。统一的临床医学术语不仅可以促进医疗行业与人工智能技术的融合，更是语义网络知识库建立的基础。