人工智能醫(yī)學(xué)技術(shù)發(fā)展的聚焦領(lǐng)域與趨勢(shì)分析

李志勇　李鵬偉　高小燕　孫 湛　麻 良　崔澤實(shí)*

現(xiàn)代綜合科技與計(jì)算機(jī)、移動(dòng)互聯(lián)網(wǎng)技術(shù)的融合發(fā)展催生人工智能(artificial intelligence， AI)問世，并迅速擴(kuò)布[1]；AI與醫(yī)學(xué)結(jié)合又派生出一個(gè)新的產(chǎn)品領(lǐng)域-AI醫(yī)學(xué)裝備，而后者運(yùn)用到醫(yī)療健康流程中轉(zhuǎn)化出AI醫(yī)療健康新醫(yī)學(xué)技術(shù)模式[2-4]。有學(xué)者認(rèn)為，未來的醫(yī)學(xué)時(shí)代是AI診療[5]。AI醫(yī)學(xué)裝備技術(shù)的發(fā)展對(duì)衛(wèi)生健康事業(yè)和健康產(chǎn)業(yè)將產(chǎn)生雙重影響，AI醫(yī)療健康產(chǎn)品的研發(fā)、生產(chǎn)成為新興產(chǎn)業(yè)形態(tài)，推向市場(chǎng)也將對(duì)醫(yī)學(xué)裝備市場(chǎng)及醫(yī)療服務(wù)的格局產(chǎn)生影響。AI醫(yī)學(xué)裝備與醫(yī)學(xué)事業(yè)間的相互作用，在從整體上促進(jìn)人類醫(yī)療、預(yù)防以及保健水平的同時(shí)，更應(yīng)注意其在改變傳統(tǒng)的醫(yī)學(xué)模式、醫(yī)學(xué)理念、醫(yī)療行為等方面的作用[6]。因此，有必要對(duì)AI醫(yī)學(xué)技術(shù)發(fā)展的現(xiàn)狀、熱點(diǎn)領(lǐng)域及其發(fā)展特點(diǎn)、規(guī)律與趨勢(shì)進(jìn)行研究。

1　資料與方法

1.1　數(shù)據(jù)挖掘

以“人工智能”和“AI”分別組合“醫(yī)學(xué)裝備”、“醫(yī)療設(shè)備”、“醫(yī)療器械”及“醫(yī)學(xué)”，以多重檢索策略對(duì)中國知網(wǎng)(CNKI)、萬方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)(WANFANG DATA)及維普期刊資源整合服務(wù)平臺(tái)(VIP)進(jìn)行文獻(xiàn)檢索，檢索時(shí)限設(shè)2008年1月1日至2017年12月31日。

1.2　文獻(xiàn)計(jì)量與可視化分析

對(duì)檢索文獻(xiàn)條目做查重處理，確定樣本文獻(xiàn)并下載，進(jìn)行常規(guī)文獻(xiàn)計(jì)量學(xué)分析。結(jié)合文獻(xiàn)評(píng)閱提取關(guān)鍵詞，使用書目信息共現(xiàn)分析系統(tǒng)(bibliographic item CO-occurrence matrix builder，BICOMB)統(tǒng)計(jì)關(guān)鍵詞頻次，根據(jù)累積頻次設(shè)定閾值截取高頻關(guān)鍵詞，做詞篇共現(xiàn)分析，構(gòu)建詞-篇共現(xiàn)矩陣；利用明尼蘇達(dá)大學(xué)圖形聚類工具包(graphical clustering toolkit，gCluto)對(duì)其進(jìn)行雙聚類可視化分析[7]。根據(jù)文獻(xiàn)計(jì)量學(xué)與可視化分析結(jié)果，分析我國期刊AI醫(yī)療健康裝備技術(shù)研究與報(bào)道的熱點(diǎn)專題。

2　結(jié)果

2.1　文獻(xiàn)計(jì)量

檢索出文獻(xiàn)547篇，剔除重復(fù)文獻(xiàn)及無有效數(shù)據(jù)可采集文獻(xiàn)42篇，獲得樣本文獻(xiàn)505篇。

(1)文獻(xiàn)年代分布。年度文獻(xiàn)總量在2009年呈現(xiàn)下降后維持在一個(gè)相對(duì)平緩期，從2015年起開始攀升，在2017年達(dá)到128篇，為2008年的2倍。2008-2017年樣本文獻(xiàn)分布如圖1所示。

(2)文獻(xiàn)類別分布。近10年間，在期刊論文、學(xué)位論文及會(huì)議論文中；期刊論文共333篇，占發(fā)文總量的65.94%，年代分布與總體論文趨勢(shì)基本一致；學(xué)位論文151篇，占發(fā)文總量的29.90%，發(fā)映出AI醫(yī)學(xué)技術(shù)是一在高校與科研單位較關(guān)注的立項(xiàng)研究領(lǐng)域，年代分布在2008-2015年期間，基本在10～20篇波動(dòng)，而在2016年后出現(xiàn)下滑；會(huì)議論文21篇，占發(fā)文總量的4.16%，某種程度上映射出專業(yè)會(huì)議交流不甚活躍，可能與該領(lǐng)域的跨學(xué)科特征以及缺乏對(duì)應(yīng)的行業(yè)組織有關(guān)。

圖1　AI醫(yī)學(xué)技術(shù)文獻(xiàn)年代分布(2008-2017年)

2.2　關(guān)鍵詞頻次

共獲得1174個(gè)關(guān)鍵詞，經(jīng)剔除寬泛詞、合并同義詞，最終確定為908個(gè)；設(shè)≥5次為閾值截取高頻關(guān)鍵詞97個(gè)，在樣本文獻(xiàn)中出現(xiàn)頻次較高的關(guān)鍵詞，能夠反映該領(lǐng)域的研究熱點(diǎn)(見表1)。

2.3　雙聚類可視化分析

對(duì)97個(gè)高頻關(guān)鍵詞進(jìn)行詞-篇共現(xiàn)分析，形成97(行)×505(列)的詞篇共現(xiàn)矩陣，帶入gCluto軟件進(jìn)行雙向聚類，根據(jù)聚類效果確定為5類?？梢暬角鹑鐖D2所示。

圖2　AI醫(yī)學(xué)技術(shù)文獻(xiàn)高頻關(guān)鍵詞可視化山丘圖

雙聚類可視化分析結(jié)果表明，我國期刊在AI醫(yī)學(xué)裝備技術(shù)領(lǐng)域的研究與報(bào)道的熱點(diǎn)專題聚焦在：①基于圖像的AI技術(shù)在醫(yī)學(xué)影像學(xué)(X射線攝影、CT、MRI、核醫(yī)學(xué)、超聲等)、臨床病理學(xué)、放射治療圖像配準(zhǔn)與靶區(qū)勾畫等方面的研究；②計(jì)算機(jī)輔助外科相關(guān)AI醫(yī)學(xué)技術(shù)在微創(chuàng)外科、骨外科、口腔科、康復(fù)等領(lǐng)域里的研發(fā)、應(yīng)用；③深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、小波轉(zhuǎn)換等AI模式與算法在生理學(xué)信號(hào)分析、心理、腦神經(jīng)、皮膚、眼科等方面的應(yīng)用；④在探索AI技術(shù)與信息技術(shù)融合、電子健康檔案等大數(shù)據(jù)利用的基礎(chǔ)上，AI在遠(yuǎn)程醫(yī)學(xué)、移動(dòng)醫(yī)療、慢病管理、健康管理、可穿戴設(shè)備等方面的研究；⑤臨床檢驗(yàn)、基因?qū)W檢測(cè)、電子病歷及知識(shí)庫、中醫(yī)藥文獻(xiàn)、循證醫(yī)學(xué)等大數(shù)據(jù)的數(shù)據(jù)挖掘，推理機(jī)、關(guān)聯(lián)分析等AI技術(shù)在臨床輔助診治決策支持、醫(yī)學(xué)專家系統(tǒng)、疾病預(yù)測(cè)、藥物發(fā)掘等方面的研究。

表1　2008-2017年中文文獻(xiàn)AI醫(yī)學(xué)技術(shù)關(guān)鍵詞詞頻

3　討論與分析

3.1　AI醫(yī)學(xué)成像

基于醫(yī)學(xué)影(圖)像為樣本的AI醫(yī)學(xué)成像研究是最為活躍的領(lǐng)域[8-9]。涉及文獻(xiàn)量最多，匯集表1中“計(jì)算機(jī)輔助診斷、圖像處理、圖像分析、圖像識(shí)別、醫(yī)學(xué)圖像數(shù)據(jù)庫、病理診斷、細(xì)胞圖像”等高頻關(guān)鍵詞；主要涉及醫(yī)學(xué)影像學(xué)、臨床病理學(xué)、臨床檢驗(yàn)學(xué)3個(gè)臨床學(xué)科(見表1，如圖3所示)。

圖3　可視化矩陣0類示圖

3.1.1醫(yī)學(xué)影像學(xué)

醫(yī)療數(shù)據(jù)中有90%來自于醫(yī)學(xué)影像，且現(xiàn)期我國醫(yī)學(xué)影像數(shù)據(jù)正以30%的年增長率增長[10]。我國期刊最早的AI醫(yī)學(xué)影像文獻(xiàn)見于1986年，要?dú)w功于數(shù)字化圖像技術(shù)的突破與圖片存檔及通信系統(tǒng)(picture archiving and communication system， PACS)的建立[11]。X射線攝影由銀基膠片向數(shù)字化成像轉(zhuǎn)變是AI醫(yī)學(xué)影像的先決條件，而PACS可以認(rèn)為是臨床醫(yī)學(xué)中最早建立的醫(yī)學(xué)影像專業(yè)數(shù)字資源平臺(tái)[12]。近代PACS在傳統(tǒng)認(rèn)識(shí)上的放射影像學(xué)(X射線攝影、CT、MRI等)的基礎(chǔ)上，逐步實(shí)現(xiàn)與核醫(yī)學(xué)、超聲乃至窺鏡等全醫(yī)學(xué)影像系列集成，經(jīng)長期積累而形成的醫(yī)學(xué)圖像大數(shù)據(jù)為AI研究提供了豐富的數(shù)據(jù)源。因此，有學(xué)者認(rèn)為，醫(yī)學(xué)影像與AI技術(shù)結(jié)合是最有發(fā)展前景的領(lǐng)域[13]。

樣本文獻(xiàn)中有193篇為醫(yī)學(xué)影像學(xué)專題研究論著，占文獻(xiàn)總數(shù)的38.22%。按研究病灶，文獻(xiàn)分布數(shù)量由高至低分別為：①以肺結(jié)節(jié)、肺腫瘤研究為主的肺部影像76篇，其中按圖像來源設(shè)備為CT65篇、PETCT8篇，余為數(shù)字化X射線攝影(digital radiography，DR)等；②乳腺影像62篇，乳腺X射線機(jī)32篇、超聲成像設(shè)備20篇，余為乳腺CT、MRI、遠(yuǎn)紅外成像等；③MR成像21篇，主要集中在腦部成像AI技術(shù)的應(yīng)用研發(fā)(19篇)，2篇為心臟研究；④甲狀腺影像11篇，全部為超聲成像設(shè)備。其他文獻(xiàn)散布在前列腺、肝臟、胃腸等臟器。AI技術(shù)應(yīng)用主要為兩個(gè)方面：一是圖像識(shí)別，二是深度學(xué)習(xí)。我國學(xué)者廣泛運(yùn)用圖像識(shí)別、深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、圖像分割、圖像特征提取、3D重建等AI算法與模式技術(shù)進(jìn)行了大量研究，為臨床醫(yī)學(xué)提供3方面的技術(shù)支持。

(1)影像學(xué)輔助診斷。較典型的輔助診斷功能是通過PACS與臨床流程緊密結(jié)合，在完成對(duì)急診、門診和住院患者的圖像采集后，實(shí)時(shí)上傳到云端AI數(shù)據(jù)分析平臺(tái)進(jìn)行圖像識(shí)別等AI技術(shù)處理，完成分選、標(biāo)識(shí)；醫(yī)生在PACS終端上對(duì)AI處理結(jié)果進(jìn)行審讀、完成診斷并出具報(bào)告。此外，在糖尿病及皮膚病的AI輔助診斷上也取得長足進(jìn)展；長征醫(yī)院基于超過18萬張來自EyePACS的眼底彩照構(gòu)建了輔助診斷糖尿病視網(wǎng)膜病變的AI深度學(xué)習(xí)算法模型[14]。

(2)基層醫(yī)療機(jī)構(gòu)常見病的影像學(xué)診斷、篩查。目前，對(duì)影像學(xué)診斷能力較弱的縣鄉(xiāng)醫(yī)院的技術(shù)支持有兩種方式：①通過遠(yuǎn)程專家系統(tǒng)，由上一級(jí)醫(yī)院的專業(yè)影像醫(yī)生提供遠(yuǎn)程診斷[15-16]；②嘗試通過AI技術(shù)平臺(tái)提供常見病影像學(xué)診斷或疾病篩查。隨著醫(yī)聯(lián)體、互聯(lián)網(wǎng)+醫(yī)療等新型醫(yī)療服務(wù)模式的逐步開展，可能會(huì)給AI醫(yī)學(xué)影像技術(shù)的推廣應(yīng)用帶來機(jī)遇[17]。有學(xué)者認(rèn)為，AI是輔助全科醫(yī)生提高診療水平的途徑，可提高基層醫(yī)療運(yùn)行效率[18-19]。

(3)輔助放射治療計(jì)劃。惡性腫瘤放療靶區(qū)和危及器官的勾畫占用了放療科醫(yī)生和物理治療師大量的時(shí)間和精力，建立腫瘤靶區(qū)和危及器官勾畫自動(dòng)化智能化模型，將有效提高放射治療工作效率。智能化勾畫一般包括腫瘤多模態(tài)(式)影像重建、去噪、增強(qiáng)、配準(zhǔn)、融合等預(yù)處理，CT、MRI等腫瘤影像特征自動(dòng)提取，采用深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、幾何水平集和統(tǒng)計(jì)學(xué)方法等AI技術(shù)進(jìn)行腫瘤放射治療靶區(qū)和危及器官的智能化勾畫等3個(gè)主要步驟[20]。圖像輪廓的智能提取將是自動(dòng)勾畫的發(fā)展方向，Pinnacle等放射治療計(jì)劃系統(tǒng)運(yùn)用Atlas模板庫，初步實(shí)現(xiàn)了感興趣區(qū)域(region of interest，ROI)自動(dòng)勾畫；四川大學(xué)開展了基于深度卷積神經(jīng)網(wǎng)絡(luò)的靶區(qū)勾畫。

3.1.2基于顯微鏡圖像的AI輔助診斷

基于顯微鏡圖像的AI輔助診斷是AI醫(yī)學(xué)圖像研究的又一熱點(diǎn)領(lǐng)域，臨床實(shí)驗(yàn)室診斷中，臨床病理的常規(guī)組織病理學(xué)診斷、液基細(xì)胞等細(xì)胞病理學(xué)診斷、免疫熒光檢測(cè)等，血液學(xué)診斷，遺傳學(xué)的熒光染色體原位雜交、染色體分型檢測(cè)，以及臨床檢驗(yàn)的血涂片、尿液、糞便等樣本檢測(cè)，均是借助光學(xué)顯微鏡鏡檢完成。AI在顯微鏡圖像診斷上的應(yīng)用，很大程度上依賴于數(shù)字CCD等圖像記錄與全切片數(shù)字化圖像(whole slide images， WSI)技術(shù)[21]。我國病理學(xué)者在20世紀(jì)80年代就開展了對(duì)血細(xì)胞、肺組織切片、脫落細(xì)胞等樣本應(yīng)用圖像識(shí)別技術(shù)進(jìn)行早期疾病篩查的積極探索，可以認(rèn)為是病理學(xué)與AI技術(shù)結(jié)合的雛形。病理是臨床疾病診斷的“金標(biāo)準(zhǔn)”，以病理診斷大數(shù)據(jù)為依托，AI結(jié)合病理診斷，期待可在提升診斷效率、診斷準(zhǔn)確率上發(fā)揮作用，為精準(zhǔn)診斷鋪平道路。

文獻(xiàn)檢索共獲得13篇報(bào)道基于體液圖像AI臨床檢驗(yàn)研究的文章。有報(bào)道認(rèn)為，最早的AI醫(yī)學(xué)檢驗(yàn)設(shè)備可為1983年應(yīng)用圖像法檢測(cè)和識(shí)別尿中有形成分，在建立體液圖像數(shù)據(jù)庫的技術(shù)上，采用數(shù)字成像技術(shù)，提取體液樣本中顆粒的多種形態(tài)特征參數(shù)，先通過人工鑒別讓儀器學(xué)習(xí)，然后建立識(shí)別模型和算法。在檢測(cè)未知顆粒時(shí)，首先提取顆粒特征參數(shù)，通過神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)庫已知數(shù)據(jù)進(jìn)行計(jì)算、比對(duì)而判斷報(bào)告結(jié)果[22]。此外，AI在精液、糞便、陰道分泌物和宮頸細(xì)胞、血細(xì)胞、微生物、染色體分析與檢測(cè)、標(biāo)本自動(dòng)傳輸管理等方面的應(yīng)用研究也取得較明確的進(jìn)展。

3.2　計(jì)算機(jī)輔助外科相關(guān)AI技術(shù)

可視化矩陣1類中聚集的“醫(yī)療機(jī)器人、計(jì)算機(jī)輔助外科、骨科和(或)創(chuàng)傷、微創(chuàng)外科和(或)內(nèi)窺鏡”等高頻關(guān)鍵詞展現(xiàn)了AI技術(shù)在微創(chuàng)外科、骨外科、口腔科、康復(fù)等領(lǐng)域里的研發(fā)和應(yīng)用(如圖4所示)。

圖4　可視化矩陣1類示圖

3.2.1外科手術(shù)機(jī)器人(surgical Robot)

衍生于工業(yè)機(jī)器人技術(shù)，借助PUMA260工業(yè)機(jī)器人平臺(tái)于1985年首次開展了機(jī)器人輔助定位的神經(jīng)外科活檢術(shù)，成為醫(yī)療機(jī)器人起步的標(biāo)志[23]。手術(shù)機(jī)器人是AI控制技術(shù)應(yīng)用在醫(yī)療器械上的典型代表，其順應(yīng)了最小侵傷外科(minimal invasive surgery，MIS)的發(fā)展，將經(jīng)腔鏡微創(chuàng)手術(shù)向智能化、精準(zhǔn)化推進(jìn)了一大步。手術(shù)機(jī)器人也為遠(yuǎn)程醫(yī)療提供了可能，借助高速而穩(wěn)定的互聯(lián)網(wǎng)，醫(yī)生可以通過顯示屏實(shí)時(shí)了解患者的狀況，遙控機(jī)械臂在千里之外完成手術(shù)。目前，手術(shù)機(jī)器人已在腹外科、神經(jīng)外科、胸外科、骨外科、血管介入、顱面外科等手術(shù)中得到廣泛應(yīng)用[24-27]。據(jù)報(bào)道，2014年手術(shù)機(jī)器人全球市場(chǎng)額為33億美元，預(yù)計(jì)2019年將達(dá)到46億美元，5年年復(fù)合增長率為7%，而同期亞太地區(qū)將高達(dá)13.4%[23]。

經(jīng)過數(shù)十年的快速發(fā)展，醫(yī)療機(jī)器人的功能覆蓋了導(dǎo)診[28]、手術(shù)、診療(診斷、介入、放療、膠囊)、康復(fù)機(jī)、運(yùn)送、護(hù)理、殘疾和老年輔助等醫(yī)療保健流程。

3.2.2計(jì)算機(jī)輔助外科(computer-assisted surgery，或computer aided surgery， CAS)

CAS從PACS采集與決定外科手術(shù)路徑、定位與周圍組織器官關(guān)聯(lián)的醫(yī)學(xué)圖像，利用多模態(tài)技術(shù)進(jìn)行圖像融合，利用AI算法進(jìn)行3D可視化處理，導(dǎo)入外科醫(yī)生的手術(shù)思維并由系統(tǒng)給出實(shí)施路徑，最大限度地實(shí)現(xiàn)外科需要的解剖形態(tài)學(xué)信息可視化，并與3D打印技術(shù)結(jié)合實(shí)現(xiàn)實(shí)物化，在臨床醫(yī)學(xué)中顯示出4個(gè)主要應(yīng)用趨向。

(1)輔助制定手術(shù)方案與術(shù)中指導(dǎo)。傳統(tǒng)的手術(shù)規(guī)劃主要依據(jù)二維影像學(xué)數(shù)據(jù)，外科醫(yī)生憑借術(shù)前獲得的二維CT等圖像信息構(gòu)思形成3D立體解剖學(xué)結(jié)構(gòu)圖進(jìn)而實(shí)施手術(shù)，手術(shù)質(zhì)量更多取決于醫(yī)師的決斷力[29]。利用CAS制定手術(shù)方案、進(jìn)行手術(shù)前精細(xì)規(guī)劃，并在術(shù)中可隨時(shí)調(diào)出CAS方案指導(dǎo)或輔助手術(shù)，極大提高了手術(shù)的精準(zhǔn)性。CAS包括創(chuàng)建虛擬手術(shù)部位圖像、進(jìn)行AI圖像分析與深度處理、建立手術(shù)前規(guī)劃與手術(shù)步驟模擬、手術(shù)導(dǎo)航配合、腫瘤消融、實(shí)施手術(shù)等基本步驟。此技術(shù)的運(yùn)用過程也帶動(dòng)了數(shù)字化手術(shù)室建設(shè)[30]。

(2)手術(shù)導(dǎo)航。手術(shù)導(dǎo)航是空間導(dǎo)航追蹤技術(shù)、醫(yī)學(xué)影像技術(shù)、AI技術(shù)以及臨床手術(shù)技術(shù)的集成，實(shí)時(shí)顯示手術(shù)操作數(shù)據(jù)信息，通過導(dǎo)航數(shù)字化達(dá)到手術(shù)精確化?？梢?，手術(shù)導(dǎo)航是導(dǎo)航追蹤技術(shù)與CAS結(jié)合的產(chǎn)物，導(dǎo)航追蹤方法主要有紅外光學(xué)定位法、電磁定位法、超聲信號(hào)定位法、機(jī)械定位法4種。導(dǎo)航系統(tǒng)接收預(yù)置在特定部位的信號(hào)對(duì)定位器進(jìn)行追蹤，再根據(jù)所采集到的特定解剖部位的運(yùn)動(dòng)軌跡，通過AI圖像處理技術(shù)描繪出手術(shù)區(qū)域的空間形態(tài)，醫(yī)生手持帶有定位裝置的器械，在實(shí)時(shí)監(jiān)測(cè)手術(shù)操作的位置是否準(zhǔn)確的進(jìn)程中實(shí)現(xiàn)術(shù)中“導(dǎo)航”進(jìn)而完成手術(shù)。

(3)輔助教學(xué)。CAS構(gòu)成的虛擬仿真場(chǎng)景無疑為臨床教學(xué)、年輕臨床醫(yī)生培養(yǎng)提供了重要技術(shù)支持，顯示出較其他教學(xué)媒體技術(shù)更高的優(yōu)勢(shì)，解決了掌握現(xiàn)代手術(shù)器械技術(shù)難、高年資醫(yī)師更多地依賴于手術(shù)經(jīng)驗(yàn)，有時(shí)精確性并不可靠等問題。CAS系統(tǒng)還可以作為帶教醫(yī)師的一種示教工具，發(fā)揮臨場(chǎng)感外科手術(shù)(telepresence surgery)作用。此外，CAS系統(tǒng)可實(shí)時(shí)地反饋操作數(shù)據(jù)對(duì)操作者進(jìn)行評(píng)價(jià)，北京大學(xué)第三醫(yī)院骨科報(bào)道了“計(jì)算機(jī)導(dǎo)航系統(tǒng)在骨科膝關(guān)節(jié)置換術(shù)教學(xué)與培訓(xùn)中的應(yīng)用”，極大提升教學(xué)與培訓(xùn)質(zhì)量[31]。

(4)患者及家屬宣教。利用虛擬手術(shù)系統(tǒng)及3D打印實(shí)物，更便于向患者及家屬形象化講述手術(shù)過程、進(jìn)行健康宣教，促進(jìn)術(shù)后康復(fù)[32]。

值得注意的是，CAS的研發(fā)與應(yīng)用更體現(xiàn)臨床醫(yī)學(xué)以及解剖學(xué)等基礎(chǔ)醫(yī)學(xué)學(xué)者與工程技術(shù)單位密切結(jié)合、聯(lián)合開發(fā)的重要性。例如，青島醫(yī)學(xué)院在從事“國家十二五科技支撐計(jì)劃”項(xiàng)目的研究中與海信公司合作研制出Hisense CA，實(shí)現(xiàn)了小兒肝臟腫瘤精準(zhǔn)手術(shù)[33]。CAS應(yīng)用領(lǐng)域現(xiàn)已擴(kuò)展到耳鼻喉、頜面、創(chuàng)傷、口腔等外科相關(guān)領(lǐng)域。

3.3　AI算法與生理學(xué)信號(hào)檢測(cè)

可視化矩陣2類，一方面集中反映了各種AI算法與模式在醫(yī)學(xué)數(shù)據(jù)、醫(yī)學(xué)信號(hào)處理上的基本知識(shí)體系及其運(yùn)用，另一方面是生理學(xué)信號(hào)檢測(cè)的AI分析技術(shù)(如圖5所示)。

圖5　可視化矩陣2類示圖

3.3.1AI醫(yī)學(xué)技術(shù)的知識(shí)體系

AI是計(jì)算機(jī)科學(xué)的一個(gè)分支學(xué)科，隨著數(shù)學(xué)、計(jì)算機(jī)科學(xué)的發(fā)展，諸多AI算法、技術(shù)模式運(yùn)用到AI醫(yī)療健康研究中。有學(xué)者繪制了1991-2013年共引文獻(xiàn)網(wǎng)絡(luò)AI知識(shí)圖譜[1]的結(jié)果表明，3篇論述遺傳算法、貝葉斯網(wǎng)絡(luò)與模糊集合理論的文獻(xiàn)在AI技術(shù)發(fā)展的進(jìn)程中起著導(dǎo)向作用。提取樣本文獻(xiàn)中的AI算法、技術(shù)模式與應(yīng)用場(chǎng)景，構(gòu)建兩者的關(guān)系矩陣，可初步勾畫出AI技術(shù)應(yīng)用圖譜。AI應(yīng)用在醫(yī)療健康領(lǐng)域的主要技術(shù)路線表現(xiàn)在查詢方法、自然語言處理、感知處理與深度學(xué)習(xí)4個(gè)方面。在各AI醫(yī)療健康專題AI模式、算法的應(yīng)用如圖6所示。

圖6顯示，在各醫(yī)療健康領(lǐng)域AI技術(shù)的應(yīng)用并不均衡，某種程度上折射出研究的集中度及活躍度。

圖6　AI技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用(項(xiàng))示圖

3.3.2AI技術(shù)與神經(jīng)科學(xué)

AI和大數(shù)據(jù)技術(shù)是神經(jīng)科學(xué)發(fā)展的“加速器”，而顯微光學(xué)切片斷層成像(micro-optical sectioning tomography， MOST)、功能MRI等技術(shù)的日臻成熟，為繪制人腦結(jié)構(gòu)和功能信息的3D空間分布的腦連接圖譜、開展腦空間信息學(xué)研究提供了技術(shù)條件。有學(xué)者認(rèn)為，腦空間信息學(xué)研究將為理解腦功能與防治腦疾病打下堅(jiān)實(shí)基礎(chǔ)，并預(yù)測(cè)2030年神經(jīng)科學(xué)和類人腦AI將迎來第一輪重大突破，革新原有AI的算法基礎(chǔ)，人類社會(huì)初步進(jìn)入“強(qiáng)”AI時(shí)代[34]。到2050年，神經(jīng)科學(xué)和類人腦AI迎來第二輪重大突破、類人腦AI進(jìn)入升級(jí)版，人類社會(huì)將全面進(jìn)入強(qiáng)AI時(shí)代[35]。

3.3.3AI生理學(xué)信號(hào)分析

基于心電、腦電、心音、血壓等生理學(xué)信號(hào)分析的AI研究較為廣泛，是AI進(jìn)入較早的領(lǐng)域，自動(dòng)分析心電圖儀就是典型實(shí)例；運(yùn)用到可穿戴設(shè)備技術(shù)領(lǐng)域，將促進(jìn)健康管理、移動(dòng)醫(yī)療的開展。

3.4　AI與健康信息管理及新型衛(wèi)生健康模式

可視化矩陣3類反映了AI技術(shù)與信息技術(shù)、互聯(lián)網(wǎng)技術(shù)融合在助力電子健康檔案(electronic health record，EHR)建設(shè)以及促進(jìn)衛(wèi)生健康信息利用的同時(shí)，協(xié)同可穿戴設(shè)備等技術(shù)實(shí)現(xiàn)遠(yuǎn)程醫(yī)學(xué)、移動(dòng)醫(yī)療、慢病管理等方面的研究(如圖7所示)。

圖7　可視化矩陣3類示圖

3.4.1AI與健康信息管理

隊(duì)列分析等AI數(shù)據(jù)分析工具與信息管理結(jié)合，在盤活日益積累形成的衛(wèi)生健康大數(shù)據(jù)源、促進(jìn)健康信息管理的效應(yīng)已毋庸置疑。另一方面，在慢性疾病管理、疾病預(yù)測(cè)與風(fēng)險(xiǎn)評(píng)估及生活方式干預(yù)方面應(yīng)用研究取得的進(jìn)展令人矚目。

(1)慢性疾病管理。慢性疾病已成為影響全人類健康的頭號(hào)因素，我國慢性疾病具有“患病人數(shù)多、醫(yī)療成本高、患病時(shí)間長、服務(wù)需求大”的特點(diǎn)。AI技術(shù)將創(chuàng)新慢性疾病管理模式，以糖尿病管理為例，在搜集病例、患者血糖、用藥等數(shù)據(jù)后建立專家知識(shí)庫，通過AI引擎分析為患者提供指導(dǎo)，實(shí)現(xiàn)對(duì)血糖的控制。無創(chuàng)血糖監(jiān)測(cè)技術(shù)的突破結(jié)合智能可穿戴設(shè)備技術(shù)，將為慢性疾病管理開辟新天地。

(2)疾病預(yù)測(cè)。慢性疾病通常伴隨較為嚴(yán)重的并發(fā)癥，管理不當(dāng)就會(huì)引發(fā)風(fēng)險(xiǎn)危及患者生命，如果能在早期預(yù)測(cè)疾病風(fēng)險(xiǎn)并采取干預(yù)性的措施，可以避免風(fēng)險(xiǎn)、保護(hù)生命。AI能夠處理人類無法處理的大數(shù)據(jù)樣本，從數(shù)據(jù)中發(fā)現(xiàn)風(fēng)險(xiǎn)因子和有價(jià)值的信息，提高預(yù)測(cè)效率，開發(fā)實(shí)時(shí)的AI醫(yī)療健康預(yù)測(cè)預(yù)警技術(shù)將有益于疾病防治[36]。

(3)生活方式干預(yù)。有效干預(yù)慢性病患者的飲食、運(yùn)動(dòng)、用藥等生活方式的自我管理以及環(huán)境因素控制，是慢性疾病管理成功與否的重要環(huán)節(jié)?；跈C(jī)器學(xué)習(xí)的方法從海量數(shù)據(jù)中挖掘每個(gè)患者個(gè)體的風(fēng)險(xiǎn)水平及征兆，識(shí)別出需要干預(yù)的人群，并通過用戶偏好的渠道(如自動(dòng)呼叫、人工呼叫、郵件、短信、網(wǎng)站等)在精確的時(shí)間發(fā)送用戶恰好需要的健康管理、健康食譜、運(yùn)動(dòng)建議、用藥建議等有針對(duì)性干預(yù)措施。我國已有企業(yè)開展此項(xiàng)業(yè)務(wù)(如藍(lán)信康公司)，結(jié)合AI在移動(dòng)慢性疾病檢測(cè)、健康風(fēng)險(xiǎn)評(píng)估、智能藥事服務(wù)和生活方式干預(yù)4個(gè)方面進(jìn)行健康服務(wù)。

3.4.2新型衛(wèi)生健康模式

(1)健康宣教與虛擬輔助。利用多媒體技術(shù)與信息技術(shù)構(gòu)建的健康宣教系統(tǒng)已在對(duì)住院患者及家屬的健康指導(dǎo)、提升就醫(yī)體驗(yàn)等方面發(fā)揮了較好作用，某種程度上成為醫(yī)護(hù)流程的延伸[37]。AI技術(shù)進(jìn)入健康宣教領(lǐng)域，綜合利用健康數(shù)據(jù)源必將賦能健康宣教智能化，為提升醫(yī)療質(zhì)量、增強(qiáng)慢性疾病管理服務(wù)能力等方面注入活力。AI虛擬輔助技術(shù)還可成為慢性疾病患者的虛擬助手，如利用語音技術(shù)，將患者語音提問準(zhǔn)確轉(zhuǎn)化為文本，再經(jīng)過自然語言處理解析，進(jìn)一步從知識(shí)庫中找出匹配患者問題的答案，而后通過語音合成技術(shù)以語音等方式進(jìn)行回答。

(2)AI與可穿戴設(shè)備技術(shù)?？纱┐髟O(shè)備與AI兩者結(jié)合構(gòu)成可穿戴智能設(shè)備，在加強(qiáng)人體生理學(xué)信號(hào)遠(yuǎn)程監(jiān)測(cè)分析能力的基礎(chǔ)上，使得人體感知能力進(jìn)一步補(bǔ)充和延伸，情景感知將會(huì)是下一個(gè)智能硬件科技新趨勢(shì)，可穿戴智能設(shè)備將具備某些“情景感知”功能的應(yīng)用軟件，心腦血管、呼吸、慢性疼痛等疾病將會(huì)得到有效控制，初步實(shí)現(xiàn)AI健康管理。因此，研究面向穿戴設(shè)備及智能家居的新一代感知智能語音交互核心技術(shù)，可能是AI技術(shù)產(chǎn)品發(fā)展的重要內(nèi)容之一。此外，智能可穿戴設(shè)備技術(shù)與醫(yī)療衛(wèi)生機(jī)構(gòu)及區(qū)域電子健康信息平臺(tái)間的銜接，將在健康信息的交互利用等方面發(fā)揮巨大潛力。

(3)AI與醫(yī)院管理。AI在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用，也帶動(dòng)了在醫(yī)院綜合管理上的應(yīng)用。我國學(xué)者對(duì)“人工智能助力醫(yī)院精細(xì)化管理”、深度機(jī)器學(xué)習(xí)輔助醫(yī)院智能化管理、醫(yī)院信息化管理中智能信息處理技術(shù)的應(yīng)用研究、基于遺傳算法的醫(yī)院倉庫路徑優(yōu)化研究以及不良事件管理等做了專題研究，對(duì)提升醫(yī)院管理水平起到重要作用[38]。

3.5　數(shù)據(jù)挖掘與醫(yī)學(xué)專家系統(tǒng)

矩陣4類中所包含的數(shù)據(jù)挖掘、大數(shù)據(jù)(中醫(yī)藥)、電子病歷、醫(yī)學(xué)專家系統(tǒng)、知識(shí)庫、知識(shí)發(fā)現(xiàn)、關(guān)聯(lián)分析、推理、基因?qū)W診斷、中醫(yī)證候等高頻關(guān)鍵詞，集中反映了AI技術(shù)在構(gòu)建臨床輔助診治、醫(yī)學(xué)專家系統(tǒng)等方面的研究與應(yīng)用(如圖8所示)。

圖8　可視化矩陣4類示圖

3.5.1AI醫(yī)學(xué)技術(shù)與大數(shù)據(jù)

大數(shù)據(jù)是開展AI醫(yī)學(xué)技術(shù)研發(fā)的智慧源泉，數(shù)據(jù)挖掘是開展此項(xiàng)工作的基礎(chǔ)性技術(shù)，包括數(shù)據(jù)發(fā)現(xiàn)和數(shù)據(jù)分析兩個(gè)主階段。能夠采集到有效且足夠數(shù)量的數(shù)據(jù)并經(jīng)分析整合為有一定規(guī)律的數(shù)據(jù)項(xiàng)，才能為之后的機(jī)器學(xué)習(xí)等AI技術(shù)的運(yùn)用鋪平道路。當(dāng)然，AI技術(shù)也可輔助數(shù)據(jù)挖掘，并寄希望于實(shí)現(xiàn)真正意義上的自動(dòng)獲取知識(shí)，技術(shù)路徑體現(xiàn)在下述兩方面。

(1)從數(shù)據(jù)庫、互聯(lián)網(wǎng)上挖掘發(fā)現(xiàn)知識(shí)。首先要解決被發(fā)現(xiàn)知識(shí)的自然語言表達(dá)以及數(shù)據(jù)挖掘算法的效率與可擴(kuò)展性、數(shù)據(jù)的時(shí)序性等問題[8]。

(2)利用智能接口技術(shù)進(jìn)行文字識(shí)別、語音識(shí)別、語音合成、圖像識(shí)別、機(jī)器翻譯以及自然語言理解等作為數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等AI技術(shù)的銜接。此類研究的前期多建立在綜合利用電子病歷及醫(yī)學(xué)影像(PACS、RIS)、臨床檢驗(yàn)、生命體征信號(hào)監(jiān)測(cè)等數(shù)據(jù)源進(jìn)行數(shù)據(jù)挖掘的基礎(chǔ)上，形成輔助診斷系統(tǒng)、中西醫(yī)專家系統(tǒng)、藥物發(fā)掘、醫(yī)院管理等專題領(lǐng)域。

3.5.2AI輔助診斷

輔助診斷的第一步是通過自然語言處理(natural language processing， NLP)學(xué)習(xí)、理解和歸納醫(yī)療信息，包括醫(yī)學(xué)書籍、期刊文獻(xiàn)、診療指南和病歷等海量信息，自動(dòng)構(gòu)建一個(gè)大規(guī)模的“醫(yī)學(xué)知識(shí)圖譜”，形成類似機(jī)器大腦的“醫(yī)學(xué)知識(shí)庫”；第二步采用深度學(xué)習(xí)技術(shù)去學(xué)習(xí)海量臨床診斷案例，再對(duì)比數(shù)十萬項(xiàng)機(jī)器與專家的診斷數(shù)據(jù)后持續(xù)優(yōu)化模型，不斷提升其診斷能力，得出基于醫(yī)學(xué)影像、檢查檢驗(yàn)結(jié)果和病史等多個(gè)維度的深度診斷，給出具體病癥的輔助診斷結(jié)果。在臨床工作中，病理診斷、臨床檢驗(yàn)、影像學(xué)診斷等數(shù)據(jù)的綜合分析利用是一項(xiàng)繁重的工作。而這些信息傳遞后到臨床診治決策之間，主要由臨床醫(yī)生在收集到各種檢測(cè)報(bào)告信息資料后獨(dú)立完成分析用于臨床診治，存在著信息利用效率和利用度問題。因此，寄托于建立AI輔助診斷系統(tǒng)醫(yī)生診斷發(fā)揮輔助作用，為醫(yī)生提供了更好的決策基礎(chǔ)，提高臨床數(shù)據(jù)的利用度和診斷效率。根據(jù)AI輔助診斷的發(fā)展進(jìn)程與現(xiàn)狀，大致可分為兩類：①專業(yè)或?qū)？苹蚰撤N疾病的AI輔助診斷，如放射學(xué)圖像輔助診斷系統(tǒng)、臨床檢驗(yàn)輔助診斷新系統(tǒng)、乳腺疾病輔助診斷系統(tǒng)等；②綜合AI輔助診斷系統(tǒng)，樣本文獻(xiàn)中多為專科或?qū)２I輔助診斷，而綜合AI輔助診斷系統(tǒng)的報(bào)道較少，但后者應(yīng)當(dāng)是發(fā)展方向，因臨床診斷需要綜合各類檢查結(jié)果進(jìn)行判定，1個(gè)就診病例也可能涉及多種疾病。

諸多AI技術(shù)公司角逐AI輔助診斷領(lǐng)域，新技術(shù)、新產(chǎn)品不斷推陳出新。例如，2017年8月，騰訊公司推出了首款把圖像識(shí)別、大數(shù)據(jù)處理、深度學(xué)習(xí)等AI技術(shù)與醫(yī)學(xué)跨界融合研發(fā)出的AI醫(yī)學(xué)產(chǎn)品“騰訊覓影”，輔助醫(yī)生進(jìn)行疾病篩查和診斷。隨后又進(jìn)一步將騰訊覓影的功能由單一病種擴(kuò)展到多病種，從早期食管癌篩查到肺結(jié)節(jié)、糖尿病視網(wǎng)膜病變、乳腺癌、胃癌等疾病篩查，并落地100余家三甲醫(yī)院。

3.5.3醫(yī)學(xué)專家系統(tǒng)

醫(yī)學(xué)專家系統(tǒng)(medical expert system，MES)通過AI技術(shù)完成智能數(shù)據(jù)提取、智能分析指導(dǎo)臨床，是AI技術(shù)在臨床診斷、治療領(lǐng)域中的一個(gè)最富有代表性和最重要的應(yīng)用事例。MES是在某個(gè)醫(yī)學(xué)領(lǐng)域內(nèi)具有專家水平的智能推理系統(tǒng)，設(shè)計(jì)原理與方法是在吸收了大量的知識(shí)和經(jīng)驗(yàn)，模擬醫(yī)學(xué)專家診斷疾病的思維活動(dòng)、推理判斷以及治療方案與路徑，得出與人類專家一樣的結(jié)論，籍以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題，作為醫(yī)生診療的輔助工具[39-40]。區(qū)別于AI輔助診斷，MES應(yīng)當(dāng)能夠綜合診斷、治療乃至預(yù)防、保健多方面內(nèi)容，在從疾病診斷、治療、隨訪、預(yù)防、疾病風(fēng)險(xiǎn)預(yù)測(cè)預(yù)警、健康信息管理與指導(dǎo)等系列AI衛(wèi)生健康的功能節(jié)點(diǎn)上發(fā)揮效應(yīng)。

1976年，美國Stanford大學(xué)成功研制的一種用于診斷和治療細(xì)菌感染疾病的人工智能醫(yī)學(xué)專家咨詢系統(tǒng)(MYCIN)，用于血液感染診斷和抗菌素類等治療藥物的選用；匹茲堡大學(xué)在1982年開發(fā)出內(nèi)科計(jì)算機(jī)輔助診斷系統(tǒng)(Internist-I)；哈佛醫(yī)學(xué)院1991年開發(fā)出包含2200種疾病和5000種癥狀的“DXPLAIN”軟件。隨后，相繼出現(xiàn)了用于青光眼、貧血、艾滋病、皮膚癌、乳腺癌、肺癌、肝病等的MES。1978年，北京中醫(yī)醫(yī)院與計(jì)算機(jī)科學(xué)領(lǐng)域?qū)＜液献鏖_發(fā)了“關(guān)幼波肝病診療程序”，將醫(yī)學(xué)專家系統(tǒng)應(yīng)用到我國傳統(tǒng)醫(yī)藥領(lǐng)域。中山大學(xué)中山眼科中心聯(lián)合西安電子科技大學(xué)的研究團(tuán)隊(duì)，利用深度學(xué)習(xí)算法，于2017年2月建立了“CC-cruiser先天性白內(nèi)障人工智能平臺(tái)”[2]將檢查數(shù)據(jù)同步到CC-cruiser平臺(tái)，對(duì)大量先天性白內(nèi)障圖片進(jìn)行分析和深度學(xué)習(xí)，并不斷反饋提高診斷的準(zhǔn)確性；將此程序嵌入云平臺(tái)后，通過云平臺(tái)上傳圖片，即可獲得先天性白內(nèi)障的診斷、風(fēng)險(xiǎn)評(píng)估和治療方案。在與3家醫(yī)院合作成功完成臨床試用后，進(jìn)一步連接西藏、新疆、云南、青海等邊遠(yuǎn)地區(qū)，在醫(yī)學(xué)AI應(yīng)用場(chǎng)景下，平臺(tái)對(duì)上傳的病例數(shù)據(jù)及圖像AI程序進(jìn)行初篩，再經(jīng)專家復(fù)核，效率提升70%以上。中南大學(xué)湘雅二院等單位聯(lián)合開發(fā)的“皮膚病人工智能輔助診斷系統(tǒng)”、浙江德尚韻興公司開發(fā)的“DE超聲機(jī)器人”[41]等也取得了較好的臨床應(yīng)用效果。

3.5.4藥物發(fā)掘

AI技術(shù)較早就涉入了藥物發(fā)掘(或稱藥物發(fā)現(xiàn)drug discover)領(lǐng)域，顛覆了傳統(tǒng)藥物設(shè)計(jì)觀念，且取得較好進(jìn)展。傳統(tǒng)的藥物研發(fā)模式周期長、成本高、成功率低，利用AI技術(shù)先在計(jì)算機(jī)上進(jìn)行預(yù)測(cè)、模擬藥篩，然后進(jìn)行有針對(duì)性的實(shí)體篩選，從而極大地降低藥物研發(fā)成本，提高研發(fā)效率。

AI利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)方法，即從論文、專利和臨床試驗(yàn)結(jié)果的大量信息中提取出藥物靶點(diǎn)和小分子藥物的結(jié)構(gòu)特征，根據(jù)已有的藥物研發(fā)數(shù)據(jù)提出新的可以被驗(yàn)證的假設(shè)，自主學(xué)習(xí)藥物小分子與受體大分子靶點(diǎn)之間相互作用機(jī)制，根據(jù)學(xué)習(xí)到的各種信息預(yù)測(cè)藥物小分子的生物活性，設(shè)計(jì)出上百萬種與特定靶標(biāo)相關(guān)的小分子化合物，再根據(jù)藥效、選擇性、藥物動(dòng)力學(xué)(absorption， distribution，metabolism， excretion， ADME)等其他條件對(duì)化合物進(jìn)行篩選；對(duì)篩選出來的化合物進(jìn)行合成并經(jīng)過實(shí)驗(yàn)檢測(cè)，然后將實(shí)驗(yàn)數(shù)據(jù)再反饋到AI系統(tǒng)中，用于改善下一輪化合物的選擇；經(jīng)過多輪篩選，最終確定可用于進(jìn)行臨床研究的候選藥物。使用AI極大加速了藥物研發(fā)過程，并可對(duì)新藥的有效性和安全性進(jìn)行預(yù)測(cè)。

沈建苗[42]報(bào)道了英國獨(dú)角獸(Benevolent AI)等9家初創(chuàng)公司運(yùn)用AI計(jì)算進(jìn)行藥物發(fā)現(xiàn)的事例。在中藥學(xué)研究方面，中國藥科大學(xué)[43]在應(yīng)用全息圖譜(性狀圖譜、顯微特征圖譜、基因圖譜、化學(xué)全成分圖譜、主成分含量圖譜、血清藥化學(xué)圖譜等)控制中藥材質(zhì)量的基礎(chǔ)上，利用計(jì)算機(jī)圖像識(shí)別技術(shù)與專家系統(tǒng)，建立一套具有計(jì)算機(jī)視覺、中藥模式識(shí)別、中藥評(píng)測(cè)專家系統(tǒng)、機(jī)器學(xué)習(xí)以及分布式智能處理體系5個(gè)功能的中藥材質(zhì)量檢測(cè)人工智能系統(tǒng)。

4　結(jié)論

AI醫(yī)學(xué)產(chǎn)生于綜合科技高速發(fā)展，計(jì)算機(jī)科學(xué)、信息技術(shù)、互聯(lián)網(wǎng)技術(shù)與積累豐厚的人類醫(yī)學(xué)知識(shí)深度融合的時(shí)代，是備受關(guān)注的技術(shù)領(lǐng)域。文獻(xiàn)分析與雙聚類可視化分析結(jié)果表明，我國文獻(xiàn)在AI醫(yī)學(xué)裝備技術(shù)領(lǐng)域的研究與報(bào)道聚焦在基于醫(yī)學(xué)圖像的醫(yī)學(xué)影像學(xué)、臨床病理學(xué)、放射治療圖像配準(zhǔn)與靶區(qū)勾畫等的AI輔助診治技術(shù)；醫(yī)療機(jī)器人與CAS；AI算法及模式研究與應(yīng)用；AI技術(shù)與電子健康檔案等健康大數(shù)據(jù)結(jié)合，在遠(yuǎn)程醫(yī)學(xué)、移動(dòng)醫(yī)療、慢性疾病管理等方面的應(yīng)用；基于臨床數(shù)據(jù)、知識(shí)庫、中醫(yī)藥文獻(xiàn)等大數(shù)據(jù)在構(gòu)建臨床輔助診治、醫(yī)學(xué)專家系統(tǒng)等方面AI技術(shù)的研發(fā)應(yīng)用；基本上映射出我國AI醫(yī)學(xué)技術(shù)研究報(bào)道的熱點(diǎn)。我國AI醫(yī)學(xué)技術(shù)起步具備較好的科技基礎(chǔ)、呈現(xiàn)出良好的發(fā)展態(tài)勢(shì)。

4.1　圍繞我國發(fā)展醫(yī)學(xué)人工智能戰(zhàn)略的頂層設(shè)計(jì)開展研究、加強(qiáng)支撐體系建設(shè)

2017年7月8日，國務(wù)院下發(fā)《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》(國發(fā)[2017]35號(hào)文)，文件強(qiáng)調(diào)發(fā)展我國“人工智能產(chǎn)業(yè)進(jìn)入全球價(jià)值鏈高端。新一代人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國防建設(shè)等領(lǐng)域得到廣泛應(yīng)用”和“推廣應(yīng)用人工智能治療新模式新手段”。為貫徹落實(shí)規(guī)劃，加強(qiáng)支撐體系建設(shè)，中國醫(yī)學(xué)裝備協(xié)會(huì)聯(lián)合有關(guān)單位發(fā)起成立“中國醫(yī)學(xué)裝備人工智能聯(lián)盟”，聯(lián)盟將在AI醫(yī)學(xué)裝備的研發(fā)、生產(chǎn)、應(yīng)用領(lǐng)域搭建政產(chǎn)學(xué)研用協(xié)同平臺(tái)，促進(jìn)AI科技成果轉(zhuǎn)化，推動(dòng)AI醫(yī)學(xué)裝備的應(yīng)用，雙向提高產(chǎn)業(yè)發(fā)展能力與衛(wèi)生健康服務(wù)水平。

4.2　規(guī)范采集數(shù)據(jù)、科學(xué)分類數(shù)據(jù)、有效利用數(shù)據(jù)

大數(shù)據(jù)是發(fā)展醫(yī)學(xué)裝備AI技術(shù)的重要基礎(chǔ)條件，數(shù)據(jù)采集過程的規(guī)范、質(zhì)量有否，決定著數(shù)據(jù)整合的可行性及數(shù)據(jù)分析的有效性。因此，必須在大數(shù)據(jù)利用的源頭抓起，建立行業(yè)標(biāo)準(zhǔn)，實(shí)現(xiàn)統(tǒng)一規(guī)范的數(shù)據(jù)信息互聯(lián)互通、資源共享；同時(shí)，建立基于循證醫(yī)學(xué)的數(shù)據(jù)整合集成標(biāo)準(zhǔn)、信息安全標(biāo)準(zhǔn)，最大程度的兼容、推廣轉(zhuǎn)移研究成果；AI技術(shù)產(chǎn)品的科技創(chuàng)新應(yīng)與我國衛(wèi)生健康的需求相一致，應(yīng)當(dāng)在分級(jí)診療相關(guān)的臨床路徑、慢性疾病管理、基層醫(yī)療適宜技術(shù)、家庭保健、醫(yī)養(yǎng)結(jié)合等環(huán)節(jié)找到AI醫(yī)學(xué)技術(shù)的落腳點(diǎn)，使研究成果有效服務(wù)于我國衛(wèi)生健康事業(yè)。

4.3　開展基于衛(wèi)生健康需求的AI醫(yī)療健康產(chǎn)品技術(shù)評(píng)估

醫(yī)學(xué)裝備的技術(shù)評(píng)估，是為衛(wèi)生監(jiān)管部門決策提供科學(xué)依據(jù)的有效路徑，對(duì)指導(dǎo)醫(yī)學(xué)裝備的合理配置與安全有效利用、避免市場(chǎng)泡沫效應(yīng)及衛(wèi)生資源浪費(fèi)有重要作用。然而，目前的現(xiàn)狀是技術(shù)評(píng)估工作往往滯后于市場(chǎng)拓展。因此，需同步開展AI醫(yī)學(xué)技術(shù)的技術(shù)評(píng)估工作，促進(jìn)產(chǎn)業(yè)與應(yīng)用雙向良性發(fā)展。