醫(yī)療人工智能技術的應用與思考

夏麗亞

摘 要：隨著大數(shù)據(jù)時代的到來以及計算能力的提升，人工智能已成為新興技術。近幾年來，我國出臺了一系列有關人工智能的政策文件，推動了我國醫(yī)療人工智能技術的產(chǎn)業(yè)化。文中闡述了醫(yī)療人工智能技術的特點以及在智能管理、智能診斷、智能醫(yī)療、藥物研發(fā)等領域的應用，淺析了醫(yī)療人工智能存在的挑戰(zhàn)，并對醫(yī)療人工智能技術的發(fā)展前景作了展望。

關鍵詞：人工智能; 機器學習; 醫(yī)療健康; 醫(yī)療領域; 醫(yī)學創(chuàng)新

中圖分類號：TP18 ? ? ? ? ? ? ?文獻標識碼：A ? ? 文章編號：1006-3315（2020）2-196-002

人工智能（Artificial Intelligence，AI）作為一門前沿交叉學科，還沒有統(tǒng)一的定義。國家標準化管理委員會組織編寫的人工智能標準白皮書認為：人工智能是應用數(shù)字計算機以獲取數(shù)據(jù)的形式感知環(huán)境，模擬人的思維和行為。隨著大數(shù)據(jù)時代的到來以及計算能力的提升，人工智能已成為新興技術。

2015年以來，我國出臺了一系列有關人工智能的政策文件，推動了我國醫(yī)療人工智能技術產(chǎn)業(yè)化的發(fā)展，如圖1所示是我國相關醫(yī)療人工智能的政策規(guī)劃。

1.人工智能技術簡述

人工智能的概念誕生于20世紀50年代，由于當時軟硬件條件不成熟，數(shù)據(jù)資源短缺，人工智能并未能實現(xiàn)廣泛的應用。隨著圖形處理器（Graphics Processing Unit，GPU）、機器學習等基礎技術條件的日漸成熟，行業(yè)大數(shù)據(jù)的積累，人工智能得以應用在各個領域。

人工智能領域技術涉及到多門學科[1]，如圖2所示。

1.1GPU

GPU擁有多內(nèi)核處理并行計算，擅長完成與顯示相關的數(shù)據(jù)處理，適合處理圖像中上百萬的圖像像素，GPU被稱為深度學習和計算機視覺發(fā)展的加速器[2，3]。

1.2機器學習

機器學習是人工智能研究領域中極其重要的研究方向，機器學習是研究如何從數(shù)據(jù)中構建模型且獲取模式的算法。機器學習能夠自動識別數(shù)據(jù)中的模式，然后利用已發(fā)現(xiàn)的模式去預測未來的數(shù)據(jù)。深度學習是采用多層神經(jīng)網(wǎng)絡學習數(shù)據(jù)層次表示的機器學習方法，是機器學習領域中的重要分支，廣泛應用于語音識別、計算機視覺、自然語言處理等領域[4，5，6]。

1.3大數(shù)據(jù)

機器學習是人工智能的核心和基礎，而大數(shù)據(jù)是機器學習優(yōu)化計算機程序的性能標準。在健康領域，大數(shù)據(jù)和人工智能技術能夠提供醫(yī)療影像處理、智能診療、醫(yī)療機器人等更便捷、更智能的醫(yī)療服務。

2.醫(yī)療人工智能技術

目前，醫(yī)療人工智能的應用場景主要集中在智能管理、智能診斷、智能醫(yī)療、藥物研發(fā)等領域。

2.1智能管理

智能管理是利用人工智能技術及相關技術對醫(yī)院的現(xiàn)有資源進行科學管理，以實現(xiàn)醫(yī)療效用的最大化。

2.1.1智能導診與分診。智能導診與分診是人工智能技術在醫(yī)院管理的應用。隨著服務機器人應用技術和醫(yī)療的結(jié)合，服務機器人對患者的語音輸入進行語義分析，給出醫(yī)院的分診和導診建議，甚者服務機器人還能通過傳感器收集患者的體征信息，給出合理的建議。

2.1.2病歷與文獻分析。語音識別技術可以幫助醫(yī)生通過語音輸入完成查閱資料、文獻精準推送等工作，并將醫(yī)生口述的醫(yī)囑按照患者基本信息、檢查史、病史、檢查指標、檢查結(jié)果等形式轉(zhuǎn)換成結(jié)構化的電子病歷，提升醫(yī)生的工作效率。

人工智能可以依據(jù)患者數(shù)據(jù)和體征指標進行數(shù)據(jù)挖掘，創(chuàng)建預測模型，建立完整的用戶健康檔案，提供覆蓋全生命周期的精準健康管理及后續(xù)醫(yī)療服務。

2.2智能診斷

利用人工智能參與疾病的篩查和預測，從行為、生化、影像等檢查結(jié)果中進行判斷以獲取真實的信息。目前，人工智能技術在影像識別等方面的應用相對較多，人工智能技術在醫(yī)療影像的應用主要是指通過計算機視覺技術對B超、CT、X光、MRI、PET、消化道內(nèi)窺鏡、眼底照相等醫(yī)療影像數(shù)據(jù)進行處理以獲取有效影像數(shù)據(jù)。然后通過深度學習海量的影像數(shù)據(jù)，對多層神經(jīng)網(wǎng)絡的模型進行訓練，再通過測試影像數(shù)據(jù)確定真實的特征目標，實現(xiàn)分類判斷。醫(yī)療影像智能診斷可以協(xié)助放射科醫(yī)生工作，提高了診斷速度和工作效率。

2.3智能醫(yī)療

智能醫(yī)療是打造醫(yī)療信息平臺，實現(xiàn)患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的互動。人工智能學習專家醫(yī)生長期積累的醫(yī)療知識，經(jīng)過深度學習之后提供“人工智能+輔助診療”診斷和治療方案。智能醫(yī)療結(jié)合互聯(lián)網(wǎng)技術、移動計算技術、數(shù)據(jù)融合技術等，可以提升醫(yī)療診療流程的服務效率和質(zhì)量，提升醫(yī)院綜合管理水平，改變現(xiàn)代化數(shù)字醫(yī)療模式等問題。

2.4藥物研制

人工智能技術可以應用于小分子藥物晶型結(jié)構預測和志愿者招募信息化等。

2.4.1小分子藥物晶型結(jié)構預測。人工智能技術可以高效地動態(tài)配置千核的藥物晶型，幾十天內(nèi)可以把一個小分子藥物的所有可能的晶型全部預測，無需擔心由于實驗搜索空間有限而漏掉重要晶型。

2.4.2志愿者招募信息化。通過網(wǎng)絡讓臨床試驗招募信息快速傳遞到大量患者，利用人工智能從中篩選符合臨床要求的患者，節(jié)約患者招募的時間成本、資金成本。另外，利用智能可穿戴設備進行數(shù)據(jù)搜集，可以減輕臨床試驗的侵入性。

3.醫(yī)療人工智能的挑戰(zhàn)

目前，大多數(shù)人工智能技術只是在某些領域展開有效的研究工作，多數(shù)方法是基于驗證或是交叉驗證，許多研究工作還處于基礎階段，將人工智能技術廣泛地應用于醫(yī)療領域也會有相當長的過程。

3.1醫(yī)療責任主體問題

人工智能輔助診斷在醫(yī)療責任認定方面存在挑戰(zhàn)，需要建立人工智能診斷進入臨床應用的法律標準、明確人工智能診斷的主體問題。

3.2醫(yī)療數(shù)據(jù)

醫(yī)療數(shù)據(jù)是醫(yī)療人工智能重要性的資源，也是醫(yī)院的資產(chǎn)。醫(yī)療數(shù)據(jù)的采集方式、數(shù)據(jù)的標準化、如何用于與醫(yī)院合作的企業(yè)等是醫(yī)療人工智能行業(yè)發(fā)展需要解決的問題。

3.3隱私

醫(yī)療人工智能技術會涉及患者的個人數(shù)據(jù)，如何保障個人隱私是醫(yī)療人工智能技術發(fā)展的重要基礎。

3.4安全

人工智能技術要依賴于傳感器、大數(shù)據(jù)和算法，人工智能系統(tǒng)多數(shù)使用開源軟件，軟件代碼龐大，可能會出現(xiàn)安全漏洞的機會。因此，醫(yī)療人工智能要關注防止安全漏洞風險的發(fā)生。

3.5復合型人才

目前，醫(yī)療領域十分匱乏熟悉醫(yī)療業(yè)務知識與了解人工智能知識的復合型人才。因此，只有解決復合型人才問題，才能突破醫(yī)療人工智能行業(yè)發(fā)展的瓶頸。

4.小結(jié)

人工智能技術的誕生已有幾十年的時間了，其中經(jīng)過了幾次反復。目前人工智能技術研究在我國得到深入地開展，人工智能技術正處于從感知智能向認知智能的進階階段，將會在我國醫(yī)療人工智能方法與手段、智能輔助治療決策、人機協(xié)同診斷、人工智能多學科會診、智能輔助康復、醫(yī)藥研制、智能醫(yī)藥監(jiān)管等方面推動智慧醫(yī)療關鍵技術的發(fā)展?？梢韵嘈?，我國的人工智能技術將會在醫(yī)療領域發(fā)揮及其重要作用。

參考文獻：

[1]李航著.統(tǒng)計學習方法[M]北京：清華大學出版社，2012，11-15

[2]周志華著.機器學習[M]北京：清華大學出版社，2016，97-113

[3]袁梅宇著.機器學習基礎——原理、算法與實踐[M]北京：清華大學出版社，2018，151～161

[4]Peter Harrington著，李銳，李鵬，區(qū)亞東，等譯.機器學習實戰(zhàn)[M]北京：人民郵電出版社，2013，270～278

[5]葉韻著.深度學習與計算機視覺[M]北京：機械工業(yè)出版社，2018，27～36

[6]Mark Lutz著，李軍，劉紅偉，劉金華，等譯.Python學習手冊[M]北京：機械工業(yè)出版社，2017，540～549