我國醫(yī)學人工智能在醫(yī)療機構發(fā)展面臨的問題及政策建議

田雪晴，游 茂

(國家衛(wèi)生健康委衛(wèi)生發(fā)展研究中心，北京 100044)

隨著我國科技進步，人工智能技術成為了推動大數據創(chuàng)新應用的重要手段。在醫(yī)療衛(wèi)生領域，人工智能深度應用是未來發(fā)展趨勢，也是落實“健康中國”戰(zhàn)略的重大創(chuàng)新實踐。《國務院辦公廳關于促進和規(guī)范健康醫(yī)療大數據應用發(fā)展的指導意見》(國辦發(fā)〔2016〕47號)、《“十三五”衛(wèi)生與健康科技創(chuàng)新專項規(guī)劃》(國科發(fā)社〔2017〕147號)、《國家健康醫(yī)療大數據標準、安全和服務管理辦法(試行)》(國衛(wèi)規(guī)劃發(fā)〔2018〕23號)等文件的頒布和實施推動了我國人工智能事業(yè)的健康發(fā)展。

人工智能在醫(yī)療健康領域的蓬勃發(fā)展可能帶來醫(yī)療模式的大變革。國內外研究大多集中于人工智能技術賦能醫(yī)療健康的科研應用，而醫(yī)療機構發(fā)展醫(yī)學人工智能技術面臨的挑戰(zhàn)和問題研究較少。為掌握全國范圍內醫(yī)學人工智能技術推廣和應用情況，國家衛(wèi)生健康委統(tǒng)計信息中心于2018年12月開展了人工智能技術應用落地案例整理活動[1]。該活動面向各級各類醫(yī)療衛(wèi)生機構征集疾病預測干預智能化案例、疾病咨詢智能化案例、疾病診療智能化案例、藥物研發(fā)智能化案例、衛(wèi)生事業(yè)管理智能化案例，以及其他應用效果突出、創(chuàng)新性、實用性顯著的案例。

本研究于2019年2-3月，以東、中、西部3省(廣東、湖北、四川)為樣本省，各選取一所綜合實力較強的醫(yī)院為樣本醫(yī)院，采取訪談法和現場觀察相結合的方式，分別與醫(yī)院主要領導、信息中心/科負責人、設備采購負責人、醫(yī)務科負責人、財務科負責人、應用人工智能技術的醫(yī)護人員代表進行訪談。旨在對國內人工智能技術在醫(yī)療機構醫(yī)院的相關情況進行深入調研，進一步挖掘人工智能技術在輔助診療領域的應用場景，分析醫(yī)療機構對人工智能類設備配置中存在的問題，并提出相關政策建議。

1 人工智能在醫(yī)療領域的應用現狀

1.1 在疾病診療智能化方面

1.1.1 應用場景

各醫(yī)院開展的醫(yī)學人工智能應用以AI輔助疾病診斷為主，具體應用于醫(yī)學影像識別、影像資料管理及AI智能輔助篩查。在疾病診療智能化方面，影像學診斷在當前醫(yī)學人工智能中研究最多、應用最廣。在醫(yī)學影像領域無論是企業(yè)數量還是發(fā)展規(guī)模，中國都遙遙領先于歐美各國[2]。目前疾病智能化診斷主要用于肺部結節(jié)的檢測[3]、眼科[4]、病理診斷[5]等應用。

1.1.2 應用效果

在肺結節(jié)識別方面，運用對照組比對方法，以三位專家一組為控制組，三位專家+AI為檢測組，驗證結論為應用醫(yī)學人工智能(專家+AI)效果比單純醫(yī)生判斷更為準確。在實際運用發(fā)現，甲狀腺疾病的檢測精度80%左右，乳腺疾病檢測精度接近90%，檢測精度基本達到副高級醫(yī)師水準。

調研發(fā)現，人工智能在消化內鏡的研發(fā)經歷了3個階段，第一階段是根據臨床需求研發(fā)算法模型；第二階段是使用醫(yī)務人員提供的大量標注數據訓練初步模型；第三階段是在實際臨床試驗中調整參數修正錯誤，不斷優(yōu)化模型，使其更加貼近臨床應用。目前系統(tǒng)已能實現對6種胃腸道病變進行研判，準確率90%以上。

訪談結果可以顯示，各院領導、職能處室和醫(yī)務人員對人工智能在醫(yī)療機構的應用帶來的變化表示贊同，人工智能技術逐漸被醫(yī)療機構所接受，人工智能技術輔助識別靜態(tài)和動態(tài)醫(yī)學影像的價值已經凸顯。一是檢測速度快，比如閱讀胸片，醫(yī)生平均需要5～8分鐘，人工智能系統(tǒng)只需要5秒鐘；二是檢測精度高，人工智能對腫瘤復查等檢測效果非常顯著，尤其是對醫(yī)生容易遺漏的微小病灶的識別；三是持續(xù)高效，醫(yī)生長時間讀片會疲勞，精準度下降，但人工智能系統(tǒng)連續(xù)工作仍能維持高精度；四是創(chuàng)新性，能夠強化醫(yī)生對疾病的認識，推動基礎研究和臨床技術的創(chuàng)新；五是推進醫(yī)療同質化，有效提升基層醫(yī)療服務能力，輔助基層醫(yī)生進行病灶識別。

1.2 在疾病預測干預智能化方面

隨著互聯(lián)網和物聯(lián)網技術的發(fā)展與突破，互聯(lián)網檢索信息、電子病歷、居民健康檔案、可穿戴智能設備監(jiān)測數據、環(huán)境監(jiān)測點監(jiān)測數據等大量的數據源為人工智能在疾病預測領域發(fā)展打下了堅實的基礎。如波士頓大學的Theodora等[6]，基于患者電子病歷，利用人工智能算法預測了心臟病和糖尿病兩種慢性病的患病風險。利用大數據分析和模型預測，人工智能現在也可預測阿茲海默病風險[7]、心血管疾病風險[8]、癌癥風險等。通過預測疾病發(fā)生風險，可以有效地防范公共衛(wèi)生風險，提高個人健康水平。

1.3 在衛(wèi)生事業(yè)管理智能化領域

繼“數字醫(yī)療”“移動醫(yī)療”“互聯(lián)網醫(yī)療”之后，智慧醫(yī)療建設成為當前關注熱點。隨著機器學習、自然語言處理、知識圖譜技術等技術的發(fā)展，人工智能在智慧醫(yī)療建設過程中起到關鍵的作用，目前主要的應用場景為區(qū)域健康檔案管理[9]、區(qū)域分級診療[10]、院內流程管理[11]等方面，助力事前、事中管理，加強醫(yī)療質量控制，規(guī)范診療行為，以達到優(yōu)化流程、合理調配醫(yī)療資源的目的，比如基于機器學習的院內感染主動識別、基于特征工程的醫(yī)保欺詐主動識別防控。

1.4 在疾病咨詢智能化領域

語音交互技術、自然語言識別技術的發(fā)展，導診機器人的發(fā)展一定程度上分擔了醫(yī)務人員導診分診的工作任務[12]。

2 存在的問題

2.1 醫(yī)院內對醫(yī)學人工智能的管理不明確

作為新興行業(yè)，醫(yī)學人工智能的分類尚不明確，醫(yī)院無法判斷其屬于設備、軟件，或者技術服務，這導致現有行政職能處室對人工智能研發(fā)管理的分工不明確。目前多由醫(yī)院信息中心協(xié)助相關臨床科室管理人工智能的研發(fā)，而院內沒有統(tǒng)籌管理，相應的管理制度也不健全，不利于指導和規(guī)范院內醫(yī)學人工智能的研發(fā)和應用。

2.2 醫(yī)學人工智能成果轉化能力有待提升

當前人工智能的發(fā)展是靠資本和技術推動的。掌握大量資本和先進技術的人工智能企業(yè)多以委托科研課題的方式尋求與積累大量醫(yī)療數據的醫(yī)院進行合作研發(fā)。在這種模式下，企業(yè)掌握算法模型的研發(fā)，盡管醫(yī)務人員參與研發(fā)活動，但醫(yī)院本身的人工智能技術開發(fā)能力未能因此而提高。其次，醫(yī)院沒有開發(fā)能力，人工智能技術主要依賴企業(yè)，醫(yī)院的自主權非常有限，無法進行自主研發(fā)。一旦企業(yè)發(fā)展路線轉移或者不再提供人工智能技術，將嚴重影響醫(yī)學人工智能的發(fā)展速度。同時，醫(yī)學人工智能發(fā)展亟需大量臨床科研人員投入研究，但以下原因導致臨床科研人員實際參與度不高：一是醫(yī)院在醫(yī)學人工智能研發(fā)方面的激勵機制不健全，臨床科研人員缺少參與醫(yī)學人工智能研發(fā)的動力；二是醫(yī)學人工智能產品研發(fā)周期長，成果轉化難，影響年輕科研人員的晉升。

2.3 數據質量難以保障

現階段，大多數醫(yī)學人工智能的實現需要大規(guī)模高質量標注數據訓練集，因此對保障數據質量提出了更高的要求。多數進行標注的專家團隊對參與人員進行從采集數據到標注數據的統(tǒng)一培訓，并對標注的數據進行了嚴格的質量控制。但也有個別企業(yè)為了加快研發(fā)進度、降低研發(fā)成本，會通過多種渠道獲得標注數據，如非法購買低質量標注數據、采用非專家醫(yī)生、實習生標注的數據等。數據標注的質量參差不齊，會影響醫(yī)學人工智能的準確度，甚至會導致大量低質量數據沖垮模型，前功盡棄。

2.4 醫(yī)學人工智能復合型人才缺乏

醫(yī)學人工智能涉及多學科深度融合。目前醫(yī)務人員不懂人工智能技術，人工智能技術工程師不懂醫(yī)學知識，復合型高端人才極度缺乏。而我國的醫(yī)工交叉學科人才培養(yǎng)尚處于起步階段，短時間內復合型人才供應得不到滿足，在一定程度上不利于醫(yī)學人工智能的發(fā)展。

2.5 監(jiān)管缺失，缺乏評估標準

面對人工智能技術在醫(yī)療領域應用的不確定性，國家衛(wèi)生健康委和國家藥監(jiān)局都在積極探索應對潛在的風險。目前醫(yī)學人工智能市場存在著監(jiān)管缺失、評估標準缺失的情況。醫(yī)學人工智能監(jiān)管體系尚不健全，難以及時地對潛在醫(yī)療質量安全問題進行監(jiān)督與反饋。同時由于缺少具體的醫(yī)學人工智能評估標準、市場準入/退出機制和收費機制等，醫(yī)學人工智能產品無法真正地進入衛(wèi)生體系。目前，國家衛(wèi)健委和國家藥監(jiān)局都在探索醫(yī)學人工智能的審評審批和綜合評估，總體來看醫(yī)學人工智能應用評估體系和標準數據庫亟需建設。

3 建議

3.1 鼓勵醫(yī)院成立醫(yī)學人工智能專家委員會

鼓勵以醫(yī)院為單位成立院內醫(yī)學人工智能專家委員會，通過多部門協(xié)同管理醫(yī)學人工智能的研發(fā)和使用：由信息中心提供數據和技術支撐、臨床科室提供專業(yè)知識、科技轉化部門負責保護知識產權、科研處協(xié)助整合科研資源、法務部門提供法律支持、倫理委員會審查研究的科學性和倫理性等。

3.2 鼓勵醫(yī)院建立醫(yī)學人工智能技術應用平臺

鼓勵醫(yī)院與人工智能相關科研院所合作共同建設醫(yī)學人工智能技術應用平臺，為醫(yī)務人員研發(fā)提供技術支持；激勵醫(yī)生參與人工智能研發(fā)，使人工智能更好地滿足臨床需求，這不僅能提升臨床效率，將醫(yī)生從簡單重復的工作中釋放出來，更能加深對疾病的認識。

3.3 建立醫(yī)學人工智能科研示范基地

依托優(yōu)勢學科建立國家級標準數據庫和評估基地。基于某一個或者幾個醫(yī)院建立某一領域的醫(yī)學人工智能評估基地，建設標準數據庫，向社會開放，鼓勵醫(yī)院與社會共享科技成果，規(guī)范醫(yī)學人工智能的發(fā)展。

3.4 加強醫(yī)學人工智能監(jiān)管體系建設

為適應醫(yī)學人工智能發(fā)展的客觀要求，建議整合優(yōu)化國家衛(wèi)生健康委和藥監(jiān)局監(jiān)管職能，加強監(jiān)管協(xié)同，組建醫(yī)學人工智能聯(lián)合工作組。成立國家醫(yī)學人工智能專家咨詢委員會，制定國家醫(yī)學人工智能發(fā)展戰(zhàn)略，完善頂層設計，研究醫(yī)學人工智能公共政策，發(fā)布醫(yī)學人工智能白皮書。完善國家醫(yī)學人工智能應用評估體系，發(fā)布評估指導原則和評估指標，建設國家醫(yī)學人工智能應用評估平臺，探索實施國家醫(yī)學人工智能應用備案登記制度。推動第三方評估機構發(fā)展，為醫(yī)學人工智能相關政策的制定提供決策依據。

3.5 加強醫(yī)學人工智能人才培養(yǎng)

注重醫(yī)學、人工智能、信息、衛(wèi)生政策研究等學科專業(yè)的交叉融合，加強醫(yī)學信息學學科建設，打造高層次復合型人才。鼓勵高校、科研院所與企業(yè)間開展合作，設立各類獎學金，建設一批醫(yī)學人工智能實訓基地和地方試點。