人工智能在醫療領域應用現狀、問題及建議

王海星，田雪晴，游 茂，陸雪秋，顧澤龍，程 龍

(1.國家衛生計生委衛生發展研究中心，北京 100191；2.中國社會科學院研究生院，北京 102488；3.北京醫院，北京 100730)

信息化是支撐醫藥衛生體制改革，建設健康中國的重要途徑。伴隨衛生信息化和健康醫療大數據的迅速發展，人工智能技術成為衛生信息化應用發展的新趨勢，推動著大數據的深度應用。黨中央、國務院、各有關部委先后發布了《促進大數據發展行動綱要》(國發〔2015〕50號)、《“十三五”國家信息化規劃》(國發〔2016〕73號)、《“互聯網+”人工智能三年行動實施方案》(發改高技〔2016〕1078號)、《國務院辦公廳關于促進和規范健康醫療大數據應用發展的指導意見》(國辦發〔2016〕47號)、《新一代人工智能發展規劃》(國發〔2017〕35號)、《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》(工信部科〔2017〕315號)等文件，推動我國人工智能發展搶抓戰略機遇，建立發展優勢，并積極鼓勵人工智能在醫療、健康領域中應用，創造治療新模式新手段，建立快速精準的智能醫療體系。

伴隨新一代人工智能發展上升為國家戰略，人工智能在醫療領域的應用備受青睞，在疾病診療、健康管理、藥物研發、精準醫學等方面作用凸顯，對于改善醫療資源配置不均勻問題、降低醫療成本、提高醫療效率發揮著重要的作用。特別是對于我國欠發達地區，人工智能的應用可以彌補其醫療資源不足的短板，提高醫療服務的公平性，助力分級診療的建設。未來，人工智能還是建立整合型醫療服務體系的重要支撐，借助信息化手段構建優質高效的整合型醫療服務體系。

然而，由于醫學領域存在一定的特殊性和復雜性，人工智能在醫療領域的應用面臨著多種問題，本文將對這些問題進行討論，并根據醫療服務現狀，提出相應建議。

1 人工智能在醫療領域應用現狀

基于大量數據產生的人工智能算法為醫療服務提供了快捷、優化的途徑，人工智能在醫療領域的應用帶來的不僅是技術革新，還是醫療服務模式的轉變。人工智能在醫療健康的各個領域均有應用，以醫學圖像識別、疾病輔助診斷、健康管理、疾病預測、藥物研發較為普遍。

1.1 醫學圖像識別

目前，人工智能在醫學圖像識別當中的作用凸顯，對于醫學影像的識別是實際應用時間最長的智能功能。通過較為成熟的算法和大數據應用，機器讀片可以做到更加客觀、精準和高效。在眼科圖像識別、甲狀腺超聲影像診斷、肺結節影像檢測、CT影像識別等領域，機器通過已有的圖像快速學習，達到對醫療圖片的自動判斷，能夠作為輔助工具節約醫生大量的時間。

人工智能圖像識別技術的應用，對于彌補影像科醫生不足，提高醫生工作效率具有重要作用。此外，人工智能作為醫生助手，能夠幫助醫療條件不發達地區的醫生進行閱片，并提供醫學教育，解決基層醫療資源不足的難題。

1.2 疾病輔助診斷

醫學圖像識別的下一步就是輔助診斷。通過讓機器學習海量的醫學數據和專業知識，模擬醫生的思維的診斷方式，綜合了自然語言處理、認知技術、機器學習等技術，可以讓人工智能具備醫生的診斷能力，短時間內提供出高效、精準的診斷結果和個性化的治療方案，提高醫生的診斷效率。以沃森系統為例，它通過深度學習醫學論文、著作、治療方案、臨床數據、實驗報告等，為肺癌、前列腺癌、乳腺癌等多種癌癥提供診治服務，且推薦的每個治療背后都有實證和病例支持[1]。

1.3 健康管理

未來的健康醫療大數據，實際上是人們對自身進行日常健康管理過程中產生和收集起來的[2]。智能可穿戴設備和家庭智能健康檢測監測設備的研發和應用，可以動態監測個人健康數據，利用這些數據進行人工智能計算，可以對個人健康進行精準把握，規范、準確地預測疾病風險，管理個人健康。

人工智能可以在血糖管理、血壓管理、用藥提醒、健康要素監測等方面給予精準的指導，為患者提供高質量、智能化、日?；尼t療護理和健康指導，為人群提供全方位、全周期的健康服務。這種方式對于提高患者的依從性、提高慢病管理效率、節約醫療成本具有重要的意義。但由于健康管理需要自主實施才能夠達到目的，人工智能應用于健康管理效果是否明顯，還沒有確鑿證據。

1.4 疾病預測

早在2008年，谷歌就已經推出了流感預測的服務，通過檢測用戶在谷歌上的搜索內容就可以有效地追蹤到流感爆發的跡象[3]。當前，通過定時收集樣本，從采集樣本里預測出疾病的高風險人群，利用大數據分析和深度學習技術，人工智能已經能預測阿爾茲海默病風險、心血管疾病風險、癌癥風險、精神疾病等。這些預測能夠有效防控公共疫情和提高個人健康。

1.5 藥物研發

通過深度學習，人工智能可以縮短藥物研發周期，降低藥物研發成本，幫助藥物研發取得突破。各國政府積極推動人工智能藥物研發計劃，其中，美國推出加速醫學治療研發計劃，推動腫瘤藥物研發。日本政府于2016年聯合京都大學醫學院等多家機構發起了研究聯盟，旨在通過使用超級計算機提高藥物研發效率[4]。而且，借助人工智能可以精準分析復雜生物網絡的優勢，有助于發現適用于特定人群的藥物，避免企業研發可能失敗的藥物。

人工智能在醫療領域中的應用不僅限于以上所述，伴隨技術的發展，將有更豐富、更完善的適應于醫療服務需求的人工智能產品涌現，支撐整合型醫療服務體系的建立。

2 在醫療領域應用人工智能存在的主要問題

伴隨人工智能技術的日趨成熟，以及其在醫療領域應用范圍的不斷擴大，人工智能的數據、算法、計算和應用各個環節都產生了一定的應用問題。數據質量、行業標準、法律法規、倫理問題等是人工智能在醫學領域落地亟需解決的問題。

2.1 數據基礎有待加強

數據質量對于人工智能在計算和學習能力的提升上具有至關重要的作用，是機器能否準確、高效學習的關鍵。加州大學舊金山醫療中心電子病案系統的分析顯示，高達80%的文本型錄入有復制-粘貼他人記錄的嫌疑。而由這種現象會產生失效的、錯誤的和冗余的信息，最終可能導致臨床診療的錯誤[5]。

如何將病歷、影像、檢驗報告里的非結構化數據轉化成機器可以識別的結構化數據，用于機器學習和算法的實現，是醫學人工智能發展的基礎。

此外，人工智能的實現不僅對數據質量本身有要求，數據的獲取方式也是其中的一個難點。當前缺乏合理的數據共享和數據流通的機制，醫療數據的權屬模糊制約著數據共享，數據隱私保護和數據安全問題也值得考慮。

2.2 存在算法歧視問題

當前，基于算法的人工智能決策無處不在，但人工智能的算法并非絕對客觀。這其中既有數據本身的問題，也有算法開發者、設計者對代碼的主觀選擇造成的“歧視”。這些看似機器自主決策的過程，實際是由人的主觀判斷所控制。例如在醫療保險領域，人工智能對投保人個人特征分析過程中容易產生“歧視”，對某些特殊疾病患者或具有疾病高風險因素的患者計算更多保費。算法歧視帶來的還有法律、倫理挑戰。避免算法歧視，是人工智能應用不能回避的挑戰。

2.3 主體責任不清晰

當人工智能越來越多地參與醫療活動時，需要考慮如何認定人工智能的執業資格并對其進行合理監管。盡管人工智能的診療速度遠遠高于醫生，診療準確性也能達到臨床主治醫生的水平，但是，人工智能如果出現差錯，責任如何判定？人工智能決策是否能夠應用于臨床也值得商榷。

我國尚無法律法規用于界定機器人的法律地位、責任分擔機制及監管對象。醫學人工智能應用的倫理邊界復雜，過度的管控會阻礙人工智能的創新發展，而管理的缺位又帶來人工智能應用中主體責任不清晰的風險。因此，需要合理界定人工智能在醫學領域應用的主體責任，為人工智能應用提供保障。

2.4 規范標準和法律法規相對滯后

當前法律對于醫療人工智能的監管還處于空白階段，作為醫療人工智能的基礎，醫療大數據目前還沒有健全的法律來規范。數據的歸屬權、使用權、醫療數據的隱私標準、數據安全性、責任規范以及法律能否包容創新的錯誤問題都沒有明確的法律指示。

2.5 缺乏應用的評估標準

目前對于人工智能在醫學領域應用尚未制定質量標準、準入體系、評估體系和保障體系，無法對人工智能進入臨床的數據、算法、計算進行驗證和評估，也無法對安全性、效果進行評估，相應的方案體系和標準缺乏，為醫學人工智能產品投入市場造成一定阻礙。

2.6 人才短缺

人工智能的應用發展在醫學數據庫建立、統計、數學建模等方面都存在人才短缺、實踐經驗不足、基礎不扎實的問題。在實踐中，人工智能在醫學領域的發展需要計算機和醫學兩個領域的深度融合。目前，醫療衛生服務人員對新技術的接受度不足，對于新技術的掌握還需要經過專業化、規范化的培訓。

整體來看，醫學人工智能的人才培養和引進機制需要建立建全，人才短缺問題尚需解決。

3 人工智能在醫療領域應用發展的建議

3.1 夯實人工智能應用的數據基礎

人工智能在醫療上要發揮作用，必須首先匯集一定規模的醫療行業數據。鑒于當前醫療數據結構復雜、標準不一、信息孤島普遍存在的情況，需建立醫療數據的流通、共享機制，研究數據脫敏辦法，推動數據的標準化與規范化，建立標準測試數據集，夯實人工智能應用的數據基礎。

3.2 明確人工智能的發展定位

在醫療領域，人工智能旨在幫助醫生(而不是替代醫生)，以降低病人等待專業人員的死亡率。醫生不會被人工智能取代，人工智能的診斷結果只是臨床診斷的參考，醫生需要對診斷結果負責。人工智能產品在醫療領域的應用目前只停留在輔助臨床的階段，如糖網的輔助診斷、癌癥篩查的輔助診斷、醫學圖像識別的輔助診斷、疾病康復的輔助等領域。

3.3 制定人工智能在醫療領域應用的監管規定和法律法規

在醫學人工智能領域的法規制定和監管方面，國家宏觀層面要把控好人工智能的發展方向[6]，盡快出臺相關配套政策，包括部門規章、行業標準、法律法規的文件或規范，來保證技術既能更快地使用、更廣地使用，又能夠更安全、更合理地使用，審慎地推動人工智能在醫療領域的應用。

人工智能醫療領域的應用還需要制定更多相應的標準來替代現有的臨床標準[7]，以國際通用標準為基礎，建立人工智能在醫療領域應用的標準體系，以作為輔助支持公共政策和立法的工具。標準可以簡化并支持技術監管，只在必要時進行立法。

3.4 加強人工智能數據應用的數據安全建設

加強隱私保護建設，對數據進行脫敏，將數據按照不同層次、不同顆粒度進行匯集，降低泄露隱私的風險。醫療數據的隱私保護問題在美國已經有成熟的經驗，并且在加強隱私保護的同時，鼓勵數據合理開放和有意義使用，把一部分數據變成公共數據用于研究。

加強信息安全建設。加強網絡環境的安全建設，保障醫療數據能夠實時、準確進行傳輸，避免數據在公網上暴露造成的風險。

3.5 推動醫學人工智能復合型人才培養

以多種方式培養和吸引醫學人工智能復合型人才。各高校應積極開展醫學與計算機交叉性學科的建設和教學，培養跨界人才[8]。注重醫學、信息、工程、衛生政策研究等學科專業的交叉融合，鼓勵高校、科研院所與企業開展合作，設立各類獎學金，建設一批實訓基地和地方試點。完善人才引進體制機制，吸引高端人才在醫學人工智能領域開展創新、創業工作，帶動該領域發展。

參考文獻：

[1] 鄔賀銓.智慧醫療這些場景并不遙遠[N].健康報，2017-05-14(06).

[2] 高奇琦，呂俊延.智能醫療：人工智能時代對公共衛生的機遇與挑戰[J].電子政務，2017，(11)：11-19.

[3] DUGAS A F，JALALPOUR M，Gel Y，et al.Influenza Forecasting with Google Flu Trends[J].Plos One，2013，8(2)：1-7.

[4] ERIC SMALLEY.AI-Powered Drug Discovery Captures Pharma Interest[N].Nature Biotechnology，2017，35(38)：604-605.

[5] WANG MD，KHANNA R，NAJAFI N.Characterizing the Source of Text in Electronic Health Record Progress Notes[J].JAMA Internal Medicine，2017，177(8)：1212.

[6] 王才有.醫療領域的人工智能剛起步[N].健康報，2017-02-25(08).

[7] JASON.Artificial Intelligence for Health and Health Care[R].McLean VA：JASON，2017.

[8] 孫愉婷，周立業.“互聯網+”背景下我國移動醫療的機遇與挑戰[J].衛生軟科學，2017，32(1)：27-30.