人工智能——开启医学新时代

郝晨幸 周娜 张晓春

(青岛大学附属医院肿瘤精准医学中心，山东 青岛 266071)

人工智能是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的一门综合性的交叉性的学科，是集新思想、新观念、新理论、新技术于一体的新兴学科[1]。

人工智能又分为弱人工智能、强人工智能及超级人工智能。弱人工智能是指帮助人类完成某些任务的工具或助手，虽然看起来像是智能的，并不是真正的拥有智能，目前的主流研究还仍然集中于这一层次，且已取得了可观的成就[2]。本文就人工智能在医学领域的发展和实践做一简要概述。

1 人工智能在医学领域的发展简史

“人工智能”概念最早出现在1950年图灵的《计算机与智能》一书，但直到1956年的达特茅斯会议上才被正式提出并且日益受到重视。在医学领域，1974年在斯坦福大学成立了医学实验计算机研究项目，其重要的目标即为促进人工智能在医学中的应用[3]，但是由于那时候计算机还不能完成大规模数据和复杂任务的处理及分析，计算能力也有待突破，很多设想无法实现，从而使人工智能在医学领域的应用一直处于低谷期。直到上世纪八十年代，随着神经网络的发展及5代计算机的诞生，使医学人工智能步入了快速发展时期[4]。1985年召开了第一届欧洲医学人工智能会议[5]，1986年BP神经网络算法得以发明和应用，1989年《医学人工智能》杂志在意大利创立[6]，直接促进了人工智能在医学领域的全面发展。进入21世纪以来，随着科技的进步、算法的提升、深度学习等认知技术的发展，人工智能在医学领域的应用逐渐走向成熟，由实验室研究进入了临床实践。

2 人工智能在医学领域的实践

2.1

专家系统是指在某个领域内具有专家水平的人工智能系统，医学专家系统就是运用专家系统的设计原理与方法，收集大量的资料与数据，模拟医学专家的思维活动与推断过程，来达到和医学专家同等的诊疗水平[7]。

最早的医学专家系统是1976年由斯坦福大学的肖特列夫等研制的MYCIN,该系统用于诊断和治疗细菌感染类疾病[8]。而随着大数据、自然语言处理、深度学习等技术的发展，由IBM公司与纪念斯隆-凯特琳癌症中心(MSKCC)历时4年训练而成的沃森肿瘤(WFO)医学专家系统日渐成熟，通过提供个性化、有优先顺序的治疗方案来帮助肿瘤医生做出治疗决策[9]。IBM提供的资料显示，WFO可以在17 s内阅读3 469本医学专著、24.8万篇论文、69种治疗方案、61 540份实验数据、10.6万份临床报告，并根据医生输入的病例，提取患者的属性，再根据这些属性查找临床指南来确定候选治疗方案，然后搜索证据数据库，查找每个选项的支持证据，最后再根据最佳证据，用沃森算法给出最佳的和可供考虑的治疗方案，并在其后给出具体参考文献[10-11]。目前WFO在各国的一致性研究都得到了很大的肯定。2016年的圣安东尼奥会议上，采用双盲法比较WFO和印度Manipal癌症中心对638例乳腺癌患者做出的治疗建议，符合率达到了93%[12]。由青岛大学附属医院肿瘤精准医学中心一项400例患者参加的研究也表明，WFO提供的治疗建议与肿瘤科专家在某些癌种方面取得了高度的一致性，比如卵巢癌、肺癌等，但胃癌、宫颈癌等癌种一致性则相对较低(卵巢癌96%，肺癌80%，乳腺癌80%，直肠癌74%，宫颈癌64%，胃癌12%)[13]。从上面的数据可以看出，WFO具有如下的优势：①WFO可以帮助医生制定最佳治疗方案，减少医生查阅及了解最新文献资料所耗的时间，提高临床工作效率，缩短年轻医生培养的年限；②WFO可以使世界各地的患者得到国际上最权威、实时、前沿的诊疗方案，使其治疗更加规范化、标准化；③WFO不会疲倦，可以连续工作，弥补医生因疲劳而产生的差错。但在实践中也逐渐发现，其在某些方面还具有一定的缺陷：①目前的指南和文献都是基于国外的最新数据整理而成的，因为缺乏我国的本土数据，使其在我国临床上的应用受到一定的限制。②WFO应用还是比较局限的，如使用说明书中明确表明不支持多线化疗失败后的、18岁以下的以及妊娠的患者等。而且所涉及的几类癌种中每一类也明确标明了适用与不适用的范围，在多种情况下WFO也难以准确把握适用与不适用的度。③WFO虽然吸收了大量的数据资料，但据有关研究表明，其所做出的治疗建议可能并不完全是基于最好最全面的证据，有可能是由人类监督员或者操作者来为WFO决定的，这些人都来自于MSKCC，即使有时支持这些治疗建议的证据很薄弱，由于人为输入给了WFO，便使诊疗建议带有了MSKCC偏向，甚至有时候会出现错误[14]。

几乎所有使用过WFO的专家都一致认为，它将会是医生聪明能干的助手，可以更好地帮助医生进行诊断与学习。但WFO毕竟不是人，没有人类的思维及情感，在临床实践中，医生对疾病的判定是一个复杂的过程，有时候不仅仅要解决患者生理上的问题，大多时候可能需要解决的是患者心理上的问题[15]，医生会根据和患者及家属在情感上的沟通与交流来给出委婉的解释或最适合的治疗选择，而这是WFO不可能做到的，因此目前WFO是不可能取代医生的。

2.2

在临床工作中，医生的诊断依据主要是患者的主诉、症状、影像资料等，临床病理更是诊断的金标准[16]。虽然目前仍未有一款像WFO这样成熟的产品市场化，或者说被大家所熟知，但是基于人工神经网络(ANN)到卷积神经网络(CNN)而做出的各种人工智能模型已经在图像识别领域发展了很多年了[17]。首先，图像识别技术可以分析X射线、CT扫描、MRI、病理切片等图像资料[18]。如一张病理切片通常包含数百万个细胞，一个病理医师一天需要分析很多张病理切片，疲劳阅片现象非常普遍，影像科医生同样也是如此。许多研究人员发现，即便是对于同一例患者，不同影像科医生或病理学家给出的诊断也往往会有很大不同。 2017年的一项研究发现，不同病理学专家对乳腺癌诊断的一致率只有75.3%，甚至在某些异型乳腺癌中，诊断的一致率竟下降到48%。可想而知，不少患者面临着误诊的风险。而随着人工智能技术的兴起，人工智能在影像、病理读片速度及准确度方面已经达到了可以媲美医生的程度。ESTEVA等[19]通过用近13万张痣、皮疹和其他皮肤病变的图像训练以CNN为基础的人工智能系统识别其中的皮肤癌，在与21位皮肤科医生的诊断结果进行比对后，发现其诊断准确率与医生不相上下，达91%以上。CICERO等[20]用CNN深度学习了35 038张胸部X线片，对胸腔积液、心影增大、肺实变、肺水肿、气胸进行了标记，人工智能系统判断这些疾病的特异度和灵敏度都很高，最高可达91%。HAZLETT等[21]采用了3层深度学习网络对315个参数(包括性别、不同脑区的体积、面积、厚度等)进行降维，预测自闭症高危婴儿患自闭症的可能性，准确率也达到了94%；除此之外，在肺结节[22]、乳腺癌[23]、脑瘤[24]、前列腺癌[25]的分级分类问题上也都达到了90%左右的准确率。但人工智能在运用于传统的眼底镜影像诊断时遇到了一个问题，传统的眼底镜不同于CT、MRI等，即不同的人拍摄出来的眼底镜照片在曝光程度、偏心程度、视野范围等方面都存在较大差异，如何在预处理时消除这些差异，是一个难题，但人工智能判断视网膜病变的程度还是达到与人类专家持平的程度，特异度和灵敏度很高，达到90%以上，但其算法的可行性还有待在以后的临床实践中进一步完善[26]。

人工智能的图像识别技术原理是在分割图像基础上，检测、提取图像特征[27]，最后进行诊断预测，基本上都是采用深度学习的方法。深度学习是一种基于ANN数据进行特征学习的算法的泛称[28]，如果说人工智能在医疗领域的哪个方面会率先取得突破，那一定会是在图像识别这一领域。目前，国内的人工智能+医学也大多集中在医疗影像方面，其中最具代表的就是腾讯的“觅影”，通过图像识别技术和深度学习的方法对各类医学影像(内窥镜、CT、眼底照相、病理切片、钼靶X线、超声、MRI等)进行训练，从而达到对病灶的智能识别，目前主要用于辅助医生临床诊断和疾病的早期筛查。也许在将来临床工作中，对于一些繁重的工作，如病理诊断、实验室检查单诊断或影像学诊断，人工智能可以起到辅助医生诊断的作用，甚至有替代医生进行独立诊断的可能。

2.3

减少患者的手术创伤，一直是现代外科医学努力的一个目标。20世纪20年代，由腹腔镜开启了外科手术的“微创化”时代，但腹腔镜也有其局限：由于手术器械转动角度受限从而产生了一些手术盲区，且只能给外科医生二维的手术视野，从而限制了腹腔镜技术向更复杂外科手术的发展，也成为当前腹腔镜技术发展中的瓶颈。进入21世纪，为了克服腹腔镜技术的不足，手术机器人得以开发并迅速投入临床应用，外科机器人手术逐渐成为微创外科手术的主流，因其全新的理念以及治疗效果被认为是外科手术史上的一次革命，也预示着第三代外科手术时代的来临。2000年7月通过美国的FDA认证后，“达芬奇”手术机器人系统成为世界上首套可以正式在手术室中使用的机器人手术系统。目前“达芬奇”手术机器人系统已经广泛地在多学科得到应用，如泌尿外科、心胸外科、胃肠外科、肝胆外科、妇科等[29-32]。目前全球已有33个国家、800多家医院成功开展了60多万例机器人手术，三维立体和高清显像可以准确清晰定位手术部位，操作安全稳定、创伤小、恢复快，使得“达芬奇”手术机器人倍受广大外科医生的认可和推崇。虽然“达芬奇”手术机器人已经运用得如此广泛，但是其缺陷还是不容忽视，主要在于触觉反馈体系的缺失，术者双手不能直接接触手术部位，无触觉感知，无法判断组织的质地、弹性、有无波动等性质；其次，技术复杂，学习曲线较长，医师与系统的配合需要长时间的磨合；还存在安装复杂，价格昂贵等问题。但随着“达芬奇”机器人的发展，胶囊机器人、微型手术机器人等的到来，以后的手术方式会越来越微创化、智能化，同时也会促进人工智能在其他医疗领域的发展。

2.4

除上述应用之外，人工智能在医疗领域其他方面的研究也正在飞速发展着。比如智能制药，通过人工智能来进行药物筛选，对早期药物的设计进行指导[34]；再比如智能外骨骼，可以帮助瘫痪的患者行走[35]；以及智能健康管理等等，在这里就不一一赘述了。

目前人工智能在临床方面还处于试用研究阶段，还没有真正有历史性突破的研发。其发展也处在平台期(缓慢上升期)，正在累积能量。任何事情，包括全世界文明，都是呈现指数的规律发展。那么人工智能也一定是如此，毋庸置疑的是，未来人工智能将会遍布医疗领域的方方面面。

3 小结

综上所述，人工智能将会是未来人类医疗的一个发展方向及发展趋势，但目前在医疗领域人工智能仍不会取代医生。不可否认，人工智能正在非常快速地、不以个人意志为转移地进入我们的日常生活。人工智能就像PET-CT、MR、CT等医疗仪器的应用一样，随着这些新技术的发展，医生对患者病情的了解可以更加的精准，也可以尽早发现早期病变，医生的认知、业务能力也会随之提高。可以说，未来医疗的新时代是人工智能的时代，会更好地辅助医生进行工作。勿庸置疑的是未来的医疗，将会在人工智能的辅助下更加精准化、规范化、智能化。