人工智能在輔助醫療領域現狀與未來發展趨勢概述

許家睿

【摘要】? ? 人工智能技術自上個世紀五十年代被提出來之后，已經經歷了近半個世紀的高速發展，在各行各業有著廣泛的應用價值。以專家系統為代表的人工智能技術與醫療領域結合后，取得了令人矚目的應用成果。近年來，計算機視覺、深度學習等人工智能新興技術與醫療領域的結合更為廣泛，為“人工智能+醫療”帶來了新的前景，但目前人工智能在醫療領域的應用仍以輔助功能為主，缺乏自主診斷的能力，也存在一定的法律和倫理風險。本文介紹了醫學專家系統、醫學影像、知識圖譜、計算機視覺、深度學習等技術在醫療領域的應用，最后從國家政策和醫療體系等方面對人工智能醫療的未來進行了展望。

【關鍵詞】? ? 人工智能? ? 醫療? ? 應用? ? 未來展望

引言

人工智能是當今擁有廣闊發展前景的新興科學技術，為人類的生活方式帶來了諸多影響和改變。現如今，人工智能技術，包括圖像識別、自然語言處理、知識圖譜、計算機視覺等，已經在生產、生活的各個場景下得到了廣泛應用，掀起了新一輪工業革命。人工智能的概念早在上世紀50年代就被提出，誕生之初便與醫療系統擁有緊密的關聯，70年代初，由美國斯坦福大學開發的MYCIN系統，協助醫生對血液感染患者進行診斷，并具備推測斷可能的致病菌、為患者選用合理的抗菌素類藥物進行治療等功能。進入二十一世紀，人工智能在醫療領域受到了更為廣泛的關注與應用。由IBM研發的新一代人工智能平臺，具有邏輯推理程序，是專家系統在醫學人工智能領域的翹楚。自2011年開始，被用于美國安德森癌癥醫院進行腫瘤循證診斷。人工智能所特有的快速處理且相對獨立的特性決定了其在醫療領域擁有廣闊的發展前景，近年來衍生出許多基于人工智能技術的前沿醫學技術和醫療器械。本文論述了人工智能在輔助醫療領域的現狀與未來發展趨勢，探索人工智能的醫用價值。

一、人工智能在輔助醫療領域現狀與問題

1.1 醫學專家系統

專家系統可以看作引入了專業領域知識并可以進行推理的特殊程序，用于模擬某個領域專家的工作，是早期人工智能領域的一個重要分支。傳統專家系統主要由知識庫和推理機組成。知識庫是專家系統最重要的組成成分，知識的質量直接影響專家系統的表現。知識庫包含基本事實，相關理論，經驗知識和推理規則等信息。醫療專家系統需要利用病歷信息、書籍、論文以及專家傳授的經驗構建高精度的知識庫，才能達到較好的診療效果。推理機按照某種策略，根據知識庫中的規則和已知事實推斷得出結論。一般有兩種推理策略：前向推理，從已知的事實出發，在知識庫中尋找匹配的知識，將推理出的新事實作為下一步的已知事實，重復這一過程直到得出結論。臨床診斷中，醫生根據患者的癥狀和檢查結果，與已知疾病的癥狀進行比較，分析患者疾病并開出相應藥物，這個過程就是前向推理。后向推理是前向推理的逆推理，先提出假設，再匹配結論與假設相吻合的規則，根據所需的條件又提出新的假設，直至所有假設都能從用戶得到，從而確證最初的假設。相同的病癥可能有多種病因，事實和結論之間通常不是絕對的關系，這是就需要統計推理，選擇可信度較大的結論。隨著深度學習的發展，專家系統也與自然語言處理、計算機領域等相結合，成了更加復雜、功能更加強大、交互性更好的系統。

沃森是目前影響范圍最廣的醫療專家系統之一，2012年，IBM決定將其應用于醫療健康領域，解決全世界范圍的難題——癌癥。利用自然語言處理和深度學習算法，從百萬頁的醫學論文、期刊和臨床實驗報告和上萬本病例中提取并理解數據，并結合專家的經驗，給出多份治療方案，為主治醫師提供多種選擇。而這個項目并沒有按照預期規劃進行發展，在近幾年陷入困境。在臨床的實驗中，醫生發現沃森開出了危險的治療意見，給有出血癥狀的癌癥病人開了可能引起嚴重出血的藥品，嚴重時可致患者死亡。此外實際的使用和對系統的訓練中，也是困難重重，雖然沃森具有強大的學習能力，但其不具備分辨能力，其知識庫中只有少部分論文包含有價值的信息，如果不加以篩選，可能會得到錯誤的治療方案。

1.2 醫學影像

醫學影像借助于電磁場、超聲波等介質，以非侵入的方式將人體內部組織結構以影像形式呈現出來。隨著大型醫學成像技術與設備的普及，醫學影像檢查已經成為提供醫療診斷關鍵信息、協助醫師評估患者身體健康情況的一門醫療技術。醫學影像可以分為成像和圖像分析兩部分的工作。成像過程，人工智能技術不僅可以加快成像速度，減少成像時間，避免患者不自主運動對成像質量的影響，還可以去除噪聲，實現成像質量的提升。在對影像的分析中，人工智能可以從海量數據中提取有價值的信息，幫助醫生提高影響識別的準確率，避免主觀因素的影響。基于人工智能的醫學影像研究對包括皮膚、腦部疾病和眼底病變等展開研究，對于部分疾病，人工智能的準確率達到了專家水平，但是也面臨著一些問題。

Google的DeepMind Health團隊將深度學習應用到糖尿病性視網膜病變問題中，通過檢測測試者視網膜眼底圖像，進行病情預警和診斷。在理想的實驗室環境下，這套系統的診斷準確率高達90%，相當于人類專家水平。但是在臨床上的表現卻不盡如人意，與泰國的合作中，十一家診所中只有兩家具有滿足條件的影像室，由于光線問題，超過20%的圖像都不能正常識別，網絡問題導致患者等待處理結果數個小時。Google的經驗說明，人工智能在醫療領域，要能真正落地應用，不僅需要技術上的改進，使之能夠適應臨床環境，還需要從醫生和患者的角度出發，去滿足他們的需求。

1.3 知識圖譜

知識圖譜在圖書情報界又被稱為知識域可視化和知識領域映射地圖，其概念最早于2012年由谷歌公司提出。知識圖譜本質上是一類融合自然語言處理、信息可視化技術、計算機科學等技術的自然語義理解網絡，以事件、實體作為節點及事件聯系作為邊的基本單位儲存數據、通過在于語義層面建立“實體——關系——實體”的三元連接以綜合分析處理多學科的知識并可視化展現。

基于專業知識庫的知識圖譜可以輔助醫生進行醫療診斷以及提供合理的用藥建議，提高現代醫療的效率與水平。就專業知識的知識圖譜的構建步驟而言，可以合理選用具有較高學術價值的相關專業知識領域的數據庫及熱點交叉領域的文獻進行可視化分析整合，進而廣泛地呈現病情的可能發展方向、為醫師提供具有合理性的用藥指導。

基于專業知識圖譜建立咨詢系統，可以有效率地分析病情并針對特定情況提出健康建議，通過知識圖譜強化醫療系統的服務職能。在對于搜索內容本身的語義發掘、計量其中共現詞的分析下，可以一定程度上反映出在特定疾病領域投入關注較多的各國家和地區醫療領域研究主力與熱點研究方向，側面反映所采用數據的對象數據質量的研究深度與專業程度，所得的可視化分析結果可以直觀清晰地供給對于世界醫療體系在全球化趨勢下研究領域側重方向與發展現狀的探討，對于明確醫療疾病領域科研建設性、領導性的綱領、形成國際社會統一的具有普適性的醫療手段具有良好的推動作用。

二、人工智能在輔助醫療領域的應用

2.1 人工智能在乳腺癌領域的應用

徐琰、胡保全簡述了人工智能在乳腺癌診斷、病理診斷、輔助抗癌藥物開發等方面的作用，梳理了篩查乳腺癌的CAD、人工智能技術與乳腺癌針吸細胞學病理診斷等相關應用。基于目前全球范圍下人工智能在乳腺癌領域的應用實例，兩人提出了乳腺癌領域的工作內容與醫學影像學和病理學領域密切相關，而這兩個領域正處于人工智能發展較為迅速的潮流之下;而目前人工智能尚處于“弱人工智能”階段，距離全面融入臨床醫師日常工作、全球范圍大規模使用、切實縮小不同地區間醫療水平差距等目標尚有很長的路要走。

2.2 人工智能在中醫骨傷科領域的應用

劉軍等人對于人工智能在中醫骨傷科領域的應用進行了研究，在數據挖掘 （data mining，DM）、圖像處理與模式識別技術、華佗（WATO）全膝關節置換手術機器人系統等實例佐證下提出了精準醫療的應用典范。主要探究了數據挖掘在骨傷科研究方面的應用、圖像處理與模式識別與中醫中“望、聞、問、切”診療手段的關系，以及基于計算機視覺的醫學影像和基于智能機器人的醫療機器人在智能診斷和智能治療環節的應用價值，并提出了現階段我國人工智能與中醫骨傷科領域相結合的諸多問題。

2.3 人工智能在血管外科的應用

趙紀春介紹了輔助診療方面，人工智能與醫學影像等技術融合后在血管外科的實際應用場景。醫學影像人工智能產品早已投入多種血管癌病種的篩查中，對于在動脈瘤先兆破裂或緊急破裂等緊要情況下可以快速輔助醫生進行決策，減少病人的死亡率。同時，人工智能也在提高醫生的工作效率、保護一生的工作健康中起到很大的作用，如血管介入機器人在血管介入手術中的實際應用可以減少醫生輻射下的工作時間，保障醫護人員的工作健康。

2.4 人工智能在醫療領域的應用問題

在人工智能醫療技術為醫療領域分擔壓力、提高工作效率的同時，我們也需要關心其潛在的隱私問題。在患者通過人工智能醫療系統進行病理診斷時，會在系統中留下與自身身體數據隱私和病情相關的生理、心理健康等相關信息，除患者的基本公民信息以外還包括基因檢測等對于患者具有嚴格的隱私性的數據。如果這些數據不被安全合理地管理和保存，被通過不法途徑取得，會侵犯患者的權利，會造成民眾內對于醫療領域人工智能技術的信任下降，對于人工智能輔助醫療的廣泛應用具有反推的作用。因此，對于現階段醫療領域人工智能技術的實際運用，需要探究相關的法律責任機制和醫療倫理問題。

三、人工智能在輔助醫療領域未來發展趨勢

3.1 國家政策支持

要將人工智能應用到輔助醫療領域，需要醫學領域的專業人士與程序開發者的共同努力。受限于人工智能算法的原理，目前算法的可解釋性較差，魯棒性較差，研發難度大。產品從設計到落地有很長的研發周期，需要大量的資金支持。而大部分企業無法承擔這樣的研發費用，限制了人工智能在醫療領域的發展。而一旦成功應用，可以很大程度解決醫療資源分配不均的問題，擴大醫療服務普及范圍，讓優質醫療資源更加公平。因此國家應該加大對相關企業的投資力度，鼓勵支持企業對于人工智能醫療領域應用的研究。出臺政策加強校企合作，充分學術界和產業界的資源，共同研發，攻克這一難題。

3.2 完善醫療體系

醫療體系需加強合作、完善，形成各醫療機構間數據共享。無論是專家系統知識庫的構建，醫學影像系統數據的標注，還是建立統一的醫學標準術語，都需要具有豐富臨床經驗的醫學專家的參與和指導。而且需要各個醫院共享醫療數據，醫藥、醫療器械相關的企業也應該提供相應的幫助。然而目前優質醫療資源匱乏，符合條件的醫生沒有額外的精力投入到相關科學研究中。

四、結論

人工智能與醫療的結合自醫學專家系統開始，已有了數十年的發展歷程。現階段，受限于人工智能技術的發展瓶頸和醫療數據共享的壁壘，人工智能在醫療領域更多承擔起輔助的作用，并不具備自主診斷、提供個性化醫療方案等高級能力。以計算機視覺、知識圖譜為代表的新興技術正在為“人工智能+醫療”帶來更多的應用場景。目前，人工智能在醫療領域的應用還存在諸多問題，如個人醫療信息的泄露風險，以及輔助醫療技術的倫理與法律問題，都會對人工智能醫療的應用前景產生影響。因此，要從國家政策和醫療體系等方面進行統籌建設，為未來“人工智能+醫療”高速發展奠定良好的基礎。

參? 考? 文? 獻

[1]趙崢. “互聯網+”醫療模式的構建研究[J]. 網絡安全技術與應用，2020，（05）：131-133.

[2]? 劉軍，韓燕鴻，潘建科，曾令烽，梁桂洪. 人工智能在中醫骨傷科領域應用的現狀與前景[J]. 中華中醫藥雜志，2019，34（08）：3608-3612.

[3]? 李明杰. 人工智能生成內容的著作權研究[D].北京化工大學，2019.

[4]? 周海輝，張海霞，嚴婷婷，葛衛紅. 腫瘤大數據在抗腫瘤藥物應用中的研究進展[J]. 現代藥物與臨床，2018，33（11）：3079-3082.

[5]? 趙一鳴，左秀然. PACS與人工智能輔助診斷的集成應用[J]. 中國數字醫學，2018，13（04）：20-22.

[6]? 徐琰，胡保全. 淺談人工智能在乳腺癌領域的應用進展[J]. 大數據時代，2018，（01）：59-63.

[7]? 陳權，譚鳴. 一起“乳腺癌”病理報告失誤導致的醫療事故分析[J]. 外科研究與新技術，2012，1（03）：169-170.