1月7日，Nature旗下頂級醫(yī)學期刊Nature Medicine雜志同期刊登8篇論文，全部聚焦人工智能（AI）在醫(yī)學領域的應用，當屬史無前例。
其中一篇由美國Scripps研究所發(fā)布的文章指出，在醫(yī)學方面，AI（特別是深度學習）開始在三個層面產(chǎn)生影響：臨床醫(yī)生將更快速、準確地進行圖像分析；衛(wèi)生系統(tǒng)將通過改善工作流程減少醫(yī)療差錯；患者能夠處理自己的數(shù)據(jù)，促進健康。
1月9日，上海交通大學人工智能研究院聯(lián)合上海市衛(wèi)生和健康發(fā)展研究中心、上海交通大學醫(yī)學院發(fā)布《人工智能醫(yī)療白皮書》，通過對AI在醫(yī)療領域應用情況的分析，提出包括醫(yī)學影像、輔助診斷、藥物研發(fā)、健康管理、疾病預測在內(nèi)的五大應用領域。
1月11日，在2019年中國醫(yī)學大會上，IT計算與醫(yī)學這兩個看似存在巨大鴻溝的領域的專家齊聚一堂，對AI在醫(yī)學領域的應用與發(fā)展前景展開熱議。
多點開花
經(jīng)過60多年的演進，AI加速發(fā)展，正在呈現(xiàn)深度學習、跨界融合、人機協(xié)同、群智開放、自主操控等新的特征。在中國科學院自動化研究所所長徐波看來，人工智能發(fā)生從“不能用”到“可以用”的重大轉(zhuǎn)變，專用人工智能開始逼近甚至部分超越人類智能水平。
廣州醫(yī)科大學第一附屬醫(yī)院院長何建行與加州大學圣地亞哥分校人類基因組醫(yī)學研究所所長張康在最新一期Nature Medicine上發(fā)文表示，在醫(yī)療健康領域，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(jiān)督和調(diào)控。
首先作為分診和篩查工具，AI可以降低醫(yī)療系統(tǒng)的壓力，把資源分配給最需要醫(yī)療幫助的患者。例如，通過深度學習，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，并及時轉(zhuǎn)診給眼科醫(yī)生。
另外，AI技術還可以在一些理論上不復雜但時間緊、耗人力的任務上作為替代，讓醫(yī)療工作者可以去處理更復雜的任務。例如，自動化分析射線成像，估測骨齡；自動化分析心血管圖像，量化血管狹窄和其他指標；等等。
醫(yī)學影像是AI應用的典型實例，徐波以小腸膠囊影像識別為例稱，運用AI技術之前，一個病例要耗費影像醫(yī)生3～6小時的讀片時間，出診斷報告時間不少于7個工作日，而運用基于深度卷積神經(jīng)網(wǎng)絡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%，采集的同時進行識別，可實時出結(jié)果。
“深度學習還使得語音識別在識別率上向類人聽覺邁進一大步，甚至在某些數(shù)據(jù)集上超過人類，達到工業(yè)可用的標準。”徐波舉例說，“醫(yī)療語音輸入可徹底解放醫(yī)生的雙手，人工智能語音識別、自然語言處理技術，結(jié)合定向麥克風，讓醫(yī)生在診療的同時實現(xiàn)病歷的結(jié)構(gòu)化錄入，以此實現(xiàn)提高醫(yī)學文書工作效率和病歷質(zhì)量。”
中國醫(yī)學科學院醫(yī)學信息研究所所長池慧也舉例說，云知聲就在國內(nèi)首次提出智慧醫(yī)療語音錄入系統(tǒng)，該系統(tǒng)基于深度定制的醫(yī)療語音識別模型，可根據(jù)不同科室、不同病種的整段病歷資料運算出關鍵詞句語料，為臨床和醫(yī)技科室提供分場景支持。
而在輔助診療方面，由中山大學與西安電子科技大學合作研發(fā)的CC-Cruiser系統(tǒng)，可用于診斷先天性白內(nèi)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(yī)院、北京大學人民醫(yī)院、北京協(xié)和醫(yī)院合作研發(fā)的腦功能多模態(tài)人工智能，通過對核磁共振、腦電等數(shù)據(jù)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(tǒng)，通過大量學習公開的專利和論文數(shù)據(jù)庫，能夠協(xié)助化學家進行化合物合成，該系統(tǒng)能夠?qū)⒒衔锖铣森h(huán)節(jié)效率提高50%以上。
挑戰(zhàn)猶存
雖然醫(yī)療相關的AI技術不斷實現(xiàn)突破，但把技術“轉(zhuǎn)化”為真正實施于臨床的應用，目前還存在一定距離。
徐波指出，目前，智慧醫(yī)療產(chǎn)品大多處于試驗階段，距離符合臨床業(yè)務場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(yī)療產(chǎn)品進行算法軟件評審、臨床試驗以及第三方測評數(shù)據(jù)庫評估。另外，智慧醫(yī)療應用場景廣闊，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，難以形成帶動效應。目前為止，國內(nèi)還少有真正的智慧醫(yī)療產(chǎn)品通過CFDA的認證，用于臨床。
徐波還強調(diào)，面向醫(yī)療健康的專用AI平臺對數(shù)據(jù)共享、數(shù)據(jù)關聯(lián)、數(shù)據(jù)安全、數(shù)據(jù)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(nèi)外均無面向醫(yī)療的數(shù)據(jù)、標注、訓練、基準的專用AI訓練平臺。
池慧也指出我國醫(yī)學人工智能發(fā)展面臨的很多問題，首當其沖的就是缺乏合理的數(shù)據(jù)共享和流通機制，數(shù)據(jù)隱私保護和數(shù)據(jù)安全問題都亟待加強。張康也表示，無論是對AI的初始訓練還是對算法的驗證和改進，數(shù)據(jù)都是核心依托。要在醫(yī)療健康領域更廣泛地采納AI技術，數(shù)據(jù)共享的程度還需要進一步加大。
另外，張康還在文章中指出，鑒于醫(yī)療保健數(shù)據(jù)的復雜性和大規(guī)模性，AI技術要有效利用各種方式收集的數(shù)據(jù)，在初始開發(fā)階段就應做好數(shù)據(jù)標準化的工作，將數(shù)據(jù)轉(zhuǎn)化為在不同工具和方法中都能被理解的通用格式。
以AI輔助放射學為例，用于檢查操作的算法、研究優(yōu)先級、特征分析和提取，以及自動化生成報告，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技術實際應用的效果會受到嚴重制約。
發(fā)展建議
“醫(yī)療是人、患者、設備技術、醫(yī)院、監(jiān)管部門等共同參與的，人工智能技術的加入，使得醫(yī)療過程中的各種關系產(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(yī)療系統(tǒng)，需要政策、科研、技術、應用和產(chǎn)業(yè)等協(xié)同。”徐波強調(diào)說。
池慧建議，我國應以國際通用標準為基礎，抓緊時間建立醫(yī)學人工智能標準體系，協(xié)同行業(yè)組織、標準化組織、研究機構(gòu)、企業(yè)、高校、醫(yī)療機構(gòu)等主體，集合相關領域?qū)I(yè)人員共同參與技術標準制定。
另外，她還建議推動醫(yī)學人工智能復合型人才的培養(yǎng)，注重開展醫(yī)學與人工智能交叉型學科建設，培養(yǎng)跨界人才，鼓勵高校、科研院所與企業(yè)開展合作，建立實訓基地和地方試點，并完善復合型高端人才的引進機制。
張康等人預期，放射學、病理學、眼科學和皮膚病學等將是最早實現(xiàn)AI技術轉(zhuǎn)化的臨床領域，這些主要基于影像的領域適合訓練AI技術實現(xiàn)自動分析或診斷預測。而在需要整合多種類型數(shù)據(jù)的領域（例如內(nèi)科）或以手術程序為必要組成的領域（例如外科專業(yè)），AI技術可能需要更長的時間才能融入實際應用。
研究人員也提醒，雖然AI有望提高生產(chǎn)力，但它們和創(chuàng)造它們的人類一樣并非絕對可靠，研究者、開發(fā)者和決策制定者都有必要以批判的眼光評估和實施AI技術，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(guī)范，明確監(jiān)管措施，慎重考慮倫理道德等方面可能出現(xiàn)的問題。
摘自《中國科學報》
