今日，廣州醫科大學(xué)第一附屬醫院院長(cháng)何建行教授與加州大學(xué)圣地亞哥分校（UCSD）人類(lèi)基因組醫學(xué)研究所所長(cháng)張康教授在最新一期《Nature Medicine》上發(fā)表了一篇深度綜述，梳理和預測了AI技術(shù)在醫療健康領(lǐng)域的實(shí)施現狀與未來(lái)發(fā)展。我們整理了這篇綜述中的精彩內容，以饗讀者。
AI在醫療領(lǐng)域的現狀
“AI+醫療”指的是人工智能通過(guò)機器學(xué)習、表征學(xué)習、深度學(xué)習和自然語(yǔ)言處理等各種技術(shù)，利用計算機算法從數據中獲取信息，以協(xié)助制定臨床決策為目的，實(shí)現輔助診斷、療法選擇、風(fēng)險預測、疾病分診、減少醫療事故和提高效率等一系列功能。
在醫療健康領(lǐng)域，AI發(fā)揮重要影響的應用將涵蓋四大方向：診斷，治療，人口健康管理，監督和調控。
研究人員預測了基于A(yíng)I的技術(shù)在臨床實(shí)施應用的幾種方式。
首先是作為分診和篩查工具，理論上可以降低醫療系統的壓力，把資源分配給最需要醫療幫助的患者。例如，通過(guò)深度學(xué)習，AI工具可以檢查視網(wǎng)膜圖像，確定哪些患者有致盲性眼病并及時(shí)轉診給眼科醫生。還有英國B(niǎo)abylon公司開(kāi)發(fā)的一款移動(dòng)應用，可以和用戶(hù)直接互動(dòng)的聊天機器人，實(shí)質(zhì)上就是基于A(yíng)I的分診工具，用于區分患者是否需要找醫生做進(jìn)一步檢查。
AI技術(shù)還可以在一些理論上不復雜但時(shí)間緊、耗人力的任務(wù)上作為替代人手，讓醫療工作者可以去處理更復雜的任務(wù)。例如，自動(dòng)化分析射線(xiàn)成像，估測骨齡；自動(dòng)化分析光學(xué)相干斷層掃描（OCT）影像，診斷可以治療的視網(wǎng)膜疾??；自動(dòng)化分析心血管圖像，量化血管狹窄和其他指標，等等。
最能體現AI價(jià)值的方式或許是讓AI輔助專(zhuān)業(yè)醫師。讓臨床醫生與AI結合，產(chǎn)生1+1>2的協(xié)同效應，支持實(shí)時(shí)的臨床決策，助力精準醫療。
臨床實(shí)踐實(shí)施AI技術(shù)的關(guān)鍵議題
雖然醫療相關(guān)的AI技術(shù)不斷實(shí)現突破，但把技術(shù)“轉化”為真正實(shí)施于臨床的應用，目前還存在一定距離。要真正實(shí)現“產(chǎn)業(yè)化”，需要獲得大批量數據，把AI嵌入實(shí)際的臨床工作流程，并配合監管框架。研究人員認為，需要解決以下幾大問(wèn)題。
數據共享
無(wú)論是對AI的初始訓練還是對算法的驗證和改進(jìn)，數據都是核心依托。目前，像Cardiac Atlas Project，放射學(xué)視覺(jué)概念提取挑戰賽VISCERAL（Visual Concept Extraction Challenge in Radiology），英國生物樣本庫“UK Biobank”和Kaggle數據科學(xué)杯賽 （Data Science Bowl）等國際項目，提供了成像和非成像數據的大規模數據集。不過(guò)，研究人員認為，要在醫療健康領(lǐng)域更廣泛的采納AI技術(shù)，數據共享的程度還需要進(jìn)一步加大。
數據和算法的準確性和透明度
透明度涉及多個(gè)層面。例如在監督式學(xué)習中，預測準確性很大程度上依賴(lài)于輸入到算法中的注釋的準確性。大量（上萬(wàn)至十萬(wàn)級）高質(zhì)量標注好的數據是算法準確性的根本條件，也是稀缺資源。另外輸入數據的標簽透明度對評估監督式學(xué)習算法的訓練過(guò)程是否準確起到關(guān)鍵作用。
透明度還影響到模型的可解釋性，也就是讓人類(lèi)可以理解或闡釋特定預測或決策所產(chǎn)生的邏輯。應用于醫療的AI技術(shù)需要打開(kāi)“黑箱”，有足夠的透明度來(lái)評判診斷、治療建議或預測結果的合理性。
透明度的另一個(gè)重要原因在于，AI技術(shù)可能存在算法偏差，會(huì )放大種族、性別或其他特征造成的歧視。訓練數據的透明度和模型的可解釋性使我們可以檢查潛在的偏差。理想情況下，可以用算法解決算法偏差，如果設計時(shí)可以根據已知的偏差做出彌補，甚至可以通過(guò)機器學(xué)習來(lái)解決群體之間在健康上的遺傳和生物差異。
患者的安全
問(wèn)責制度是與患者安全有關(guān)的一個(gè)重要問(wèn)題。當AI技術(shù)對我們的身體造成傷害時(shí)，誰(shuí)應該為此負責？無(wú)疑，AI技術(shù)將改變傳統的醫患關(guān)系。多國政府和WHO的監管機構正在做出努力，試圖在保護患者安全和促進(jìn)技術(shù)創(chuàng )新之間取得微妙的平衡。
數據標準化
鑒于醫療保健數據的復雜性和大規模，AI技術(shù)要有效利用各種方式收集的數據，在初始開(kāi)發(fā)階段就應做好數據標準化的工作，將數據轉化為在不同工具和方法中都能被理解的通用格式。
典型的臨床工作流程由多個(gè)部分組成，對互操作性提出了要求。以AI輔助放射學(xué)為例，用于檢查操作的算法、研究?jì)?yōu)先級、特征分析和提取，以及自動(dòng)化生成報告，可能是由不同的供應商提供的產(chǎn)品，算法之間需要創(chuàng )建一套工作流互操作性標準進(jìn)行整合，并讓算法可以在不同設備上運行。如果不盡早優(yōu)化互操作性，AI技術(shù)實(shí)際應用的效果會(huì )受到嚴重制約。
嵌入現有臨床工作流程
醫學(xué)數字成像與通信（DICOM）標準和醫學(xué)影像存檔與通訊系統（PACS）為數據管理提供的一致性平臺使醫學(xué)影像發(fā)生了革命性巨變，類(lèi)似的標準也應該應用到AI技術(shù)，開(kāi)發(fā)統一的命名，方便數據的存儲和檢索。
例如，以實(shí)現臨床轉化為目的的快捷健康互操作資源（FHIR）框架就是目前全世界范圍內快速發(fā)展的一套標準，基于一系列被稱(chēng)為“資源”的模塊化組件來(lái)構建。這些資源能夠很容易地組裝進(jìn)工作系統，方便在電子病歷、移動(dòng)端應用程序、云通訊等之間進(jìn)行數據共享，這對于未來(lái)AI技術(shù)在醫療保健領(lǐng)域的實(shí)施至關(guān)重要。
經(jīng)濟考量和人才配備的問(wèn)題
研究人員特別提出，鑒于臨床決策的復雜性和潛在的濫用后果，在醫學(xué)領(lǐng)域實(shí)施AI技術(shù)需要所有利益相關(guān)者的積極參與，在醫生、醫療服務(wù)提供者、數據科學(xué)家、計算機科學(xué)家和工程師之間形成溝通和協(xié)作。
評估安全性和有效性的政策和監管環(huán)境
美國FDA在2017年7月推出數字健康創(chuàng )新行動(dòng)計劃（Digital Health Innovation Action Plan），對醫療軟件提出監管新舉措，在此基礎上，已經(jīng)有一些AI技術(shù)獲得了FDA批準。例如，第一款獲得FDA批準使用AI的醫療設備——“自主”診斷系統IDx-DR，用AI算法為患者自動(dòng)檢測是否出現輕度糖尿病視網(wǎng)膜病變（DR），根據篩查結果提供是否需要轉診給眼科專(zhuān)家的建議，適用于基層醫療機構。這款AI產(chǎn)品的上市過(guò)程就是走了FDA針對低到中度風(fēng)險的“De Novo重新分類(lèi)”途徑，并獲得了突破性產(chǎn)品（Breakthrough Device）資格。
此外，FDA啟動(dòng)軟件預認證計劃，著(zhù)重審查軟件技術(shù)開(kāi)發(fā)商而非單個(gè)產(chǎn)品，改善技術(shù)獲取方式，將資源集中在高風(fēng)險的產(chǎn)品上。
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
