人工智能決策輔助賦能未來精準醫(yī)療的研究

李太和，張建敏

（深圳安泰創(chuàng)新科技股份有限公司，廣東 深圳 518000）

0 引 言

近年來，在大數(shù)據(jù)和人工智能技術的迅猛發(fā)展之下，健康醫(yī)療領域也產生了廣泛而深遠的發(fā)展，在技術思維創(chuàng)新的支撐下，醫(yī)學工程也更加密切的交流及其轉化，正確而適度的應用人工智能賦能未來精準醫(yī)療是當下既熱門又有深刻落地意義的研究方向，本文嘗試討論人工智能系統(tǒng)融入醫(yī)療過程用以提供精準醫(yī)療開展的臨床決策輔助。

1 人工智能賦能精準醫(yī)療臨床輔助決策體系的建立

1.1 人工智能臨床輔助決策體系所涵蓋的范疇

為了人工智能臨床輔助決策系統(tǒng)在醫(yī)療過程和環(huán)節(jié)中，恰到好處的為醫(yī)療工作者提供精準的決策支持，其功能模塊與系統(tǒng)架構設計應當依據(jù)醫(yī)療流程中患者就醫(yī)全流程，通過調研和分析具體環(huán)節(jié)中各個類型的醫(yī)療工作者（臨床醫(yī)生、醫(yī)技?？漆t(yī)生、物理師、藥師、護師等）面臨的重要決策問題，進行相應的功能模塊設計。

以腫瘤疾病為例，作者認為人工智能決策輔助應當涉及六大功能模塊：檢查指導、智能診斷、治療決策、安全警示、預后分析以及隨訪建議，如圖1所示，患者在就醫(yī)過程中會經歷該六大模塊，其功能相輔相成，有機融合。與此同時，患者在參與隨訪的過程中又產生新的數(shù)據(jù)，進入新的一輪循環(huán)，整個過程完整閉環(huán)，不斷糾錯并迭代，最終形成覆蓋對應病種全流程閉環(huán)的智能臨床輔助決策系統(tǒng)。

圖1 人工智能臨床輔助決策閉環(huán)系統(tǒng)中的六個功能模塊

上述過程中所覆蓋患者檢查、診斷、治療、隨訪的就診完整過程，其每個環(huán)節(jié)因實際的應用邏輯和場景不同，原始數(shù)據(jù)獲取的難易程度不同，訓練模型應用的匹配度和難易度不同，因而對應的理想的決策輔助機制不盡相同，上述六個模塊的決策機制如表1所示，總體分為兩種不同決策機制，基于決策規(guī)則的決策機制和基于機器學習的輔助決策機制，以及二者的有機融合。

表1 智能臨床輔助決策閉環(huán)系統(tǒng)中的六個功能模塊的決策機制

（1）基于決策規(guī)則的決策機制：這種機制通過實現(xiàn)定義好的規(guī)則生成決策，一旦規(guī)則中的前提條件獲得滿足，相關規(guī)則被觸發(fā)，從而提供決策意見。在腫瘤疾病人工智能輔助決策系統(tǒng)的構建中，可以以腫瘤疾病診療規(guī)范、指南以及專家共識為基礎，明確進行相應臨床決策所需要的全部信息。其運行機制可基于啟發(fā)式規(guī)則、基于認知模型或者基于案例推理。

（2）基于機器學習的輔助決策機制：自從ALPHAGO戰(zhàn)勝人類圍棋頂尖棋手之后，以神經網絡和遺傳算法等技術框架為代表的機器學習逐步被應用于包含醫(yī)療在內的行業(yè)進行訓練和應用，用于輔助決策模型的建立，不斷提高了輔助決策系統(tǒng)的決策能力與決策范圍。這樣的輔助決策模型的建立不再依靠預先設定好的規(guī)則，而是依據(jù)數(shù)據(jù)預處理標準化結構化之后的多源異構健康醫(yī)療大數(shù)據(jù)進行模型的訓練。針對不同功能模塊的決策模型，定義不同的輸入信息以及需要預測的結果。對于不同的模型，研究不同的特征選擇方法及不同的機器學習算法對于模型構建效果的影響，從而對不同的功能模塊進行橫向的交叉對照以確定效果最佳的決策模型。

（3）除了上述兩種情形之外，還有基于多模態(tài)數(shù)據(jù)融合的綜合決策機制，主要是將基于決策規(guī)則的決策機制和基于機器學習的輔助決策機制進行有機融合，利用患者的診斷結果、臨床關鍵信息、基因信息以及診療指南等，融合患者的這些多模態(tài)數(shù)據(jù)，并結合患者的預后與隨訪效果，進行綜合評估，出具診療方案。

這個綜合的決策機制通過建立統(tǒng)一框架，把上述兩種決策機制進行有機融合，并將患者的診療安全與預后分析納入評價體系，使得最終的診療方案在有效性、安全性以及經濟性等各方面均達到最優(yōu)，最大限度地提升患者治愈率，節(jié)約醫(yī)療成本。

1.2 人工智能臨床輔助決策體系各功能模塊的建設

綜合上述六個功能模塊的臨床輔助決策系統(tǒng)的系統(tǒng)架構如圖2所示。

整體系統(tǒng)主要可分為應用層（數(shù)據(jù)源層）、數(shù)據(jù)層與服務層。

（1）應用層為構建在醫(yī)聯(lián)體中基層醫(yī)院的人機交互接口，基層醫(yī)院臨床醫(yī)生可以通過這些接口向輔助決策系統(tǒng)提交患者相應數(shù)據(jù)并獲得決策建議，而其本身又是整個體系的源數(shù)據(jù)的來源，其與應用形成良好的呼應的反饋閉環(huán)，可支撐整個體系有效的迭代進化。

（2）數(shù)據(jù)層則囊括了前述課題中建立的結構化知識數(shù)據(jù)庫，包括權威學科如臨床指南、臨床操作規(guī)范等信息以及基于上級醫(yī)院臨床流程的藥物、檢查、檢驗、護理、手術等知識信息。

（3）服務層包括實現(xiàn)上述六大功能模塊所對應的智能決策模型，通過輸入基層醫(yī)院提交的患者信息基于模型進行相應的計算與推演。

圖2 臨床輔助決策系統(tǒng)架構

1.2.1 檢查指導功能模塊

患者就診時，依據(jù)自身的主訴、現(xiàn)病史、既往史等各類信息的實際情況，結合就診目的需完成各項檢查。本模塊根據(jù)就診患者人群及就診目的的不同，將其分為高危人群篩查、可疑腫瘤確診、腫瘤治療前檢查三大類。在這三大類中，層層分級，逐級分類，確定不同的檢查方案，并提供組合推薦順序。對于高危人群篩查，按患者的高危因素情況，按指南建議給出篩查意見，確定篩查方案；對于可疑腫瘤的確診，根據(jù)患者的病史、臨床表現(xiàn)等確定檢查方案；對于腫瘤患者治療前檢查，根據(jù)特定腫瘤的治療前評估臨床路徑，進行檢查指導。

本模塊所涉及的工作在各個病種的診療規(guī)范、指南以及眾多醫(yī)療實踐中有著廣泛的先驗經驗，所以可以通過既定的分類與規(guī)則的預先設定，形成智能的檢查開單。

1.2.2 智能診斷功能模塊

結合文本類型的結構化數(shù)據(jù)庫及影像、病理和基因數(shù)據(jù)等，綜合患者的輔助檢查結果、病史、臨床表現(xiàn)、形成智能的診斷功能，主要分為三個子模塊：數(shù)據(jù)處理、特征提取和和選擇、分類診斷。

1.2.2.1 數(shù)據(jù)處理子模塊

數(shù)據(jù)處理子模塊主要對患者的各項數(shù)據(jù)進行去噪、篩選、歸一化、仿射變換等預處理操作，主要包括對病人的影像數(shù)據(jù)（包括CT、MRI、超聲等）和病理圖像數(shù)據(jù)的預處理，以及臨床非結構化數(shù)據(jù)的標準化。

1.2.2.2 特征提取和和選擇子模塊

針對已經清洗好的結構化數(shù)據(jù)、影像、病理、基因等數(shù)據(jù)，可以提取特征，用于下一步分類診斷子模塊。

1.2.2.3 分類診斷子模塊

分類診斷子模塊主要由三個階段構成，包含腫瘤的檢測與定位，腫瘤的良惡性自動分類，以及惡性腫瘤亞型的分類與分級分期。

1.2.3 治療決策功能模塊

與前述診斷模塊銜接，根據(jù)患者的診斷結果、臨床關鍵信息及基因信息，同時結合知識庫中該病種的經驗診療方案（診療指南、共識等），將以上多模態(tài)數(shù)據(jù)進行融合，提取患者的綜合診療特征，并將此特征與?？撇》N診療特征數(shù)據(jù)庫相比對，進行智能查詢與匹配，為患者制定個性化的治療方案，實現(xiàn)基于大數(shù)據(jù)的精準診療和個體化治療，如圖3所示。

圖3 智能治療決策方案推薦

本模塊為智能系統(tǒng)中最重要的模塊，也是目前人工智能醫(yī)療極少開展的內容，非常有價值。同時它與后續(xù)兩個模塊診療安全警示與預后分析的關系極為緊密，治療決策的方案制定，也是綜合考量診療安全與預后的因素而得出的。

本模塊最為重要的價值在于，以真實的既往診療方案和診療結果作為數(shù)據(jù)的支撐，結合診療指南與臨床共識，在同一時刻為患者制定多條路徑的治療方案，并能夠給出與方案對應的預后效果，供主診醫(yī)生選擇以及與患者溝通最適宜方案的選擇。如可以通過將腫瘤患者的診療特征與數(shù)據(jù)庫特征相匹配，結合診療指南，系統(tǒng)自動推薦出最佳診療方案，最大化患者的預后效果。

此外，還可以就同一患者制定醫(yī)聯(lián)體內多家醫(yī)療機構的不同治療方案對比，并就該類方案開展多中心的治療方案對比研究。

1.2.4 診療安全警示功能模塊

根據(jù)知識庫的信息，對藥物、檢查/檢驗、治療的禁忌以及藥物之間相互作用進行審查，系統(tǒng)給予警示。

1.2.5 預后分析功能模塊

綜合前序模塊研究成果，基于多維度醫(yī)療大數(shù)據(jù)，隨訪數(shù)據(jù)，根據(jù)患者的機能狀況、腫瘤分期、輔助檢查結果、治療方案等綜合數(shù)據(jù)，對疾病轉歸進行分析。預后分析的內容將和治療方案融合進行一體輸出，如圖4所示。

圖4 在醫(yī)生日常使用的工作平臺上自動推送輸出患者的預后預測

1.2.6 隨訪建議功能模塊

根據(jù)患者的個體化情況，結合知識庫，給出具體的隨訪建議；并建立療效評估機制，根據(jù)反饋結果重新擬合治療決策分析的結果。

2 AI人工智能輔助診療手段的合規(guī)應用

精準智能的醫(yī)療發(fā)展還依賴于臨床實驗的開展，大量的人工智能算法都在一個個具體的領域里聲稱或證明過它能夠戰(zhàn)勝醫(yī)生，但由于醫(yī)療領域涉及到人類的生命具有高風險性，因此每一個算法都必須要通過審慎的臨床試驗，獲得國家藥品監(jiān)督管理局NMPA（原食品藥品監(jiān)督管理局CFDA）頒發(fā)的醫(yī)療器械注冊證才能夠最終走向市場，當前已有多家企業(yè)的人工智能診斷輔助產品通過了NMPA的審查獲得了醫(yī)療器械產品注冊證。

2.1 AI智能產品取得醫(yī)療注冊證的路徑

AI智能產品上市銷售需要取得醫(yī)療注冊證，總體而言取得注冊證的路徑基本分為結合設備申請或獨立軟件申請。結合目前的情況，同樣的三類醫(yī)療器械，獨立軟件所需經歷的申請和審批流程相較于硬件醫(yī)療設備而言并無顯著的時間優(yōu)勢、流程優(yōu)勢和難度優(yōu)勢。這一點從近年連心醫(yī)療（無醫(yī)療設備）和聯(lián)影智能（有配套醫(yī)療設備）先后獲得“放療輪廓勾畫軟件”的NMPA三類醫(yī)療器械注冊證，正式進入市場便可見端倪。因此不同類型的軟件產品，無需考慮軟硬件是否結合的形式，應結合企業(yè)不同的基因和商業(yè)模式進行申請。

2.1.1 結合設備取得醫(yī)療注冊證

可以想見，由于商業(yè)競爭所必然經歷的格局，作者認為未來以支撐診斷決策輔助為導向的人工智能AI算法都將絕大部分以依托設備的形式出現(xiàn)。從決策輔助軟件產品的角度上而言，放療物理師無論從哪里獲得精準勾畫的軟件，都可以進行自動化的精準勾畫；但從使用的便利性而言，當軟件無縫的屬于設備的一部分，以潤物細無聲的方式賦能設備之后則可將放療的全流程極大的縮短，其好處遠遠優(yōu)于一個獨立于設備之外存在的單體軟件，自然符合醫(yī)生患者設備等整個系統(tǒng)的最大化優(yōu)化改善的效果。

從另一個維度來思考，使用設備進行AI輔助診斷也符合醫(yī)療流程最優(yōu)的形式：當一份患者檢查影像在一個醫(yī)療設備中完成之后，其本應等待醫(yī)生進行報告撰寫的過程中，集成于設備內部一體的智能影像AI算法已經默默的開展了一次算法調用，并將其計算完成的結果作為檢查原始數(shù)據(jù)的一部分，在醫(yī)生寫報告之前（之時）作為先期形成的成果，自動交付醫(yī)生選擇使用。這種形態(tài)的好處還有，如果需要的情況下，將人工智能的精準運算結果（如良性的結果）提前反饋給患者，用于替代患者揪心而無助搜索網絡所獲得的不知其指向為何的檢索結果。

2.1.2 獨立軟件取得醫(yī)療注冊證

當然獨立的軟件與設備脫離時，比較適合于設備集采的云平臺項目：當衛(wèi)健委或者大規(guī)模體檢機構批量采購一批多個品牌組成的醫(yī)療設備時，需要同時構建一個管理平臺去匯總各個獨立設備的上傳數(shù)據(jù)，這樣的場景下，獨立軟件的第三方獨立優(yōu)勢將會得以顯現(xiàn)，同時當云平臺的勾畫方案與依托設備的勾畫方案同時存在時，本身也為醫(yī)生提供了多個決策輔助，方便形成交叉驗證。

另一方面，以支撐手術規(guī)劃，治療方案出具等為導向的人工智能AI算法將更多的以軟件云平臺的方式出現(xiàn)，原因在于為了得出一個有價值的手術規(guī)劃和治療方案，其所依賴的數(shù)據(jù)先天來源于異源異構的信息系統(tǒng)，沒有一個已有的設備或體系自然承載和提供做出決策的數(shù)據(jù)，因此，從分級診療?？坡?lián)盟的政策導向來看，從效率最大化的角度來看，一個建構在核心醫(yī)療機構或政府可信平臺的人工智能算法將成為智能規(guī)劃與治療的最主要開放形式。協(xié)作機構中的每一個單位，每一個醫(yī)生，甚至每一個患者，都可以提交個人的醫(yī)療數(shù)據(jù)，或回答系統(tǒng)提問的相關問題，進而獲得系統(tǒng)運算得出的智能方案。

2.2 醫(yī)療機構自主開發(fā)無需取得醫(yī)療注冊證的科研應用

當前另外一種常見的方式是醫(yī)療機構結合自身的實際情況，建立人工智能實驗室和大數(shù)據(jù)中心，使用醫(yī)療機構自身的獨家積累的醫(yī)療數(shù)據(jù)。由于醫(yī)療機構對數(shù)據(jù)的監(jiān)管，國家對醫(yī)療數(shù)據(jù)的監(jiān)管要求不斷提升，使得對外合作變的并不方便或并非必要，因此醫(yī)療機構能依托于其對具體?？苹》N診療能力的提升過程中，對非常具體的醫(yī)療流程所需要解決的智能化支撐問題進行科研探索。

這樣的需求及其解決方案非常具有廣泛的代表性，因為其確實是通過人工智能智慧化的解決方案支撐醫(yī)療機構工作流程的正確率提升和效率改善，非常具有現(xiàn)實的價值。同時，醫(yī)療器械注冊證當下的法規(guī)與政策所監(jiān)管的范圍是基于圖像存儲調閱瀏覽及其識別等一系列功能，大量的點滴之間的智能化改善的流程方案并不在監(jiān)管范圍之內，即便是醫(yī)學影像的識別判讀，當該類算法用于進行全面批量化預檢之后的醫(yī)生判讀質控，也是符合監(jiān)管的要求的。如此一來，從一開始就定位于在醫(yī)療機構內部以科研的方式改善工作流，事實上是對科研成果后期轉換率的一種有益的提升，符合多方面的發(fā)展要求和利益。

3 展望：人類與AI的相處之道

隨著AI人工智能能力的逐漸被廣泛認知，大家慢慢普遍形成的觀點是AI代替不了醫(yī)生，AI能夠支撐醫(yī)生去進行更好的決策支持，人工智能是“人工+智能”，醫(yī)生應當站在AI的肩膀上工作。

3.1 人類與人工智能的協(xié)作共處

可以想見，未來的智能醫(yī)療將不知不覺的出現(xiàn)在需要醫(yī)療決策的每一個過程當中。如果一次醫(yī)療檢查的圖像沒有被智能醫(yī)學影像算法判讀過，那將是不正常的，如果一個醫(yī)生個體的為患者出具的醫(yī)療決策方案沒有被人工智能的醫(yī)療質控機器人檢測過，這個治療方案也將是不合規(guī)的。這就好像現(xiàn)在的醫(yī)生開具醫(yī)囑和處方之后，系統(tǒng)自動要進行藥學審方一樣，沒有經過藥學審方的醫(yī)囑和處方是不能被下達給患者的。一旦被智能醫(yī)學影像算法和智能醫(yī)療質控機器人打回，則將啟動更加高階的人類醫(yī)生團體的MDT協(xié)作醫(yī)療。這就是人類和AI良性協(xié)作共處的過程。

3.2 人工智能與人類之爭

然而，作者有這樣一個觀點：“人類在滅絕自我的道路上拼命狂奔”。醫(yī)療AI可能確實不能夠完全代替醫(yī)生的存在，但正如大量的競爭都不是依靠與所謂的競爭對手之間的輸贏而產生的，更大的可能性其實是另一物種通過降維打擊而實現(xiàn)獲得勝利并結束爭端。美國波士頓動力所產生的各類機器人和它所具備的能力大家已經有目共睹，如果機器以通過一種不受人類控制的力量戰(zhàn)勝和掌控人類社會——最新的報導已經有過具備自主思科能力的無人機在沒有接到指令的情況下向已經撤退的敵人發(fā)起攻擊——當這種對人類社會的控制得以實現(xiàn)時，那么所有的思維方式都將是由機器決定。人與機器的關系究竟是戰(zhàn)勝？還是相互支持？還是失敗?那時的情形是：醫(yī)生根本不在討論這個話題的權力話語的階層。醫(yī)生的討論，醫(yī)生的觀點并不會得到機器社會的認同。這一點在教育行業(yè)如此，金融行業(yè)如此，交通行業(yè)如此?；蛟S所羅列的這些行業(yè)到時也并不存在，完全沒有羅列的意義。盡管主觀上我們并不期待這樣一個被機器所控制的人類社會的局面展現(xiàn)在我們面前，但內心的認知卻無法揮去這樣一道可能始終高懸于人類頭上的達摩克里斯之劍所帶來的陰霾。樂觀者總會說技術無罪，希望世間如樂觀者所期盼一般，人類與AI和諧共存。

4 結 論

人工智能已經不知不覺的以人工加智能的方式融入到醫(yī)療診斷與治療的過程中，隨著醫(yī)療器械證的頒發(fā)和數(shù)字療法的引入，越來越多的診療環(huán)節(jié)中許多醫(yī)生已經不習慣沒有AI存在的原始診療手段了，從這個角度而言，人工智能在醫(yī)療行業(yè)雖然慢熱，但他必將最終無處不在無微不至地為未來精準醫(yī)療的研究充分賦能。