人工智能在医疗领域的应用现状和思考

庹敏 侯梦婷 鲍娟

湖北医药学院公共卫生与健康学院，湖北十堰 442000

随着“健康中国2030”国家决策的不断推进，人工智能（artificial intelligence，AI）作为一项基础技术被提升为国家战略规划，纳入国家重点研究发展计划。医疗AI 作为AI 领域的一个重要方向发展迅速，利用新型技术助力医疗领域的理论与应用早已成为医疗和研究机构研究的热点。2020 年新型冠状病毒肺炎疫情的暴发，加速了AI 技术在医学中的应用，其在疾病预测与预防、药物研发、健康管理、健康监测与个性化医疗服务等方面作用凸显。AI 将是未来整个医疗领域的提升方向，给医学信息智能化赋予了新的意义和内涵。本文分析了AI 在医疗领域的应用现状并对其所面临的问题提出建议，推动AI 在医疗领域的深入探索与应用，为医疗AI 的发展提供理论基础。

1 AI 在医疗领域的应用现状

1.1 智慧医院建设

1.1.1 智能语音电子病历 智能语音技术是理想的人机交互的方式之一，让机器通过接收、识别和理解人的语言信号从而转变为相应的文本或指令。借助智能语音识别技术，突破传统医疗报告耗时长、效率低、报告输入或记录模式的限制，减少甚至代替键盘输入可明显提高医生工作效率和服务质量，创新工作模式。Nuance 公司的医疗语音识别系统可将医生报告录入时间缩短为原来的1/5，有效提高医生的工作效率。借助智能语音输入宝整理病历数据1min 可转录4000 字，识别准确率达98%。当前，智能语音电子病历系统仍存在较大的技术挑战，需要构建完备的医学知识图谱，并突破降噪、变异发音单元监测和模型训练等技术问题。随着系统的优化和升级，语音电子病历将逐步提高在医疗场景的应用率。

1.1.2 智能导医问诊 智能问诊分为预问诊和自诊。预问诊，即在患者就诊前通过虚拟医疗助手或智慧医疗小程序与医生交互信息，初步形成病历报告，供患者和就诊医生参考，提前了解病情以提供更好的诊疗服务；自诊，即由患者在智能分诊机器或互联网医院APP 通过人机交互完成智能问诊，给出最佳就诊科室建议，以缩短问诊时间，提升问诊效率。AI 与互联网技术结合还推出智能问诊APP 如智云健康、春雨医生、微脉等，不仅为患者提供爱心义诊、预约挂号、专家问诊、在线咨询、送药到家等全方位服务，还提供健康教育、康复指导，缓解了分诊压力。

1.1.3 智能影像诊断 智能影像诊断，即将AI 技术应用于医学影像辅助诊断领域，AI 在此领域落地最早、应用最广。AI 在影像领域的应用主要分两部分，一是图像识别，二是深度学习，二者结合给医学影像领域带来巨大改革。图像识别主要是将病变部位进行影像分析，获取一些有意义的信息。食管癌AI影像监测准确率达98%，并可区分浅表食管癌和晚期癌症，肺结核AI 系统阅片诊断正确率达92%，胆管癌AI 磁共振成像诊断准确率达94%。深度学习主要是利用影像大数据和模型训练，使其具有评估和诊断能力，进而得出辅助诊疗方案。Google DeepMind Health 团队利用深度学习将视网膜眼底图像用于糖尿病黄斑水肿程度监测，敏感度为97.5%。国内学者使用智能超声诊断系统对甲状腺结节进行自动检测，准确率达97%，国外学者利用Fuzzy Art 模型对急性阑尾炎进行诊断，定位准确率为95%，与专家水平相当。

1.1.4 医疗质量监控 将AI 技术用于医疗质控，通过对医疗质控前监测、智能质控提醒与医务管理，从而提高全院医疗质量，为医院管理提供科学的决策支撑。江苏省人民医院设计的智能静脉血栓栓塞（venous thromboembolism，VTE）质控系统可动态化监测住院患者VTE，实现院内VTE 及时识别和有效干预。基于移动护理的骨科创伤患者血糖管理系统，可实时采集、动态检测血糖数据。罗爱静等构建的合理用药监测系统，可监测药物剂量、合理的给药途径，还可审查与提示药物的过敏史、禁忌证和不良反应。

1.1.5 远程医疗 我国远程医疗行业起步较晚，但由于国家政策的支持和疫情的催化，目前处于快速发展阶段。远程医疗包括远程会诊、远程治疗、远程护理、远程手术等服务模式。2019 年3 月，中国人民解放军总医院成功完成全国首例远程人体手术——帕金森病“脑起搏器”植入术。利用远程医疗技术对急性脑卒中患者进行救治，可确保患者及时转运，提高抢救成功率，降低医疗成本。当突发应急灾害、公共卫生事件或事故救援时，基于云平台进行在线评估、多学科协作诊疗与转诊、随访等远程医疗服务，可实现医疗资源最大化利用。在新型冠状病毒肺炎疫情防控期间，引入许多新的远程监控患者手段，不仅有利于控制疫情传播，而且有助于确保向非新型冠状病毒肺炎患者提供医疗服务。

1.2 智能药物研发

智能药物研发是指应用AI 技术机器学习模拟药物研发过程，准确地选取药物靶点和化合物、模拟动物实验和临床实验，测试药物疗效和有效性及药物重新定位，缩短药物研发周期，提高研发效率，节省研发成本。van IJzendoorn等利用机器学习方法和基因表达数据，发现罕见软组织肉瘤新的生物标志物和潜在药物靶点。Pantuck等利用AI 技术鉴定药物剂量和给药效果，将恩扎卢胺和溴代多巴胺抑制剂ZEN–3694 联合应用于转移性前列腺癌患者，发现ZEN–3694 比初始剂量降低50%，已确定最佳剂量阻止癌症蔓延。Moreira–Filho等利用基于AI 的计算方法和自动化分析研发并优化血吸虫药物，使血吸虫疫苗成为可能。

1.3 智能健康管理

1.3.1 疾病风险预控 AI 在疾病风险预控领域发展势头强劲，主要通过AI 系统监测和评估识别疾病的危险因素，预先采取措施，从而阻断、延缓或控制疾病的发生风险和发展进程。Cognoa 公司基于AI平台儿童自闭症筛查已获得美国食品药品监督管理局监管许可，准确率超过80%。基于AI 算法构建血压模型与患者体检指标结合可用于高血压患者的病情预测和并发症预防。国外学者利用AI 研究乳腺癌的病灶转移及预后，总体准确率为83%。目前，AI 占领了疾病风险预控的主流，但精确度和普遍适用性有待提高。

1.3.2 居家健康管理/慢病管理 AI 为健康管理行业注入了新的活力。目前多以智能手机APP（Health book、妙健康、悦动圈等）和智能可穿戴设备（智能手环、手表、眼镜等）来监测用户的基本生命体征、营养摄入、疾病管理、心理健康等指标，通过对健康数据的分析规划用户的日常锻炼、膳食分配、健康教育推送；监测用户潜在的疾病风险及并发症、用药依从性，实现疾病早期预警与防控，提高用户的自我管理。

1.4 智能医疗机器人

近几年医疗机器人在医疗领域的应用取得实质性的进展。目前全球最成功的机器人系统是Da Vinci外科手术机器人。我国三所高校联合研发的“妙手S”腹腔微创手术机器人可完成直径<1mm 微细血管的剥离、剪切、缝合和打结等手术操作。我国学者设计的全自动无针头疫苗注射机器人，可精确定位疫苗穿刺点和注射角度。在新型冠状病毒肺炎疫情期间，远程机器人极大地支持前线医务人员的工作任务。启动机器人开展消毒清洁、测量体温、导医问诊、物资运送等防控工作，大大减少患者和医护人员之间的密切互动，遏制病毒的传播。

1.5 传染病防控

在AI 的助力下，传染病的预防和控制不断创新升级。基于机器学习的传染病预警系统可对某项特定传染病进行早期预警和预测，实现传染病实时监测、早期介入，为传染病的控制和管理决策提供科学依据。疾控中心利用AI 模型提前7 天预测流感和手足口病，准确率达80%以上。在传染病大流行期间，利用AI 进行无人配送、自主消毒、远程医疗等一系列无接触服务，可减少病毒的交叉感染，减轻医务人员的工作负荷。基于AI 合成技术可实现在超市、机场等公共场所自动检测体温和批准/禁止入内，以监控和执行防控措施，还可通过分析人们的行为和症状识别潜在的传染病病例。

2 挑战与思考

2.1 AI 助推医疗深化变革

AI、大数据等新兴技术在医疗虚拟助手、新药研发、疾病预测、健康管理等医疗场景得到广泛应用，为医疗领域提供新兴发展方向，改变传统医疗服务模式，提高医疗管理效率，促进医疗资源合理配置。随着医疗信息的不断深入，AI 将推动医疗健康走向更高层次，开启医疗卫生领域全面智能化，建立一个更有效和更高效的医疗保健系统。

2.2 AI 在医疗领域面临的挑战

2.2.1 数据质量与实践应用 AI 医疗产品的落地或模型的构建需要健康数据的支撑。健康数据主要来源于医疗机构数据和健康管理数据的全面整合。数据质量的高低，包括数据的准确度、安全性、标准化等直接影响AI 的质量。一方面国内大部分医疗机构独立且共享程度低，存在数据不开放、不规范、重复且零散的问题；另一方面健康管理数据的缺乏、丢失造成数据不完整，且医疗机构数据和健康管理数据整合目前较困难，这些情况都制约着AI 产品/模型的真正落地应用。

2.2.2 人才挑战 智能医疗需要具备AI 技术和医学知识的复合型人才。现阶段国内交叉学科人才普遍匮乏，多数AI 技术人员没有医学背景，医学专业教学单一，缺乏系统性交叉学科的培养体系和方案。医学信息学与生物工程学近几年发展趋势良好，但与医学素养、AI 技术相脱离，无法很好地培养跨学科人才。

2.2.3 伦理挑战 尽管AI 在医疗领域快速发展，但关于AI 伦理方面的研究相对较少。随着智能设备实践应用的场景增多，无形中弱化了医疗人员的职责定位，医生与患者的关系可能转变为医疗系统与患者的关系，无法明确对基于AI 应用程序或AI 辅助临床、护理决策中的风险隐患、医疗过失和事故进行定位追责。此外，由于AI 技术基于大量的数据集，在数据收集和共享方面容易出现个人信息泄露从而引起社会伦理问题。

2.3 AI 在医疗领域的发展建议

2.3.1 注重数据质量 优质的健康数据是AI 实现的基础。国家应大力推动基于系统化与标准化智能医疗健康数据库和资源服务平台的构建和共享，打破信息孤岛，提高管理层面高质量数据的可访问性，建立合理的数据访问标准和制度。推广AI 健康产品的应用，借助云技术对健康数据进行储存、实时更新，为数据的流动、共享提供支撑。健康数据全方位深度整合需要管理者、医生、信息技术人员等共同合作研究解决，期望早日突破数据整合瓶颈，促进智能医疗实践应用的可行性和精准度。

2.3.2 重视培养复合型人才 智能医疗不仅仅是“人工智能+医疗”两个学科的简单合并，应明确学科的定位和培养目标。教育机构和高等院校应创新医学教育培养体系，构建并完善复合型人才培养方案，科学分配基础知识和AI 技术的学习。重视AI 与医学的融合，加强人才储备和团队建设，促进交叉学科的一级建设。

2.3.3 健全伦理规范 建立公开透明的技术标准和管理机制，实行设计问责和应用监督并重的双层监管结构，尽可能减少智能医疗系统的差错，包括数据质量、算法设计、医生的权威性等。同时建立一套完善的智能医疗纠纷解决机制。严格按照国家规定保护个人隐私，明确数据的使用权限。加强信息保护系统，避免数据外泄。

3 结语

本文总结了AI 在医疗领域的应用，对其未来发展和挑战进行了展望，以期提高对智能医疗的了解。AI 可改变医学服务模式，但其许多实际应用仍处于起步阶段，医务人员需不断地探索切合实际、易于推广的智能医疗应用场景，更好地为大众提供医疗保健服务。