人工智能是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，最大的特點是能像人那樣思考，也有超過人類智能的潛力。那么，在健康醫(yī)療領(lǐng)域，人工智能取得了哪些成績，又面臨怎樣的挑戰(zhàn)呢?

 

　　2016年年初，AlphaGo擊敗了前世界第一的圍棋選手李世石，使人工智能這個名詞賺足了眼球。而最近，一臺披著“Master”馬甲的人工智能，在網(wǎng)上以60勝0負的成績“狠虐”了一番中日韓三國圍棋高手后，才揭秘自己就是升級版的AlphaGo。正如剛剛舉辦的美國拉斯維加斯消費電子展(CES)所展示的一樣，智能融入互聯(lián)萬物被認為是未來技術(shù)發(fā)展的一大趨勢。

 

　　那么，這個出現(xiàn)在大街小巷，顛覆了無數(shù)人價值觀念的人工智能究竟是什么呢?在健康醫(yī)療領(lǐng)域，人工智能取得了哪些成績，又面臨怎樣的挑戰(zhàn)呢?

 

　　健康領(lǐng)域主攻七大方向

 

　　人工智能是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，最大的特點是能像人那樣思考，也有超過人類智能的潛力。

 

　　人工智能發(fā)展60年來，無數(shù)科研工作者默默耕耘，不僅成就了AlphaGo，也使其在很多領(lǐng)域都有讓人驚奇的表現(xiàn)，比如在關(guān)乎每個人的健康醫(yī)療領(lǐng)域。

 

　　總的來說，人工智能在健康醫(yī)療領(lǐng)域的機遇主要有七大方向：一是提供臨床輔助診斷等醫(yī)療服務(wù)，應(yīng)用于早期篩查、診斷、康復(fù)、手術(shù)風險等評估場景;二是醫(yī)療機構(gòu)的信息化，通過數(shù)據(jù)分析，幫助醫(yī)療機構(gòu)提升運營效率;三是進行醫(yī)學(xué)影像識別，幫助醫(yī)生更快更準地讀取病人的影像所見;四是助力醫(yī)療機構(gòu)大數(shù)據(jù)可視化及數(shù)據(jù)價值提升;五是在藥品研發(fā)領(lǐng)域，解決藥品研發(fā)周期長、成本高的問題;六是健康管理服務(wù)，通過包括可穿戴設(shè)備在內(nèi)的手段，監(jiān)測用戶個人健康數(shù)據(jù)，預(yù)測和管控疾病風險;七是在基因測序領(lǐng)域，將深度學(xué)習(xí)用于分析基因數(shù)據(jù)，推進精準醫(yī)療。

 

　　目前，市面上比較常見并且高效運轉(zhuǎn)的，主要是自然語言理解類輔助診斷系統(tǒng)和醫(yī)學(xué)影像識別類輔助診斷系統(tǒng)兩個領(lǐng)域。

 

　　在自然語言理解類輔助診斷系統(tǒng)領(lǐng)域，國內(nèi)外有多家公司在長期耕耘，其中Watson知名度較高。2011年2月14日Watson問世，并且開始對醫(yī)學(xué)知識的學(xué)習(xí)和研究，經(jīng)過了4年多的訓(xùn)練，學(xué)習(xí)了200本腫瘤領(lǐng)域的教科書，290種醫(yī)學(xué)期刊和超過1500萬份的文獻后，Watson開始被應(yīng)用于臨床，在肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌等領(lǐng)域向人類醫(yī)生提出建議。

 

　　2015年，Watson用了10分鐘左右的時間為一名60歲女性患者診斷出白血病，并向東京大學(xué)醫(yī)科學(xué)研究所提出了適當?shù)闹委煼桨浮?/span>

 

　　在醫(yī)學(xué)影像識別類輔助診斷系統(tǒng)領(lǐng)域，國內(nèi)外也有多家公司不斷涌現(xiàn)，百花齊放。2012年，ImageNet競賽中，深度神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域的表現(xiàn)遠遠超過傳統(tǒng)算法，也超過普通人在圖像識別領(lǐng)域的辨識能力。隨著互聯(lián)網(wǎng)大數(shù)據(jù)的積累和硬件計算能力提升到臨界點，深度學(xué)習(xí)作為實用技術(shù)走上歷史舞臺。擺脫了算法和計算能力的困擾之后，人工智能深度神經(jīng)網(wǎng)絡(luò)開始了飛速發(fā)展。

 

　　醫(yī)學(xué)影像是醫(yī)生判斷疾病的一個重要手段，放射科、病理科等擅長讀圖的醫(yī)生數(shù)量增長率和診斷效率急需提升，成為很多醫(yī)療機構(gòu)的心病。醫(yī)療領(lǐng)域人工智能團隊Airdoc，目前已經(jīng)掌握世界領(lǐng)先的圖像識別能力，結(jié)合數(shù)學(xué)、醫(yī)學(xué)知識和人工智能深度學(xué)習(xí)算法后，在人類醫(yī)學(xué)專家的幫助下，在心血管、腫瘤、神內(nèi)、五官等領(lǐng)域建立了多個精準人工智能醫(yī)學(xué)輔助診斷模型，取得了良好的進展。

 

　　以糖尿病視網(wǎng)膜病變判斷為例，國際上將糖尿病視網(wǎng)膜病變從正常到嚴重分成了5類。Airdoc在眼科專家的幫助下，通過讓人工智能算法學(xué)習(xí)遠超人類醫(yī)生一生接診量的患者眼底照片，訓(xùn)練了一個檢測糖尿病視網(wǎng)膜病變的深度神經(jīng)網(wǎng)絡(luò)，該算法在有明顯癥狀和無明顯癥狀二分方面準確性與三甲醫(yī)院資深眼科醫(yī)生持平。同時，該算法在眼底照片國際標準5分類方面的準確性也不遜于專業(yè)眼科醫(yī)生。類似的高可靠醫(yī)學(xué)影像深度學(xué)習(xí)算法，還被Airdoc引入到DR、CT、核磁與病理影像輔助診斷中，這些深度學(xué)習(xí)算法在我國推進家庭醫(yī)生簽約和增強基層醫(yī)療衛(wèi)生機構(gòu)服務(wù)能力等領(lǐng)域都有廣闊應(yīng)用前景。

 

　　人工智能難以替代醫(yī)生

 

　　因此有人提出疑問，人工智能能代替醫(yī)生嗎?我認為在我們有生之年，完全替代是不可能的，雖然人工智能輔助診斷系統(tǒng)能夠輔助醫(yī)生診斷諸多疾病，但是它只是在診療的部分環(huán)節(jié)幫助醫(yī)生快速判斷、提供建議。人工智能算法在深入了解病人感受層面相較人類醫(yī)生有諸多弱勢，疾病的診斷治療還有很多社會人文因素，不能單純依賴技術(shù)環(huán)節(jié)完成診療服務(wù)。

 

　　Airdoc對自己的定位就是人工智能時代的聽診器、顯微鏡、血壓計，只是醫(yī)生的好工具，并不能替代醫(yī)生，最終的診斷決策還是需要醫(yī)生做出。醫(yī)生診療病人已經(jīng)幾千年，不會因為一兩個技術(shù)出現(xiàn)而變化。

 

　　按照醫(yī)學(xué)技術(shù)區(qū)分，人工智能輔助診斷系統(tǒng)可以為兩類醫(yī)生提供幫助：一類是可以準確判斷疾病的醫(yī)生，人工智能輔助診斷系統(tǒng)可以幫他們快速篩查分診疾病，并且不會疲憊，提高工作效率;另一類是尚不能精準判斷疾病的醫(yī)生。近期，新鄉(xiāng)醫(yī)學(xué)院管理學(xué)院院長孟勇教授發(fā)布了對6766名農(nóng)村居民、2983名城鄉(xiāng)醫(yī)生、4400名患者進行的調(diào)研報告，基層醫(yī)生能力不足是阻礙基層醫(yī)療正常運轉(zhuǎn)的主要因素。人工智能輔助診斷系統(tǒng)可以輔助基層醫(yī)生診斷疾病，從而讓預(yù)防保障體系的“神經(jīng)末梢”正常運轉(zhuǎn)起來。

 

　　落地仍面臨諸多挑戰(zhàn)

 

　　盡管人工智能已經(jīng)能夠解決很多醫(yī)學(xué)上的難題，但是落地的時候依然會面臨很多問題。

 

　　首先就是數(shù)據(jù)質(zhì)量問題。機器學(xué)習(xí)所用到的數(shù)據(jù)其實是訓(xùn)練學(xué)習(xí)模型的教材，教材的質(zhì)量決定了學(xué)習(xí)的成果，如何獲取高質(zhì)量的教材是大部分人工智能醫(yī)療企業(yè)面臨的共同問題，臨床數(shù)據(jù)質(zhì)量不容樂觀。

 

　　其次，病人的隱私問題。在訓(xùn)練模型和數(shù)據(jù)預(yù)處理之前，患者隱私保護需要每個行業(yè)參與者高度重視。美國國會1996年即頒布了《健康保險便利及責任法案》(Health Insurance Privacy and Portability Act，簡稱HIPPA)，該法案要求各機構(gòu)必須采取適當措施保護病人信息的私密性。遵守《健康保險便利及責任法案》意味著需要制訂一系列安全標準，就保健計劃、供應(yīng)商以及結(jié)算中心如何以電子文件的形式來傳送、訪問和存儲受保護的健康信息做出詳細的規(guī)定。《健康保險便利及責任法案》關(guān)于隱私的規(guī)定要求對個人醫(yī)療信息的使用必須限定在實施治療所必需的最小范圍內(nèi)。Airdoc也在和國內(nèi)相關(guān)主管部門溝通建言推出類似HIPPA的信息保護法案。

 

　　第三，觀念問題。基于人文倫理的傳統(tǒng)觀念影響，接受人工智能醫(yī)療這一事實的過程可能比想象的要長。

 

　　第四，監(jiān)管問題。目前對于人工智能健康醫(yī)療大數(shù)據(jù)和算法的使用監(jiān)管，我國的法規(guī)較美國、英國、澳大利亞等國家而言，還有一些差距需要補足，既要利用好后發(fā)優(yōu)勢，又要確保患者安全。

 

　　第五，跨機構(gòu)數(shù)據(jù)模型驗證和支付問題同樣需要解決。

 

　　即便面臨諸多挑戰(zhàn)，但人工智能發(fā)展的趨勢已經(jīng)勢不可擋，正如CES主辦方消費技術(shù)協(xié)會的首席經(jīng)濟學(xué)家肖恩·杜布拉瓦茨所說，人工智能正在融入人類生活的各個領(lǐng)域，今后還將在更深更廣的程度融合。

 

　　來源：健康報網(wǎng)

圖片來源：找項目網(wǎng)