人工智能在醫療領域的應用

劉一彤

摘 要 隨著人工智能的迅速發展，許多國家將其上升為國家發展戰略。近年來，人工智能在醫療衛生領域中發揮著重要作用。文章重點闡述了人工智能在醫療影像、虛擬助理、藥物研發等方面的應用，簡述了人工智能的發展歷程以及現階段遇到的瓶頸，并對其提出加大人才培養力度、明確醫療責任主體等發展與改進措施。

關鍵詞 人工智能；醫療；應用現狀；發展趨勢

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2019）232-0145-03

在這個社會高速發展的時代，隨著信息技術的發展，人類的生活方式得到了很大的改變，社會的生產效率得到了很大的提高[ 1 ]。20世紀50年代人工智能的概念開始出現在這顆蔚藍星球上，從最開始的神經網絡技術，到如今的圖像識別和深度神經網絡技術，這短短的幾十年間人工智能技術經歷了迅速的發展。人工智能概念的首次確立，是在1956年的一次科學會議上：讓機器像人那樣思考和認識，用計算機實現對人腦的模擬，是眾多科學家對其下的定義。20世紀50年代到70年代，人工智能仍處于“弱人工智能”時代。如今，人工智能在眾多領域都發揮著重要作用。在醫療領域，人工智能的應用范圍越來越廣。

1 應用實例

隨著算法的不斷提升，以及大數據的應用，人工智能的適用領域愈來愈廣，在醫療行業的應用場景愈來愈豐富。其作用主要集中在輔助影像與病理診斷、疾病早期篩查、提高藥物研發效率、虛擬助理及隨訪等方面。

1.1 虛擬助理

虛擬助理是一種為患者提供自診導診和醫詢等服務的信息系統，它利用NLP（自然語言處理）等技術把用戶對病癥的描述和醫學指南進行對比，就如同蘋果Siri、微軟Cortana等，其在醫生端與用戶端均發揮了很大作用[1-2]。在醫生端，智能問診能夠輔助醫生診斷，并且幫助醫生篩查常規疾病，還能預警和監控重大疾病。在用戶端虛擬助理可以幫助患者完成導診健康咨詢等服務，大大節約了用戶的時間，既方便又高效。

2017年，多家醫院引進了智能預問診系統[ 1 ]。此外，語音語義識別技術為患者就醫導診、醫生書寫病歷提供了很多便利。有了智能語音錄入功能，醫生的雙手就可以被解放，醫生通過口述就可以完成查病歷、找文獻、寫病歷等基本工作，醫生的工作效率得到迅速提高。科大訊飛的產品“曉醫”，能夠通過與患者的交流，告訴患者應就診的科室以及科室位置，減輕醫生的工作量，也使患者就醫更加簡單快捷。

1.2 病歷與文獻分析

人工智能利用對應算法以及大數據能夠對電子病歷及醫學文獻中的海量醫療數據進行分析，并形成結構化的醫療數據庫，為醫生的診斷提供幫助。與其他行業相比，醫療領域的信息數據分散范圍廣、蘊含數量多、復雜程度高、隱藏價值大。諾貝爾醫學獎獲得者屠呦呦也是耗費了數十年時間才從各種醫學古籍中找到青蒿素可以治療瘧疾。如果在當初，人工智能足夠強大，便可以快速閱讀并整理文獻資料，對實驗數據進行準確分析，從而快速得出結論。除此之外，大數據平臺還可以幫助一線人員及科研人員挖掘疾病規律，并建立研究課題。

1.3 醫療影像輔助診斷

醫療影像數據是醫療數據的重要組成部分，包括CT、X光、B超等醫療影像數據。統計數據表明，目前放射科醫生的供給缺口非常大，放射科醫生的年增長率為2%，而醫療影像數據的年增長率為63%，將人工智能應用于醫療影像領域，能夠極大緩解此類問題[1-2]。人工智能在醫療影像輔助診斷中的作用主要有兩方面：一方面是利用圖像識別技術，對醫學影像進行圖像及數據的分析；另一方面是利用深度學習技術，通過對海量的臨床診斷與影響數據進行訓練，令模型具有初步的診斷能力。

1.4 藥物研發

藥物研發由兩大部分組成，分別是藥物發現階段與臨床試驗階段。藥物發現階段又被細化為靶點篩選與藥物篩選，人工智能與靶點篩選的結合點為文本分析，人工智能與藥物篩選的結合點為高通量篩選和計算機視覺。同樣，臨床試驗階段有病人招募和晶型預測，人工智能與病人招募的結合點為病例分析，而人工智能與晶型預測的結合點為虛擬篩選。1）靶點篩選。尋找、確定和制備分子藥靶是現代藥物研發的關鍵。AI可以從海量數據中獲取有用信息，并進行生物化學預測。該方法能夠將藥物研發的時間成本和經濟成本縮短一半左右。2）藥物篩選。為了進行更深層次的結構改造與修飾，需要將小分子化合物組合實驗并且尋找某種具有化學結構與生物活性的化合物，這就是藥物篩選。篩選時，開發新技術或優化舊方案都可以通過人工智能完成。3）病人招募。臨床試驗對于患者的需求量較大，尤其是高質量患者，多達90%的臨床試驗都被患者的數量與質量所困擾。利用人工智能，就可以對患者的病歷進行精準分析，找到患者。

1.5 基因測序

人類基因組計劃，即通過測定人類基因序列，繪制人類基因組圖譜從而達到破解人類遺傳信息的目的。當時，中、美、日、德等國一同研究，也持續了15年才得出結果，這足以證明其重要性與復雜性。如今，人工智能技術已經能夠改變基因測序的困難現狀。通過建立初始數學模型，利用模型進行訓練，再用其他分子生物學的方法進行修正，最后進行檢驗對照，得出其準確性。目前，國內的人工智能龍頭企業已經開始自己的布局，譬如華大基因、博奧生物、金域檢驗等。

1.6 個人健康管家

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[ 3 ]。智能可穿戴設備可以記錄用戶每天的運動時間、步數詳情、能量消耗等信息，根據用戶的年齡、性別、身高、體重等基本數據來計算消耗的熱量，并給出運動飲食建議。可穿戴設備還能夠記錄我們每天的睡眠數據，分析每周的睡眠情況。根據這些數據，能夠分析得出用戶的整體睡眠質量，進而給用戶提出合理的睡眠建議，改善用戶的睡眠狀況。

隨著“人工智能+醫療”的發展，掛號難、看病難、醫療資源分配不均等傳統醫療行業所面臨的問題就可以得到解決。通過遠程醫療App，用戶可以自主問診，可以避免長時間的排隊掛號等過程，而且醫生可以通過系統建立的個人檔案，獲得患者更多的信息，更好地為患者服務。

2 存在的主要問題

隨著人工智能的不斷發展，以及其在醫療領域的應用范圍愈來愈大，人工智能的不足與問題逐漸暴露出來，數據質量、主體責任、行業標準等都是人工智能在醫學領域急需解決的問題。

2.1 數據基礎仍然薄弱

算法、算力以及大數據是人工智能技術最重要的因素。市場上的數據有很多種，但是醫院和企業合作時往往是針對某一機型的數據進行訓練。那么，當該數據需要用于其他機型的時候，模型就需要重新針對該機型進行訓練，成本大幅度提高。此外，數據的標準化也是人工智能發展的一條攔路虎。由于數據沒有統一的標準，各個廠家的儀器標準不同，無法共享，所以，數據標準化需要各廠家與醫院積極配合，加大個人數據標準的開放程度。

2.2 診斷標準尚不成熟

雖然，在醫療影像輔助診斷上，圖像識別技術的應用效果不錯，技術日漸成熟，但是醫療影像輔助診斷產品應當讓自己的算法更加完善、先進，避免“就圖論圖”。以甲狀腺結節診斷為例，彩超的拍片結果僅僅能夠作為醫生的部分診斷依據，醫生還要通過甲狀腺化驗結果、抗體相關表現等來做更加具體詳細的診斷和分析[1-2]。所以，各個企業需要將算法完善升級，把信息整合到一起判斷，實現多模態的診斷體系。

2.3 安全性無法保障

醫療安全在醫療行為中時刻占據著無比重要的位置，確保醫療安全是每個醫生在進行醫療活動中每分每秒都需要警醒的[ 4 ]。隨著人工智能的快速發展，機器已經具備了從事醫療活動的能力。如何確保這些機器人能夠像人一樣安全可靠，是醫院與研發企業發展道路上的一塊絆腳石。

2.4 過度依賴人工智能

正是由于在學習速度和計算能力上，人工智能有著我們人類無法超越的優勢，所以人工智能能夠快速發展。但是是否醫生的水平會隨著人工智能的逐漸應用而逐漸降低？患者就醫，不只是需要醫療技術與水平，還需要人文的關懷[ 4 ]。人工智能的發展有沒有可能使得醫院沒有人情味，是需要我們考慮的問題。

3 發展趨勢與改進措施

3.1 夯實數據基礎

AI競爭的核心是數據的質量與數量。目前，雖然互聯網的基礎體系日趨成熟，但仍有許多虛假數據。所以，我們應該打破不同醫療機構、不同政府部門的數據壁壘，建立數據共享的機制，促進不同地區、不同機構之間的數據聯網，真正成為大數據[ 5 ]。

3.2 深度推進互聯網應用

目前，我國東西部人工智能技術發展不均衡，東部地區發展較快，醫療健康機構已經具備互聯網基礎，但中西部尚有所欠缺，而中西部由于經濟水平、醫療水平普遍較低，對于人工智能需求強烈[ 5 ]。所以，為了促進互聯網應用的全面發展，建議國家對中西部的互聯網與人工智能建設提供政策優惠。引導優質的醫療資源下沉基層，加強基層醫療機構的互聯網應用，實現資源共享，提高服務水平。

3.3 明確醫療責任主體

人工智能的學習能力在不斷提高，診療速度也在不斷加快，如何認定人工智能的行醫資格以及對其進行監管成為了我們需要考慮的問題。例如，在用戶使用醫療虛擬助手時，可能會漏掉甚至錯誤地進行描述，導致虛擬助手給予用戶的建議與用戶所得的疾病不符[1-2]。因此，對于利用人工智能提供診斷的功能，我國監管部門設定了非常嚴格的審核要求。過度的管控會阻礙人工智能的創新發展，而過輕的監管則會導致安全事故頻發。因此，需要合理制定規則，明確主體責任，為人工智能的應用提供保障。

3.4 加大人才培養力度

人工智能是一種新興起的行業，人才專業水平是其發展的重要因素之一。據統計，我國在人工智能行業工作的人數不足5萬人，每年的新鮮血液不足2 000人，創新人才缺口較大。在其他國家的該行業的從業者中，美國擁有10年以上工作經驗的人才將近50%而我國不到25%。在如此現狀下，我國制定了《新一代人工智能發展規劃》國家戰略。現如今，我國通過建立開放平臺，鼓勵研究，推進合作的新模式加速人才培養。

4 結論

人工智能具有超強的記憶力與計算能力，能夠成為醫生的智囊、秘書，彌補衛生人力資源的缺口。本文重點介紹了人工智能在醫療領域的應用，并列舉了人工智能在發展中所面臨的困難與缺陷，提出了相應的建議。虛擬助手、輔助診斷、健康管理等都是人工智能與醫療的結合點；數據基礎、診斷標準、安全保障等都是人工智能發展道路上的崎嶇坎坷；加大人才培養力度、明確醫療責任主體、深度推進互聯網應用等都是人工智能前進的錦囊妙計。總之，人工智能必將與醫療相結合，但真正用于核心領域仍需一個漫長的過程。

參考文獻

[1]人工智能學家.2018年醫療人工智能技術與應用白皮書[EB/OL].http：//www.ciotimes.com/Information/147987. html.2018-04-16.

[2]趙陽光.醫療人工智能技術與應用研究[J].信息通信技術，2018，12（3）：32-36.

[3]王海星，田雪晴，游茂，等.人工智能在醫療領域應用現狀、問題及建議[J].衛生軟科學，2018，32（5）：3-5，9.

[4]劉振峰，徐寧，陶長俊.人工智能在醫療領域中的應用及展望[J].網絡安全技術與應用，2018（8）：98-99.

[5]金春林，何達.人工智能在醫療健康領域的應用及挑戰[J].衛生經濟研究，2018（11）：3-6.