人工智能在醫(yī)療領域的應用現狀和思考

庹敏 侯夢婷 鮑娟

湖北醫(yī)藥學院公共衛(wèi)生與健康學院，湖北十堰 442000

隨著“健康中國2030”國家決策的不斷推進，人工智能（artificial intelligence，AI）作為一項基礎技術被提升為國家戰(zhàn)略規(guī)劃，納入國家重點研究發(fā)展計劃。醫(yī)療AI 作為AI 領域的一個重要方向發(fā)展迅速，利用新型技術助力醫(yī)療領域的理論與應用早已成為醫(yī)療和研究機構研究的熱點。2020 年新型冠狀病毒肺炎疫情的暴發(fā)，加速了AI 技術在醫(yī)學中的應用，其在疾病預測與預防、藥物研發(fā)、健康管理、健康監(jiān)測與個性化醫(yī)療服務等方面作用凸顯。AI 將是未來整個醫(yī)療領域的提升方向，給醫(yī)學信息智能化賦予了新的意義和內涵。本文分析了AI 在醫(yī)療領域的應用現狀并對其所面臨的問題提出建議，推動AI 在醫(yī)療領域的深入探索與應用，為醫(yī)療AI 的發(fā)展提供理論基礎。

1 AI 在醫(yī)療領域的應用現狀

1.1 智慧醫(yī)院建設

1.1.1 智能語音電子病歷 智能語音技術是理想的人機交互的方式之一，讓機器通過接收、識別和理解人的語言信號從而轉變?yōu)橄鄳奈谋净蛑噶睢＝柚悄苷Z音識別技術，突破傳統(tǒng)醫(yī)療報告耗時長、效率低、報告輸入或記錄模式的限制，減少甚至代替鍵盤輸入可明顯提高醫(yī)生工作效率和服務質量，創(chuàng)新工作模式。Nuance 公司的醫(yī)療語音識別系統(tǒng)可將醫(yī)生報告錄入時間縮短為原來的1/5，有效提高醫(yī)生的工作效率。借助智能語音輸入寶整理病歷數據1min 可轉錄4000 字，識別準確率達98%。當前，智能語音電子病歷系統(tǒng)仍存在較大的技術挑戰(zhàn)，需要構建完備的醫(yī)學知識圖譜，并突破降噪、變異發(fā)音單元監(jiān)測和模型訓練等技術問題。隨著系統(tǒng)的優(yōu)化和升級，語音電子病歷將逐步提高在醫(yī)療場景的應用率。

1.1.2 智能導醫(yī)問診 智能問診分為預問診和自診。預問診，即在患者就診前通過虛擬醫(yī)療助手或智慧醫(yī)療小程序與醫(yī)生交互信息，初步形成病歷報告，供患者和就診醫(yī)生參考，提前了解病情以提供更好的診療服務；自診，即由患者在智能分診機器或互聯網醫(yī)院APP 通過人機交互完成智能問診，給出最佳就診科室建議，以縮短問診時間，提升問診效率。AI 與互聯網技術結合還推出智能問診APP 如智云健康、春雨醫(yī)生、微脈等，不僅為患者提供愛心義診、預約掛號、專家問診、在線咨詢、送藥到家等全方位服務，還提供健康教育、康復指導，緩解了分診壓力。

1.1.3 智能影像診斷 智能影像診斷，即將AI 技術應用于醫(yī)學影像輔助診斷領域，AI 在此領域落地最早、應用最廣。AI 在影像領域的應用主要分兩部分，一是圖像識別，二是深度學習，二者結合給醫(yī)學影像領域帶來巨大改革。圖像識別主要是將病變部位進行影像分析，獲取一些有意義的信息。食管癌AI影像監(jiān)測準確率達98%，并可區(qū)分淺表食管癌和晚期癌癥，肺結核AI 系統(tǒng)閱片診斷正確率達92%，膽管癌AI 磁共振成像診斷準確率達94%。深度學習主要是利用影像大數據和模型訓練，使其具有評估和診斷能力，進而得出輔助診療方案。Google DeepMind Health 團隊利用深度學習將視網膜眼底圖像用于糖尿病黃斑水腫程度監(jiān)測，敏感度為97.5%。國內學者使用智能超聲診斷系統(tǒng)對甲狀腺結節(jié)進行自動檢測，準確率達97%，國外學者利用Fuzzy Art 模型對急性闌尾炎進行診斷，定位準確率為95%，與專家水平相當。

1.1.4 醫(yī)療質量監(jiān)控 將AI 技術用于醫(yī)療質控，通過對醫(yī)療質控前監(jiān)測、智能質控提醒與醫(yī)務管理，從而提高全院醫(yī)療質量，為醫(yī)院管理提供科學的決策支撐。江蘇省人民醫(yī)院設計的智能靜脈血栓栓塞（venous thromboembolism，VTE）質控系統(tǒng)可動態(tài)化監(jiān)測住院患者VTE，實現院內VTE 及時識別和有效干預。基于移動護理的骨科創(chuàng)傷患者血糖管理系統(tǒng)，可實時采集、動態(tài)檢測血糖數據。羅愛靜等構建的合理用藥監(jiān)測系統(tǒng)，可監(jiān)測藥物劑量、合理的給藥途徑，還可審查與提示藥物的過敏史、禁忌證和不良反應。

1.1.5 遠程醫(yī)療 我國遠程醫(yī)療行業(yè)起步較晚，但由于國家政策的支持和疫情的催化，目前處于快速發(fā)展階段。遠程醫(yī)療包括遠程會診、遠程治療、遠程護理、遠程手術等服務模式。2019 年3 月，中國人民解放軍總醫(yī)院成功完成全國首例遠程人體手術——帕金森病“腦起搏器”植入術。利用遠程醫(yī)療技術對急性腦卒中患者進行救治，可確保患者及時轉運，提高搶救成功率，降低醫(yī)療成本。當突發(fā)應急災害、公共衛(wèi)生事件或事故救援時，基于云平臺進行在線評估、多學科協作診療與轉診、隨訪等遠程醫(yī)療服務，可實現醫(yī)療資源最大化利用。在新型冠狀病毒肺炎疫情防控期間，引入許多新的遠程監(jiān)控患者手段，不僅有利于控制疫情傳播，而且有助于確保向非新型冠狀病毒肺炎患者提供醫(yī)療服務。

1.2 智能藥物研發(fā)

智能藥物研發(fā)是指應用AI 技術機器學習模擬藥物研發(fā)過程，準確地選取藥物靶點和化合物、模擬動物實驗和臨床實驗，測試藥物療效和有效性及藥物重新定位，縮短藥物研發(fā)周期，提高研發(fā)效率，節(jié)省研發(fā)成本。van IJzendoorn等利用機器學習方法和基因表達數據，發(fā)現罕見軟組織肉瘤新的生物標志物和潛在藥物靶點。Pantuck等利用AI 技術鑒定藥物劑量和給藥效果，將恩扎盧胺和溴代多巴胺抑制劑ZEN–3694 聯合應用于轉移性前列腺癌患者，發(fā)現ZEN–3694 比初始劑量降低50%，已確定最佳劑量阻止癌癥蔓延。Moreira–Filho等利用基于AI 的計算方法和自動化分析研發(fā)并優(yōu)化血吸蟲藥物，使血吸蟲疫苗成為可能。

1.3 智能健康管理

1.3.1 疾病風險預控 AI 在疾病風險預控領域發(fā)展勢頭強勁，主要通過AI 系統(tǒng)監(jiān)測和評估識別疾病的危險因素，預先采取措施，從而阻斷、延緩或控制疾病的發(fā)生風險和發(fā)展進程。Cognoa 公司基于AI平臺兒童自閉癥篩查已獲得美國食品藥品監(jiān)督管理局監(jiān)管許可，準確率超過80%。基于AI 算法構建血壓模型與患者體檢指標結合可用于高血壓患者的病情預測和并發(fā)癥預防。國外學者利用AI 研究乳腺癌的病灶轉移及預后，總體準確率為83%。目前，AI 占領了疾病風險預控的主流，但精確度和普遍適用性有待提高。

1.3.2 居家健康管理/慢病管理 AI 為健康管理行業(yè)注入了新的活力。目前多以智能手機APP（Health book、妙健康、悅動圈等）和智能可穿戴設備（智能手環(huán)、手表、眼鏡等）來監(jiān)測用戶的基本生命體征、營養(yǎng)攝入、疾病管理、心理健康等指標，通過對健康數據的分析規(guī)劃用戶的日常鍛煉、膳食分配、健康教育推送；監(jiān)測用戶潛在的疾病風險及并發(fā)癥、用藥依從性，實現疾病早期預警與防控，提高用戶的自我管理。

1.4 智能醫(yī)療機器人

近幾年醫(yī)療機器人在醫(yī)療領域的應用取得實質性的進展。目前全球最成功的機器人系統(tǒng)是Da Vinci外科手術機器人。我國三所高校聯合研發(fā)的“妙手S”腹腔微創(chuàng)手術機器人可完成直徑<1mm 微細血管的剝離、剪切、縫合和打結等手術操作。我國學者設計的全自動無針頭疫苗注射機器人，可精確定位疫苗穿刺點和注射角度。在新型冠狀病毒肺炎疫情期間，遠程機器人極大地支持前線醫(yī)務人員的工作任務。啟動機器人開展消毒清潔、測量體溫、導醫(yī)問診、物資運送等防控工作，大大減少患者和醫(yī)護人員之間的密切互動，遏制病毒的傳播。

1.5 傳染病防控

在AI 的助力下，傳染病的預防和控制不斷創(chuàng)新升級。基于機器學習的傳染病預警系統(tǒng)可對某項特定傳染病進行早期預警和預測，實現傳染病實時監(jiān)測、早期介入，為傳染病的控制和管理決策提供科學依據。疾控中心利用AI 模型提前7 天預測流感和手足口病，準確率達80%以上。在傳染病大流行期間，利用AI 進行無人配送、自主消毒、遠程醫(yī)療等一系列無接觸服務，可減少病毒的交叉感染，減輕醫(yī)務人員的工作負荷。基于AI 合成技術可實現在超市、機場等公共場所自動檢測體溫和批準/禁止入內，以監(jiān)控和執(zhí)行防控措施，還可通過分析人們的行為和癥狀識別潛在的傳染病病例。

2 挑戰(zhàn)與思考

2.1 AI 助推醫(yī)療深化變革

AI、大數據等新興技術在醫(yī)療虛擬助手、新藥研發(fā)、疾病預測、健康管理等醫(yī)療場景得到廣泛應用，為醫(yī)療領域提供新興發(fā)展方向，改變傳統(tǒng)醫(yī)療服務模式，提高醫(yī)療管理效率，促進醫(yī)療資源合理配置。隨著醫(yī)療信息的不斷深入，AI 將推動醫(yī)療健康走向更高層次，開啟醫(yī)療衛(wèi)生領域全面智能化，建立一個更有效和更高效的醫(yī)療保健系統(tǒng)。

2.2 AI 在醫(yī)療領域面臨的挑戰(zhàn)

2.2.1 數據質量與實踐應用 AI 醫(yī)療產品的落地或模型的構建需要健康數據的支撐。健康數據主要來源于醫(yī)療機構數據和健康管理數據的全面整合。數據質量的高低，包括數據的準確度、安全性、標準化等直接影響AI 的質量。一方面國內大部分醫(yī)療機構獨立且共享程度低，存在數據不開放、不規(guī)范、重復且零散的問題；另一方面健康管理數據的缺乏、丟失造成數據不完整，且醫(yī)療機構數據和健康管理數據整合目前較困難，這些情況都制約著AI 產品/模型的真正落地應用。

2.2.2 人才挑戰(zhàn) 智能醫(yī)療需要具備AI 技術和醫(yī)學知識的復合型人才。現階段國內交叉學科人才普遍匱乏，多數AI 技術人員沒有醫(yī)學背景，醫(yī)學專業(yè)教學單一，缺乏系統(tǒng)性交叉學科的培養(yǎng)體系和方案。醫(yī)學信息學與生物工程學近幾年發(fā)展趨勢良好，但與醫(yī)學素養(yǎng)、AI 技術相脫離，無法很好地培養(yǎng)跨學科人才。

2.2.3 倫理挑戰(zhàn) 盡管AI 在醫(yī)療領域快速發(fā)展，但關于AI 倫理方面的研究相對較少。隨著智能設備實踐應用的場景增多，無形中弱化了醫(yī)療人員的職責定位，醫(yī)生與患者的關系可能轉變?yōu)獒t(yī)療系統(tǒng)與患者的關系，無法明確對基于AI 應用程序或AI 輔助臨床、護理決策中的風險隱患、醫(yī)療過失和事故進行定位追責。此外，由于AI 技術基于大量的數據集，在數據收集和共享方面容易出現個人信息泄露從而引起社會倫理問題。

2.3 AI 在醫(yī)療領域的發(fā)展建議

2.3.1 注重數據質量 優(yōu)質的健康數據是AI 實現的基礎。國家應大力推動基于系統(tǒng)化與標準化智能醫(yī)療健康數據庫和資源服務平臺的構建和共享，打破信息孤島，提高管理層面高質量數據的可訪問性，建立合理的數據訪問標準和制度。推廣AI 健康產品的應用，借助云技術對健康數據進行儲存、實時更新，為數據的流動、共享提供支撐。健康數據全方位深度整合需要管理者、醫(yī)生、信息技術人員等共同合作研究解決，期望早日突破數據整合瓶頸，促進智能醫(yī)療實踐應用的可行性和精準度。

2.3.2 重視培養(yǎng)復合型人才 智能醫(yī)療不僅僅是“人工智能+醫(yī)療”兩個學科的簡單合并，應明確學科的定位和培養(yǎng)目標。教育機構和高等院校應創(chuàng)新醫(yī)學教育培養(yǎng)體系，構建并完善復合型人才培養(yǎng)方案，科學分配基礎知識和AI 技術的學習。重視AI 與醫(yī)學的融合，加強人才儲備和團隊建設，促進交叉學科的一級建設。

2.3.3 健全倫理規(guī)范 建立公開透明的技術標準和管理機制，實行設計問責和應用監(jiān)督并重的雙層監(jiān)管結構，盡可能減少智能醫(yī)療系統(tǒng)的差錯，包括數據質量、算法設計、醫(yī)生的權威性等。同時建立一套完善的智能醫(yī)療糾紛解決機制。嚴格按照國家規(guī)定保護個人隱私，明確數據的使用權限。加強信息保護系統(tǒng)，避免數據外泄。

3 結語

本文總結了AI 在醫(yī)療領域的應用，對其未來發(fā)展和挑戰(zhàn)進行了展望，以期提高對智能醫(yī)療的了解。AI 可改變醫(yī)學服務模式，但其許多實際應用仍處于起步階段，醫(yī)務人員需不斷地探索切合實際、易于推廣的智能醫(yī)療應用場景，更好地為大眾提供醫(yī)療保健服務。