医疗人工智能

从预测疾病到优化医院工作流程，人工智能极大地改变了医疗行业。据预测，人工智能将推动医疗领域的全面转型，包括新技术、新疗法、精准疗法和个性化医疗，以及药物设计和制造。新技术和新流程的出现也引出了信任、问责、隐私和安全等方面的问题。我们如何确保人工智能驱动的解决方案对患者是安全的？如何进行评估？又如何保护患者隐私？

鉴于此，9月10日ISO大会期间，由专业主持人和记者希利·高希（Shiulie Ghosh）主持，“医疗人工智能——患者体验的变革”研讨会邀请了Arkangel AI公司总裁及联合创始人劳拉·贝拉斯克斯·埃雷拉（Laura Velasquez Herrera）、甲骨文公司日本和亚太地区医疗行业执行董事彼得·威廉（PeterWilliams）两位嘉宾，就人工智能在诊断、个性化治疗和患者福祉等方面的应用分享了自己独到的见解。

主持人：如何用人工智能来改善患者的健康状况？

劳拉·贝拉斯克斯·埃雷拉：从大约4年前，我们就开始将人工智能融入医疗行业的很多工作。为了帮助患者，我们设法了解医疗行业中存在的主要问题，并通过人工智能模型预测哪些人通过特定的治疗方法会得到更好的结果，同时预测患者的并发症。这些都需要临床数据，但我们一直在没有临床数据的情况下工作，例如利用人工智能工具改善医院的运营情况。我们还建立了人工智能系统，帮助医疗专业人员及时增加知识、提升技能。我们已经在拉丁美洲超过18个国家开展了这项工作，通过人工智能影响了6800多万相关人员。

我们希望通过人工智能进行早期诊断并发现糖尿病等慢性疾病。我们以收治患者的医院的历史数据为基础训练了一个模型。一旦我们完成这个模型的训练，人工智能预测疾病的准确性就能达到92%。现在，我们的相关算法已经在哥伦比亚和拉丁美洲国家的300多家医院中得到应用，以找出有更多疾病指标的人。只有这样，我们才能够及早干预，为患者带来更好的结果。

至于人工智能可以走多远，我认为现在只是个开始。我们证明了这类技术的可行性。我们不仅能进行早期援助，还可以采取更多措施，全世界能比现在做得更好。例如，在特定的案例中，我们通过结构化数据建立了某种算法。现在，我们正在建立一个新算法，但采用的是非结构化数据。这是一个全新的事物，将改变整个医疗系统的运作方式。

数据分析对医疗领域的变革意味着什么，人工智能可以在哪些方面真正发挥作用？

彼得·威廉：我们正在与一个老年护理供应商合作，将临床信息结合起来。老年护理涉及活动能力、饮食和社交水平等功能信息，也应用情感分析等，通过多个方面全面地了解一个人。这样就可以预测他们病情更快速恶化的风险，一切都与数据有关。

就在几周前，英国托尼·布莱尔全球变化研究所发布了一份名为《为人工智能时代的国家医疗服务体系做好准备：为每个公民建立数字医疗档案》的报告。我认为这很重要。现在已有很多系统到位。例如，使用特别的生成式人工智能来形成出院小结。这取决于你从系统中提取的信息质量，它们越标准化、越完整，出院小结就会越有价值。一个初级医生要花很多时间来处理类似的信息，而人工智能在几分钟内就能完成，我们只需要检查一下就可以了。从人口层面来说，全球医疗行业的一个关键问题就是临床人员短缺，任何可以提高工作效率、节省时间，同时改进质量的事物都很有价值。如果我们把出院小结总结起来，能否把它扩大到全球标准呢？当人们前往不同国家时，可以随身携带自己的数据，因为它是一种标准化的形式。所以，人工智能在这方面有巨大的潜力。

现在，我们面临的一个挑战是在研究一个特别罕见的健康问题时，收集足够的数据可能需要跨越多个不同的辖区。如今，所有公司都可能对数据主权有很高的要求，而且数据不能离开实验室。这时，我们可以利用算法处理数据，通过标准化的技术来进行管理。考虑到人工智能的影响，ISO健康信息学技术委员会（ISO/TC 215）已经修订了相关标准。该标准在2013年进行了一次修订，来适应新的情况。

让我们谈谈责任、管理以及标准在医疗方面的作用。随着创新和技术越来越多，特别是在医疗领域，患者如何对人工智能驱动的医疗保持信任？

劳拉·贝拉斯克斯·埃雷拉：随着人工智能时代的快速发展和变化，对政府来说，很难采取及时的措施来加以监管。因此，病人如何确保人工智能可以带来好的价值需要科学评估，这就与认证有关了。我们对每个国家都有具体的认证，确保我们使用的技术是安全且可实施的。如果它的发展速度超过了监管，那就很难进行管理。

病人能做的就是询问医生使用了什么技术以及如何执行，但无法明确会带来好的还是坏的结果。这是要改变的事情，而且我认为情况正在改变。很多实体都在协助国家进行这方面的监管，但还是取决于具体的情况。标准的作用是把所有公司都遵守的人工智能管理良好实践整合起来。我们必须遵守所有的标准才能够执行这些技术，对算法进行验证，并通过真实、经过分析的数据训练模型，将其投入实际应用。

要在医疗系统中建立这类人工智能算法，就要符合各个国家的规定，因为在澳大利亚、哥伦比亚、墨西哥和美国的规定完全不一样。因此，要遵守各国的规定才能得到好的结果。这就是标准的作用，无论我们在哪个国家，使用哪种应用，都可以确保其安全性。

随着生成式人工智能的迅速发展，企业如何才能跟上，标准如何以负责任的方式推动技术发展？

彼得·威廉：目前，生成式人工智能面临的一个挑战是有许多不断增加的应用案例。传统的标准方法会定义最后一组应用案例，然后再看要实施哪些控制手段和管理哪些风险等。而生成式人工智能有成千上万的潜在用途。在这方面加以管控应该采取一种以原则为基础的方法。这样，当事情发生变化时，我们可以搭建一个框架，把关注的领域缩小。

目前，我们正在与ISO/IEC人工智能健康信息学联合工作组（ISO/IEC JTC 1/SC 42/JWG3）开展合作，这个联合工作组是由ISO/TC 215和ISO/IEC人工智能联合分委会（ISO/IEC JTC1 / S C 42）共同成立的。我们一直在做的是了解人工智能标准在横向领域的范围，以及开展生成式人工智能方面的具体工作。我们正在研究生成式人工智能在卫生领域的差异有哪些。目前，我们在做一项具体的工作。在涉及风险管理时，ISO/IEC 42001《人工智能管理体系》也可以看作是当前的管理风险标准。我们将在SC 42的下一次会议上讨论医疗风险问题，因为医疗风险不同于一般性风险。医疗的首要原则就是不能造成伤害。那么，如何看待医疗的功能性风险呢？在开展医疗风险相关工作的同时，我们还开展了生成式人工智能的相关工作。在信息发布方面，我们主要采用公共可用规范或早期制定的方式，而不是花3年时间等一个标准出台，这样做的目的是尽快把一些信息传递给社会。