怎样认识与应对认知医学的新浪潮

王 霄 陈颖怡 马 婧 宋争放

20世纪50年代，信息理论学家John von Neumann指出：“技术正以其前所未有的速度增长……我们将朝着某种类似奇点的方向发展，一旦超越了这个奇点，我们现在熟知的人类社会将变得大不相同。”[1]今天，以人工智能为代表的科技新浪潮正向奇点逼近，而人工智能在医疗领域中也正发挥着越来越重要的作用。2019年博鳌亚洲论坛提出了一个新的科技时代，即ABC时代。ABC分别指人工智能(artificial intelligence，AI)、大数据(big data)以及云计算(cloud computing)。以云计算为基础、AI为中枢、大数据为依托，ABC将深度结合并广泛应用于各个传统行业[2-3]。在ABC时代背景下，认知医学应运而生，可以帮助人类解决医疗卫生所面临的许多管理困境和技术难题。

1 认知医学背景

“认知”一词来源于心理学范畴，自我认识和意识是人类独具的特征，人类将自己对事物的诠释称为认知(cognition)。人类的认知革命发生于7万年～10万年前，认知革命让历史正式启动[4]。列宁说：哲学史，简略地说就是整个认识的历史。这个认识的历史，具有大量自我认识的内涵与经验教训[5]。认知科学(cognitive science)是20世纪后期出现的一门前沿性尖端学科，由六大学科构成，重点研究认识过程中信息的传递方式。1979年，认知科学协会的成立使认知科学迅速发展[6-7]。21世纪初，美国将认知科学作为新世纪的科技前沿学科之一[8]。

认知计算(cognitive computing)于20世纪后期出现并被广泛应用。传统的计算技术是定量的，侧重于精度和序列等级，而认知计算则试图解决生物系统中的不精确、不确定和部分真实的问题，以实现不同程度的感知、记忆、学习、语言、思维和问题解决等过程。目标是让计算机系统能够像人脑一样学习、思考，并做出正确决策[9]。认知计算与AI密切相关，前者偏向于思维与技术体系，后者偏向于最终的应用形态。认知计算的渗透，让更多的产品与服务具备了智能，如果说AI关注的是“读懂人的世界”的话，那么认知计算可以说更关注“读懂大数据的世界”。

认知医学(cognitive medicine)是以数据为基础、以认知计算为手段的跨学科、跨领域产物[5]，是认知科学、认知技术与医疗理论、实践的密切结合。认知医学通过机器学习、自然语言理解与分析推理等AI技术，辅助医学诊断并提升医疗服务水平。作为全球人口最多的国家，中国正加速累积海量医疗数据。借助认知医学技术从这些数据中提取有价值的知识，对进一步提升我国医疗管理水平具有重要意义。

2 认知医学发展及主要应用

2.1 认知医学发展概述

循证医学利用流行病学、医学统计学等手段，对医疗行为进行规范，认知医学是医学科学的新引擎和翅膀，利用大数据、AI、云计算等技术手段为医生提供循证证据。认知医学以认知计算为核心技术，凭借其运算模式实现非凡的分析推演、带来非凡的认知决策，其中纳米-生物-信息-认知-社会(nano-biology-information-cognition-society，NBICS)的技术综合研发应用不仅可以在医疗领域带来非凡的变革，而且可能成为人类伟大变革的推进器。一旦能够从如何(how)、为何(why)、何处(where)、何时(when)这四个层次上理解思维，我们就可以用纳米科技来制造它，用生物技术和生物医学来实现它，再用信息技术来操纵和控制它，使它进入神奇的工作，产生神奇的效能[10]。

创建认知医疗机构(认知医院)是做好认知医学的一条关键且有效的路径。认知组织机构意味着内部的“产品”与流程能够思考，感知重要事务、对所有数据进行推理、并持续学习和改进。它会积累职业知识技能，令每个专业、病种的知识都快速增加，这让所有专业人士都望尘莫及。认知系统可以让人们获得最好、最新的信息和洞察力，进而帮助人们更好地完成工作。它可以更深入地与人互动并与患者交互，利用社交网络等新信息来源，创建精准的个人资料、了解他们的需求和看法，并采用这些信息探明、解决对个人而言真正重要的事情。

IBM沃森健康(Watson Health)今天已成为实现认知技术模式转变的范例，IBM成立行业内首创的专门部门、打造专门的团队，实现“认知型企业”的转型。目前，IBM处于认知医学技术领域的领先地位，该公司利用认知系统广泛应用于医学影像、生命科学和制药、全程医疗护理、肿瘤与基因、医疗支付五大领域，明显提高医学研发效率、改善临床结局、精简管理流程、促进医患互动[5]。谷歌公司同样不甘示弱，积极展开认知企业的并购、重建，其中认知技术将是此次商业模式转型中非常重要的组成部分。今天行业中谁能率先迈向这样的认知机构谁将获益和占领制高点。

2.2 认知医学数据基础

认知医学发展的关键在于医疗大数据的积累，随着公共卫生事业的大力推进发展、社区卫生的蓬勃兴起、穿戴医疗保健设备的较广泛应用，所积累形成的健康大数据是认知医学的重要数据资源，其特点为体量大、增长快、多样化，表现形式为健康档案、电子病历、数字图象数据等。数据的积累过程可通过构建医疗大数据库，建设统一整合库或分散建立的方式实现。随着信息和医疗技术发展，将来会有更多的独立机构和公司加入到健康大数据的产业中来。

临床大数据方面，美国时间生物钟中心的哈尔博格教授建立了3个重要的成果，建立了不同年龄、性别人群的基本特征的基础值，包括血压、心率、体温、激素、BMI指数等；形成了连续体征数据波动的算法，推动算法进行比对和分析；形成了分析模型对异常的体征波动规律未来的风险进行预警。连续的体征数据可以做未来的健康变化的风险预警。疾病的形成初期首先出现了体征波动规律的紊乱，通过智能硬件连续采集用户的体征数据通过规律性的判断发现未来健康变化的风险。在亚特兰大埃默里大学医院5楼ICU病区，各种设备与密密麻麻的传输数据线映入眼帘，通常20张床的ICU每秒钟可生成16万个数据点。他们将上述相关数据流，通过含认知技术的软件加以分析处理，很好地捕捉到了有价值的预警信号[11]。随处可见、唾手可得的临床数据为认知医学的发展提供了底层的数据支撑。

2.3 认知医学主要应用

2.3.1 认知医学模型与应用

如何对数据展开专业分析、深度学习、计算并从中发现相关性建立认知医学模型是健康大数据的根本。认知技术利用大数据，实施新型认知方法，建立疾病风险模型，甑别关键风险因素，大大提升了临床关键问题的解决与科学研究水平。依据模型与认知分析做出的临床决策系统同时也大大提升了医疗质量，并针对个体状况提出个性化的诊疗计划建议。

目前，已经有一些公司和医疗机构合作开发出了认知医学应用模型软件，如IBM、谷歌、阿里、百度、腾讯、恩福等。IBM中国研究院利用认知技术、大数据分析等技术，在阜外医院开发了急性心肌梗死方面的“死亡风险预测模型”，并展示不同类风险因素对院内死亡影响的权重[12]。腾讯公司与中山大学合作开发了腾讯觅影，应用图像识别、大数据分析等智能技术进行癌症早期筛查，经临床应用已具备食管癌较好的筛检功能，筛检诊断用时可不超出1分钟，其早发现的准确率达80%左右。

IBM的沃森肿瘤专家(Watson for oncology，WFO)，可以给患者提供精准的治疗方案，并为每一个治疗方案提供充足的循证支持，从而降低整个诊疗的误差和风险。WFO存储了海量医学相关数据，包括临床样本数据、患者记录、影像资料，以这些数据为基础认知、学习和积累了丰富经验。WFO自动读取与患者疾病相关的关键数据(如病史及临床特征等病例数据)，结合患者的属性，在癌症治疗指南或者已经形成实证的基础上选择一个合适的分析和评估方法，基于学习到的证据为患者提供一个精准的治疗方案，并为这个方案提供大量的证据支撑，如并发症、禁忌证、治疗临床偏好、药物信息、目前发表的报告等。

2.3.2 精准诊疗方案制定

一方面，已知遗传性因素导致儿童及新生儿疾病，其中肿瘤的发生约占10%。获得特定人群肿瘤遗传易感基因突变生物大数据，使得对遗传性肿瘤的预防干预、早期诊断、精确分子分型诊断及精准治疗成为可能，真正做到“上医治未病”。从临床获取生物大数据到存储、数据知识化、最终应用，以生物大数据数据基线(data baseline)为基础所构建的疾病预防、筛查、诊断及预后的模式势在必行。另一方面，根据基因检测的结果来针对性地制定疾病诊疗方案，效果显然更好、更精确。应用科学专业知识和基础设施，在患者的诊断、治疗方案的选择及监测中，将大量的基因组数据转化为临床可操作的结果，通过研究开发商业化的、以基因组为基础的临床实验室服务，能有效提高诊疗决策的质量。

西奈山伊坎医学院开展整个基因组测序，查诊全部30亿个核苷酸，并在其中找出大约1 000万个与研究疾病相关的脱氧核糖核酸片段(SNP单核苷酸多样态)。结果显示，多维的个性化基因组分析对于患者的治疗来说比特定基因的筛查更加有效，并完成了个性化癌症治疗技术的开发与测试。通过收集患者基因组成的相关数据与其肿瘤组织的测序数据，通过比较探明个性化遗传分析对于患者癌症治疗的作用，为每一位患者裁剪癌症治疗方案[13]。

2.3.3 智慧医院系统

智慧医院系统，由数字医院和提升应用两部分组成。数字医院由医院信息系统、实验室信息管理系统、医学影像存档与通讯系统、传输系统和医生工作站五个部分组成。这在大部分医疗机构已经实现，可能目前面临更新换代、整合升级、消除孤岛等问题；提升应用方面则需要更多的关注，重点是智能智慧上，如海量数据计算处理技术、临床决策智能系统等。智慧医疗能全面提升医疗机构的诊疗能力和水平，能够让互联的授权医生随时查阅患者的病历、病史、治疗措施；协作友善的信息仓库，应急及不良事件及预防的实时感知和积极有效的响应；知识技能获取能力与创新、研究能力的提升，可靠的搜索、分析和引用大量科学证据支撑临床的诊疗决策。认知医院可认为是智慧医院的升级版，创建中完全可以通盘考虑、统筹规划。

2.3.4 医疗机器人

认知医学在医疗治疗领域有巨大发展前景，医疗机器人的应用已呈现大的趋势，可谓势不可挡。其中，手术机器人是医疗机器人的主角，典型代表是达芬奇机器人系统，它应用广泛、收效良好，又有较高的安全性。我国达芬奇机器人的手术量2010年、2016年和2017年分别是615台、1.8万台和2.7万台。放射机器人的开发应用能有效提升放疗的精确度，精确度可达到亚毫米水平。辅助手术系统也是重要的应用方向，可通过导航设备辅助支持手术顺利进行并取得更好的效果。此外，康复机器人、服务应用类机器人的开发应用也取得较好效果，能有效满足患者需求，如PARO机器人可辅助治疗老年痴呆和认知障碍，杀菌消毒机器人能明显降低医院的交叉感染率，有效改善医院环境。

目前，国内外的不少机构都在研发先进的医疗机器人系统，针对需求、服务临床。如美国Medrobotics公司开发的Flex机器人系统于2015年7月获得美国食品药品监督管理局批准上市；谷歌与强生公司联合成立的Verb Surgical公司，向达芬奇手术机器人提出了挑战；美国Hansen Medical公司开发了生产机器人导管系统和用于治疗血管疾病的麦哲伦机器人系统；美国生产的自动移动输送机器人，在美国140多家医院每周共计要完成输送50 000次以上，受到青睐；美国Ekso Bionics公司致力于开发医疗用途的可穿戴外骨骼，2016年获得美国食品药品监督管理局第一个批准证书，用于中风和C7水平骨髓损伤，现已被大量康复机构运用；此外还有远程机器人、老年及残疾人护理机器人等。国内的研发应用也在迈步向前，如神经外科方面的手术机器人Remebot、腔镜机器人——妙手、天智航双平面骨科机器人等。

3 对认知医学的认知及其相关伦理社会学问题

在传统医疗中，医生处于主导地位，其诊断和治疗水平取决于医生多年的学习和临床经验积累，受制于人的认知限制，只能基于有限的检查报告及个体症状和体征进行疾病诊治，无法对患者的疾病信息进行全方位的关联分析，有时甚至会导致误诊、漏诊。AI最大的优势在于计算能力的高效，尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。而医疗领域正是典型的集数据知识脑力为一体的行业，认知医学借助AI技术可实现患者数据的深度挖掘和分析利用，从数据中发现隐藏的知识，从而智能辅助医生完成疾病诊断和方案制定，有效提高诊疗决策的质量和水平。现在AI对传统医疗行业的颠覆才刚刚开始，随着大数据、AI等技术的发展，将助力认知医学充分发挥其在记忆力、学习能力和运算速度上人类无法比拟的优势，成为医务人员疾病诊治的得力助手，帮助人类解决医疗卫生所面临的许多管理困境和技术难题。

在认知及智能医疗的伦理社会学上人们需要有较清醒的认识。机器的产生与发展是建立在人们对其环境的了解与改造上的。反过来，机器的发展进一步促进了人们的改造与认知活动[14]。如果没有人类的指引与改造作用，机器只能停留在低端的机械重复工作层次。人类的指引、改造能有效帮助机器不断追求更高层次的结构化，向更高层次迈进。但不管是研发还是应用都得清楚地认识人是优先的因素，是人类操控机器，智能机器应受到人类法规、伦理的制约。智能机器的深度学习、算法也都暗藏着一些伦理问题，如深度学习便是一个“黑箱”算法，连设计者可能都不知道算法如何决策，而算法决策在很多时候其实就是一种预测，用过去的数据预测未来的趋势，同时算法模型和数据输入决定着预测的结果。对这样的结果决策团队有必要进行宏观、微观的审视、把控。此外，数据的隐私保护、价值行为，包括道德代码、正义、有益性、安全性、社会责任等都值得关注。还有效益或利益问题，认知及智能医疗的发展不能离开以人为本、以患者为中心的核心理念，应坚持做到结合实际环境、结合人民群众的需求变化，把维护患者利益放在首要的位置。

4 应对与思考

认知技术及AI正在加速发展，在医疗行业领域的转化应用越来越宽泛，无疑将会对传统医疗产生颠覆性的影响。

4.1 整合临床数据，实现医疗数据的互联互通

临床大数据整合是认知医学的基础，医学领域的数据特点是大量、动态、可持续，要实现认知医学的迅速发展，必须实现医疗数据的互联互通。“数据孤岛是医疗大数据挖掘的最大障碍”，而对数据进行提取挖掘，才能集成新的信息，将认知转变为行动。而临床大数据的整合一方面是国家层面进行资源整合，另一方面在于区域或自身的努力，积极搭建数据库和数据平台，加强云计算等技术布局，推动AI的基础软硬件技术开发，实现数据的互通互联与共享。

4.2 加强智能技术开发，实现非结构化数据挖掘

医疗记录的数字化催生出丰富的结构化数据和非结构化数据，后者包括患者就医过程中的临床描述、影像资料、医学报告、住院记录、出院小结等。目前，针对结构化数据已有一些计算方法，但针对非结构数据的挖掘技术仍然不理想。医疗领域急切需要更有效的方法帮助临床医生和科研人员应对“信息爆炸”的问题。因此，应布局实施AI关键技术重大战略计划，优先支持计算机视觉、自然言语理解与分析推理、智能语音处理等关键技术研发。同时，尽快组建AI创新平台，建立国家、区域AI重点实验室和转化中心。

4.3 推进认知医学全方位的发展

认知技术在医疗领域有着广泛的应用前景。现阶段，认知技术在医疗领域进行了大量的探索，但最终应用到临床领域的几乎只有手术机器人，其中医疗行业的复杂性是重要的原因。基于ABC时代的“认知医学”应帮助医护人员更全面地了解患者的相关信息和诉求，改变传统的临床路径，形成全新的健康服务体系。同时积极思考和探索认知医学机构的创建，在前瞻性的部署下，有计划地、大胆地推进，其核心是促进机构与成员学习能力、认知能力的显著提升。因此，认知医学应加快将研究结果转化为实际成果，促进认知医学的全链条的发展。

4.4 促进医疗机构的创新发展

创新是事业进步的动力源泉，纵观医学的发展更是如此。认知科技、AI是引领未来的战略性技术，这是世界范围的共识。AI的迅速发展将深刻改变人类社会，并成为经济发展新引擎、国际竞争新焦点。斯坦福大学此前的一篇论文显示，在AI技术发展将会面临改变的六大行业中，医疗为重要者之一，将引发AI技术的巨大变革。面对今天的科技浪潮我们必须抓住不可多得的机会，借助芯片、软件技术的开发应用，共享AI开放平台，AI研究与转化功能型平台，增强自身的研发和行业、跨界的协同合作。“AI+医疗”是AI技术实现落地应用的重点方向，大数据、AI对医疗行业的赋能表现在多个方面，如辅助医生诊疗决策、实施精准医疗、提升患者就诊效率等。在创新行动中把握好数据与赋能这两个关键因素，并密切结合二者的相关、相融性，很好地发挥科技工作者和员工的想象力、积极性、开创性，形成强大的创新浪潮，打造创新型、智慧型、认知型医疗机构。

在AI与认知科技方面我国已经令人欣喜地走在前列，认知医学必将带给我们全新的天地，医疗行业需要清晰认识ABC时代和认知医学的特性，勇于立潮头，顺势而大为。实际上没有谁愿意成为这场超级竞赛的局外人，除非你是“人工智盲”。