人工智能與醫療深度融合

文／陳建偉

日前，國務院印發《新一代人工智能發展規劃》，在智能醫療部分提出了明確的發展方向，包括推廣應用人工智能治療新模式、新手段，建立快速精準的智能醫療體系；探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診等。《規劃》首次將新一代人工智能發展提高到國家戰略層面，提出到2030年成為人工智能領域的世界領導者，打造規模超過1萬億元的據美國創投研究機構CB Insight統計，截止到2017年，全球市場上已有107家人工智能醫療創業公司，分別在生活方式管理、醫院管理、可穿戴設備、虛擬助理、營養和精神健康領域發展。

人工智能+輔助醫療

醫生的診療行為涉及醫學、人文、心理、經濟、社會等方面的復雜因素，對患者信息進行綜合判斷，才能制訂出最為適宜的治療方案。在整個醫療服務鏈條上，人工智能可以有效地將醫生從一些費時費力的工作中解放出來，從而更好地聚焦于核心業務，或者在較短的時間內提高醫生的診療能力。

具體而言，人工智能在醫療領域應用，如語音識別和電子病歷等，將醫生從繁重的病歷記錄工作中解脫出來，同時將傳統病歷和患者病情描述這些非結構化的數據，通過人工智能結構化記錄，為進一步的大數據分析奠定數據基礎。在這個領域，國際上有Nuance、飛利浦等公司，我國也有百度、科大訊飛等公司在這個領域深入挖掘。

人工智能在影像學輔助診斷方面的作用更為凸顯。醫學影像是醫生進行診斷的最重要依據，同時也存在海量的數據。而人工智能則可以在這個方面有效地利用其大數據分析的能力，通過對海量數據的有效分析建立模型，從而為準確診斷提供參考。2016年，谷歌公司的研究人員在《美國醫學會雜志》上發表題為《開發并驗證一種深度學習算法通過眼底視網膜照片檢測糖尿病性視網膜病變》的文章，通過對于1.1萬名患者的眼底視網膜照片的檢測，這種算法可以得出99.6％～99.8％的預測價值，這個結果證明，在這個領域計算機算法完全可以達到甚至超越眼科醫生的診斷準確度，并完全超越其效率。而且建立在大數據基礎上的人工智能診斷，伴隨著數據的進一步增多，其對于數據的分析和總結會更加全面，決策模型也更加準確，從而可以實現其本身不斷優化的良性發展路徑。

人工智能+疾病管理

慢病管理的基礎在于患者自身的管理和醫生定期的管理，前者從實踐的數據情況來看,效果并不好。2012年，美國每年由于患者不遵守醫生的遺囑對自身進行有效管理，從而產生的額外醫療費用達到1005億美元，大約占到美國每年可避免的醫療成本的一半。

通過醫生進行患者的慢病管理，雖然已成為各國進行慢病管控的基本共識，但同時也存在供給不足和無法實時監控的問題。醫生無法隨時監控每位患者疾病情況，并作出有效的治療決策。那么，基于可穿戴設備的醫療數據實時監控系統，為人工智能介入慢病管理奠定了基礎；而針對慢病明確的指標體系和相應的工具則為人工智能的介入創造了有效的決策模型，這種介入既包括軟性的介入，如行為提醒、用藥提醒、風險提示等，也包括硬性的介入，如直接給藥和治療。

2016年9月，美國食品和藥物管理局批準了一款新型人工胰島素，它融合了可穿戴設備的數據實時監控技術，基于算法的人工智能平臺以及胰島素的輸入裝置。該產品可以根據人體血糖水平進行實時監測，在人工智能的平臺上對實時數據進行分析判斷，并在需要時將胰島素注入人體，以避免患者血糖水平出現過高或過低的情況。這個產品也是第一個人工智能與慢病管理類醫療器械結合的產物，可以預見，未來這類的產品將會更多地出現。

人工智能+監管控費

在全球范圍內，醫療費用的不可持續增長已成為世界性問題，甚至已經嚴重影響了整體的經濟健康運行。美國現有的GDP中，18％用于支付醫療保健費用，而且這個數字還在不斷增長。針對這一問題，基于大數據的人工智能可以一展身手，有效地對醫療活動進行監控并控制整體醫療費用。

基于大數據的人工智能可以將醫療服務鏈條延伸至患者疾病癥狀出現之前，從而重新定義醫療服務的價值及其支付機制：即從治療疾病為核心的支付模式過渡到以疾病有效管理、患者健康效果為核心的支付模式。要實現這個轉化，就需要醫療服務提供者掌握其所服務患者的多種數據信息，如歷史診療數據、基因數據、行為數據、流行病數據等，然后通過大數據分析判斷其所服務人群的主要健康風險和疾病誘因，進而通過疾病發生之前的有效健康管理來預防疾病的發生。對于出院后的患者，醫療機構還可通過其日常數據的監控來及時了解患者的疾病情況并進行有效地及時介入，最大程度地避免患者的再次入院。

在治療方面，現有的藥品、器械和耗材的定價大多數取決于生產機構自身開展的臨床試驗和藥物經濟學數據，而引入大數據和人工智能則能對于醫保的準入進行更加科學的分析和判斷，同時通過在治療過程中的患者數據的分析，進而可以對藥品的有效性進行更加科學的大數據評估。與此同時，人工智能通過對海量的患者病歷、處方信息、醫學影像以及藥品信息和藥品使用過程中的反饋信息進行有效地信息分析和整合，進而形成用藥效果的系統性分析。這種結論既可以對醫生處方行為進行有效的輔助，同時也可以應用到醫保智能審核的系統流程之中，對于臨床合理用藥進行有效地管理。

人工智能+藥品開發

藥品研發是醫藥工業的核心競爭力之一，也是我國制藥工業在全球競爭中的短板。近幾年，全球創新藥物研發效率不盡如人意。依靠高額成本投入的研發模式遇到了瓶頸，而人工智能則可以在早期藥物的篩選中提高成功概率，從而大幅降低藥品研發成本。我國在研發后期的臨床試驗中，本來就有獨特的人口資源成本優勢，再借助人工智能的應用有望實現彎道超車。