智能醫(yī)學(xué)：數(shù)據(jù)與模型驅(qū)動(dòng)的醫(yī)工融合

劉 雷 曾麗艷

(復(fù)旦大學(xué)智能醫(yī)學(xué)研究院 上海 200032)

1 引言

隨著大數(shù)據(jù)、云計(jì)算、人工智能(artificial intelligence，AI)等新興技術(shù)蓬勃發(fā)展，現(xiàn)代醫(yī)學(xué)、生命科學(xué)、工程科學(xué)高度交叉融合，促使醫(yī)學(xué)模式從工程醫(yī)學(xué)演進(jìn)到智能醫(yī)學(xué)。Topol E J[1]將智能醫(yī)學(xué)定義為將AI與醫(yī)學(xué)融合，利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)等技術(shù)實(shí)現(xiàn)精準(zhǔn)的個(gè)體化醫(yī)療，以提供更好的疾病預(yù)防、診斷、治療和管理。Rajkomar A等[2]認(rèn)為智能醫(yī)學(xué)指利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，從大規(guī)模醫(yī)療數(shù)據(jù)中提取知識(shí)和模式，用于診斷、預(yù)測(cè)和個(gè)性化治療。智能醫(yī)學(xué)是建立在現(xiàn)代醫(yī)學(xué)基礎(chǔ)之上，融合了醫(yī)療大數(shù)據(jù)、AI和元宇宙等前沿技術(shù)，旨在挖掘生命的本質(zhì)，疾病發(fā)生、發(fā)展與演變的規(guī)律，并探索智能化疾病診療方法及其臨床實(shí)踐應(yīng)用的新興交叉學(xué)科[3]。

大數(shù)據(jù)的積累和多樣性為AI的訓(xùn)練和學(xué)習(xí)提供更廣泛的資源，AI的引導(dǎo)和優(yōu)化有助于實(shí)現(xiàn)大數(shù)據(jù)的智能化利用，改善決策效果和提供個(gè)性化服務(wù)[4-5]，而元宇宙作為大數(shù)據(jù)和AI的融合，提供智能化的交互和體驗(yàn)[6]，大數(shù)據(jù)、AI、元宇宙與智能醫(yī)學(xué)的發(fā)展相互依賴、相互促進(jìn)。大數(shù)據(jù)和AI為智能醫(yī)學(xué)提供數(shù)據(jù)分析和決策支持的基礎(chǔ)和能力，而元宇宙則為遠(yuǎn)程醫(yī)療提供創(chuàng)新解決方案，為智能醫(yī)學(xué)帶來(lái)更加沉浸式和個(gè)性化的醫(yī)療體驗(yàn)[1]。大數(shù)據(jù)、AI和元宇宙的結(jié)合為智能醫(yī)學(xué)帶來(lái)巨大的創(chuàng)新和發(fā)展?jié)摿Α?/p>

2 大數(shù)據(jù)融合和驅(qū)動(dòng)是智能醫(yī)學(xué)發(fā)展的基礎(chǔ)

2.1 數(shù)據(jù)融合與數(shù)據(jù)治理

隨著生物醫(yī)學(xué)研究的飛速發(fā)展，大量電子健康記錄、臨床治療、醫(yī)學(xué)圖像、多組學(xué)(基因組、宏基因組、表觀基因組、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組)等數(shù)據(jù)不斷積累，已經(jīng)形成從微觀層面、分子層面、基因?qū)用娴絺€(gè)體、群體的跨尺度、大規(guī)模的數(shù)據(jù)量和知識(shí)體，蘊(yùn)含巨大研究及臨床應(yīng)用價(jià)值，為智能醫(yī)學(xué)發(fā)展提供數(shù)據(jù)基礎(chǔ)。然而，醫(yī)療數(shù)據(jù)通常呈現(xiàn)出多模態(tài)異構(gòu)特征且分散分布，底層數(shù)據(jù)庫(kù)的數(shù)據(jù)整合、治理和標(biāo)準(zhǔn)化，以及多模態(tài)數(shù)據(jù)融合技術(shù)還有很大提升空間。數(shù)據(jù)融合指應(yīng)用特征級(jí)融合、模型級(jí)融合，基于深度學(xué)習(xí)的融合方法(如神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)等技術(shù))，將來(lái)自不同數(shù)據(jù)源的、分散的、異構(gòu)的數(shù)據(jù)整合到一個(gè)一致的數(shù)據(jù)集中的過(guò)程，旨在消除重復(fù)數(shù)據(jù)、處理數(shù)據(jù)沖突、填補(bǔ)缺失值等，提供可信、完整的數(shù)據(jù)資源，支持臨床決策[7-8]。數(shù)據(jù)治理包括制定數(shù)據(jù)管理策略、定義數(shù)據(jù)標(biāo)準(zhǔn)、建立數(shù)據(jù)質(zhì)量評(píng)估機(jī)制、確保數(shù)據(jù)訪問(wèn)權(quán)限和責(zé)任等，是對(duì)數(shù)據(jù)的管理和監(jiān)控過(guò)程，旨在確保數(shù)據(jù)在整個(gè)生命周期中得到有效管理，確保數(shù)據(jù)使用的道德性、責(zé)任性和可持續(xù)性[9-10]。因此，數(shù)據(jù)融合依賴于數(shù)據(jù)治理，確保數(shù)據(jù)質(zhì)量、一致性和可靠性，并滿足數(shù)據(jù)訪問(wèn)和隱私保護(hù)的要求，而數(shù)據(jù)治理提供了數(shù)據(jù)融合的框架、規(guī)范和控制，確保融合過(guò)程中的數(shù)據(jù)質(zhì)量、安全性和合規(guī)性[7-12]。特別是當(dāng)醫(yī)學(xué)大數(shù)據(jù)涉及多病種、多模態(tài)和多來(lái)源時(shí)，采用數(shù)據(jù)融合和數(shù)據(jù)治理等新技術(shù)對(duì)生物醫(yī)學(xué)等多模態(tài)信息進(jìn)行有效利用和挖掘，是提高疾病治療臨床決策水平和精準(zhǔn)防控的迫切要求[13]，也是智能醫(yī)學(xué)學(xué)科建設(shè)的重要方向。

2.2 多模態(tài)數(shù)據(jù)融合和驅(qū)動(dòng)

數(shù)據(jù)融合和數(shù)據(jù)治理為數(shù)據(jù)驅(qū)動(dòng)的決策和分析提供必要的數(shù)據(jù)集成、質(zhì)量保證和可靠性支持[14-15]。醫(yī)療機(jī)構(gòu)和研究機(jī)構(gòu)利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘和大數(shù)據(jù)融合等方法分析大量的健康數(shù)據(jù)和組學(xué)數(shù)據(jù)，從而識(shí)別疾病風(fēng)險(xiǎn)因素、優(yōu)化診斷和治療方案，基于數(shù)據(jù)驅(qū)動(dòng)進(jìn)行臨床決策制定和業(yè)務(wù)優(yōu)化。如心血管疾病的發(fā)生發(fā)展與基因、腸道微生物、生活環(huán)境和方式等因素相關(guān)，Shen L等[16]收集心血管疾病患者的微生物組數(shù)據(jù)和臨床數(shù)據(jù)，并對(duì)這些心血管疾病相關(guān)異質(zhì)性數(shù)據(jù)進(jìn)行結(jié)構(gòu)化、融合和解析，開(kāi)發(fā)和構(gòu)建出穩(wěn)健模型，并獲得該疾病的微生物群生物標(biāo)志物，實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)的心血管疾病個(gè)性化和精準(zhǔn)化治療；前列腺癌是全球發(fā)病率和死亡率較高的惡性實(shí)體腫瘤，遺傳、生活方式和環(huán)境因素的復(fù)雜性和多樣性相互作用促進(jìn)其細(xì)胞進(jìn)化，Lin Y等[17]通過(guò)融合不同數(shù)據(jù)資源(如組學(xué)和醫(yī)學(xué)圖像)進(jìn)行計(jì)算建模，模擬前列腺癌發(fā)展過(guò)程中的動(dòng)態(tài)變化，從嘈雜的、多結(jié)構(gòu)的數(shù)據(jù)中識(shí)別和區(qū)分特定的生物標(biāo)志物和危險(xiǎn)因素，實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)的前列腺癌精準(zhǔn)化診斷和治療臨床決策。在醫(yī)院智慧化建設(shè)方面，如傳染性疾病流行期間，Zhai Y等[18]應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的智能優(yōu)化技術(shù)(如機(jī)器學(xué)習(xí)和優(yōu)化算法)對(duì)相關(guān)護(hù)理數(shù)據(jù)和排班需求(包括護(hù)理人員工作時(shí)間表、患者需求和護(hù)理任務(wù)優(yōu)先級(jí)等)進(jìn)行分析和建模，并結(jié)合智能調(diào)度算法，建立基于數(shù)據(jù)驅(qū)動(dòng)的智能醫(yī)療服務(wù)平臺(tái)，實(shí)現(xiàn)醫(yī)院人力資源快速配置，進(jìn)一步篩選出現(xiàn)代醫(yī)療的最優(yōu)管理方案。通過(guò)多模態(tài)數(shù)據(jù)的融合以及模型驅(qū)動(dòng)，基于授權(quán)和控制、聯(lián)邦學(xué)習(xí)、安全沙箱等技術(shù)對(duì)醫(yī)學(xué)大數(shù)據(jù)進(jìn)行加密隱私計(jì)算，能夠保證這些醫(yī)學(xué)數(shù)據(jù)在不同方式授權(quán)下得到合理利用，使醫(yī)生可以更加清晰地掌握疾病的發(fā)展趨勢(shì)和潛在風(fēng)險(xiǎn)，更加科學(xué)和客觀地作出醫(yī)療決策，提高醫(yī)療質(zhì)量和效率。

3 AI是智能醫(yī)學(xué)發(fā)展的助推力

3.1 AI及其醫(yī)學(xué)應(yīng)用

AI指能夠執(zhí)行與人類智能相關(guān)的若干任務(wù)(如決策、視覺(jué)感知、語(yǔ)音識(shí)別和推理等)的計(jì)算框架和算法，包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理(natural language processing，NLP)[19]。其中，大語(yǔ)言模型(large language models，LLMs)是NLP重要組成部分之一，是在經(jīng)歷了統(tǒng)計(jì)語(yǔ)言模型(如基于馬爾科夫鏈預(yù)測(cè))、神經(jīng)語(yǔ)言模型(如循環(huán)神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò))和預(yù)訓(xùn)練語(yǔ)言模型(如GPT-1、GPT-2、BERT)這3個(gè)語(yǔ)言模型階段后發(fā)展出來(lái)的基于千億參數(shù)模型規(guī)模和超大算力的第4階段語(yǔ)言模型，該語(yǔ)言模型(如GPT-3、PALM、ChatGPT、LLaMA、GPT-4)可通過(guò)訓(xùn)練大規(guī)模的語(yǔ)料庫(kù)創(chuàng)建文本、圖像、音頻、代碼和視頻等新內(nèi)容，是生成式AI應(yīng)用程序的關(guān)鍵組件[20]。LLMs為實(shí)現(xiàn)更智能、更人性化的語(yǔ)言處理和人機(jī)交互提供強(qiáng)有力的技術(shù)支持，基于大語(yǔ)言模型、文本模型和圖像模型的生成式AI應(yīng)用程序得到廣泛關(guān)注，如用于文本生成的BERT、GPT-3、GPT-4；用于對(duì)話的LaMDA、OPT-175B和BlenderBot；用于圖像生成的DALL-E2；用于語(yǔ)音生成的Whisper；用于生成化學(xué)、蛋白質(zhì)組學(xué)和DNA/RNA方面內(nèi)容的BioNeMo[20-21]。

AI技術(shù)正加速向傳統(tǒng)生物醫(yī)學(xué)、醫(yī)療健康和藥物研發(fā)等行業(yè)滲透和融合。傳統(tǒng)生物醫(yī)學(xué)工程相對(duì)來(lái)說(shuō)更關(guān)注數(shù)據(jù)的采集和單一設(shè)備的數(shù)據(jù)分析，而智能醫(yī)學(xué)所涉及的更多是多模態(tài)數(shù)據(jù)，從分子層面到個(gè)體層面、再到群體層面的數(shù)據(jù)融合以及模型驅(qū)動(dòng)，并基于大數(shù)據(jù)融合和驅(qū)動(dòng)設(shè)計(jì)更好的AI模型，模擬整個(gè)醫(yī)療過(guò)程，為醫(yī)生提供更多的臨床輔助決策支持。藥學(xué)、影像學(xué)、病理學(xué)、護(hù)理學(xué)和公共衛(wèi)生管理均可與AI融合，發(fā)展出AI藥學(xué)[22]、AI醫(yī)學(xué)圖像診斷[23]、AI傳染病監(jiān)測(cè)[24]、AI慢病管理[25]、AI醫(yī)保[26]等。尤其在AI藥學(xué)和AI醫(yī)學(xué)圖像診斷方面的研究已經(jīng)取得很大進(jìn)展。

3.2 AI藥學(xué)

新藥的開(kāi)發(fā)是一個(gè)漫長(zhǎng)過(guò)程，而且成功率很低。據(jù)估計(jì)，每一種藥物的平均研發(fā)投資為13億美元，非腫瘤學(xué)藥物開(kāi)發(fā)約需5.9～7.2年，腫瘤學(xué)藥物開(kāi)發(fā)約需13.1年，所有藥物開(kāi)發(fā)項(xiàng)目最終獲得批準(zhǔn)的比例是13.8%[27]。隨著AI技術(shù)的日趨成熟，AI工具在藥物發(fā)現(xiàn)和開(kāi)發(fā)中越來(lái)越多地被采用，如通過(guò)AI技術(shù)整合和分析大規(guī)模基因組數(shù)據(jù)、蛋白質(zhì)組數(shù)據(jù)和臨床數(shù)據(jù)等，生成預(yù)測(cè)模型應(yīng)用于預(yù)測(cè)藥物-靶點(diǎn)相互作用、化合物庫(kù)的虛擬篩選以及發(fā)現(xiàn)具有增強(qiáng)抗病毒活性的潛在藥物候選物，可加速有效抗病毒藥物的開(kāi)發(fā)和改善傳染病患者治療和預(yù)后[28]；利用AI開(kāi)發(fā)的首個(gè)強(qiáng)迫癥藥物已進(jìn)入臨床試驗(yàn)，該藥物從最初的篩選到臨床前試驗(yàn)結(jié)束不到12個(gè)月，而使用傳統(tǒng)方法則需要4年，降低研究成本和加快新藥開(kāi)發(fā)過(guò)程[29]。藥物設(shè)計(jì)的一個(gè)重要步驟是了解蛋白質(zhì)的精確形狀(決定其在健康中的功能，以及疾病中的功能障礙)。因此，開(kāi)發(fā)準(zhǔn)確預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)的方法，對(duì)新藥的發(fā)現(xiàn)和疾病的認(rèn)識(shí)具有重要意義。最具代表性的預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)的工具為AlphaFold[30-31]，僅基于蛋白質(zhì)的一維氨基酸序列采用AI網(wǎng)絡(luò)方法就能準(zhǔn)確預(yù)測(cè)三維結(jié)構(gòu)。這種創(chuàng)新方法將極大促進(jìn)基礎(chǔ)研究和藥物開(kāi)發(fā)，并指導(dǎo)設(shè)計(jì)出更安全、更有效的治療和預(yù)防疾病的方法。未來(lái)藥物研發(fā)將通過(guò)知識(shí)圖譜推理和更加精準(zhǔn)的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)工具，識(shí)別藥物靶點(diǎn)，對(duì)該蛋白的成藥性進(jìn)行大致判斷并進(jìn)行藥物分子設(shè)計(jì)，經(jīng)過(guò)分子對(duì)接，找到小分子前體，進(jìn)一步進(jìn)行藥理實(shí)驗(yàn)和臨床試驗(yàn)，能夠更快、更便宜、更有效地開(kāi)發(fā)藥物。此外，在新藥進(jìn)行臨床試驗(yàn)之前，該藥物的藥代動(dòng)力學(xué)/藥效動(dòng)力學(xué)特征也可以在構(gòu)建模型上進(jìn)行虛擬模擬，大大加快從藥靶到小分子成藥，進(jìn)入臨床試驗(yàn)的過(guò)程。AI應(yīng)用于藥物設(shè)計(jì)與篩選、靶點(diǎn)發(fā)現(xiàn)、早期藥物研發(fā)、臨床前試驗(yàn)的設(shè)計(jì)和治療、試驗(yàn)現(xiàn)場(chǎng)的性能和試驗(yàn)數(shù)據(jù)質(zhì)量的監(jiān)測(cè)、現(xiàn)有藥物的再利用等，可以降低藥物研發(fā)的周期和成本[32]，為患者帶來(lái)更多福祉。

3.3 AI醫(yī)學(xué)圖像診斷

80%的臨床數(shù)據(jù)是以圖像的形式存儲(chǔ)，包括放射科的X線透視片、電子計(jì)算機(jī)體層攝影、磁共振成像等醫(yī)學(xué)影像、病理活檢圖像、內(nèi)鏡影像等。疾病的檢查和診斷大多需要參考醫(yī)學(xué)圖像。然而，醫(yī)學(xué)圖像對(duì)成像設(shè)備和成像環(huán)境的依賴性很大。與自然圖像相比，醫(yī)學(xué)圖像更復(fù)雜，表現(xiàn)在以下幾個(gè)方面[33]。一是圖像類型多，差異大，難以合并。二是圖像大多為非可見(jiàn)光成像，通常表現(xiàn)出特定信號(hào)的強(qiáng)度值，信噪比低。三是靶區(qū)與非靶區(qū)病灶的顏色、灰度、紋理等外觀差異較小。四是圖像像素較大，目標(biāo)本身缺乏固定的大小、形狀、灰度、紋理等明顯特征，存在個(gè)體、成像原理、成像環(huán)境導(dǎo)致的較大差異。五是受成像原理和成像環(huán)境的影響，圖像中含有各種偽影?；贏I深度學(xué)習(xí)模型的醫(yī)學(xué)圖像處理，可以為醫(yī)學(xué)知識(shí)與疾病輔助診斷、大規(guī)模篩查系統(tǒng)的深度融合提供有效的交互方式，如通過(guò)對(duì)原始圖像的可視化方法量化習(xí)得病理的特異性，利用任務(wù)特異性的可解釋特征區(qū)分臨床情況，提高診斷透明度和降低決策風(fēng)險(xiǎn)。如早期肺部惡性腫瘤和癌前病變很難用人眼通過(guò)醫(yī)學(xué)成像等傳統(tǒng)診斷操作識(shí)別，而失去手術(shù)治療的最佳機(jī)會(huì)，研究人員提出一種新型混合智能診斷框架——基于深度融合特征的可靠網(wǎng)絡(luò)，應(yīng)用于肺電子計(jì)算機(jī)體層攝影圖像對(duì)惡性和良性腫瘤細(xì)胞進(jìn)行快速精準(zhǔn)的檢測(cè)和分類[34]。在解決睡眠評(píng)估和早期診斷人類睡眠障礙問(wèn)題上，研究人員提出一種基于睡眠分期的高精度睡眠計(jì)算AI方法分析患者臨床多導(dǎo)睡眠圖傳感器的大數(shù)據(jù)集，評(píng)估準(zhǔn)確率超過(guò)90%，為加快睡眠評(píng)估過(guò)程和減輕醫(yī)生工作負(fù)擔(dān)提供有效手段[35]。因此，AI醫(yī)學(xué)圖像的高效診斷和較高準(zhǔn)確率可以為患者提供可解釋的快速診斷依據(jù)，并將醫(yī)務(wù)人員從重復(fù)和復(fù)雜的診療任務(wù)中解放出來(lái)。

4 基于數(shù)字孿生的元宇宙醫(yī)學(xué)是智能醫(yī)學(xué)發(fā)展的新階段

4.1 數(shù)字孿生及其醫(yī)學(xué)應(yīng)用

數(shù)字孿生是有生命的實(shí)體(如人類、動(dòng)物、植物等)或無(wú)生命的實(shí)體(如商業(yè)模型、產(chǎn)品、流程、系統(tǒng)、事件、機(jī)器、建筑等)的虛擬化身，允許真實(shí)實(shí)體和虛擬化身之間實(shí)時(shí)交互和交流，對(duì)真實(shí)實(shí)體的整個(gè)生命周期進(jìn)行智能評(píng)估、優(yōu)化和預(yù)測(cè)，幫助建模、監(jiān)控、理解和優(yōu)化真實(shí)實(shí)體的功能和行為[36]。數(shù)字孿生已廣泛引入航天、汽車、物流和城市等復(fù)雜系統(tǒng)。例如，工廠的在線運(yùn)行監(jiān)測(cè)，交通、物流、天氣預(yù)報(bào)等的實(shí)時(shí)監(jiān)測(cè)，以及衛(wèi)星或空間站的遠(yuǎn)程控制和維護(hù)。在醫(yī)學(xué)領(lǐng)域，可將數(shù)字孿生視為虛擬化身，旨在制定個(gè)性化醫(yī)療策略，以改善診斷和治療?；跀?shù)字孿生為患者治療的步驟可簡(jiǎn)單概括為：首先，構(gòu)建與個(gè)體患者的疾病機(jī)制相關(guān)所有分子、表型和環(huán)境因素的無(wú)數(shù)個(gè)網(wǎng)絡(luò)模型(即個(gè)體數(shù)字孿生)；其次，用數(shù)千種藥物對(duì)這些數(shù)字孿生進(jìn)行計(jì)算和模擬治療，以確定表現(xiàn)最佳的藥物；最后，用篩選出來(lái)的最佳藥物治療患者[37]。研究人員還提出一種自適應(yīng)的動(dòng)態(tài)肺癌患者數(shù)字孿生，使用基線特征預(yù)測(cè)治療反應(yīng)，如果預(yù)測(cè)不符合預(yù)期，可以重新分配治療。在維持階段，肺癌患者數(shù)字孿生將評(píng)估耐藥機(jī)制，進(jìn)而對(duì)患者耐藥性進(jìn)行有效治療[38]。該方法利用癌癥研究、AI和計(jì)算技術(shù)領(lǐng)域的最新成果，成功構(gòu)建用于監(jiān)測(cè)治療反應(yīng)和治療耐藥性的患者數(shù)字孿生。數(shù)字孿生將幫助臨床醫(yī)生盡早發(fā)現(xiàn)問(wèn)題，預(yù)測(cè)疾病發(fā)展，并指導(dǎo)醫(yī)生對(duì)患者及時(shí)監(jiān)測(cè)、收集數(shù)據(jù)和選擇合適的治療方法。Al-Zyoud I等[39]構(gòu)建一個(gè)數(shù)據(jù)驅(qū)動(dòng)的數(shù)字孿生系統(tǒng)，采用現(xiàn)代計(jì)算機(jī)視覺(jué)/圖像處理和遠(yuǎn)程光容積描圖技術(shù)遠(yuǎn)程感知和融合人類生物信號(hào)：心率、呼吸頻率和血氧飽和度，在醫(yī)院急診中可用于生物信號(hào)快速預(yù)篩查、遠(yuǎn)程監(jiān)測(cè)老年患者的健康和實(shí)時(shí)預(yù)警，防止患者健康進(jìn)一步惡化?；跀?shù)字孿生開(kāi)發(fā)的硅腦(神經(jīng)形態(tài)芯片)[40-41]，將患者特定的生物學(xué)特征，包括大腦結(jié)構(gòu)、病理和功能特征聯(lián)系起來(lái)，通過(guò)整合生物模式和AI計(jì)算的各個(gè)方面，模擬數(shù)字大腦，重新捕獲不同尺度的腦回路和生物過(guò)程，可能會(huì)徹底改變藥物開(kāi)發(fā)和神經(jīng)條件下的個(gè)性化治療和康復(fù)。

4.2 元宇宙醫(yī)學(xué)

隨著數(shù)字孿生技術(shù)、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、物聯(lián)網(wǎng)、云計(jì)算、AI和第5代移動(dòng)通信等科學(xué)技術(shù)的創(chuàng)新與成熟，一個(gè)物理世界和虛擬世界相結(jié)合的超大空間——元宇宙應(yīng)運(yùn)而生[42]。元宇宙是一個(gè)與現(xiàn)實(shí)世界完全相同的虛擬世界。元宇宙醫(yī)學(xué)聯(lián)盟(International Association and Alliance of Metaverse in Medicine，IAMM)曾發(fā)布專家共識(shí)，將2022年定義為“元宇宙醫(yī)學(xué)”的第1年，并將醫(yī)學(xué)的元宇宙定義為通過(guò)虛擬現(xiàn)實(shí)或增強(qiáng)現(xiàn)實(shí)增加技術(shù)實(shí)踐的醫(yī)學(xué)物聯(lián)網(wǎng)[43]?；趥€(gè)體數(shù)字孿生的元宇宙醫(yī)療是指將個(gè)體患者的所有數(shù)據(jù)，包括從基因到日常生活習(xí)慣，以個(gè)體孿生的方式在虛擬空間里重建，基于這個(gè)虛擬人物，綜合利用虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、物聯(lián)網(wǎng)等最新智能技術(shù)手段，構(gòu)建醫(yī)院的數(shù)字場(chǎng)景(虛擬醫(yī)院)，為醫(yī)生和患者在虛擬世界中提供身臨其境的體驗(yàn)。醫(yī)生和患者使用數(shù)字化身相互交流，生成和交換信息。在虛擬醫(yī)院中，患者可以接受多種醫(yī)療服務(wù)，如治療、手術(shù)、咨詢等。患者的數(shù)據(jù)將被發(fā)送到可解釋的AI模型，用于分析、預(yù)測(cè)和診斷疾病。AI模型將為疾病及其預(yù)測(cè)提供邏輯推理。醫(yī)學(xué)專家檢驗(yàn)預(yù)測(cè)結(jié)果，并據(jù)此為患者提供治療?；趥€(gè)體數(shù)字孿生的元宇宙醫(yī)療有幾個(gè)潛在好處。一是患者在家中就能獲得部分醫(yī)療服務(wù)，醫(yī)生可以遠(yuǎn)程虛擬地為患者檢查，并有一種身臨其境的體驗(yàn)，為殘疾患者和居家患者帶來(lái)更多便利。二是元宇宙數(shù)據(jù)提供醫(yī)療資源和服務(wù)的快速交付，將降低患者延遲獲得緊急醫(yī)療服務(wù)而導(dǎo)致的死亡率。三是對(duì)缺乏醫(yī)療專業(yè)人員和醫(yī)生的偏遠(yuǎn)地區(qū)，通過(guò)虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)技術(shù)可提供無(wú)縫的患者監(jiān)測(cè)和治療。四是減少患者去醫(yī)院的次數(shù)，并有助于預(yù)防傳染病和流行病。五是醫(yī)生在對(duì)患者手術(shù)之前，可獲得廣泛的解剖指導(dǎo)和手術(shù)模擬培訓(xùn)，模擬和控制不同的情況，提高治療成功率，降低醫(yī)療服務(wù)成本[44]。

基于個(gè)體數(shù)字孿生的元宇宙醫(yī)學(xué)的應(yīng)用還處于起步階段。如創(chuàng)建了“虛擬護(hù)士”，可隨時(shí)與患者互動(dòng)，指導(dǎo)患者和家屬的日常護(hù)理，還實(shí)時(shí)監(jiān)控患者安全、醫(yī)生活動(dòng)、入院和出院活動(dòng)[45]。尤其對(duì)高血壓、糖尿病、肥胖等慢性病和一些有心理健康問(wèn)題的患者，醫(yī)護(hù)人員可以使用遠(yuǎn)程醫(yī)療服務(wù)和關(guān)聯(lián)家庭的設(shè)備(如可穿戴傳感器和智能手機(jī)應(yīng)用程序)在多維虛擬診所中訪問(wèn)患者，監(jiān)測(cè)其健康狀態(tài)并提供有效幫助[46]。因此，基于個(gè)體數(shù)字孿生的元宇宙醫(yī)療，構(gòu)建全息數(shù)字與虛擬現(xiàn)實(shí)技術(shù)相結(jié)合的虛擬場(chǎng)景和遠(yuǎn)程醫(yī)療場(chǎng)景，形成醫(yī)護(hù)人員與患者的現(xiàn)實(shí)和虛擬世界互動(dòng)，如智能導(dǎo)診、輔助/自動(dòng)診斷，最終實(shí)現(xiàn)從預(yù)防、診治到預(yù)后的患者全生命周期管理，是智能醫(yī)學(xué)發(fā)展的新階段。

5 醫(yī)工融合的創(chuàng)新人才建設(shè)是智能醫(yī)學(xué)發(fā)展的關(guān)鍵

在智能醫(yī)學(xué)學(xué)科發(fā)展過(guò)程中，醫(yī)工融合的創(chuàng)新人才起關(guān)鍵作用。新醫(yī)科需要醫(yī)學(xué)與文、理、工、法各學(xué)科的交叉融合，通過(guò)發(fā)展精準(zhǔn)醫(yī)學(xué)、轉(zhuǎn)化醫(yī)學(xué)、智能醫(yī)學(xué)等醫(yī)學(xué)新專業(yè)，促進(jìn)我國(guó)現(xiàn)階段醫(yī)療模式向“環(huán)境-社會(huì)-心理-生物-工程”的現(xiàn)代醫(yī)學(xué)模式轉(zhuǎn)化?！督】抵袊?guó)行動(dòng)(2019—2030年)》要求，促進(jìn)以治病為中心向以健康為中心轉(zhuǎn)變。新醫(yī)科建設(shè)是健康中國(guó)戰(zhàn)略的重要基礎(chǔ)，而智能醫(yī)學(xué)是新醫(yī)科建設(shè)的重要組成部分，因此，精準(zhǔn)滿足公眾對(duì)生命質(zhì)量和健康安全不斷變化的新需求，不斷提高醫(yī)療衛(wèi)生水平，努力培育醫(yī)工融合的創(chuàng)新人才，是智能醫(yī)學(xué)學(xué)科建設(shè)和發(fā)展的初心與使命。

智能醫(yī)學(xué)的創(chuàng)新特征就是在交叉領(lǐng)域去深挖，去實(shí)現(xiàn)重大突破，占據(jù)交叉領(lǐng)域的制高點(diǎn)，關(guān)鍵是未來(lái)交叉型的醫(yī)工融合創(chuàng)新人才隊(duì)伍建設(shè)。醫(yī)工融合創(chuàng)新人才通常是跨學(xué)科的專業(yè)人員，具備醫(yī)學(xué)和工程學(xué)科知識(shí)背景，還掌握先進(jìn)的信息技術(shù)和數(shù)據(jù)科學(xué)技能，并能夠?qū)⒐こ虒W(xué)科的技術(shù)和方法應(yīng)用于醫(yī)學(xué)領(lǐng)域，開(kāi)發(fā)出智能醫(yī)學(xué)的創(chuàng)新技術(shù)和解決方案[3，47-48]。復(fù)旦大學(xué)智能醫(yī)學(xué)研究院以復(fù)旦大學(xué)臨床醫(yī)學(xué)、基礎(chǔ)醫(yī)學(xué)、藥學(xué)、腦科學(xué)、護(hù)理學(xué)、公共衛(wèi)生學(xué)等“雙一流”建設(shè)學(xué)科為基礎(chǔ)，將計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、統(tǒng)計(jì)學(xué)、AI等多個(gè)學(xué)科深度融合，在智能醫(yī)學(xué)人才建設(shè)方面采取以下措施。一是由醫(yī)學(xué)、藥學(xué)、類腦科學(xué)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、生物學(xué)等不同學(xué)科領(lǐng)域的專家和研究人員組成交叉學(xué)科創(chuàng)新團(tuán)隊(duì)，并定期舉行交叉學(xué)科研討會(huì)，研究合作項(xiàng)目以及交流訪問(wèn)，以促進(jìn)思想碰撞和知識(shí)共享，合作研究、共同探索智能醫(yī)學(xué)領(lǐng)域的前沿問(wèn)題。二是建立符合國(guó)際標(biāo)準(zhǔn)的智能醫(yī)學(xué)研究生培養(yǎng)體系，包括根據(jù)智能醫(yī)學(xué)領(lǐng)域的需求和發(fā)展趨勢(shì)，開(kāi)設(shè)和更新涵蓋醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、數(shù)據(jù)分析、倫理法律等領(lǐng)域相關(guān)知識(shí)的課程；建立研究生與國(guó)內(nèi)外高水平醫(yī)療機(jī)構(gòu)、研究機(jī)構(gòu)和企業(yè)交流、實(shí)踐與合作機(jī)制；建立智能醫(yī)學(xué)科研項(xiàng)目申請(qǐng)和科技競(jìng)賽獎(jiǎng)勵(lì)機(jī)制，加強(qiáng)研究生的科研創(chuàng)新意識(shí)和科學(xué)素養(yǎng)培養(yǎng)。三是構(gòu)建智能醫(yī)學(xué)產(chǎn)業(yè)合作平臺(tái)，研究人員和研究生通過(guò)平臺(tái)實(shí)現(xiàn)資源共享、人才培養(yǎng)和項(xiàng)目合作，共同開(kāi)展智能醫(yī)學(xué)研究和技術(shù)創(chuàng)新，促進(jìn)智能醫(yī)學(xué)成果的轉(zhuǎn)化與應(yīng)用。復(fù)旦大學(xué)智能醫(yī)學(xué)研究院的目標(biāo)是助力新醫(yī)科人才和高水平復(fù)合型人才培養(yǎng)，建設(shè)國(guó)際一流的智能醫(yī)學(xué)學(xué)科，推動(dòng)我國(guó)智能醫(yī)學(xué)領(lǐng)域的發(fā)展與創(chuàng)新。

6 結(jié)語(yǔ)

智能醫(yī)學(xué)在國(guó)家科技創(chuàng)新體系中具有非常重要的戰(zhàn)略地位。智能醫(yī)學(xué)的發(fā)展離不開(kāi)大數(shù)據(jù)算力和存儲(chǔ)平臺(tái)、健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)與規(guī)范、健康醫(yī)療大數(shù)據(jù)技術(shù)、生命組學(xué)分析技術(shù)、醫(yī)學(xué)AI技術(shù)、智能醫(yī)學(xué)相關(guān)倫理與法規(guī)建設(shè)、交叉型人才隊(duì)伍建設(shè)。同時(shí)，智能醫(yī)學(xué)的發(fā)展應(yīng)瞄準(zhǔn)醫(yī)學(xué)學(xué)科前沿，致力于促進(jìn)學(xué)科融合創(chuàng)新，聚力打造一批戰(zhàn)略科技力量，部署一批戰(zhàn)略性和基礎(chǔ)性前沿項(xiàng)目，突破一批卡脖子關(guān)鍵核心技術(shù)，強(qiáng)化對(duì)關(guān)系全局的智能醫(yī)學(xué)科技硬實(shí)力系統(tǒng)性布局，共同推動(dòng)醫(yī)學(xué)發(fā)展和成果傳播，為醫(yī)療臨床服務(wù)，為衛(wèi)生改革發(fā)展服務(wù)，為保障公眾健康服務(wù)。