人工智能技術在臨床醫療中的應用概述*

張 戎 劉洪臣

人工智能(artificial intelligence，AI)是研究通過計算機模擬人類某些智能行為和思維過程的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使其實現更高層次的應用。可涉及計算機科學、語言學、心理學和哲學等學科。通常認為，人工智能的發展歷史可以追溯到20 世紀50 年代。1956 年，McCarthy 在美國達特默斯召開的一次學術會議上首次提出“人工智能”的概念并將其認定為一門新興學科[1]。20 世紀60 年代，ELIZA 首次實現了早期的人機對話。1997 年，由IBM 公司開發研制的超級計算機“深藍”擊敗了俄羅斯國際象棋大師卡斯帕羅夫，使得人工智能首次顯示了其在推算及信息處理上相對于人類的優勢。此后人工智能獲得了快速發展，引起人們的高度重現，目前谷歌、微軟、IBM 等全球科技產業巨頭先后將人工智能作為其發展愿景或戰略方向，積極推動人工智能技術研發進步，全力搶占人工智能產業制高點[2]。目前，人工智能技術的應用可出現在人類生活的方方面面。人們正在享受著人工智能為我們帶來的巨大便利，同時人工智能也在不斷改變著我們的生活方式和工作模式。近年來，人工智能在醫學領域的應用越來越多，極大推動了醫療微創化和精準化發展，對人類健康的維護具有重要意義。人工智能將會促進現有醫療模式轉變，引領醫學發展進入新紀元。經專家預計，在未來20 年內人工智能技術將為醫學相關產業帶來高達1470億美元的巨大市場[3]。本文將主要圍繞人工智能在醫學臨床領域的應用現狀、存在問題及未來展望做一綜述。

1.人工智能的概念、特征、關鍵技術

人工智能是指借助計算機控制的機器模擬、擴展和延伸人的智能，感知環境、學習知識，進而獲得最佳結果的理論、方法、技術及應用系統的技術科學。其特征包括：①數據是基礎，計算是本質，由人類設計，為人類服務；②通過感知外部環境做出相應反應，從而與人類之間產生交互作用；③具備學習能力與適應性，可進行連接擴展和迭代演化。人工智能的關鍵技術包括：①機器學習與深度學習；②計算機視覺；③人機交互；④自然語言處理；⑤生物特征識別；⑥知識圖譜；⑦虛擬現實與增強現實；⑧人工神經網絡等[4]。

2.人工智能在醫學臨床中的應用

早期人工智能在醫療領域的探索出現在上世紀70 年代。1972 年，利茲大學開發的AAPHelp 是資料記載人工智能系統在醫療領域最早的應用。此系統主要用于腹部劇痛的輔助診斷以及滿足手術的相關需求[5]。隨后包括INTERNISTI、MYCIN、CASNET/ Glaucoma、PIP、ABEL、ONCOCIN等系統相繼問世，但均有不同程度的缺陷[6]。到上世紀80 年代，相繼出現了一些商業化人工智能應用系統，比如QMR(Quick Medical Reference)、哈佛醫學院開發的DXplain，主要是根據臨床表現提供相應的診斷方案。目前，醫療人工智能領域最知名的就是IBM/ Watson[7]，可在幾秒內篩選數十年癌癥治療歷史中的上百萬份患者記錄，為醫生提供可供選擇的循證醫學治療方案。中國信息通信研究院數據研究中心發布的《全球人工智能產業數據報告(2019Q1)》顯示，截止2019 年3 月底，全球活躍人工智能企業已達5386 家。在國家影響力方面，美國、中國、英國、加拿大、印度分列全球前五位。我國人工智能相關應用領域以醫療健康行業比例最高，可達22%。鑒于醫療健康領域涵蓋廣，診前、診中、診后環節長，未來人工智能將主要通過大數據、云計算、深度學習等人工智能先進技術廣泛應用于疾病的篩查、預防、診斷、治療、預后、康復等全過程[8]。人工智能在醫學臨床領域的應用主要包括以下幾個方面：

2.1 智能診斷 是指計算機借助人工智能的圖像識別和深度學習技術，對經影像學檢查的病灶部位進行快速而精確的識別，對病灶關鍵屬性參數進行測算分析，并對潛在的病灶給予定性、定量診斷，提高臨床醫生的工作效率和診斷準確率，縮短診斷時間，減少疾病的誤診和漏診[9]。此外，人工智能還能通過學習醫學書籍、病例、指南中的醫學知識和經典范例，構建類似人類的醫學知識庫，從而輔助醫生做出較為準確的診斷，并制定最佳的治療計劃[10]。通過AI 中的聚類算法能實現對心電圖的形態和RR 間期、動態心電圖中室性期前收縮的識別，準確識別心電圖中的噪音和人工假象，發現具有特殊心電圖特征的疾病亞型[11]。研究顯示機器學習(machine learning，ML)可輔助識別運動員的生理和病理性心肌肥厚，其診斷特異性和敏感性均超過傳統超聲檢查[12]。2011 年IBM 公司正式啟動人工智能認知系統Waston，以協助醫生提供個性化專業治療建議，標志著智能醫療進入一個新的臺階[13]。近年來國內的網易云信、萬里云等智能醫療診斷系統也已進入臨床推廣階段，促進了我國智能醫療產業的發展。

2.2 智能診療 是指采用計算機對病灶主要特征及屬性進行快速識別，并篩選出與當前病灶最為接近的歷史病例資料，調出其診療方案，由此指導醫生制定出針對當前病例的優選治療方案[14]。比如采用耳紋全息智能診療系統治療心腦血管疾病患者，可以提高治療的安全性和有效性，值得在臨床中推廣應用[15]。

2.3 智能隨訪 是指采用人工智能技術，對患者的歷史病例數據進行自動關聯，并對相同的檢查指標或同一部位的影像學資料進行配準分析，從而快速識別關鍵指標變化并自動計算出病灶變化情況，通過前后對比有效提高判斷精準性和隨訪效率[16]。比如近期國內學者結合大數據與人工智能技術，建設了新冠肺炎大數據智能隨訪平臺，并對平臺進行架構設計與數據集成，有效提升隨訪效率，輔助新冠肺炎疫情防控[17]。

2.4 智能門、急診全程輔助診療系統 主要指借助計算機完成以下工作：①智能分診：手寫、語音、自然語言交互問診；②智能分級：傳染病和急慢性病的分級、分科、分治、自動轉診；③智能醫囑：由計算機給出最佳檢查及處置建議；④智能會診：提供跨多學科的精準診斷及診療建議；⑤智能臨床決策：幫助給出精準臨床決策；⑥電子病歷：規范化的病例模板幫助書寫電子病歷[18]。

2.5 智能重癥監護 指借助計算機自動收集危重癥患者的生命體征和生理指標等信息，實時監測并評估其健康狀況和臟器功能，并表現為可視化的直觀效果，同時提供智能預測和精準臨床決策支持[19]。Kho 等[20]利用算法從電子健康檔案數據找出病情可能惡化的患者。Churpek 等[21]在由25 萬多例住院患者組成的數據集中，采用Logistic 回歸模型，準確預測住院患者在ICU 轉運期間可能發生心搏驟停或死亡的風險。

2.6 智能醫療機器人 主要包括手術機器人、護理機器人、醫學教學示范機器人、醫療服務機器人等[22]。比如近年來智能機器人在外科輔助手術、手術術后護理、醫療智能導診等方面均得到了廣泛應用，并取得了令人滿意的效果[23,24]。在消化道腫瘤的治療方面，學者們研制出了一款能定向給腫瘤組織靶向投遞藥物的納米機器人，該機器人通過感應低氧濃度，在腫瘤細胞活躍增生而產生的“缺氧區”投遞藥物，達到更加精確地打擊腫瘤的效果。此類機器人最大的進步在于顯著提高了化療藥物的靶向性，減輕了化療藥物對人體正常組織的殺傷作用[25]。趙銥民等國內學者成功研制了世界首臺自主式種植牙手術機器人，現已用于臨床并取得了良好的效果。與傳統種植手術方法相比，這種種植牙手術機器人具有高效、微創、精準、安全等特點[26]。在眾多手術機器人中，Robot 手術機器人和達芬奇手術機器人可以極大程度上改變手術操作依賴醫生專業知識和經驗的狀況，并能顯著減少手術創傷，增加精準度，為臨床手術操作帶來了重要革新，是目前的研究熱點[27,28]。

2.7 智能健康管理和疾病管理 是指實時記錄監控個人健康信息，全面評估其患病風險，并可及時發現急性病和高危病患者從而及時上報相關情況。此外，還可輔助社區醫生進行問診及轉診，提供精準檢查及處方建議。輔助進行智能隨訪、智能監測、智能場景化科普等。此外，還可實時監測患者治療后的康復狀況，并給予復診建議[29]。深度學習還可將心律失常表現與智能穿戴設備結合起來，從而對普通人群進行預警提示。Tison 等[30]在12 導聯ECG 的指導下，采用深度神經網絡研究并驗證通過智能手表檢測患者的心跳節律異常并預測其房顫的發生，結果顯示該方法對于房顫的預測具有一定的準確性，從而為疾病的預防提供了新思路。在呼吸系統常見病慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)中，人工智能技術可用于COPD 患者的早期篩選、預防、管理、隨訪、自我管理、康復訓練等，可最大程度地優化醫療資源，有效降低COPD 患者急性加重率和再住院率，提高醫務人員效率并減輕其負擔，改善患者生活質量，實現COPD 的現代化智能管理[31]。

2.8 智能約診 指根據患者的病情輕重智能預約，合理安排診療時間，從而一方面為病情危重患者提供就醫綠色通道，另一方面也可以優化就診程序，最大化有效利用醫療專家的寶貴資源。此外，還可通過機器學習和人工智能算法預測高失約風險的約診，采取適當干預措施，減少失約率，從而減少醫療資源浪費[29]。

2.9 智能院內就醫流程引導 指通過智能化就醫助手，依據患者的病情和病例資料，為患者提供個性化的精準就醫引導。同時借助人臉識別技術，輔助患者進行掛號和繳費等操作，優化診療程序，提高就診效率，提升就診體驗[32]。

3.問題與展望

人工智能在醫學領域的應用方興未艾。盡管市場應用前景廣闊，但切不可盲目樂觀，醫療人工智能相關產品從實驗室走向臨床大規模應用，仍需面臨重重考驗。比如我國目前尚無人工智能醫療應用的統一標準，各個醫院大部分都是使用自己的共享標準平臺，導致各醫院間無法共享患者信息，引起一定程度上的資源浪費，阻礙了跨醫院、跨區域和規模化醫療物聯網的形成，不利于醫療大數據的優化配置。其次是AI 輔助診斷系統需要頻繁更新，數據存在泄漏風險，如何更好的實現動態監管，也是面臨解決的重要問題。此外，目前醫療數據監管尚缺乏針對性的法律法規，例如個人醫療數據的歸屬和隱私保護，不同機構間數據的流通、使用、收費等規范標準，都需要探索明晰[3]。同時也要認識到，人工智能只能作為醫療工作的輔助工具，而不能完全取代醫護人員。未來，在提高診斷準確率的基礎上，如何利用AI 診斷系統實現患者自助導診，系統自動進行診斷、治療、藥品配送以及患者教育、隨訪和管理服務等，是AI 診斷系統的發展方向。相信隨著技術的不斷進步完善，人工智能必將更加深入地影響醫療工作的各個方面，帶給醫療行業新一輪技術革新，促進現代醫學的發展，為人類造福。

本文初步介紹了人工智能在醫學臨床領域中的應用現狀，近年來人工智能在口腔醫學中也有越來越多的運用，對口腔醫學的發展起到了顯著推動作用，由于口腔醫學的特點，這也是目前相關領域的研究熱點[33,34]。本文為人工智能口腔醫學與人工智能在醫學領域的應用相關內容進行對接，后續我們將就人工智能在口腔醫學各領域中的應用做出專題報告。