人工智能在個(gè)體健康管理和群體疾病監(jiān)測(cè)中的應(yīng)用進(jìn)展

丁 蕾，潘梅竹，牟 為，石建偉，張舒嫻，蔣雪琴

(1.上海交通大學(xué)醫(yī)學(xué)院，上海 200025;2.華東理工大學(xué)社會(huì)與公共管理學(xué)院，上海 200030)

與臨床治療不同，公共衛(wèi)生與預(yù)防醫(yī)學(xué)主旨“上醫(yī)治未病”，是通過(guò)預(yù)防性的手段對(duì)疾病進(jìn)行提前干預(yù)或指定后續(xù)治療方案，對(duì)廣大人民的健康進(jìn)行管理。我國(guó)發(fā)展建設(shè)新型公共衛(wèi)生體系主要包括兩個(gè)方面:基于不同個(gè)體或該類個(gè)體所在相似人群的精準(zhǔn)健康防控，以及基于大數(shù)據(jù)管控突發(fā)流行病等衛(wèi)生事件的群體風(fēng)險(xiǎn)監(jiān)管[1]，它們二者在公共衛(wèi)生安全領(lǐng)域各有側(cè)重點(diǎn)也互為補(bǔ)充[2]。然而，當(dāng)下的疾病控制體系持續(xù)面臨人力短缺、采集收據(jù)方法陳舊、監(jiān)督系統(tǒng)薄弱、數(shù)據(jù)分析方法單一等[3-5]，迫切需要新的技術(shù)方法和理念來(lái)改進(jìn)這些現(xiàn)實(shí)問(wèn)題。人工智能可以從硬件配備和高端數(shù)據(jù)分析兩個(gè)層面輔助現(xiàn)代預(yù)防醫(yī)學(xué)體系的建設(shè)。包括便攜式配飾、運(yùn)動(dòng)器械芯片等，與手機(jī)端口或物聯(lián)網(wǎng)端口進(jìn)行連接，實(shí)時(shí)收集人體變量數(shù)據(jù)。同時(shí)，人工智能設(shè)備和算法對(duì)生理指標(biāo)進(jìn)行分析研判，輔以對(duì)不同個(gè)體的社會(huì)行為的收集分析，能及時(shí)發(fā)現(xiàn)潛在的亞健康病情并給予解決。此外，以突發(fā)性傳染病為例，目前的智能驅(qū)動(dòng)的個(gè)體數(shù)據(jù)收集也可以在群體監(jiān)測(cè)的過(guò)程中得到綜合應(yīng)用:包括將這些數(shù)據(jù)結(jié)合時(shí)間、行程、線上及線下的社會(huì)行為等多種數(shù)據(jù)進(jìn)行計(jì)算和模型構(gòu)建，可以完善疾病控制的預(yù)警系統(tǒng)，做到有效減少地區(qū)間流行病和傳染病的傳播與危害系數(shù)。因此，本文討論了智能技術(shù)將公共衛(wèi)生體系中的個(gè)體化健康管理和群體性疾病監(jiān)控兩個(gè)疾病預(yù)防的關(guān)鍵領(lǐng)域進(jìn)行有序融合的研究發(fā)展，為發(fā)展人民健康利益以及建設(shè)多元化衛(wèi)生管理體系提供支持。

1 人工智能在精準(zhǔn)化個(gè)性健康管理的應(yīng)用

人工智能(artificial intelligence,AI)服務(wù)于公共衛(wèi)生的研究方向與國(guó)家需求相關(guān)[6-8]，如低收入發(fā)展國(guó)家更重視傳染病的監(jiān)控，但發(fā)達(dá)國(guó)家的智能公共醫(yī)療系統(tǒng)多精準(zhǔn)聚焦個(gè)性化的疾病的預(yù)防管理。歐美國(guó)家的精準(zhǔn)化智能健康體系致力于將人工智能運(yùn)用到遺傳學(xué)和生物醫(yī)學(xué)的研究中，通過(guò)基因組測(cè)序分析揭示特殊基因或者蛋白質(zhì)和人類遺傳性疾病或慢性病之間的聯(lián)系[9]。例如，在最近一項(xiàng)樣本量有限的病例對(duì)照研究中，美國(guó)研究人員開發(fā)了一種整合個(gè)人全基因組測(cè)序和機(jī)器學(xué)習(xí)數(shù)據(jù)的算法，并使用該算法研究攜帶不同染色體基因的人群，其脂肪肝和慢性肝炎的發(fā)病率[10]。評(píng)估了在給定個(gè)人基因組基線的情況下改變個(gè)人生活方式，如飲食和運(yùn)動(dòng)等行為因素對(duì)肝臟慢性疾病干預(yù)的有效性，從而證明人工智能結(jié)合生物學(xué)內(nèi)容對(duì)個(gè)人健康管理模型的實(shí)用性。這種基因或蛋白質(zhì)組學(xué)結(jié)合智能算法的模式對(duì)于基因缺陷引發(fā)的潛在疾病有很好的預(yù)防作用。然而，許多慢性疾病不僅僅是基因缺陷導(dǎo)致的，而是基于日常生活、飲食和行為等多因素誘發(fā)而來(lái)。隨著社會(huì)分工的逐步改進(jìn)和醫(yī)療條件的完善，不同人群甚至不同個(gè)體引起疾病的危機(jī)因素和對(duì)疾病承受能力都各有不同。個(gè)體健康管理的需求從早期的集中篩查、集體體檢，逐漸轉(zhuǎn)變?yōu)閭€(gè)體化精準(zhǔn)管理的醫(yī)(治)防(控)融合理念[10]。如今的個(gè)體健康管理也需要滿足不同層次的人群。例如，在年輕一代中出現(xiàn)亞健康人群增多等健康問(wèn)題，需要對(duì)工作時(shí)常、強(qiáng)度和工作性質(zhì)進(jìn)行個(gè)體分析，結(jié)合體力工作時(shí)間和心理情緒管理進(jìn)行健康預(yù)防和干預(yù)；另一方面，人口老齡化已從西方困擾轉(zhuǎn)變成全球議題，在我國(guó)的老年人中進(jìn)行慢性病的提前預(yù)防也是亟需關(guān)注的公共衛(wèi)生問(wèn)題。這些現(xiàn)實(shí)問(wèn)題都可以通過(guò)開發(fā)AI裝備以及優(yōu)化智能算法來(lái)改善。尤其是將AI運(yùn)用到對(duì)亞健康、慢性疾病和老齡化人群的健康危險(xiǎn)因素進(jìn)行全面監(jiān)測(cè)、分析評(píng)估和預(yù)測(cè)[11-13]。

利用新型智能穿戴技術(shù)設(shè)備協(xié)助收集日常數(shù)據(jù)，常見的非侵入式可穿戴式傳感器主要有手表、頸環(huán)、特殊傳感的衣物鞋帽等，這些載體用于收集個(gè)體數(shù)據(jù)，進(jìn)而達(dá)到個(gè)性化健康風(fēng)險(xiǎn)預(yù)警和健康結(jié)果預(yù)測(cè)的實(shí)時(shí)推斷；同時(shí)，AI基于收集的數(shù)據(jù)與大數(shù)據(jù)進(jìn)行對(duì)比，抽取關(guān)鍵因素，進(jìn)行智能機(jī)器學(xué)習(xí)，尋找可疑的生理疾病前兆；同時(shí)整合該人的職業(yè)、行為等進(jìn)行建模運(yùn)算，可以進(jìn)一步優(yōu)化精準(zhǔn)的個(gè)人健康管理和預(yù)防干預(yù)。確保實(shí)現(xiàn)全民健康覆蓋的健康相關(guān)的可持續(xù)發(fā)展目標(biāo)[14]。歐美國(guó)家從2010年起開發(fā)第一代智能手環(huán)/頸環(huán)，基于運(yùn)動(dòng)時(shí)間、心跳等簡(jiǎn)單生理數(shù)據(jù)，詳細(xì)記錄用戶運(yùn)動(dòng)與空閑時(shí)間；以及平均運(yùn)動(dòng)距離與身體能耗相結(jié)合，進(jìn)而預(yù)測(cè)用戶最優(yōu)化的運(yùn)動(dòng)和睡眠數(shù)據(jù)[15]，如清晰地記錄睡眠時(shí)間包括人體深度和淺睡眠時(shí)間繪制睡眠質(zhì)量結(jié)果波動(dòng)圖，從而提供作息健康指導(dǎo)。后續(xù)發(fā)展的第二代智能健康設(shè)備結(jié)合更多大數(shù)據(jù)，在第一代智能設(shè)備的基礎(chǔ)上，根據(jù)年齡、性別、身高和體重計(jì)算最佳運(yùn)動(dòng)管理，基于智能算法給出運(yùn)動(dòng)和飲食建議[16]。這些經(jīng)典的AI驅(qū)動(dòng)的健康管理可以為城市工作壓力大的亞健康人群，建立某一項(xiàng)或者綜合性的健康檔案記錄。

但是，以上這些傳統(tǒng)可穿戴設(shè)備主要是基于簡(jiǎn)單的個(gè)體數(shù)據(jù)收集和分析，缺少對(duì)特殊疾病或者潛在慢性病有針對(duì)性的監(jiān)測(cè)和預(yù)防手段。老齡化社會(huì)使得在進(jìn)行預(yù)防醫(yī)學(xué)健康管理的同時(shí)，更需結(jié)合臨床疾病因素，精準(zhǔn)靶向慢性病的發(fā)生發(fā)展[17]。新的形勢(shì)需要AI指導(dǎo)的醫(yī)+防融合，例如，開發(fā)復(fù)雜全面的新型可穿戴傳感器用于實(shí)時(shí)監(jiān)測(cè)患者的重要生理信號(hào)和活動(dòng)，改進(jìn)初級(jí)版本的可穿戴設(shè)備，有助于個(gè)性化評(píng)估早期疾病的發(fā)生發(fā)展[18-22]。研究表明，最新智能計(jì)算方法通過(guò)多維度監(jiān)測(cè)運(yùn)動(dòng)方式發(fā)現(xiàn)肌肉骨骼或認(rèn)知疾病、跌倒和平衡評(píng)估中發(fā)揮作用。如所示圖1，步行涉及多個(gè)關(guān)節(jié)和肌肉群，包括脊柱、髖關(guān)節(jié)、膝關(guān)節(jié)和背部肌肉、髖關(guān)節(jié)周圍肌肉等。典型的步行周期由小腦控制，需要身體不同部位之間良好的平衡和協(xié)調(diào)[23]。因此，行走模式的任何異常都可能預(yù)示著肌肉骨骼系統(tǒng)、中樞神經(jīng)系統(tǒng)或外周神經(jīng)系統(tǒng)疾病。例如，早發(fā)性神經(jīng)退行性疾病(如阿爾茨海默病或帕金森病)的人往往表現(xiàn)出不同的行走模式。帕金森病的早期癥狀之一是步履蹣跚。除此之外，早期帕金森病患者在行走時(shí)可能會(huì)遇到啟動(dòng)、停止和轉(zhuǎn)向的困難，這些資料的收集和提取將為慢性病早診和干預(yù)提供精準(zhǔn)化的個(gè)人健康管理[24]。特殊人群，如老年人由于運(yùn)動(dòng)控制力和肌肉力量下降，通常更容易摔倒，在AI計(jì)算中對(duì)步態(tài)的定量分析和評(píng)估，疊加年齡與死亡率和跌倒骨折的相關(guān)性，預(yù)測(cè)步速、行走姿勢(shì)與跌倒受傷的關(guān)聯(lián)性并作出有效的個(gè)性化干預(yù)。

圖1 人工智能主導(dǎo)的可穿戴設(shè)備在個(gè)性化健康管理的流程圖Fig.1 Flow-work of artificial intelligent associated wearable devices in personalized health management

2 人工智能在突發(fā)性公共衛(wèi)生事件的應(yīng)用

國(guó)際社會(huì)發(fā)展與全球化的科技經(jīng)濟(jì)發(fā)展規(guī)律得出，當(dāng)人均國(guó)內(nèi)生成總值達(dá)到1 000～3 000美元時(shí)，該國(guó)即將進(jìn)入公共安全事件高發(fā)期。遵照這一規(guī)律，我國(guó)已經(jīng)進(jìn)入高風(fēng)險(xiǎn)社會(huì)。而高風(fēng)險(xiǎn)的公共安全事件中，突發(fā)性傳染病這一公共衛(wèi)生問(wèn)題也會(huì)因?yàn)槿蚪?jīng)貿(mào)一體化等各方面因素，擴(kuò)大疾病暴發(fā)的概率和范圍，對(duì)國(guó)家造成巨大的人口和社會(huì)損失[25]。為了更好地落實(shí)“預(yù)防為主”的國(guó)家衛(wèi)生服務(wù)方針政策，需通過(guò)公共衛(wèi)生監(jiān)測(cè)(public health surveillance)系統(tǒng)[26-28]，全面收集、分析，解釋和傳遞與健康事件相關(guān)的數(shù)據(jù)信息，建立早期的預(yù)警監(jiān)測(cè)和疾病追蹤機(jī)制。傳統(tǒng)的被動(dòng)型監(jiān)測(cè)方式將病情信息通過(guò)基層社區(qū)衛(wèi)生機(jī)構(gòu)逐步向上匯總，最后通過(guò)實(shí)驗(yàn)室手段進(jìn)行鑒定后確認(rèn)發(fā)布[29]。然而，這種事后發(fā)布的監(jiān)測(cè)手段難以對(duì)疫情進(jìn)行早期和感染高峰期預(yù)測(cè)，易錯(cuò)失衛(wèi)生干預(yù)的最佳時(shí)機(jī)。人工智能可以通過(guò)數(shù)據(jù)分析和計(jì)算模擬，嵌入突發(fā)公共衛(wèi)生危機(jī)管理的全周期。例如，通過(guò)雨季時(shí)長(zhǎng)和伊蚊幼蟲的感染率，結(jié)合歷年發(fā)病區(qū)域的綜合數(shù)據(jù)，預(yù)測(cè)泰國(guó)中部登革熱的發(fā)病率，做到提前在當(dāng)?shù)剡M(jìn)行病害蟲管理和傳染病防治工作。在許多突發(fā)性傳染病的疫情防控中，人工智能結(jié)合大數(shù)據(jù)分析和互聯(lián)網(wǎng)科技等手段為對(duì)疫情溯源和監(jiān)測(cè)具有重要意義[30]。

此外，最新的群體性管理模式也聚焦于將個(gè)體數(shù)據(jù)進(jìn)行收集，基于計(jì)算機(jī)算法挖掘和處理信息，組成大數(shù)據(jù)平臺(tái)。在衛(wèi)生安全事件中，智能設(shè)備記錄個(gè)體的體溫、睡眠等模式等，分析潛在的個(gè)體病況。同時(shí)，這些個(gè)體信息將儲(chǔ)存于大數(shù)據(jù)平臺(tái)中，并通過(guò)與整體趨勢(shì)相結(jié)合的模式，進(jìn)行群體風(fēng)險(xiǎn)預(yù)測(cè)和監(jiān)控[31-34]。目前，個(gè)性化數(shù)據(jù)整合到群體預(yù)警體系的方式方法可以表現(xiàn)在多個(gè)層面，包括智能算法結(jié)合動(dòng)力學(xué)模型、動(dòng)態(tài)感染模型等大數(shù)據(jù)分析模型和實(shí)踐技術(shù)來(lái)進(jìn)行風(fēng)險(xiǎn)態(tài)勢(shì)研判。例如，在2020年新冠肺炎疫情暴發(fā)初期，波士頓兒童醫(yī)院開發(fā)出新的個(gè)性化健康地圖(Personal Health Map)系統(tǒng)[35],利用智能手機(jī)這一便攜通訊設(shè)備，設(shè)置物聯(lián)網(wǎng)溫度計(jì)小程序?qū)⒅悄苁謾C(jī)或溫度計(jì)數(shù)據(jù)結(jié)合，用于收集和處理不同的用戶體溫、癥狀等生物體征數(shù)據(jù)，結(jié)合智能大數(shù)據(jù)中的用戶年齡、癥狀持續(xù)時(shí)間和地理位置等信息，運(yùn)用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法處理數(shù)據(jù)，預(yù)測(cè)傳染病地區(qū)走向和發(fā)展趨勢(shì)。通過(guò)對(duì)不同傳染病個(gè)體的案例進(jìn)行相似性合并，輔助疾病救治、疫情防范管制和疫情信息管理[36]。我國(guó)在新冠肺炎疫情期間,對(duì)確診或疑似患者潛在的疾病傳播路線進(jìn)行多層次管理和預(yù)判，包括通過(guò)問(wèn)詢其地理位置、消費(fèi)數(shù)據(jù)、出行時(shí)間等個(gè)體數(shù)據(jù)，將這些數(shù)據(jù)與發(fā)病區(qū)域在空間和時(shí)間上進(jìn)行大數(shù)據(jù)擬合分析。通過(guò)AI 繪制傳染源的地圖行動(dòng)軌跡;基于該行動(dòng)軌跡尋找和計(jì)算出每個(gè)疑似個(gè)體的密切接觸者,并針對(duì)不同的接觸時(shí)間、接觸形式進(jìn)行危險(xiǎn)性劃分和流行病溯源分析。這些AI輔助手段在疫情傳染期，提高了防控隊(duì)伍的信息捕捉能力，可為處置高危地區(qū)和潛在高危地區(qū)的不同人群提供處理方案。

除了對(duì)于個(gè)性化的生理數(shù)據(jù)(體溫、睡眠、飲食)進(jìn)行分析，人工智能也可以個(gè)體主動(dòng)性的社會(huì)行為進(jìn)行數(shù)據(jù)處理，通過(guò)相關(guān)非常規(guī)社會(huì)大數(shù)據(jù)也能夠重建疾病暴發(fā)的早期整體人群流行病學(xué)模型。如，利用一系列滯后的“社交媒體搜索索引”搜索各種關(guān)鍵詞，包括突發(fā)疫情的臨床癥狀(如干咳、發(fā)熱和胸悶等)?？蒲腥藛T發(fā)現(xiàn)，通過(guò)使用機(jī)器學(xué)習(xí)等技術(shù)，可以分別提前6～9 d發(fā)現(xiàn)新的疫情疑似病例和確診病例。同時(shí)，還可以利用人口遷移數(shù)據(jù)，建立了一個(gè)動(dòng)態(tài)傳播的、分室的“易感暴露-感染-清除”(susce-ptible-exposed-infectious-recovered,SEIR)模型，結(jié)合人工智能方法[37]，通過(guò)對(duì)2003年SARS疫情數(shù)據(jù)進(jìn)行模擬，預(yù)測(cè)COVID-19大流行曲線[38]。此外，社會(huì)資源調(diào)度同樣可以通過(guò)人工智能算法與疾病健康監(jiān)測(cè)進(jìn)行數(shù)據(jù)對(duì)接。在疫情期間，電網(wǎng)大數(shù)據(jù)通過(guò)對(duì)不同家庭用電數(shù)據(jù)的細(xì)節(jié)分析，根據(jù)用電量預(yù)判所在社區(qū)獨(dú)居和隔離人群數(shù)量，從而進(jìn)行針對(duì)性的預(yù)防干預(yù)方案。還可在宏觀上掌握和復(fù)盤醫(yī)療衛(wèi)生與社會(huì)經(jīng)濟(jì)復(fù)工之間的調(diào)控關(guān)系?？傊_發(fā)和優(yōu)化AI公共衛(wèi)生健康管理平臺(tái)，制定疾病監(jiān)控相關(guān)行動(dòng)，以減少發(fā)病率和死亡率[39-40]，可以提升公共衛(wèi)生事件管理的意識(shí)和能力，保障國(guó)家衛(wèi)生治理體系與健康管理能力的現(xiàn)代化需求(圖2)。

圖2 基于人工智能的突發(fā)性傳染病監(jiān)測(cè)防疫體系Fig.2 Monitoring and epidemic prevention system for emergent infectious diseases based on artificial intelligence

3 人工智能在公共衛(wèi)生體系的前景與困境

人工智能在臨床診斷和藥物開發(fā)等領(lǐng)域的應(yīng)用成為新時(shí)代醫(yī)學(xué)領(lǐng)域堅(jiān)強(qiáng)的科技支撐，然而，現(xiàn)有的人工智能系統(tǒng)對(duì)公共衛(wèi)生和預(yù)防醫(yī)學(xué)的社會(huì)實(shí)際需求仍存在差距。公共衛(wèi)生系統(tǒng)的現(xiàn)代化建設(shè)需要考慮AI機(jī)器學(xué)習(xí)的算法優(yōu)化，尤其是在集成來(lái)自不同來(lái)源的數(shù)據(jù)輸入、輸出和屬性方面，仍有待進(jìn)一步提升[41]。目前最需要的幾個(gè)建設(shè)方向主要是:在禽流感、新冠肺炎等突發(fā)傳染病的場(chǎng)景下，研發(fā)基于流行病的病例庫(kù)和知識(shí)庫(kù)；構(gòu)建基于專家指導(dǎo)、多部門參與的人工智能預(yù)警系統(tǒng)；除常規(guī)可穿戴設(shè)備外，在公共場(chǎng)合設(shè)置多樣化的疫情數(shù)據(jù)采集的硬件建設(shè)；將個(gè)人定位與數(shù)字地圖定位相結(jié)合，提升用戶覆蓋率和精準(zhǔn)度。例如，四川大學(xué)華西醫(yī)院快速建立“華西抗疫預(yù)防的工作模式”，在已有智慧醫(yī)療基礎(chǔ)上充分發(fā)揮，通過(guò)華西醫(yī)院互聯(lián)網(wǎng)平臺(tái)，整合院內(nèi)服務(wù)互聯(lián)網(wǎng)的電子掛號(hào)和診療數(shù)據(jù)，加入到四川省疾控部門的大數(shù)據(jù)中，實(shí)時(shí)播報(bào)醫(yī)患感染情況，避免人群聚集，發(fā)現(xiàn)潛在病例[42]。以上的發(fā)展趨勢(shì)均說(shuō)明，在人工智能與預(yù)防醫(yī)學(xué)的建設(shè)中，需加強(qiáng)人才培養(yǎng)，鼓勵(lì)學(xué)科建設(shè)，將預(yù)防醫(yī)學(xué)、生物醫(yī)學(xué)等相關(guān)醫(yī)學(xué)專業(yè)與軟件開發(fā)、大數(shù)據(jù)挖掘等專業(yè)的跨學(xué)科結(jié)合。

然而，全面開展智能健康數(shù)據(jù)管理也將帶來(lái)巨大的倫理挑戰(zhàn)。智能化的健康管理大數(shù)據(jù)成為了公共衛(wèi)生領(lǐng)域不可或缺的技術(shù)依賴，這些數(shù)據(jù)協(xié)助智能醫(yī)療平臺(tái)搭建的同時(shí)，也會(huì)增加醫(yī)療數(shù)據(jù)泄露的風(fēng)險(xiǎn)[43]。精準(zhǔn)化的健康管理既需要通過(guò)個(gè)人軟件或可穿戴設(shè)備收集資料，也需要與大量疾病數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)和模型比對(duì)。機(jī)器學(xué)習(xí)在個(gè)性化疾病預(yù)防和干預(yù)通過(guò)患者的行為或遺傳風(fēng)險(xiǎn)因素定制預(yù)防措施，需要經(jīng)由網(wǎng)絡(luò)數(shù)據(jù)庫(kù)、便攜式可穿戴設(shè)備和社區(qū)醫(yī)院等多個(gè)渠道收集和共享大量的數(shù)據(jù)。然而，人工智能在執(zhí)行機(jī)器學(xué)習(xí)的過(guò)程中，無(wú)法有意識(shí)進(jìn)行個(gè)人隱私保護(hù)。因此，為了保護(hù)敏感的個(gè)人醫(yī)療數(shù)據(jù)的隱私，還需要使用安全的通信信道。強(qiáng)大的加密技術(shù)，如公鑰基礎(chǔ)設(shè)施(public key infrastru-cture,PKI)、安全套接字層(secure sockets layer,SSL)以及適當(dāng)?shù)氖跈?quán)和身份驗(yàn)證算法可以實(shí)現(xiàn)以增強(qiáng)數(shù)據(jù)安全性。同時(shí)，對(duì)于人工智能技術(shù)在預(yù)防醫(yī)學(xué)和健康管理方面，應(yīng)設(shè)立專門的監(jiān)管體系，在現(xiàn)有法律法規(guī)之上，完善和加強(qiáng)對(duì)人工智能的監(jiān)督機(jī)制。目前的倫理法規(guī)主要是基于各個(gè)領(lǐng)域和行業(yè)的分類監(jiān)督模式，即醫(yī)學(xué)類倫理問(wèn)題受到醫(yī)學(xué)專家委員會(huì)的監(jiān)督管理。然而，不容忽視的是，這種基于專業(yè)驅(qū)動(dòng)的管理模式在人工智能越來(lái)越普及的當(dāng)今醫(yī)學(xué)建設(shè)中是有缺陷的。對(duì)AI監(jiān)管的專業(yè)知識(shí)應(yīng)更為全面，而不僅僅是單一在醫(yī)學(xué)或者計(jì)算領(lǐng)域進(jìn)行定責(zé)。綜上所述，針對(duì)醫(yī)療大數(shù)據(jù)新時(shí)代個(gè)人隱私的保護(hù)面臨尷尬的處境，完善涉及疫情傳播隱私大數(shù)據(jù)軟件升級(jí)以及相關(guān)法律法規(guī)建設(shè)，加強(qiáng)對(duì)個(gè)人隱私、數(shù)據(jù)資源的管控。

4 展 望

國(guó)家健康發(fā)展計(jì)劃表示，至2030年，每個(gè)成年人都應(yīng)以能負(fù)擔(dān)得起的方式使用數(shù)字化的衛(wèi)生保健服務(wù)。因此，當(dāng)前的公共衛(wèi)生形勢(shì)使得在符合醫(yī)學(xué)倫理和保護(hù)個(gè)人信息安全的前提下，需要進(jìn)一步優(yōu)化從個(gè)體健康數(shù)據(jù)的收集到群體數(shù)據(jù)云平臺(tái)構(gòu)建過(guò)程中存在的現(xiàn)實(shí)問(wèn)題。包括完善法律法規(guī)，出臺(tái)國(guó)家規(guī)范，對(duì)由個(gè)人數(shù)據(jù)組成的健康大數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)體系認(rèn)證；以及形成專業(yè)的組織構(gòu)建，如建立國(guó)家高等級(jí)的人工智能倫理委員會(huì)、統(tǒng)一人工智能醫(yī)療便攜設(shè)備及其相關(guān)軟件的倫理審查原則等。此外，應(yīng)總結(jié)人工智能醫(yī)療軟件監(jiān)管工作起步較早的國(guó)家的工作經(jīng)驗(yàn)，并結(jié)合我國(guó)人工智能技術(shù)在公共衛(wèi)生領(lǐng)域的實(shí)施具體問(wèn)題，與不同國(guó)家和地區(qū)開展共同合作。