許家睿
【摘要】? ? 人工智能技術(shù)自上個世紀五十年代被提出來之后,已經(jīng)經(jīng)歷了近半個世紀的高速發(fā)展,在各行各業(yè)有著廣泛的應(yīng)用價值。以專家系統(tǒng)為代表的人工智能技術(shù)與醫(yī)療領(lǐng)域結(jié)合后,取得了令人矚目的應(yīng)用成果。近年來,計算機視覺、深度學習等人工智能新興技術(shù)與醫(yī)療領(lǐng)域的結(jié)合更為廣泛,為“人工智能+醫(yī)療”帶來了新的前景,但目前人工智能在醫(yī)療領(lǐng)域的應(yīng)用仍以輔助功能為主,缺乏自主診斷的能力,也存在一定的法律和倫理風險。本文介紹了醫(yī)學專家系統(tǒng)、醫(yī)學影像、知識圖譜、計算機視覺、深度學習等技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用,最后從國家政策和醫(yī)療體系等方面對人工智能醫(yī)療的未來進行了展望。
【關(guān)鍵詞】? ? 人工智能? ? 醫(yī)療? ? 應(yīng)用? ? 未來展望
引言
人工智能是當今擁有廣闊發(fā)展前景的新興科學技術(shù),為人類的生活方式帶來了諸多影響和改變?,F(xiàn)如今,人工智能技術(shù),包括圖像識別、自然語言處理、知識圖譜、計算機視覺等,已經(jīng)在生產(chǎn)、生活的各個場景下得到了廣泛應(yīng)用,掀起了新一輪工業(yè)革命。人工智能的概念早在上世紀50年代就被提出,誕生之初便與醫(yī)療系統(tǒng)擁有緊密的關(guān)聯(lián),70年代初,由美國斯坦福大學開發(fā)的MYCIN系統(tǒng),協(xié)助醫(yī)生對血液感染患者進行診斷,并具備推測斷可能的致病菌、為患者選用合理的抗菌素類藥物進行治療等功能。進入二十一世紀,人工智能在醫(yī)療領(lǐng)域受到了更為廣泛的關(guān)注與應(yīng)用。由IBM研發(fā)的新一代人工智能平臺,具有邏輯推理程序,是專家系統(tǒng)在醫(yī)學人工智能領(lǐng)域的翹楚。自2011年開始,被用于美國安德森癌癥醫(yī)院進行腫瘤循證診斷。人工智能所特有的快速處理且相對獨立的特性決定了其在醫(yī)療領(lǐng)域擁有廣闊的發(fā)展前景,近年來衍生出許多基于人工智能技術(shù)的前沿醫(yī)學技術(shù)和醫(yī)療器械。本文論述了人工智能在輔助醫(yī)療領(lǐng)域的現(xiàn)狀與未來發(fā)展趨勢,探索人工智能的醫(yī)用價值。
一、人工智能在輔助醫(yī)療領(lǐng)域現(xiàn)狀與問題
1.1 醫(yī)學專家系統(tǒng)
專家系統(tǒng)可以看作引入了專業(yè)領(lǐng)域知識并可以進行推理的特殊程序,用于模擬某個領(lǐng)域?qū)<业墓ぷ鳎窃缙谌斯ぶ悄茴I(lǐng)域的一個重要分支。傳統(tǒng)專家系統(tǒng)主要由知識庫和推理機組成。知識庫是專家系統(tǒng)最重要的組成成分,知識的質(zhì)量直接影響專家系統(tǒng)的表現(xiàn)。知識庫包含基本事實,相關(guān)理論,經(jīng)驗知識和推理規(guī)則等信息。醫(yī)療專家系統(tǒng)需要利用病歷信息、書籍、論文以及專家傳授的經(jīng)驗構(gòu)建高精度的知識庫,才能達到較好的診療效果。推理機按照某種策略,根據(jù)知識庫中的規(guī)則和已知事實推斷得出結(jié)論。一般有兩種推理策略:前向推理,從已知的事實出發(fā),在知識庫中尋找匹配的知識,將推理出的新事實作為下一步的已知事實,重復(fù)這一過程直到得出結(jié)論。臨床診斷中,醫(yī)生根據(jù)患者的癥狀和檢查結(jié)果,與已知疾病的癥狀進行比較,分析患者疾病并開出相應(yīng)藥物,這個過程就是前向推理。后向推理是前向推理的逆推理,先提出假設(shè),再匹配結(jié)論與假設(shè)相吻合的規(guī)則,根據(jù)所需的條件又提出新的假設(shè),直至所有假設(shè)都能從用戶得到,從而確證最初的假設(shè)。相同的病癥可能有多種病因,事實和結(jié)論之間通常不是絕對的關(guān)系,這是就需要統(tǒng)計推理,選擇可信度較大的結(jié)論。隨著深度學習的發(fā)展,專家系統(tǒng)也與自然語言處理、計算機領(lǐng)域等相結(jié)合,成了更加復(fù)雜、功能更加強大、交互性更好的系統(tǒng)。
沃森是目前影響范圍最廣的醫(yī)療專家系統(tǒng)之一,2012年,IBM決定將其應(yīng)用于醫(yī)療健康領(lǐng)域,解決全世界范圍的難題——癌癥。利用自然語言處理和深度學習算法,從百萬頁的醫(yī)學論文、期刊和臨床實驗報告和上萬本病例中提取并理解數(shù)據(jù),并結(jié)合專家的經(jīng)驗,給出多份治療方案,為主治醫(yī)師提供多種選擇。而這個項目并沒有按照預(yù)期規(guī)劃進行發(fā)展,在近幾年陷入困境。在臨床的實驗中,醫(yī)生發(fā)現(xiàn)沃森開出了危險的治療意見,給有出血癥狀的癌癥病人開了可能引起嚴重出血的藥品,嚴重時可致患者死亡。此外實際的使用和對系統(tǒng)的訓(xùn)練中,也是困難重重,雖然沃森具有強大的學習能力,但其不具備分辨能力,其知識庫中只有少部分論文包含有價值的信息,如果不加以篩選,可能會得到錯誤的治療方案。
1.2 醫(yī)學影像
醫(yī)學影像借助于電磁場、超聲波等介質(zhì),以非侵入的方式將人體內(nèi)部組織結(jié)構(gòu)以影像形式呈現(xiàn)出來。隨著大型醫(yī)學成像技術(shù)與設(shè)備的普及,醫(yī)學影像檢查已經(jīng)成為提供醫(yī)療診斷關(guān)鍵信息、協(xié)助醫(yī)師評估患者身體健康情況的一門醫(yī)療技術(shù)。醫(yī)學影像可以分為成像和圖像分析兩部分的工作。成像過程,人工智能技術(shù)不僅可以加快成像速度,減少成像時間,避免患者不自主運動對成像質(zhì)量的影響,還可以去除噪聲,實現(xiàn)成像質(zhì)量的提升。在對影像的分析中,人工智能可以從海量數(shù)據(jù)中提取有價值的信息,幫助醫(yī)生提高影響識別的準確率,避免主觀因素的影響?;谌斯ぶ悄艿尼t(yī)學影像研究對包括皮膚、腦部疾病和眼底病變等展開研究,對于部分疾病,人工智能的準確率達到了專家水平,但是也面臨著一些問題。
Google的DeepMind Health團隊將深度學習應(yīng)用到糖尿病性視網(wǎng)膜病變問題中,通過檢測測試者視網(wǎng)膜眼底圖像,進行病情預(yù)警和診斷。在理想的實驗室環(huán)境下,這套系統(tǒng)的診斷準確率高達90%,相當于人類專家水平。但是在臨床上的表現(xiàn)卻不盡如人意,與泰國的合作中,十一家診所中只有兩家具有滿足條件的影像室,由于光線問題,超過20%的圖像都不能正常識別,網(wǎng)絡(luò)問題導(dǎo)致患者等待處理結(jié)果數(shù)個小時。Google的經(jīng)驗說明,人工智能在醫(yī)療領(lǐng)域,要能真正落地應(yīng)用,不僅需要技術(shù)上的改進,使之能夠適應(yīng)臨床環(huán)境,還需要從醫(yī)生和患者的角度出發(fā),去滿足他們的需求。
1.3 知識圖譜
知識圖譜在圖書情報界又被稱為知識域可視化和知識領(lǐng)域映射地圖,其概念最早于2012年由谷歌公司提出。知識圖譜本質(zhì)上是一類融合自然語言處理、信息可視化技術(shù)、計算機科學等技術(shù)的自然語義理解網(wǎng)絡(luò),以事件、實體作為節(jié)點及事件聯(lián)系作為邊的基本單位儲存數(shù)據(jù)、通過在于語義層面建立“實體——關(guān)系——實體”的三元連接以綜合分析處理多學科的知識并可視化展現(xiàn)。
基于專業(yè)知識庫的知識圖譜可以輔助醫(yī)生進行醫(yī)療診斷以及提供合理的用藥建議,提高現(xiàn)代醫(yī)療的效率與水平。就專業(yè)知識的知識圖譜的構(gòu)建步驟而言,可以合理選用具有較高學術(shù)價值的相關(guān)專業(yè)知識領(lǐng)域的數(shù)據(jù)庫及熱點交叉領(lǐng)域的文獻進行可視化分析整合,進而廣泛地呈現(xiàn)病情的可能發(fā)展方向、為醫(yī)師提供具有合理性的用藥指導(dǎo)。
基于專業(yè)知識圖譜建立咨詢系統(tǒng),可以有效率地分析病情并針對特定情況提出健康建議,通過知識圖譜強化醫(yī)療系統(tǒng)的服務(wù)職能。在對于搜索內(nèi)容本身的語義發(fā)掘、計量其中共現(xiàn)詞的分析下,可以一定程度上反映出在特定疾病領(lǐng)域投入關(guān)注較多的各國家和地區(qū)醫(yī)療領(lǐng)域研究主力與熱點研究方向,側(cè)面反映所采用數(shù)據(jù)的對象數(shù)據(jù)質(zhì)量的研究深度與專業(yè)程度,所得的可視化分析結(jié)果可以直觀清晰地供給對于世界醫(yī)療體系在全球化趨勢下研究領(lǐng)域側(cè)重方向與發(fā)展現(xiàn)狀的探討,對于明確醫(yī)療疾病領(lǐng)域科研建設(shè)性、領(lǐng)導(dǎo)性的綱領(lǐng)、形成國際社會統(tǒng)一的具有普適性的醫(yī)療手段具有良好的推動作用。
二、人工智能在輔助醫(yī)療領(lǐng)域的應(yīng)用
2.1 人工智能在乳腺癌領(lǐng)域的應(yīng)用
徐琰、胡保全簡述了人工智能在乳腺癌診斷、病理診斷、輔助抗癌藥物開發(fā)等方面的作用,梳理了篩查乳腺癌的CAD、人工智能技術(shù)與乳腺癌針吸細胞學病理診斷等相關(guān)應(yīng)用?;谀壳叭蚍秶氯斯ぶ悄茉谌橄侔╊I(lǐng)域的應(yīng)用實例,兩人提出了乳腺癌領(lǐng)域的工作內(nèi)容與醫(yī)學影像學和病理學領(lǐng)域密切相關(guān),而這兩個領(lǐng)域正處于人工智能發(fā)展較為迅速的潮流之下;而目前人工智能尚處于“弱人工智能”階段,距離全面融入臨床醫(yī)師日常工作、全球范圍大規(guī)模使用、切實縮小不同地區(qū)間醫(yī)療水平差距等目標尚有很長的路要走。
2.2 人工智能在中醫(yī)骨傷科領(lǐng)域的應(yīng)用
劉軍等人對于人工智能在中醫(yī)骨傷科領(lǐng)域的應(yīng)用進行了研究,在數(shù)據(jù)挖掘 (data mining,DM)、圖像處理與模式識別技術(shù)、華佗(WATO)全膝關(guān)節(jié)置換手術(shù)機器人系統(tǒng)等實例佐證下提出了精準醫(yī)療的應(yīng)用典范。主要探究了數(shù)據(jù)挖掘在骨傷科研究方面的應(yīng)用、圖像處理與模式識別與中醫(yī)中“望、聞、問、切”診療手段的關(guān)系,以及基于計算機視覺的醫(yī)學影像和基于智能機器人的醫(yī)療機器人在智能診斷和智能治療環(huán)節(jié)的應(yīng)用價值,并提出了現(xiàn)階段我國人工智能與中醫(yī)骨傷科領(lǐng)域相結(jié)合的諸多問題。
2.3 人工智能在血管外科的應(yīng)用
趙紀春介紹了輔助診療方面,人工智能與醫(yī)學影像等技術(shù)融合后在血管外科的實際應(yīng)用場景。醫(yī)學影像人工智能產(chǎn)品早已投入多種血管癌病種的篩查中,對于在動脈瘤先兆破裂或緊急破裂等緊要情況下可以快速輔助醫(yī)生進行決策,減少病人的死亡率。同時,人工智能也在提高醫(yī)生的工作效率、保護一生的工作健康中起到很大的作用,如血管介入機器人在血管介入手術(shù)中的實際應(yīng)用可以減少醫(yī)生輻射下的工作時間,保障醫(yī)護人員的工作健康。
2.4 人工智能在醫(yī)療領(lǐng)域的應(yīng)用問題
在人工智能醫(yī)療技術(shù)為醫(yī)療領(lǐng)域分擔壓力、提高工作效率的同時,我們也需要關(guān)心其潛在的隱私問題。在患者通過人工智能醫(yī)療系統(tǒng)進行病理診斷時,會在系統(tǒng)中留下與自身身體數(shù)據(jù)隱私和病情相關(guān)的生理、心理健康等相關(guān)信息,除患者的基本公民信息以外還包括基因檢測等對于患者具有嚴格的隱私性的數(shù)據(jù)。如果這些數(shù)據(jù)不被安全合理地管理和保存,被通過不法途徑取得,會侵犯患者的權(quán)利,會造成民眾內(nèi)對于醫(yī)療領(lǐng)域人工智能技術(shù)的信任下降,對于人工智能輔助醫(yī)療的廣泛應(yīng)用具有反推的作用。因此,對于現(xiàn)階段醫(yī)療領(lǐng)域人工智能技術(shù)的實際運用,需要探究相關(guān)的法律責任機制和醫(yī)療倫理問題。
三、人工智能在輔助醫(yī)療領(lǐng)域未來發(fā)展趨勢
3.1 國家政策支持
要將人工智能應(yīng)用到輔助醫(yī)療領(lǐng)域,需要醫(yī)學領(lǐng)域的專業(yè)人士與程序開發(fā)者的共同努力。受限于人工智能算法的原理,目前算法的可解釋性較差,魯棒性較差,研發(fā)難度大。產(chǎn)品從設(shè)計到落地有很長的研發(fā)周期,需要大量的資金支持。而大部分企業(yè)無法承擔這樣的研發(fā)費用,限制了人工智能在醫(yī)療領(lǐng)域的發(fā)展。而一旦成功應(yīng)用,可以很大程度解決醫(yī)療資源分配不均的問題,擴大醫(yī)療服務(wù)普及范圍,讓優(yōu)質(zhì)醫(yī)療資源更加公平。因此國家應(yīng)該加大對相關(guān)企業(yè)的投資力度,鼓勵支持企業(yè)對于人工智能醫(yī)療領(lǐng)域應(yīng)用的研究。出臺政策加強校企合作,充分學術(shù)界和產(chǎn)業(yè)界的資源,共同研發(fā),攻克這一難題。
3.2 完善醫(yī)療體系
醫(yī)療體系需加強合作、完善,形成各醫(yī)療機構(gòu)間數(shù)據(jù)共享。無論是專家系統(tǒng)知識庫的構(gòu)建,醫(yī)學影像系統(tǒng)數(shù)據(jù)的標注,還是建立統(tǒng)一的醫(yī)學標準術(shù)語,都需要具有豐富臨床經(jīng)驗的醫(yī)學專家的參與和指導(dǎo)。而且需要各個醫(yī)院共享醫(yī)療數(shù)據(jù),醫(yī)藥、醫(yī)療器械相關(guān)的企業(yè)也應(yīng)該提供相應(yīng)的幫助。然而目前優(yōu)質(zhì)醫(yī)療資源匱乏,符合條件的醫(yī)生沒有額外的精力投入到相關(guān)科學研究中。
四、結(jié)論
人工智能與醫(yī)療的結(jié)合自醫(yī)學專家系統(tǒng)開始,已有了數(shù)十年的發(fā)展歷程?,F(xiàn)階段,受限于人工智能技術(shù)的發(fā)展瓶頸和醫(yī)療數(shù)據(jù)共享的壁壘,人工智能在醫(yī)療領(lǐng)域更多承擔起輔助的作用,并不具備自主診斷、提供個性化醫(yī)療方案等高級能力。以計算機視覺、知識圖譜為代表的新興技術(shù)正在為“人工智能+醫(yī)療”帶來更多的應(yīng)用場景。目前,人工智能在醫(yī)療領(lǐng)域的應(yīng)用還存在諸多問題,如個人醫(yī)療信息的泄露風險,以及輔助醫(yī)療技術(shù)的倫理與法律問題,都會對人工智能醫(yī)療的應(yīng)用前景產(chǎn)生影響。因此,要從國家政策和醫(yī)療體系等方面進行統(tǒng)籌建設(shè),為未來“人工智能+醫(yī)療”高速發(fā)展奠定良好的基礎(chǔ)。
參? 考? 文? 獻
[1]趙崢. “互聯(lián)網(wǎng)+”醫(yī)療模式的構(gòu)建研究[J]. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2020,(05):131-133.
[2]? 劉軍,韓燕鴻,潘建科,曾令烽,梁桂洪. 人工智能在中醫(yī)骨傷科領(lǐng)域應(yīng)用的現(xiàn)狀與前景[J]. 中華中醫(yī)藥雜志,2019,34(08):3608-3612.
[3]? 李明杰. 人工智能生成內(nèi)容的著作權(quán)研究[D].北京化工大學,2019.
[4]? 周海輝,張海霞,嚴婷婷,葛衛(wèi)紅. 腫瘤大數(shù)據(jù)在抗腫瘤藥物應(yīng)用中的研究進展[J]. 現(xiàn)代藥物與臨床,2018,33(11):3079-3082.
[5]? 趙一鳴,左秀然. PACS與人工智能輔助診斷的集成應(yīng)用[J]. 中國數(shù)字醫(yī)學,2018,13(04):20-22.
[6]? 徐琰,胡保全. 淺談人工智能在乳腺癌領(lǐng)域的應(yīng)用進展[J]. 大數(shù)據(jù)時代,2018,(01):59-63.
[7]? 陳權(quán),譚鳴. 一起“乳腺癌”病理報告失誤導(dǎo)致的醫(yī)療事故分析[J]. 外科研究與新技術(shù),2012,1(03):169-170.