人工智能在医学中的应用进展

王家庆，王光锁

暨南大学第二临床医学院·深圳市人民医院，广东深圳518000

近年来，人工智能逐步进入人们的视野中，也慢慢融入人们的生活，潜移默化地改变人们的生活方式，并在各个领域中得到广泛应用。人工智能作为引领人类社会未来走向的战略性技术，对人类科技发展、产业进步以及社会变革等起巨大的推动作用，并逐步为世界所认可与接受。人工智能与医学的结合，更是给医疗系统带来深远的影响［1］。1956年，在美国达特茅斯会议上，“人工智能”被正式命名。随着自然语言聊天机器人ELIZA、知识工程MYCIN 等被成功研发，人工智能从简单迈向复杂，从粗浅走向专业。在技术逐渐成熟后，人工智能成为一个具有自我学习能力的系统。在发展过程中，人工智能逐渐形成了不同的分支，包括结构化数据的机器学习、深度学习、非结构化数据的自然语言处理等［2］。人工智能通过表现学习、深度学习以及自然语言处理等技术，结合计算机算法，从数据中发现相关信息，并能以此协助临床决策［3］，如协助临床医生进行图像分析、提供诊断建议、进行临床风险预测、对疾病临床定性、减少医疗错误、提高诊疗效率等［2］。这能极大程度地改善医疗环境，对医生、患者及社会都有很大的帮助。本文对人工智能在医学中的应用进展综述如下。

1 人工智能在医学中的应用现状

1.1 人工智能在临床诊断中的应用 在医疗工作中，图像对于医生诊断疾病具有重要的辅助作用，而人工智能与图像的结合大大提高了临床医生诊断疾病的准确率与效率，主要包括在影像、内镜以及病理检查中的应用。基于计算机视觉技术数学模型，人工智能收集、提取医学图像的原始像素并挖掘图像的有效特征，以此学习和模拟医生，这是一个由整体到部分再由部分到整体的复杂过程［4］。

1.1.1 影像检查 人工智能的运用能很好地协助医生根据影像学检查对患者进行疾病诊断。SUN⁃WOO 等［5］运用基于颅脑 MR 图像的计算机辅助诊断系统进行颅脑转移瘤诊断分析，影像医生的诊断敏感度从77.6%提升至81.9%，每例患者的诊断时间从114.4 s 减至72.1 s；经验不足的影像医生诊断敏感度提高了约 10%。MASOOD 等［6］运用基于胸部CT 图像的计算机辅助诊断系统进行肺癌诊断分析，诊断平均准确率84.58%，对肺癌T1～T4分期鉴别的准确率77.89%～90.14%。BECKER等［7］使用深度学习图像分析系统对143 例诊断为乳腺癌或交界性病变的患者进行诊断分析，诊断准确率达82%，而经验丰富的放射科医师诊断准确率为79%～87%，两者相差不大。ARAMENDIA-VIDAURRETA 等［8］使用基于子宫附件超声图像的人工智能系统对附件肿物进行定性，准确率高达98.78%，灵敏度为98.50%，特异度为98.90%。由此可以看出，人工智能系统对于医生判读影像学结果有一定的辅助作用及价值，其不仅能提高医生对疾病诊断的敏感度，还能缩短医生阅片诊断的时间，既提升了准确率，也提高了效率。

1.1.2 内镜检查 人工智能技术能通过摄取内镜所获得的图片中组织的微细纹理特征，进行深度学习，将内镜图像进行分类并预测诊断。MIYAGI等［9］基于阴道镜图像，使用人工智能系统对330 个图像进行分析，诊断判定准确率为0.823，敏感度为0.797，特异度为 0.800。ITOH 等［10］开发的人工智能模型，基于胃镜图像进行幽门螺杆菌感染诊断，敏感度和特异度分别为86.7%、86.7%。GREGOR等［11］基于结直肠镜检查运用人工智能实时定位并识别息肉，准确率达96%。人工智能通过对内镜图像进行深度学习能更好地协助临床医师诊断疾病。

1.1.3 病理检查 在数字化病理学中，人工智能技术已应用于各种图像处理和判别任务中，包括侧重于对象识别问题的低级任务（检测和分级）及更高级别的任务（根据图像预测疾病诊断和疾病预后）［12］。

随着数字化载玻片扫描技术在组织病理学实验室中应用的增多，数字化整体图像（WSIs）将逐步取代常规病理学工作中的载玻片，使用基于WSIs的深度学习系统可对组织进行识别，并对数据进行提取分析。人工智能系统能通过分析组织形状以确定组织图像的分化程度，通过分析淋巴细胞密度，肿瘤基质组成和核等指标，得到有用的预后数据［13］。由于肿瘤免疫治疗的成功，近年来肿瘤微环境中的免疫细胞已经获得了大量的关注。因此，使用人工智能技术对肿瘤浸润免疫细胞进行定量分析成了数字组织病理学图像分析中的新兴主题之一［14］。

放射学图像已经从二维（2D）慢慢转变为三维（3D），病理学也逐渐利用3D 组织表征改进诊断方法，为临床决策提供更精确的信息。在此过程中，人工智能技术将辅助病理学家和肿瘤学家解读和分析庞大数据资料。

1.2 人工智能在临床决策中的应用 人工智能具有自我学习的能力，能通过搜索并收集专业医疗知识，建立大数据库，运用认知分析技术，不断完善自己。随着人工智能技术的发展与大数据库的建立，疾病治疗模型被逐步建立。人工智能系统能收集多个变量后输入模型并进行分析，模拟医生的临床思维及诊断推理模式，提出对患者现阶段较为有效的临床决策或建议。医生结合临床经验，最终决定最后治疗方案［2］。其涉及患者疾病发展的各个阶段。

在疾病发展初期，人工智能可识别高危人群。WANG 等［15］运用重症医学科患者包括临床数据、生理波形等32 项生物信息学数据，总结出TS-Cox 模型，预测患者的生存状态，从而调整治疗方案，避免严重并发症的发生。在疾病发展中，人工智能根据患者现有状况、治疗效果及客观的生物信息学数据，对患者下一步用药、操作进行指导。YU等［16］建立模型指导治疗过程中机械通气、镇痛镇静药物的应用。人工智能根据48 个生物信息能对败血症患者制定治疗决策，当临床医生的实际方案与人工智能相符时患者病死率最低，预后更好［17］。在慢性疾病发生后，人工智能可结合图像对相关并发症的发生进行预警，从而做到更好的预防。有研究基于视网膜特征提出糖尿病性视网膜病变的检测算法，并以此指导临床决策［18］。脑卒中、肿瘤等疾病的计算机模型也在临床治疗中提供重要的决策建议，这使疾病的诊治更规范有效。

1.3 人工智能在临床治疗中的应用 临床智能化治疗是人工智能的一个重要产物。在手术治疗方面，智能系统术前协助能创建三维图像，进行图像分析和处理，根据疾病类型及解剖结构设计手术方式，术中协助实施手术基本操作。机器人辅助已被广泛应用于外科手术领域中，其能降低并发症的发生率，使各科疾病的手术治疗方法也因此变得更多样［19］。在达芬奇机器人辅助下手术时，将手术视野投放到外接设备，医生通过操纵杆灵活指挥机械臂。由于机械臂的多关节结构，医生的操作角度更多样，解剖操作更精细，这能减少并发症的发生。在放疗方面，由于设备及技术的提升，可实施精准放疗。根据患者个性化特征，自动化划界［20］、自动预测目标剂量［21］等保证了放疗的个体化、安全、有效。在化疗方面，人工智能能预测肿瘤药物的有效性［22］。人工智能能实时识别帕金森病患者的姿势与运动状态，通过高精度反馈调节进行深部脑刺激［23］。人工智能可实现对慢性病的监控及管理，在控制慢性病发展的同时减少并发症的发生。

由于人工智能的精确性、实时性以及大数据的运用，可在临床顺利开展精准化治疗，这让疾病治疗实现个体化，使治疗过程更安全有效。

2 人工智能的在医学中的应用前景

2.1 相关政策 人工智能在世界范围内掀起一阵热潮，中国作为世界大国，对人工智能技术的研发也投入相当的人力物力。2017 年我国发布了《新一代人工智能发展规划》，医疗作为重要的领域受到高度重视。《中国制造2025》提出加强生物医药及高性能医疗器械产业发展，为智能化诊断、治疗、预后监测提供基础保证。国家的《关于促进“互联网+医疗健康”发展的意见》提出要健全服务体系，完善支撑体系，加强行业监管和安全保障，从医疗层面的影像、病理、临床到基础设备层面的医用机器人、生物三维打印等，都要加大研发力度。国家对人工智能技术的发展予以极高重视，可以预想人工智能将会对社会各个领域尤其是医疗领域带来重大变革，为各行业的发展提供强大的动力。

2.2 物联网医学 物联网是指利用信息传感设备将所有对象连接到互联网进行信息交换，以实现智能化识别和管理。其由设备抽象层、设备适配层、数据提取层、数据筛选集成层组成［24］。物联网是大数据时代的重大进步，通过增强型服务推动实时工程的发展及应用，它在许多领域发挥了惊人的作用［25］，如农业、医疗保健、家庭、业务、娱乐、汽车、体育、工业等。

可佩戴传感器的发展为物联网在医学中的应用奠定基础。医学应用中传感器模型包括生物电位专用传感器，如心电图、肌电图、脑电图和光人体测量传感器；运动传感器，如加速度计和陀螺仪；环境传感器，如摄像机，温度和压力传感器［26］。心率、呼吸频率、体温、血压、糖率等生理状态也能被实时监测，这些生物信息的精确测定及快速传输，成为医疗保健系统的重要数据来源，能用于监测病情、指导治疗，这提高了远程医疗的可行性，让医疗保健监测得以实现。物联网技术还可用于定位跟踪、警报联动、急救调度，使院外急诊患者能尽早得到救助，提高患者抢救成功率。

物联网利用传感器设备收集数据，通过云计算、雾计算进行大数据分析，能实现个性化医疗保健［25］。物联网的运用还能整合了大小医院医师、患者及设备，克服不同地区医师及设备资源的差异，解决了先进医疗与落后人力设备资源的矛盾。

2.3 人工智能医疗平台 基于人工智能的医疗平台综合了各种疾病的诊断模型，根据物联网传感器设备收集的数据，为患者提供诊断意见，预测患者疾病预后，给出建议［27］。糖尿病诊断监测模型、心血管疾病诊断监测模型等模型被开发并加以应用［28-29］，能更好地完善医疗平台的建设，使慢性病患者在疾病管理上获得实时建议，从而降低慢性病急性发作的风险。

运用平台的智能通讯功能，能充分实现远程医疗支持工作。慢性病的管理［27］、急性病的诊治［30］，都能通过人工智能医疗平台实现，专家能远程指导对患者的诊治工作。随着第五代移动通信技术（5G）时代的到来，远程医疗快速发展，人工智能医疗平台也因此而向前迈进一大步。

人工智能医疗平台缩短了医生与患者的距离，减少了各地医疗水平差距带来的问题，提高了医疗资源的利用率，完善了已有的医疗体系。

3 人工智能在医学中应用的局限性

人工智能的快速发展为临床医疗提供了支持，同时带来的还有伦理及法律的问题。大数据是人工智能发展与应用的基石。医疗数据不仅包含了姓名、年龄、性别等个人信息，还有既往史、个人史、既往诊疗记录等重要信息，而大数据的收集则会增加医疗数据泄露的风险。医疗数据隐私引起的就业歧视、特殊疾病造成的社交歧视等都是医疗大数据可能带来的伦理问题［31］。另外，高质量的医疗数据仍然不足，目前人工智能还依赖着医生的监督训练，医生诊断的不一致性及模糊性会一定程度地限制了人工智能的准确率。智能医疗的医疗安全问题也应得到重视。目前智能医疗系统尚未安全成熟，在临床医疗过程中存在着各种医疗风险，智能医疗系统的临床决策需经临床医生审核才能最终应用。而在人工智能继续发展的日后，智能系统独立对患者进行诊治，需要相应的法律及规定明确其可行性。在现有社会现状中，人工智能并未覆盖所有地区。在相对富裕、医疗资源丰富的地区，人工智能的运用将比落后地区多，在保证人工智能的医疗安全后，人工智能的患者受众覆盖范围，也涉及公平性的伦理问题。

所以，人工智能在临床医疗中具有其独特的优越性，也有其局限性。在发展智能医疗的同时，也要完善与其相配对的其他领域的工作，以扩大人工智能的使用范围，提高人工智能的使用效益，扩大其在医学中的应用范围。

人工智能的发展及应用给各行各业带来了不同程度的变革，尤其在医疗领域中，人工智能对临床诊断、决策及治疗都具有重要的辅助作用。随着5G网络的发展、物联网的建立以及智能平台的成型，实现实时监测诊治，完成远程医疗。当然，人工智能在医学中的应用还需要完善其他相关领域的工作，落实与其相匹配的法律，解决相应的伦理学问题，使其成为医学应用中的利器。