英國人工智能在醫療領域應用發展現狀及其啟示*

牛利娜 謝子衿 成浩然 律瓊馨 劉智勇

(華中科技大學同濟醫學院 武漢 430030)

1 引言

伴隨著大數據、互聯網和芯片技術的不斷突破，人工智能(Artificial Intelligence，AI)具有更加廣闊的應用前景[1]。近年來以云大物移智為代表的新興技術廣泛滲透，健康醫療大數據環境日漸形成，全球各國的醫療人工智能呈現出蓬勃發展的態勢。2017年《新一代人工智能發展規劃》的出臺意味著中國已將人工智能上升至國家戰略層面。國內學者也開始重視于醫療人工智能進入中國市場的準入機制與法律規范研究，思考其引發的道德倫理問題與挑戰[2-3]并開展多項AI發展前沿技術的臨床實驗效果評估[4-5]，但對國外經驗借鑒研究較少。而為6 000萬民眾提供醫療服務的英國國家醫療服務體系(National Health Service，NHS)[6]有著全球領先的醫療水平并積極推動英國成為全球人工智能發展領導者[7]，其人工智能在醫療領域的發展經驗對我國具有重要的借鑒意義。

2 英國醫療人工智能發展背景

2.1 優勢

NHS建立于1848年，其成立目標是提高國民健康水平并為民眾提供全覆蓋的、免費的醫療服務。但隨著NHS的發展，許多弊端也顯示出來。如不合理的資源配置、低下的運行效率、日益增長的醫療費用等[8]。NHS歷經兩次大的體系改革，包括1997年撒切爾工黨執政后的內部市場化改革及近年來的新公共管理改革，越來越重視技術創新，尤其是人工智能技術應用對其的作用。在人工智能應用發展方面NHS有一個明顯優勢：作為全球最大的單一醫療保健組織，其擁有大量的工作人員與患者的信息數據庫，這些數據構成AI研究的基石。英國作為AI發展條件排名第4位的國家[9]，NHS持有的數十年的健康醫療大數據為先進的健康應用程序開發帶來機遇，尤其是初級醫療健康數據廣闊的覆蓋面和堅實的數字化基礎，可以很好地滿足人工智能算法研究所需的充足與多樣的數據要求。

2.2 挑戰及相應措施

盡管具有長足優勢，但英國在醫療人工智能可持續發展方面仍然面臨世界各國所共有的數據融合與共享的挑戰。構成NHS的醫療保健信托可以分為兩類：NHS基金會醫院與信托機構。基金會醫院由英國衛生部直接管理，而信托機構的管理層由當地居民選舉產生。這導致信托機構并未使用相同的IT設備與數據標記方式，因此數據集通常比設想的更有限，更難分享和融合。為應對該挑戰英國政府已明確提出在NHS中使用AI的設想與規劃。因為AI技術的繁榮將有助于實現NHS長期規劃目標，可以減少多達3 000萬患者不必要的門診預約與住院，節省超過10億英鎊的醫療支出。為實現這一設想，在過去5年中NHS Apps Library評估和批準的70多個應用程序已投入使用，所有機構部署WIFI；93%的全科醫生已經使用電子處方來服務患者，3年內為NHS節省1.36億英鎊；全球數字示范計劃已支持16個急診、7個心理健康和3個救護車信托機構；當地健康與護理記錄計劃已開始在全科醫生、醫院、社區服務和社會護理中創建綜合醫療記錄。但NHS還未實現整體的轉型，在10年內NHS希望在人工智能技術和產品幫助下患者可以更好地管理個人健康。

3 英國醫療人工智能發展現狀

3.1 概述

近期NHS發布中長期衛生服務體系發展規劃，從服務模式創新、減少健康不平等、促進護理質量、給予員工支持、實現數字化轉型、提高投資利用效率及未來展望7個章節歸納概括英國未來幾年的發展方向。NHS計劃通過AI技術實現個人健康個性化與數字化管理，加大AI在醫療領域的應用廣度與深度，使數字化醫療成為主流。規劃指出近年來AI被廣泛應用于NHS中，英國信息化建設成果顯著，AI被運用在健康管理、臨床輔助診斷和醫學影像等多個方面，緩解NHS候診時間長、員工效率低和醫療成本高的弊病，極大提升醫療效率，優化資源配置并減少醫療開支。未來NHS主要在5個方面進行AI加速應用以實現服務模式創新和體系的整體轉型。

3.2 AI賦能與賦權

NHS利用AI技術將為人們提供安全、便利的訪問服務，從而賦予公民健康醫療服務更多的權利。但公民賦權還存在許多技術問題，因此NHS首席執行官西蒙史蒂文斯呼吁科技公司廣泛參與，共同助力于NHS長期規劃的實現，創新技術使英國成為AI和機器學習的世界領先者。與此同時西蒙史蒂文提出“對NHS關稅和其他支付系統進行報銷改革以此來加速AI在NHS中的發展和應用”。為使這些技術更好地運行，NHS將創建開放的環境使開發人員更輕松地構建支持特定社區、條件、人口統計群組或語言的增強功能并將允許患者通過單一途徑識別個人服務。

3.3 輔助衛生和護理專業人員

目前NHS中的許多技術對員工來說是一種負擔。因此英國將使醫療信息能夠以數字的方式被員工讀取并優化臨床流程以減輕行政負擔。計劃在今后幾年內NHS中所有社區員工將能夠訪問移動智能服務，救護車系統中也將使用所需的AI工具。此外還將進一步擴大數字學院計劃，加強AI研究投資與衛生技術人員數字化能力的培養，以便員工在新領域不斷發展。

3.4 促進AI臨床診療應用

AI技術的出現將使患者與醫護人員使用更多的醫療輔助工具。為保證新技術的發展，無紙化環境成為必然，所有信息將進行數字化存儲。NHS還為患者提供更加便捷的咨詢與護理方式，使患者通過移動設備進行面對面咨詢。未來幾年患者可以自主利用新的全科醫生服務方式，通過在線服務選擇更加便利的預約方案來減少候診時間。數字全科醫生的出現使醫生可以更加靈活利用時間，以此增加全科醫生的參與率。此外綜合護理系統(Integrated Care System，ICS)將于2021年覆蓋整個英國，該系統可以提供初級和專科護理、身體健康服務與社會護理的三重護理服務并對地方與當局之間的合作聯通發揮關鍵作用。ICS委員會將與提供商就如何使用資源、設計服務和改善人口健康做出共同決策。ICS將會提供全面的服務以減少可避免的住院治療并解決更廣泛的精神和身體健康問題。

3.5 利用AI加強人群健康管理

2019年間英國部署人口健康管理解決方案以確定患病風險人群并預測相應的健康干預措施的有效性。根據信息治理保障措施，使用從本地健康記錄中提取的脫敏數據將實現更復雜的人群健康管理方法并支持世界領先的研究。NHS與供應商合作開發，共享數據和專業人員的見解，開發智能家居或可穿戴設備等工具，幫助患者更好地管理自身健康，臨床醫生更高效地完成工作。

3.6 提高安全與效率

AI技術可以支持NHS更有效地提供高質量的專業護理，到2021年利用AI與病理學網絡更快、更好地獲得更復雜的檢驗結果。如通過AI圖像分類幫助工作人員確定工作優先次序與流程改進方案。到2023年診斷成像網絡能夠將臨床圖像從患者的護理環境快速轉移到相關專科臨床醫生進行解釋。在未來幾年AI將使許多任務自動化并提高其質量。英國將通過在整個產業實施安全和監控系統，所有員工的安全教育以及可恢復性的系統設計來確保NHS系統和數據的安全。英國將為系統和員工授權并不斷更新網絡安全標準和行為。

4 我國醫療人工智能發展現狀

4.1 概述

我國醫療領域存在優質醫療資源不足、醫療人才缺乏、醫療成本高和醫生誤診率高等問題，而AI在醫療領域的引進和應用可以使這些醫療問題得到緩解。我國醫生資源短缺，每千人執業醫生數僅為2.2,而歐洲、美國等發達國家的每千人執業醫生數為4[10]。且我國醫療資源地域分布不均衡,東西部醫療資源和服務差異較大，基層首診誤診率高，人工智能的引進可以減少不必要的人工時間消耗,彌補醫療行業醫生空缺,幫助醫生制定更加合理的治療方案，提高醫院治療效率和減少不合理的醫療支出。目前我國醫療人工智能主要應用于醫學影像、藥物與疾病研發、健康管理及輔助診療4個方面，其中的熱門領域是醫學影像[11]。這是由于我國醫療影像數據龐大，圖像識別的算法門檻較低且有充分的研究；智能圖像診斷算法的發展已相對成熟；國家政策對其大力支持，醫療人工智能行業的融資帶來大量的資本，極大推動AI醫學影像行業的發展。

4.2 醫療圖像識別

在我國的應用主要在以下3個方面。首先是病灶識別與標注，現階段主要利用AI技術進行快且準的圖像分割、靶點檢測、特征提取等分析工作，輔助醫護人員提高診斷效率與準確性。其次是在腫瘤影像領域對病灶位置進行勾畫達到自適應放療，減少射線對患者健康組織的損害[12]。最后是三維模型的重建，即利用AI技術進行立體影像識別并構建三維模型，節約手術配準時間。

4.3 藥物與疾病研發

AI主要應用于藥物的研發和臨床試驗并使用基因測序和監測等技術手段對疾病進行控制。在藥物研發上，由于國內創新藥研究較少，該方面目前應用較少，亟需進一步發展。在疾病研發上，AI主要應用于基因測序和監測[13]。基因測序產業已形成初步市場布局，但還需進一步提升關鍵技術研發能力以應對日益提高的癌癥發病率。

4.4 健康管理

與英國不同，國內疾病歷史數據與可穿戴設備發展尚未成熟，該領域正處于探索階段[14]。在國內AI主要通過可穿戴設備監測慢病患者、孕產婦、新生兒及精神疾病患者的健康狀況、藥物服用及生存環境等數據，結合AI影像與基因測序等技術對用戶身體情況進行實時監測與預警。通過個人監測、收集區域數據，還可對區域人群健康進行深入分析，提前預警傳染病的暴發。

4.5 輔助診療

我國AI技術應用于輔助治療主要是針對電子健康檔案(Electronic Health Records，EHR)、導診機器人、護理等領域[11]。隨著日益增多的慢性病患者和我國老齡化的加速，AI護理在輔助診療中存在巨大的市場潛力[15]。英國已將康復機器人大量應用于臨床實踐輔助患者進行智能化的康復訓練與術后護理，國內該領域剛剛起步。

5 英國AI應用與發展對我國醫療人工智能的啟示

5.1 夯實健康醫療數據基礎

在AI應用發展方面,NHS擁有大量的工作人員與患者的信息數據庫,這些數據可以用于AI的開發研究中,NHS持有的數10年的大數據為先進健康應用程序開發帶來機遇。在醫療數據方面,英國計劃全面實現數據數字化并確保所有數據都以機器可讀的格式生成；且對數據質量成熟度也有要求,制定通行的數據成熟度指數,以便更好地監控整個醫療系統的數據質量。對此,我國可以借鑒英國對于AI健康醫療數據方面的規劃,對醫療數據質量給予重視,規范數據格式以保證數據的有用性和可讀性；制定通用的數據質量成熟度指數,以此來測評醫療數據、提高質量。在現有基礎上，首先我國要進一步加強智能健康產品研發與推廣，規范可穿戴設備與健康軟件的數據資源，將這些資源接入各級健康平臺供用戶查詢使用，實現用戶持續健康管理。其次建立各級健康數據資源庫，市級、省級、國家級各個層面健康信息平臺對數據進行規范與整合，以便為后續AI技術提供數據基礎。

5.2 健全應用標準及評估體系

NHS設立專門機構對AI應用開發時的模擬發布實驗和持續監測算法框架進行構建，避免不達標應用投入市場，創造高質量健康應用競爭環境。對于我國來說,目前尚無相應的醫療人工智能規范標準與評估體系，因此以用戶為核心構建多情景使用的醫療人工智能應用評估標準。一是建立規范醫療人工智能應用基礎行為的基礎標準。二是建立相應的平臺、技術及數據標準，以確保應用的規范性、可持續使用及數據收集的可用性。三是建立相應的應用規范，根據《人工智能輔助診斷技術管理規范》等條例強化AI技術在市場的應用，確保產品質量的安全可控。四是建立服務與倫理標準，提高用戶使用滿意度與信賴值。此外在應用標準進行評估時應以動態變化的方式，根據新技術的風險性或產品的潛在影響及時更新評價體系，對醫療人工智能進行客觀即時的評價。

5.3 完善法律法規保障體系

NHS初步形成AI權責機制與技術使用規范指南。但隨著AI學習能力的不斷提高,診療速度的不斷加快,如何認定AI行醫資格、監管新技術的使用、對醫療事故或隱私泄露等問題進行責任確定與處罰都成為AI時代必須面對的問題。我國醫療人工智能技術尚處于起步階段，并不能作為真正的“人”進行獨立思考因此其法律責任往往歸咎于技術使用者與開發者。使用者作為大多數醫療事故的責任主體，應制定相應的法律法規明確其責任邊界。用法律規范醫務人員對于新技術的學習與掌握，并對過失行為進行明確的分級評定，導致患者健康嚴重損害甚至死亡的行為需承擔相應的刑事責任。醫療人工智能作為復雜綜合的科技產物，硬件故障、系統不兼容、版本陳舊都可能引發故障。因此其生產者具有告知使用者使用方法與后期更新維護的義務并承擔因技術自身因素導致的事故責任。此外還應明確生產者與使用者的責任界限，生產者不應承擔使用者操作或技術問題產生的權責，以此鼓勵生產者對于新技術的研發，減輕其法律負擔。醫療數據中涵蓋基因在內的大量個人數據，必須建立數據管理制度，明確數據利用與隱私保護的邊界，對于非法獲取個人醫療數據或因數據泄露對用戶造成傷害的行為進行嚴懲，以確保信息安全。

5.4 加強復合型人才隊伍建設

AI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。2018年英國在向AI行業投資10億英鎊的基礎上又宣布再投資5 000萬英鎊用于其頂尖人才培養。2019年英國政府計劃投入1.15億英鎊用于資助數千名有意向攻讀人工智能碩士或博士學位的研究生[3]。我國人工智能人才同樣匱乏且亟需加大培養力度。據統計我國在人工智能行業工作的人數不足5萬,每年新加入不足2 000人,創新人才缺口較大[16]。因此建設復合型人才隊伍首先要改變現有醫學專業培養模式，設置將生物學、心理學、社會學與計算機學相融合的前沿交叉學科[17]。其次打破傳統教學模式，鼓勵以學生思考為主的教學模式，培養學生創新思維，重視設計型實驗教學，在實驗中培養學生臨床能力，豐富計算機知識，增強創新意識。最后除高校外國家還需組織更高層次的人才梯隊，吸引國內外醫療人工智能領域領軍人，創建世界一流的科研團隊，躋身醫療人工智能研究水平前沿國家。