1月7日，Nature旗下頂級醫學(xué)期刊Nature Medicine雜志同期刊登8篇論文，全部聚焦人工智能（AI）在醫學(xué)領(lǐng)域的應用，當屬史無(wú)前例。

其中一篇由美國Scripps研究所發(fā)布的文章指出，在醫學(xué)方面，AI（特別是深度學(xué)習）開(kāi)始在三個(gè)層面產(chǎn)生影響：臨床醫生將更快速、準確地進(jìn)行圖像分析；衛生系統將通過(guò)改善工作流程減少醫療差錯；患者能夠處理自己的數據，促進(jìn)健康。

1月9日，上海交通大學(xué)人工智能研究院聯(lián)合上海市衛生和健康發(fā)展研究中心、上海交通大學(xué)醫學(xué)院發(fā)布《人工智能醫療白皮書(shū)》，通過(guò)對AI在醫療領(lǐng)域應用情況的分析，提出包括醫學(xué)影像、輔助診斷、藥物研發(fā)、健康管理、疾病預測在內的五大應用領(lǐng)域。

1月11日，在2019年中國醫學(xué)大會(huì )上，IT計算與醫學(xué)這兩個(gè)看似存在巨大鴻溝的領(lǐng)域的專(zhuān)家齊聚一堂，對AI在醫學(xué)領(lǐng)域的應用與發(fā)展前景展開(kāi)熱議。

多點(diǎn)開(kāi)花

經(jīng)過(guò)60多年的演進(jìn)，AI加速發(fā)展，正在呈現深度學(xué)習、跨界融合、人機協(xié)同、群智開(kāi)放、自主操控等新的特征。在中國科學(xué)院自動(dòng)化研究所所長(cháng)徐波看來(lái)，人工智能發(fā)生從“不能用”到“可以用”的重大轉變，專(zhuān)用人工智能開(kāi)始逼近甚至部分超越人類(lèi)智能水平。

廣州醫科大學(xué)第一附屬醫院院長(cháng)何建行與加州大學(xué)圣地亞哥分校人類(lèi)基因組醫學(xué)研究所所長(cháng)張康在最新一期Nature Medicine上發(fā)文表示，在醫療健康領(lǐng)域，AI發(fā)揮重要影響的應用將涵蓋四大方向：診斷、治療、人口健康管理、監督和調控。

首先作為分診和篩查工具，AI可以降低醫療系統的壓力，把資源分配給最需要醫療幫助的患者。例如，通過(guò)深度學(xué)習，AI工具可以檢查視網(wǎng)膜圖像，確定哪些患者有致盲性眼病，并及時(shí)轉診給眼科醫生。

另外，AI技術(shù)還可以在一些理論上不復雜但時(shí)間緊、耗人力的任務(wù)上作為替代，讓醫療工作者可以去處理更復雜的任務(wù)。例如，自動(dòng)化分析射線(xiàn)成像，估測骨齡；自動(dòng)化分析心血管圖像，量化血管狹窄和其他指標；等等。

醫學(xué)影像是AI應用的典型實(shí)例，徐波以小腸膠囊影像識別為例稱(chēng)，運用AI技術(shù)之前，一個(gè)病例要耗費影像醫生3～6小時(shí)的讀片時(shí)間，出診斷報告時(shí)間不少于7個(gè)工作日，而運用基于深度卷積神經(jīng)網(wǎng)絡(luò )的小腸膠囊影像識別方法后，平均16毫秒就可以識別一張圖像，病變識別準確率高達99.5%，采集的同時(shí)進(jìn)行識別，可實(shí)時(shí)出結果。

“深度學(xué)習還使得語(yǔ)音識別在識別率上向類(lèi)人聽(tīng)覺(jué)邁進(jìn)一大步，甚至在某些數據集上超過(guò)人類(lèi)，達到工業(yè)可用的標準?！毙觳ㄅe例說(shuō)，“醫療語(yǔ)音輸入可徹底解放醫生的雙手，人工智能語(yǔ)音識別、自然語(yǔ)言處理技術(shù)，結合定向麥克風(fēng)，讓醫生在診療的同時(shí)實(shí)現病歷的結構化錄入，以此實(shí)現提高醫學(xué)文書(shū)工作效率和病歷質(zhì)量?！?/p>

中國醫學(xué)科學(xué)院醫學(xué)信息研究所所長(cháng)池慧也舉例說(shuō)，云知聲就在國內首次提出智慧醫療語(yǔ)音錄入系統，該系統基于深度定制的醫療語(yǔ)音識別模型，可根據不同科室、不同病種的整段病歷資料運算出關(guān)鍵詞句語(yǔ)料，為臨床和醫技科室提供分場(chǎng)景支持。

而在輔助診療方面，由中山大學(xué)與西安電子科技大學(xué)合作研發(fā)的CC-Cruiser系統，可用于診斷先天性白內障，其利用深度算法預測疾病的嚴重程度，并提出治療決策建議。由雅森科技與北京宣武醫院、北京大學(xué)人民醫院、北京協(xié)和醫院合作研發(fā)的腦功能多模態(tài)人工智能，通過(guò)對核磁共振、腦電等數據的分析，應用于阿爾茨海默氏癥、癲癇、帕金森病等腦功能疾病的量化分析、診斷和預測。

池慧表示，在藥物研發(fā)方面，AI技術(shù)也大有可為。2018年深度智耀對外宣布代號為“菩提”的人工智能藥物合成系統，通過(guò)大量學(xué)習公開(kāi)的專(zhuān)利和論文數據庫，能夠協(xié)助化學(xué)家進(jìn)行化合物合成，該系統能夠將化合物合成環(huán)節效率提高50%以上。

挑戰猶存

雖然醫療相關(guān)的AI技術(shù)不斷實(shí)現突破，但把技術(shù)“轉化”為真正實(shí)施于臨床的應用，目前還存在一定距離。

徐波指出，目前，智慧醫療產(chǎn)品大多處于試驗階段，距離符合臨床業(yè)務(wù)場(chǎng)景并落地還有一定距離。首先是缺乏驗證標準，需要對智慧醫療產(chǎn)品進(jìn)行算法軟件評審、臨床試驗以及第三方測評數據庫評估。另外，智慧醫療應用場(chǎng)景廣闊，但目前產(chǎn)品大多聚焦在局部效率提升，缺乏全局性重大產(chǎn)品，難以形成帶動(dòng)效應。目前為止，國內還少有真正的智慧醫療產(chǎn)品通過(guò)CFDA的認證，用于臨床。

徐波還強調，面向醫療健康的專(zhuān)用AI平臺對數據共享、數據關(guān)聯(lián)、數據安全、數據標注、軟件套件、基準測試等方面均提出了更高的要求，但目前，國內外均無(wú)面向醫療的數據、標注、訓練、基準的專(zhuān)用AI訓練平臺。

池慧也指出我國醫學(xué)人工智能發(fā)展面臨的很多問(wèn)題，首當其沖的就是缺乏合理的數據共享和流通機制，數據隱私保護和數據安全問(wèn)題都亟待加強。張康也表示，無(wú)論是對AI的初始訓練還是對算法的驗證和改進(jìn)，數據都是核心依托。要在醫療健康領(lǐng)域更廣泛地采納AI技術(shù)，數據共享的程度還需要進(jìn)一步加大。

另外，張康還在文章中指出，鑒于醫療保健數據的復雜性和大規模性，AI技術(shù)要有效利用各種方式收集的數據，在初始開(kāi)發(fā)階段就應做好數據標準化的工作，將數據轉化為在不同工具和方法中都能被理解的通用格式。

以AI輔助放射學(xué)為例，用于檢查操作的算法、研究?jì)?yōu)先級、特征分析和提取，以及自動(dòng)化生成報告，可能是由不同的供應商提供的產(chǎn)品，算法之間需要創(chuàng )建一套工作流互操作性標準進(jìn)行整合，并讓算法可以在不同設備上運行。如果不盡早優(yōu)化互操作性，AI技術(shù)實(shí)際應用的效果會(huì )受到嚴重制約。

發(fā)展建議

“醫療是人、患者、設備技術(shù)、醫院、監管部門(mén)等共同參與的，人工智能技術(shù)的加入，使得醫療過(guò)程中的各種關(guān)系產(chǎn)生了深刻的變化，需要重新建立一套可信、可靠、高質(zhì)量與高效率的醫療系統，需要政策、科研、技術(shù)、應用和產(chǎn)業(yè)等協(xié)同?！毙觳◤娬{說(shuō)。

池慧建議，我國應以國際通用標準為基礎，抓緊時(shí)間建立醫學(xué)人工智能標準體系，協(xié)同行業(yè)組織、標準化組織、研究機構、企業(yè)、高校、醫療機構等主體，集合相關(guān)領(lǐng)域專(zhuān)業(yè)人員共同參與技術(shù)標準制定。

另外，她還建議推動(dòng)醫學(xué)人工智能復合型人才的培養，注重開(kāi)展醫學(xué)與人工智能交叉型學(xué)科建設，培養跨界人才，鼓勵高校、科研院所與企業(yè)開(kāi)展合作，建立實(shí)訓基地和地方試點(diǎn)，并完善復合型高端人才的引進(jìn)機制。

張康等人預期，放射學(xué)、病理學(xué)、眼科學(xué)和皮膚病學(xué)等將是最早實(shí)現AI技術(shù)轉化的臨床領(lǐng)域，這些主要基于影像的領(lǐng)域適合訓練AI技術(shù)實(shí)現自動(dòng)分析或診斷預測。而在需要整合多種類(lèi)型數據的領(lǐng)域（例如內科）或以手術(shù)程序為必要組成的領(lǐng)域（例如外科專(zhuān)業(yè)），AI技術(shù)可能需要更長(cháng)的時(shí)間才能融入實(shí)際應用。

研究人員也提醒，雖然AI有望提高生產(chǎn)力，但它們和創(chuàng )造它們的人類(lèi)一樣并非絕對可靠，研究者、開(kāi)發(fā)者和決策制定者都有必要以批判的眼光評估和實(shí)施AI技術(shù)，記住它們的局限性。在政策方面還需要盡快制定AI的應用規范，明確監管措施，慎重考慮倫理道德等方面可能出現的問(wèn)題。

摘自《中國科學(xué)報》