人工智能
——開啟醫學新時代

郝晨幸 周娜 張曉春

(青島大學附屬醫院腫瘤精準醫學中心，山東 青島 266071)

人工智能是在計算機科學、控制論、信息論、神經心理學、哲學、語言學等多種學科研究的基礎上發展起來的一門綜合性的交叉性的學科，是集新思想、新觀念、新理論、新技術于一體的新興學科[1]。

人工智能又分為弱人工智能、強人工智能及超級人工智能。弱人工智能是指幫助人類完成某些任務的工具或助手，雖然看起來像是智能的，并不是真正的擁有智能，目前的主流研究還仍然集中于這一層次，且已取得了可觀的成就[2]。本文就人工智能在醫學領域的發展和實踐做一簡要概述。

1 人工智能在醫學領域的發展簡史

“人工智能”概念最早出現在1950年圖靈的《計算機與智能》一書，但直到1956年的達特茅斯會議上才被正式提出并且日益受到重視。在醫學領域，1974年在斯坦福大學成立了醫學實驗計算機研究項目，其重要的目標即為促進人工智能在醫學中的應用[3]，但是由于那時候計算機還不能完成大規模數據和復雜任務的處理及分析，計算能力也有待突破，很多設想無法實現，從而使人工智能在醫學領域的應用一直處于低谷期。直到上世紀八十年代，隨著神經網絡的發展及5代計算機的誕生，使醫學人工智能步入了快速發展時期[4]。1985年召開了第一屆歐洲醫學人工智能會議[5]，1986年BP神經網絡算法得以發明和應用，1989年《醫學人工智能》雜志在意大利創立[6]，直接促進了人工智能在醫學領域的全面發展。進入21世紀以來，隨著科技的進步、算法的提升、深度學習等認知技術的發展，人工智能在醫學領域的應用逐漸走向成熟，由實驗室研究進入了臨床實踐。

2 人工智能在醫學領域的實踐

2.1

專家系統是指在某個領域內具有專家水平的人工智能系統，醫學專家系統就是運用專家系統的設計原理與方法，收集大量的資料與數據，模擬醫學專家的思維活動與推斷過程，來達到和醫學專家同等的診療水平[7]。

最早的醫學專家系統是1976年由斯坦福大學的肖特列夫等研制的MYCIN,該系統用于診斷和治療細菌感染類疾病[8]。而隨著大數據、自然語言處理、深度學習等技術的發展，由IBM公司與紀念斯隆-凱特琳癌癥中心(MSKCC)歷時4年訓練而成的沃森腫瘤(WFO)醫學專家系統日漸成熟，通過提供個性化、有優先順序的治療方案來幫助腫瘤醫生做出治療決策[9]。IBM提供的資料顯示，WFO可以在17 s內閱讀3 469本醫學專著、24.8萬篇論文、69種治療方案、61 540份實驗數據、10.6萬份臨床報告，并根據醫生輸入的病例，提取患者的屬性，再根據這些屬性查找臨床指南來確定候選治療方案，然后搜索證據數據庫，查找每個選項的支持證據，最后再根據最佳證據，用沃森算法給出最佳的和可供考慮的治療方案，并在其后給出具體參考文獻[10-11]。目前WFO在各國的一致性研究都得到了很大的肯定。2016年的圣安東尼奧會議上，采用雙盲法比較WFO和印度Manipal癌癥中心對638例乳腺癌患者做出的治療建議，符合率達到了93%[12]。由青島大學附屬醫院腫瘤精準醫學中心一項400例患者參加的研究也表明，WFO提供的治療建議與腫瘤科專家在某些癌種方面取得了高度的一致性，比如卵巢癌、肺癌等，但胃癌、宮頸癌等癌種一致性則相對較低(卵巢癌96%，肺癌80%，乳腺癌80%，直腸癌74%，宮頸癌64%，胃癌12%)[13]。從上面的數據可以看出，WFO具有如下的優勢：①WFO可以幫助醫生制定最佳治療方案，減少醫生查閱及了解最新文獻資料所耗的時間，提高臨床工作效率，縮短年輕醫生培養的年限；②WFO可以使世界各地的患者得到國際上最權威、實時、前沿的診療方案，使其治療更加規范化、標準化；③WFO不會疲倦，可以連續工作，彌補醫生因疲勞而產生的差錯。但在實踐中也逐漸發現，其在某些方面還具有一定的缺陷：①目前的指南和文獻都是基于國外的最新數據整理而成的，因為缺乏我國的本土數據，使其在我國臨床上的應用受到一定的限制。②WFO應用還是比較局限的，如使用說明書中明確表明不支持多線化療失敗后的、18歲以下的以及妊娠的患者等。而且所涉及的幾類癌種中每一類也明確標明了適用與不適用的范圍，在多種情況下WFO也難以準確把握適用與不適用的度。③WFO雖然吸收了大量的數據資料，但據有關研究表明，其所做出的治療建議可能并不完全是基于最好最全面的證據，有可能是由人類監督員或者操作者來為WFO決定的，這些人都來自于MSKCC，即使有時支持這些治療建議的證據很薄弱，由于人為輸入給了WFO，便使診療建議帶有了MSKCC偏向，甚至有時候會出現錯誤[14]。

幾乎所有使用過WFO的專家都一致認為，它將會是醫生聰明能干的助手，可以更好地幫助醫生進行診斷與學習。但WFO畢竟不是人，沒有人類的思維及情感，在臨床實踐中，醫生對疾病的判定是一個復雜的過程，有時候不僅僅要解決患者生理上的問題，大多時候可能需要解決的是患者心理上的問題[15]，醫生會根據和患者及家屬在情感上的溝通與交流來給出委婉的解釋或最適合的治療選擇，而這是WFO不可能做到的，因此目前WFO是不可能取代醫生的。

2.2

在臨床工作中，醫生的診斷依據主要是患者的主訴、癥狀、影像資料等，臨床病理更是診斷的金標準[16]。雖然目前仍未有一款像WFO這樣成熟的產品市場化，或者說被大家所熟知，但是基于人工神經網絡(ANN)到卷積神經網絡(CNN)而做出的各種人工智能模型已經在圖像識別領域發展了很多年了[17]。首先，圖像識別技術可以分析X射線、CT掃描、MRI、病理切片等圖像資料[18]。如一張病理切片通常包含數百萬個細胞，一個病理醫師一天需要分析很多張病理切片，疲勞閱片現象非常普遍，影像科醫生同樣也是如此。許多研究人員發現，即便是對于同一例患者，不同影像科醫生或病理學家給出的診斷也往往會有很大不同。 2017年的一項研究發現，不同病理學專家對乳腺癌診斷的一致率只有75.3%，甚至在某些異型乳腺癌中，診斷的一致率竟下降到48%。可想而知，不少患者面臨著誤診的風險。而隨著人工智能技術的興起，人工智能在影像、病理讀片速度及準確度方面已經達到了可以媲美醫生的程度。ESTEVA等[19]通過用近13萬張痣、皮疹和其他皮膚病變的圖像訓練以CNN為基礎的人工智能系統識別其中的皮膚癌，在與21位皮膚科醫生的診斷結果進行比對后，發現其診斷準確率與醫生不相上下，達91%以上。CICERO等[20]用CNN深度學習了35 038張胸部X線片，對胸腔積液、心影增大、肺實變、肺水腫、氣胸進行了標記，人工智能系統判斷這些疾病的特異度和靈敏度都很高，最高可達91%。HAZLETT等[21]采用了3層深度學習網絡對315個參數(包括性別、不同腦區的體積、面積、厚度等)進行降維，預測自閉癥高危嬰兒患自閉癥的可能性，準確率也達到了94%；除此之外，在肺結節[22]、乳腺癌[23]、腦瘤[24]、前列腺癌[25]的分級分類問題上也都達到了90%左右的準確率。但人工智能在運用于傳統的眼底鏡影像診斷時遇到了一個問題，傳統的眼底鏡不同于CT、MRI等，即不同的人拍攝出來的眼底鏡照片在曝光程度、偏心程度、視野范圍等方面都存在較大差異，如何在預處理時消除這些差異，是一個難題，但人工智能判斷視網膜病變的程度還是達到與人類專家持平的程度，特異度和靈敏度很高，達到90%以上，但其算法的可行性還有待在以后的臨床實踐中進一步完善[26]。

人工智能的圖像識別技術原理是在分割圖像基礎上，檢測、提取圖像特征[27]，最后進行診斷預測，基本上都是采用深度學習的方法。深度學習是一種基于ANN數據進行特征學習的算法的泛稱[28]，如果說人工智能在醫療領域的哪個方面會率先取得突破，那一定會是在圖像識別這一領域。目前，國內的人工智能+醫學也大多集中在醫療影像方面，其中最具代表的就是騰訊的“覓影”，通過圖像識別技術和深度學習的方法對各類醫學影像(內窺鏡、CT、眼底照相、病理切片、鉬靶X線、超聲、MRI等)進行訓練，從而達到對病灶的智能識別，目前主要用于輔助醫生臨床診斷和疾病的早期篩查。也許在將來臨床工作中，對于一些繁重的工作，如病理診斷、實驗室檢查單診斷或影像學診斷，人工智能可以起到輔助醫生診斷的作用，甚至有替代醫生進行獨立診斷的可能。

2.3

減少患者的手術創傷，一直是現代外科醫學努力的一個目標。20世紀20年代，由腹腔鏡開啟了外科手術的“微創化”時代，但腹腔鏡也有其局限：由于手術器械轉動角度受限從而產生了一些手術盲區，且只能給外科醫生二維的手術視野，從而限制了腹腔鏡技術向更復雜外科手術的發展，也成為當前腹腔鏡技術發展中的瓶頸。進入21世紀，為了克服腹腔鏡技術的不足，手術機器人得以開發并迅速投入臨床應用，外科機器人手術逐漸成為微創外科手術的主流，因其全新的理念以及治療效果被認為是外科手術史上的一次革命，也預示著第三代外科手術時代的來臨。2000年7月通過美國的FDA認證后，“達芬奇”手術機器人系統成為世界上首套可以正式在手術室中使用的機器人手術系統。目前“達芬奇”手術機器人系統已經廣泛地在多學科得到應用，如泌尿外科、心胸外科、胃腸外科、肝膽外科、婦科等[29-32]。目前全球已有33個國家、800多家醫院成功開展了60多萬例機器人手術，三維立體和高清顯像可以準確清晰定位手術部位，操作安全穩定、創傷小、恢復快，使得“達芬奇”手術機器人倍受廣大外科醫生的認可和推崇。雖然“達芬奇”手術機器人已經運用得如此廣泛，但是其缺陷還是不容忽視，主要在于觸覺反饋體系的缺失，術者雙手不能直接接觸手術部位，無觸覺感知，無法判斷組織的質地、彈性、有無波動等性質；其次，技術復雜，學習曲線較長，醫師與系統的配合需要長時間的磨合；還存在安裝復雜，價格昂貴等問題。但隨著“達芬奇”機器人的發展，膠囊機器人、微型手術機器人等的到來，以后的手術方式會越來越微創化、智能化，同時也會促進人工智能在其他醫療領域的發展。

2.4

除上述應用之外，人工智能在醫療領域其他方面的研究也正在飛速發展著。比如智能制藥，通過人工智能來進行藥物篩選，對早期藥物的設計進行指導[34]；再比如智能外骨骼，可以幫助癱瘓的患者行走[35]；以及智能健康管理等等，在這里就不一一贅述了。

目前人工智能在臨床方面還處于試用研究階段，還沒有真正有歷史性突破的研發。其發展也處在平臺期(緩慢上升期)，正在累積能量。任何事情，包括全世界文明，都是呈現指數的規律發展。那么人工智能也一定是如此，毋庸置疑的是，未來人工智能將會遍布醫療領域的方方面面。

3 小結

綜上所述，人工智能將會是未來人類醫療的一個發展方向及發展趨勢，但目前在醫療領域人工智能仍不會取代醫生。不可否認，人工智能正在非常快速地、不以個人意志為轉移地進入我們的日常生活。人工智能就像PET-CT、MR、CT等醫療儀器的應用一樣，隨著這些新技術的發展，醫生對患者病情的了解可以更加的精準，也可以盡早發現早期病變，醫生的認知、業務能力也會隨之提高。可以說，未來醫療的新時代是人工智能的時代，會更好地輔助醫生進行工作。勿庸置疑的是未來的醫療，將會在人工智能的輔助下更加精準化、規范化、智能化。