人工智能在醫學中的應用進展

王家慶，王光鎖

暨南大學第二臨床醫學院·深圳市人民醫院，廣東深圳518000

近年來，人工智能逐步進入人們的視野中，也慢慢融入人們的生活，潛移默化地改變人們的生活方式，并在各個領域中得到廣泛應用。人工智能作為引領人類社會未來走向的戰略性技術，對人類科技發展、產業進步以及社會變革等起巨大的推動作用，并逐步為世界所認可與接受。人工智能與醫學的結合，更是給醫療系統帶來深遠的影響［1］。1956年，在美國達特茅斯會議上，“人工智能”被正式命名。隨著自然語言聊天機器人ELIZA、知識工程MYCIN 等被成功研發，人工智能從簡單邁向復雜，從粗淺走向專業。在技術逐漸成熟后，人工智能成為一個具有自我學習能力的系統。在發展過程中，人工智能逐漸形成了不同的分支，包括結構化數據的機器學習、深度學習、非結構化數據的自然語言處理等［2］。人工智能通過表現學習、深度學習以及自然語言處理等技術，結合計算機算法，從數據中發現相關信息，并能以此協助臨床決策［3］，如協助臨床醫生進行圖像分析、提供診斷建議、進行臨床風險預測、對疾病臨床定性、減少醫療錯誤、提高診療效率等［2］。這能極大程度地改善醫療環境，對醫生、患者及社會都有很大的幫助。本文對人工智能在醫學中的應用進展綜述如下。

1 人工智能在醫學中的應用現狀

1.1 人工智能在臨床診斷中的應用 在醫療工作中，圖像對于醫生診斷疾病具有重要的輔助作用，而人工智能與圖像的結合大大提高了臨床醫生診斷疾病的準確率與效率，主要包括在影像、內鏡以及病理檢查中的應用。基于計算機視覺技術數學模型，人工智能收集、提取醫學圖像的原始像素并挖掘圖像的有效特征，以此學習和模擬醫生，這是一個由整體到部分再由部分到整體的復雜過程［4］。

1.1.1 影像檢查 人工智能的運用能很好地協助醫生根據影像學檢查對患者進行疾病診斷。SUN?WOO 等［5］運用基于顱腦 MR 圖像的計算機輔助診斷系統進行顱腦轉移瘤診斷分析，影像醫生的診斷敏感度從77.6%提升至81.9%，每例患者的診斷時間從114.4 s 減至72.1 s；經驗不足的影像醫生診斷敏感度提高了約 10%。MASOOD 等［6］運用基于胸部CT 圖像的計算機輔助診斷系統進行肺癌診斷分析，診斷平均準確率84.58%，對肺癌T1～T4分期鑒別的準確率77.89%～90.14%。BECKER等［7］使用深度學習圖像分析系統對143 例診斷為乳腺癌或交界性病變的患者進行診斷分析，診斷準確率達82%，而經驗豐富的放射科醫師診斷準確率為79%～87%，兩者相差不大。ARAMENDIA-VIDAURRETA 等［8］使用基于子宮附件超聲圖像的人工智能系統對附件腫物進行定性，準確率高達98.78%，靈敏度為98.50%，特異度為98.90%。由此可以看出，人工智能系統對于醫生判讀影像學結果有一定的輔助作用及價值，其不僅能提高醫生對疾病診斷的敏感度，還能縮短醫生閱片診斷的時間，既提升了準確率，也提高了效率。

1.1.2 內鏡檢查 人工智能技術能通過攝取內鏡所獲得的圖片中組織的微細紋理特征，進行深度學習，將內鏡圖像進行分類并預測診斷。MIYAGI等［9］基于陰道鏡圖像，使用人工智能系統對330 個圖像進行分析，診斷判定準確率為0.823，敏感度為0.797，特異度為 0.800。ITOH 等［10］開發的人工智能模型，基于胃鏡圖像進行幽門螺桿菌感染診斷，敏感度和特異度分別為86.7%、86.7%。GREGOR等［11］基于結直腸鏡檢查運用人工智能實時定位并識別息肉，準確率達96%。人工智能通過對內鏡圖像進行深度學習能更好地協助臨床醫師診斷疾病。

1.1.3 病理檢查 在數字化病理學中，人工智能技術已應用于各種圖像處理和判別任務中，包括側重于對象識別問題的低級任務（檢測和分級）及更高級別的任務（根據圖像預測疾病診斷和疾病預后）［12］。

隨著數字化載玻片掃描技術在組織病理學實驗室中應用的增多，數字化整體圖像（WSIs）將逐步取代常規病理學工作中的載玻片，使用基于WSIs的深度學習系統可對組織進行識別，并對數據進行提取分析。人工智能系統能通過分析組織形狀以確定組織圖像的分化程度，通過分析淋巴細胞密度，腫瘤基質組成和核等指標，得到有用的預后數據［13］。由于腫瘤免疫治療的成功，近年來腫瘤微環境中的免疫細胞已經獲得了大量的關注。因此，使用人工智能技術對腫瘤浸潤免疫細胞進行定量分析成了數字組織病理學圖像分析中的新興主題之一［14］。

放射學圖像已經從二維（2D）慢慢轉變為三維（3D），病理學也逐漸利用3D 組織表征改進診斷方法，為臨床決策提供更精確的信息。在此過程中，人工智能技術將輔助病理學家和腫瘤學家解讀和分析龐大數據資料。

1.2 人工智能在臨床決策中的應用 人工智能具有自我學習的能力，能通過搜索并收集專業醫療知識，建立大數據庫，運用認知分析技術，不斷完善自己。隨著人工智能技術的發展與大數據庫的建立，疾病治療模型被逐步建立。人工智能系統能收集多個變量后輸入模型并進行分析，模擬醫生的臨床思維及診斷推理模式，提出對患者現階段較為有效的臨床決策或建議。醫生結合臨床經驗，最終決定最后治療方案［2］。其涉及患者疾病發展的各個階段。

在疾病發展初期，人工智能可識別高危人群。WANG 等［15］運用重癥醫學科患者包括臨床數據、生理波形等32 項生物信息學數據，總結出TS-Cox 模型，預測患者的生存狀態，從而調整治療方案，避免嚴重并發癥的發生。在疾病發展中，人工智能根據患者現有狀況、治療效果及客觀的生物信息學數據，對患者下一步用藥、操作進行指導。YU等［16］建立模型指導治療過程中機械通氣、鎮痛鎮靜藥物的應用。人工智能根據48 個生物信息能對敗血癥患者制定治療決策，當臨床醫生的實際方案與人工智能相符時患者病死率最低，預后更好［17］。在慢性疾病發生后，人工智能可結合圖像對相關并發癥的發生進行預警，從而做到更好的預防。有研究基于視網膜特征提出糖尿病性視網膜病變的檢測算法，并以此指導臨床決策［18］。腦卒中、腫瘤等疾病的計算機模型也在臨床治療中提供重要的決策建議，這使疾病的診治更規范有效。

1.3 人工智能在臨床治療中的應用 臨床智能化治療是人工智能的一個重要產物。在手術治療方面，智能系統術前協助能創建三維圖像，進行圖像分析和處理，根據疾病類型及解剖結構設計手術方式，術中協助實施手術基本操作。機器人輔助已被廣泛應用于外科手術領域中，其能降低并發癥的發生率，使各科疾病的手術治療方法也因此變得更多樣［19］。在達芬奇機器人輔助下手術時，將手術視野投放到外接設備，醫生通過操縱桿靈活指揮機械臂。由于機械臂的多關節結構，醫生的操作角度更多樣，解剖操作更精細，這能減少并發癥的發生。在放療方面，由于設備及技術的提升，可實施精準放療。根據患者個性化特征，自動化劃界［20］、自動預測目標劑量［21］等保證了放療的個體化、安全、有效。在化療方面，人工智能能預測腫瘤藥物的有效性［22］。人工智能能實時識別帕金森病患者的姿勢與運動狀態，通過高精度反饋調節進行深部腦刺激［23］。人工智能可實現對慢性病的監控及管理，在控制慢性病發展的同時減少并發癥的發生。

由于人工智能的精確性、實時性以及大數據的運用，可在臨床順利開展精準化治療，這讓疾病治療實現個體化，使治療過程更安全有效。

2 人工智能的在醫學中的應用前景

2.1 相關政策 人工智能在世界范圍內掀起一陣熱潮，中國作為世界大國，對人工智能技術的研發也投入相當的人力物力。2017 年我國發布了《新一代人工智能發展規劃》，醫療作為重要的領域受到高度重視。《中國制造2025》提出加強生物醫藥及高性能醫療器械產業發展，為智能化診斷、治療、預后監測提供基礎保證。國家的《關于促進“互聯網+醫療健康”發展的意見》提出要健全服務體系，完善支撐體系，加強行業監管和安全保障，從醫療層面的影像、病理、臨床到基礎設備層面的醫用機器人、生物三維打印等，都要加大研發力度。國家對人工智能技術的發展予以極高重視，可以預想人工智能將會對社會各個領域尤其是醫療領域帶來重大變革，為各行業的發展提供強大的動力。

2.2 物聯網醫學 物聯網是指利用信息傳感設備將所有對象連接到互聯網進行信息交換，以實現智能化識別和管理。其由設備抽象層、設備適配層、數據提取層、數據篩選集成層組成［24］。物聯網是大數據時代的重大進步，通過增強型服務推動實時工程的發展及應用，它在許多領域發揮了驚人的作用［25］，如農業、醫療保健、家庭、業務、娛樂、汽車、體育、工業等。

可佩戴傳感器的發展為物聯網在醫學中的應用奠定基礎。醫學應用中傳感器模型包括生物電位專用傳感器，如心電圖、肌電圖、腦電圖和光人體測量傳感器；運動傳感器，如加速度計和陀螺儀；環境傳感器，如攝像機，溫度和壓力傳感器［26］。心率、呼吸頻率、體溫、血壓、糖率等生理狀態也能被實時監測，這些生物信息的精確測定及快速傳輸，成為醫療保健系統的重要數據來源，能用于監測病情、指導治療，這提高了遠程醫療的可行性，讓醫療保健監測得以實現。物聯網技術還可用于定位跟蹤、警報聯動、急救調度，使院外急診患者能盡早得到救助，提高患者搶救成功率。

物聯網利用傳感器設備收集數據，通過云計算、霧計算進行大數據分析，能實現個性化醫療保健［25］。物聯網的運用還能整合了大小醫院醫師、患者及設備，克服不同地區醫師及設備資源的差異，解決了先進醫療與落后人力設備資源的矛盾。

2.3 人工智能醫療平臺 基于人工智能的醫療平臺綜合了各種疾病的診斷模型，根據物聯網傳感器設備收集的數據，為患者提供診斷意見，預測患者疾病預后，給出建議［27］。糖尿病診斷監測模型、心血管疾病診斷監測模型等模型被開發并加以應用［28-29］，能更好地完善醫療平臺的建設，使慢性病患者在疾病管理上獲得實時建議，從而降低慢性病急性發作的風險。

運用平臺的智能通訊功能，能充分實現遠程醫療支持工作。慢性病的管理［27］、急性病的診治［30］，都能通過人工智能醫療平臺實現，專家能遠程指導對患者的診治工作。隨著第五代移動通信技術（5G）時代的到來，遠程醫療快速發展，人工智能醫療平臺也因此而向前邁進一大步。

人工智能醫療平臺縮短了醫生與患者的距離，減少了各地醫療水平差距帶來的問題，提高了醫療資源的利用率，完善了已有的醫療體系。

3 人工智能在醫學中應用的局限性

人工智能的快速發展為臨床醫療提供了支持，同時帶來的還有倫理及法律的問題。大數據是人工智能發展與應用的基石。醫療數據不僅包含了姓名、年齡、性別等個人信息，還有既往史、個人史、既往診療記錄等重要信息，而大數據的收集則會增加醫療數據泄露的風險。醫療數據隱私引起的就業歧視、特殊疾病造成的社交歧視等都是醫療大數據可能帶來的倫理問題［31］。另外，高質量的醫療數據仍然不足，目前人工智能還依賴著醫生的監督訓練，醫生診斷的不一致性及模糊性會一定程度地限制了人工智能的準確率。智能醫療的醫療安全問題也應得到重視。目前智能醫療系統尚未安全成熟，在臨床醫療過程中存在著各種醫療風險，智能醫療系統的臨床決策需經臨床醫生審核才能最終應用。而在人工智能繼續發展的日后，智能系統獨立對患者進行診治，需要相應的法律及規定明確其可行性。在現有社會現狀中，人工智能并未覆蓋所有地區。在相對富裕、醫療資源豐富的地區，人工智能的運用將比落后地區多，在保證人工智能的醫療安全后，人工智能的患者受眾覆蓋范圍，也涉及公平性的倫理問題。

所以，人工智能在臨床醫療中具有其獨特的優越性，也有其局限性。在發展智能醫療的同時，也要完善與其相配對的其他領域的工作，以擴大人工智能的使用范圍，提高人工智能的使用效益，擴大其在醫學中的應用范圍。

人工智能的發展及應用給各行各業帶來了不同程度的變革，尤其在醫療領域中，人工智能對臨床診斷、決策及治療都具有重要的輔助作用。隨著5G網絡的發展、物聯網的建立以及智能平臺的成型，實現實時監測診治，完成遠程醫療。當然，人工智能在醫學中的應用還需要完善其他相關領域的工作，落實與其相匹配的法律，解決相應的倫理學問題，使其成為醫學應用中的利器。