摘要：隨著科技發(fā)展，人工智能技術(shù)在教育領(lǐng)域中的應(yīng)用已取得較大進(jìn)展。近年來，人工智能（AI）技術(shù)和由其引發(fā)的大數(shù)據(jù)時(shí)代自社會(huì)的各個(gè)層面包括我們的思維、生活方式和工作模式產(chǎn)生了巨大的變革；其與醫(yī)學(xué)的結(jié)合給醫(yī)療系統(tǒng)帶來深遠(yuǎn)的影響。從互聯(lián)網(wǎng)到云計(jì)算，再到由大數(shù)據(jù)集合而成的人工智能，不斷更新的處理手段使醫(yī)療行業(yè)也開始嘗試新的轉(zhuǎn)變，從傳統(tǒng)的人工診療、教學(xué)模式逐步轉(zhuǎn)變?yōu)橐罁?jù)機(jī)器學(xué)習(xí)來獲取更高效的信息，并在醫(yī)學(xué)多個(gè)領(lǐng)域已有比較廣泛的應(yīng)用。本文將從人工智能在醫(yī)學(xué)領(lǐng)域的優(yōu)勢、當(dāng)前的進(jìn)展、應(yīng)用、局限性和未來方向來進(jìn)行綜述。
關(guān)鍵詞：人工智能；醫(yī)學(xué)；醫(yī)學(xué)診療；智能技術(shù)；
01
人工智能在醫(yī)學(xué)領(lǐng)域的優(yōu)勢
人工智能是一門新興的技術(shù)學(xué)科，可以對現(xiàn)有的理論、方法和技術(shù)進(jìn)行整合并能進(jìn)一步開發(fā)新的系統(tǒng)，進(jìn)行相關(guān)的科學(xué)研究；自人工智能產(chǎn)生以來，其理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也在不斷擴(kuò)大。
由此來看，AI所執(zhí)行的主要任務(wù)就是要使其能夠勝任一部分通常需要人類才能完成的復(fù)雜工作。AI通過不斷的完善和發(fā)展改變了人們的工作和生活方式，也促使醫(yī)療行業(yè)工作者對其價(jià)值進(jìn)行了思考和探索。從現(xiàn)有的成果可以預(yù)見，AI功能的擴(kuò)展和創(chuàng)新，將為臨床醫(yī)生以及科研人員開辟全新的領(lǐng)域，為基因組學(xué)探索、醫(yī)藥研發(fā)以及疾病診斷提供新的思路和途徑。
自20世紀(jì)開始，我們開始致力于開發(fā)出機(jī)器學(xué)習(xí)方法，期待解決一些人工無法解決的問題，這便是最初的人工智能技術(shù)來源。目前研發(fā)的人工智能系統(tǒng)，已經(jīng)可以處理大量的數(shù)據(jù)和知識如計(jì)算方法、混合智能系統(tǒng)等。
然而，人工智能不僅涉及一門技術(shù)或是一門學(xué)科，而是多種學(xué)科技術(shù)的融合。通過人工智能系統(tǒng)，我們可以查找、學(xué)習(xí)、設(shè)定計(jì)劃；另一方面，我們還可以通過人工智能系統(tǒng)模擬出具體的智能行為，也包括各類醫(yī)學(xué)科研研究過程。
這項(xiàng)技術(shù)打破了限制醫(yī)療行業(yè)發(fā)展的障礙，即如何有效的探索和分析一些需要應(yīng)用大量知識來解決的復(fù)雜性診療問題?，F(xiàn)在，醫(yī)學(xué)AI通過發(fā)展和完善使這些問題能被很好的解決，并且為我們提供了精準(zhǔn)的治療方案。
醫(yī)療是醫(yī)生圍繞患者的生命狀態(tài)和病情進(jìn)展形成思辨，并進(jìn)行干涉性操作和觀察性總結(jié)的過程。然而在臨床上僅憑醫(yī)療工作者的能力完成一系列診治過程和步驟并不現(xiàn)實(shí)。
隨著新興的技術(shù)日趨增多，人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用越來越廣泛，包括大數(shù)據(jù)技術(shù)，主要通過在數(shù)據(jù)中制定一系列規(guī)則，從而對數(shù)據(jù)進(jìn)行有效分類，再與臨床醫(yī)生的醫(yī)囑相結(jié)合，充分體現(xiàn)了具有可靠性和精確性的智能診療模式。
在這一智能系統(tǒng)的輔助下，醫(yī)療工作人員可檢查系統(tǒng)舉出的病癥和推論是否合理，然后將更多的信息加入，對大量的醫(yī)療數(shù)據(jù)進(jìn)行整理總結(jié)，得出最佳治療建議。這種新型的方式可以更好的處理信息，輔助醫(yī)生進(jìn)行診療。
對于獲得的大量信息，人工智能系統(tǒng)可通過“深度學(xué)習(xí)”將其進(jìn)行分類和歸納，還可進(jìn)行直接提取和輸出，減少了不必要的人工勞動(dòng)。
另外人工智能在醫(yī)學(xué)中的應(yīng)用還涉及藥物挖掘、健康管理、疾病風(fēng)險(xiǎn)預(yù)測等，通過人工智能將各學(xué)科和各平臺系統(tǒng)進(jìn)行有機(jī)結(jié)合使醫(yī)療行業(yè)得到了更快的發(fā)展，這一發(fā)展體現(xiàn)在三個(gè)層面：對于臨床醫(yī)生而言，能夠通過便捷的手段對患者的病情進(jìn)行準(zhǔn)確的解釋和判斷；通過簡化工作流程和減少醫(yī)療失誤的潛力來改善醫(yī)療系統(tǒng)；對于患者而言，智能系統(tǒng)使他們能安心其處理自身的健康數(shù)據(jù)，更好的促進(jìn)人類健康。
但在前期，由于系統(tǒng)性不完善、參與人員不足，造成相關(guān)研究往往只能取其中一個(gè)非常具體的層面切入，主要是限于背景、實(shí)力等因素，無法做到面面俱到，造成人工智能出現(xiàn)緩慢發(fā)展的狀態(tài)。
而在后期，計(jì)算機(jī)編寫的程序是主要根據(jù)專家的設(shè)計(jì)原理和方法來模擬醫(yī)生的思維過程來進(jìn)行診斷的。其中醫(yī)療專家系統(tǒng)就是人工智能的體現(xiàn)，對于醫(yī)生個(gè)人技術(shù)及水平問題導(dǎo)致的誤診、漏診等情況，可以通過人工智能來彌補(bǔ)，經(jīng)驗(yàn)不足的醫(yī)師也能從人工智能系統(tǒng)中得到學(xué)習(xí)和提高。
由此來看，人工智能是醫(yī)生診斷疾病的理想工具，能夠輔助醫(yī)生處理較為復(fù)雜的醫(yī)療問題，獲得更好的治療效果。
目前對于各種疾病的診療及手術(shù)均已形成規(guī)范和指南，但畢竟診療過程由人來完成，這導(dǎo)致不同醫(yī)生之間的方法、水平存在較大差異，使用人工智能設(shè)定這一標(biāo)準(zhǔn)可大大提高操作的精確性和標(biāo)準(zhǔn)化程度。在臨床中各類患者的情況并不相同，因此個(gè)體化的醫(yī)療設(shè)計(jì)方案可以提高醫(yī)療質(zhì)量，即在證據(jù)充分的基礎(chǔ)上，根據(jù)患者情況選擇最適合的治療方法，這種智能醫(yī)療方案能夠給患者帶來更好的診療體驗(yàn)。
此外，我國人口眾多，各級醫(yī)院每年診治數(shù)目龐大的患者，積累了世界上最多的臨床醫(yī)療數(shù)據(jù)，針對我們的醫(yī)療數(shù)據(jù)分散、不標(biāo)準(zhǔn)、非結(jié)構(gòu)化的缺陷，采用了醫(yī)院標(biāo)準(zhǔn)化電子病歷，建立安全有效的互聯(lián)網(wǎng)數(shù)據(jù)庫，將人工智能系統(tǒng)的價(jià)值充分的發(fā)揮出來。
另外，現(xiàn)有的和即將產(chǎn)生的醫(yī)學(xué)知識可能會(huì)逐漸超出人類思維的組織能力，但醫(yī)學(xué)教育可以充分利用這一技術(shù)不斷進(jìn)行信息的獲取和傳遞，有利于教育信息的不間斷傳播。
02
人工智能在醫(yī)學(xué)領(lǐng)域的進(jìn)展
在醫(yī)療工作中，圖像對于醫(yī)生診斷疾病具有重要的輔助作用，在這里主要通過列舉人工智能在臨床醫(yī)學(xué)中的應(yīng)用來反應(yīng)其進(jìn)展。人工智能與圖像的結(jié)合大大提高了臨床醫(yī)生診斷疾病的準(zhǔn)確率與效率，主要包括在影像、內(nèi)鏡以及病理檢查中的應(yīng)用。
基于計(jì)算機(jī)視覺技術(shù)數(shù)學(xué)模型，人工智能收集、提取醫(yī)學(xué)圖像的原始像素并挖掘圖像的有效特征，以此學(xué)習(xí)和模擬醫(yī)生，這是一個(gè)由整體到部分再由部分到整體的復(fù)雜過程。
2.1影像檢查
人工智能的運(yùn)用能很好地協(xié)助醫(yī)生根據(jù)影像學(xué)檢查對患者進(jìn)行疾病診斷。SUN-WOO等運(yùn)用基于顱腦MR圖像的計(jì)算機(jī)輔助診斷系統(tǒng)進(jìn)行顱腦轉(zhuǎn)移瘤診斷分析，影像醫(yī)生的診斷敏感度從77.6%提升至81.9%，每例患者的診斷時(shí)間從114.4s減至72.1s；
經(jīng)驗(yàn)不足的影像醫(yī)生診斷敏感度提高了約10%。MASOOD等運(yùn)用基于胸部CT圖像的計(jì)算機(jī)輔助診斷系統(tǒng)進(jìn)行肺癌診斷分析，診斷平均準(zhǔn)確率84.58%，對肺癌T1~T4分期鑒別的準(zhǔn)確率77.89%~90.14%。
BECKER等使用深度學(xué)習(xí)圖像分析系統(tǒng)對143例診斷為乳腺癌或交界性病變的患者進(jìn)行診斷分析，診斷準(zhǔn)確率達(dá)82%，而經(jīng)驗(yàn)豐富的放射科醫(yī)師診斷準(zhǔn)確率為79%~87%，兩者相差不大。
ARAMENDIA-VIDAURRETA等使用基于子宮附件超聲圖像的人工智能系統(tǒng)對附件腫物進(jìn)行定性，準(zhǔn)確率高達(dá)98.78%，靈敏度為98.50%，特異度為98.90%。
由此可以看出，人工智能系統(tǒng)對于醫(yī)生判讀影像學(xué)結(jié)果有一定的輔助作用及價(jià)值，其不僅能提高醫(yī)生對疾病診斷的敏感度，還能縮短醫(yī)生閱片診斷的時(shí)間，既提升了準(zhǔn)確率，也提高了效率。
2.2內(nèi)鏡檢查
人工智能技術(shù)能通過攝取內(nèi)鏡所獲得的圖片中組織的微細(xì)紋理特征，進(jìn)行深度學(xué)習(xí)，將內(nèi)鏡圖像進(jìn)行分類并預(yù)測診斷。
MIYAGI等基于陰道鏡圖像，使用人工智能系統(tǒng)對330個(gè)圖像進(jìn)行分析，診斷判定準(zhǔn)確率為0.823，敏感度為0.797，特異度為0.800。ITOH等開發(fā)的人工智能模型，基于胃鏡圖像進(jìn)行幽門螺桿菌感染診斷，敏感度和特異度分別為86.7%、86.7%。
2.3病理檢查
人工智能系統(tǒng)能通過分析組織形狀以確定組織圖像的分化程度，通過分析淋巴細(xì)胞密度，腫瘤基質(zhì)組成和核等指標(biāo)，得到有用的預(yù)后數(shù)據(jù)。由于腫瘤免疫治療的成功，近年來腫瘤微環(huán)境中的免疫細(xì)胞已經(jīng)獲得了大量的關(guān)注。
因此，使用人工智能技術(shù)對腫瘤浸潤免疫細(xì)胞進(jìn)行定量分析成了數(shù)字組織病理學(xué)圖像分析中的新興主題之一。
03
人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用
1995年美國的HurleyMyers團(tuán)隊(duì)研發(fā)出Dxrcli-nician教學(xué)軟件，該軟件用人工智能技術(shù)訓(xùn)練學(xué)生的臨床思維；
我國在2009年引入該教學(xué)軟件，但并未大規(guī)模投入使用；2006年人工智能技術(shù)中的BP神經(jīng)網(wǎng)絡(luò)算法被應(yīng)用于教學(xué)質(zhì)量監(jiān)控，替代人工日常教學(xué)檢測；
2011年自適應(yīng)教育平臺Knewton與培生教育集團(tuán)合作，通過提取學(xué)生的學(xué)習(xí)數(shù)據(jù)，提供個(gè)性化學(xué)習(xí)服務(wù)；上述應(yīng)用說明，人工智能技術(shù)已經(jīng)逐漸應(yīng)用在高等教育領(lǐng)域。在我國，智能教育剛剛起步，人工智能技術(shù)在高等醫(yī)學(xué)教育中的應(yīng)用前景非常廣泛。
3.1基于大數(shù)據(jù)的醫(yī)學(xué)教育質(zhì)量監(jiān)測與評估
完善的教學(xué)質(zhì)量監(jiān)測與評估是提高教學(xué)質(zhì)量的保障，基于大數(shù)據(jù)的教學(xué)質(zhì)量監(jiān)測與評估可以在日常教學(xué)過程中實(shí)時(shí)進(jìn)行。
通過分析大量的反饋信息進(jìn)行階段性與結(jié)果性評估，從而嚴(yán)格把控教學(xué)質(zhì)量，以便為培養(yǎng)優(yōu)秀的醫(yī)療人才提供保障。高等醫(yī)學(xué)教育具有課程多、學(xué)制長、實(shí)踐性強(qiáng)、專業(yè)綜合化等特點(diǎn)。
大量的反饋信息有利于教學(xué)評估的常態(tài)化與全面化，將人工智能評估和傳統(tǒng)師生互動(dòng)有機(jī)結(jié)合，解決了學(xué)生臨床實(shí)習(xí)地點(diǎn)分散、監(jiān)控難度大的問題，加強(qiáng)及時(shí)調(diào)整教學(xué)模式和方式的落實(shí)。
3.2早期接觸臨床智能系統(tǒng)
當(dāng)代的高等醫(yī)學(xué)教育是以崗位勝任能力為培養(yǎng)重點(diǎn)的教育，早期接觸臨床課程是醫(yī)學(xué)生從課堂到臨床實(shí)習(xí)之間的過渡，目的是建立臨床思維，提高臨床能力。
現(xiàn)在的早期接觸臨床課程多依賴于理論學(xué)習(xí)，不能真正將理論學(xué)習(xí)和臨床實(shí)踐有機(jī)結(jié)合。
按專業(yè)的醫(yī)師標(biāo)準(zhǔn)訓(xùn)練，為學(xué)生做出展示和評判；提高學(xué)生的專業(yè)自信心，成為解決臨床問題能力和學(xué)習(xí)能力的重要工具。
3.3基于數(shù)據(jù)挖掘的適應(yīng)性學(xué)習(xí)
醫(yī)學(xué)專業(yè)學(xué)習(xí)課程包括基礎(chǔ)和臨床課程，以及醫(yī)患溝通、心理學(xué)等人文類課程。除此之外，醫(yī)學(xué)學(xué)習(xí)還需要實(shí)驗(yàn)及臨床實(shí)踐。
在大量的學(xué)習(xí)任務(wù)之下，學(xué)生學(xué)習(xí)個(gè)體差異顯著，適應(yīng)性學(xué)習(xí)系統(tǒng)根據(jù)學(xué)生學(xué)習(xí)能力、教學(xué)模式等方面對學(xué)生個(gè)體進(jìn)行評估，并制定個(gè)性化學(xué)習(xí)方案，使其從被動(dòng)學(xué)習(xí)轉(zhuǎn)變?yōu)樽灾鲗W(xué)習(xí)與創(chuàng)新學(xué)習(xí)、探究式學(xué)習(xí)。
大量的反饋信息可以縮小教師教授內(nèi)容與學(xué)生吸收內(nèi)容之間的差距，利用在線開放資源，教師可及時(shí)對學(xué)生加強(qiáng)指導(dǎo)，使其盡快適應(yīng)學(xué)習(xí)環(huán)境。
人工智能技術(shù)可以為學(xué)生提供個(gè)性化的服務(wù)及預(yù)測，達(dá)到盡快適應(yīng)醫(yī)學(xué)學(xué)習(xí)環(huán)境的目的。醫(yī)學(xué)學(xué)習(xí)數(shù)據(jù)具有數(shù)量巨大、多樣性的特點(diǎn)，在基于數(shù)據(jù)挖掘的適應(yīng)性學(xué)習(xí)中，使用的主要技術(shù)包括數(shù)據(jù)的存儲、數(shù)據(jù)挖掘、處理等，整體技術(shù)架構(gòu)。
數(shù)據(jù)挖掘技術(shù)可以在大量的數(shù)據(jù)中篩選具有價(jià)值性的數(shù)據(jù)，以便制定適合個(gè)體發(fā)展的結(jié)構(gòu)化和智能化系統(tǒng)學(xué)習(xí)方案。
3.4醫(yī)學(xué)教育云資源
將云計(jì)算技術(shù)應(yīng)用在醫(yī)學(xué)教育領(lǐng)域，可以建立提供醫(yī)學(xué)輔助教育服務(wù)的共享醫(yī)學(xué)教育云平臺。
醫(yī)學(xué)教育云平臺將數(shù)字圖書館、教學(xué)資源庫、試題庫以及大量的在線開放課程等獨(dú)立的共享資源融合在一起形成符合教育規(guī)律的集中式資源共建共享平臺。
云平臺基于高速的數(shù)據(jù)通信、虛擬存儲技術(shù)，為醫(yī)學(xué)生提供了醫(yī)學(xué)專業(yè)的內(nèi)容支持，云服務(wù)在醫(yī)學(xué)教育中的應(yīng)用創(chuàng)建了醫(yī)學(xué)輔助教育的新模式，對于提高教學(xué)質(zhì)量、學(xué)習(xí)效率具有極大的優(yōu)勢。
人工智能是模擬人類思維和能力的智能技術(shù)，人工智能與醫(yī)學(xué)教育相結(jié)合是在健康中國發(fā)展中人工智能技術(shù)在教育領(lǐng)域應(yīng)用的新模式。
在高等醫(yī)學(xué)教育領(lǐng)域中，新的模式必將引起新變革，人工智能技術(shù)未來將在自適應(yīng)學(xué)習(xí)、智能教學(xué)模式、教育管理等方面有著廣泛的應(yīng)用和發(fā)展前景，使教學(xué)過程更加個(gè)性化、多元化，并提供更加精確、高效的智能教學(xué)形式，從而推動(dòng)教育研究和管理水平的提高。
面對全球智能化的發(fā)展趨勢，人工智能技術(shù)在高等醫(yī)學(xué)輔助教育中有重要作用，同時(shí)也需要更加完善的政策和制度來提供保障。教育工作者應(yīng)該積極的應(yīng)對人工智能帶來的變革，在更廣泛的醫(yī)學(xué)教育中應(yīng)用智能的教育方式，推動(dòng)醫(yī)學(xué)教育改革與提升，促進(jìn)智能教育的發(fā)展。
04
人工智能在醫(yī)學(xué)領(lǐng)域的局限性
4.1數(shù)據(jù)層面的局限性
AI醫(yī)療當(dāng)下所面臨的最大困難來自于整合不同來源的數(shù)據(jù)。首先，我國缺乏數(shù)據(jù)安全相關(guān)的執(zhí)法落地實(shí)踐。這需要盡快配套落實(shí)相關(guān)的數(shù)據(jù)安全標(biāo)準(zhǔn)和指南以及有關(guān)醫(yī)療大數(shù)據(jù)的行業(yè)相關(guān)條例，以規(guī)范醫(yī)療數(shù)據(jù)的法律監(jiān)管現(xiàn)狀。
政府部門需要考慮相關(guān)立法，企業(yè)本身也應(yīng)當(dāng)強(qiáng)化數(shù)據(jù)保護(hù)意識，建立企業(yè)內(nèi)部規(guī)范和技術(shù)標(biāo)注。如今醫(yī)療行業(yè)數(shù)據(jù)正以驚人的速度激增，其法律監(jiān)管需要引起行業(yè)的高度重視。
中國科學(xué)院院士、阜外醫(yī)院副院長顧東風(fēng)表示，國家在搭建統(tǒng)一大健康大數(shù)據(jù)醫(yī)療平臺過程中，已在初步擬定通用統(tǒng)一大平臺標(biāo)準(zhǔn)。同時(shí)，應(yīng)用在推廣大數(shù)據(jù)時(shí)應(yīng)該隱去個(gè)人特征，例如姓名、住址等信息。
其次，由于不同來源的數(shù)據(jù)其質(zhì)量、格式與診斷意見都各不相同，很難實(shí)現(xiàn)數(shù)據(jù)的有機(jī)鏈接與解讀。
盡管中國醫(yī)療數(shù)據(jù)量巨大，可開拓的空間非常廣闊，但是高質(zhì)量的數(shù)據(jù)卻并不多。即使醫(yī)院有數(shù)萬病例，但如果根據(jù)不同的病癥、檢查方式及研究目的進(jìn)行區(qū)分后，數(shù)據(jù)量就會(huì)變得很少。
而且在診斷某一病癥時(shí)，并不能夠僅依靠某一項(xiàng)的單一數(shù)據(jù)，而是需要結(jié)合病人其他信息，例如實(shí)驗(yàn)室檢測和病理標(biāo)本等。這些基因和病理數(shù)據(jù)在獲取時(shí)難度很大且花費(fèi)巨大，在與算法結(jié)合時(shí)將增加額外的難度。
尤其當(dāng)面對患病人群數(shù)量小的罕見病群體時(shí)，可以提供給AI建立模型的有效數(shù)據(jù)非常少。
它們都需要準(zhǔn)確且全面的標(biāo)注，否則會(huì)造成數(shù)據(jù)污染，影響模型效果。
4.2技術(shù)層面的局限性
從技術(shù)層面來看，目前AI的發(fā)展仍處于早期，即計(jì)算智能。盡管感知層面的技術(shù)有一定的進(jìn)步，但認(rèn)知層面的技術(shù)發(fā)展仍處于非常早期的階段。
而且?guī)缀跛腥斯ぶ悄艿淖钚逻M(jìn)展都是通過監(jiān)督式學(xué)習(xí)來完成的，即：輸入數(shù)據(jù)到快速生成簡單的回應(yīng)。深度學(xué)習(xí)就是監(jiān)督式學(xué)習(xí)中重要的方法，但其與有高度認(rèn)知能力的人工智能還有很大差距。
這種監(jiān)督學(xué)習(xí)框架的致命弱點(diǎn)在于需要海量的經(jīng)過標(biāo)注的數(shù)據(jù)。就現(xiàn)狀來說，非監(jiān)督式學(xué)習(xí)理論仍不成熟，這導(dǎo)致其應(yīng)用仍然存在很大的局限性。
因?yàn)榛颊吲c醫(yī)生之間的交流存在復(fù)雜的前反饋，盡管已經(jīng)通過文獻(xiàn)或教材建立了相關(guān)病種的知識庫，也仍缺少一個(gè)專業(yè)醫(yī)生的常識庫。而且當(dāng)下的算法只能夠通過學(xué)習(xí)診斷出已知的病癥，卻對疑難雜癥一無所知。除了常識不足，相較于一個(gè)專業(yè)醫(yī)生，人工智能技術(shù)并不能提供醫(yī)患之間的情感交流，這種“糖丸效應(yīng)”在實(shí)際就醫(yī)中起到了非常積極的作用。
同時(shí)，一個(gè)經(jīng)驗(yàn)豐富的醫(yī)生在進(jìn)行診斷時(shí)，不僅會(huì)參考患者客觀的病理情況，也會(huì)在交流過程中評估對方的心理及精神狀態(tài)，幫助診斷其病情。但當(dāng)今的人工智能技術(shù)尚未能夠在感性智能上有所突破。
4.3市場及政策層面的局限性
據(jù)了解，如今人工智能醫(yī)療行業(yè)發(fā)展形式大好，但在國內(nèi)審批及認(rèn)證方面仍處于一個(gè)打磨的階段。
與美國FDA審批的醫(yī)療AI產(chǎn)品大多為二類醫(yī)療器械相比，國內(nèi)目前是將新一代醫(yī)療AI定位為三類醫(yī)療器械，即高風(fēng)險(xiǎn)設(shè)備。所以產(chǎn)品基本上是必須通過臨床試驗(yàn)的，并且臨床評價(jià)的路徑將控制得十分嚴(yán)格。
即便順利通過了臨床試驗(yàn)，如今用于審批的標(biāo)準(zhǔn)數(shù)據(jù)庫也還在建設(shè)中。因?yàn)獒t(yī)療AI產(chǎn)品的普遍適應(yīng)性必須通過建立標(biāo)準(zhǔn)測試數(shù)據(jù)庫來進(jìn)行考核，從而確保模型可以在不同等級的醫(yī)院環(huán)境下正常使用。
建立這個(gè)數(shù)據(jù)庫要遵循廣泛性、兼容性以及醫(yī)學(xué)圖像標(biāo)記的標(biāo)準(zhǔn)性。廣泛性要求數(shù)據(jù)來自不同城市的醫(yī)院；
兼容性要求有不同類別的圖像，例如不同層厚的CT圖像；醫(yī)學(xué)圖像標(biāo)記的標(biāo)準(zhǔn)性則依靠招募有醫(yī)療AI研究背景的醫(yī)生，并按統(tǒng)一標(biāo)準(zhǔn)的標(biāo)注方案對醫(yī)生進(jìn)行培訓(xùn)，再進(jìn)行標(biāo)注。
中國食品藥品檢定研究院官方微信發(fā)布的信息顯示，2018年3月26日，標(biāo)準(zhǔn)測試數(shù)據(jù)集（眼底部分）建設(shè)完成，肺結(jié)節(jié)的標(biāo)準(zhǔn)數(shù)據(jù)庫建設(shè)方案也已經(jīng)定稿，近期即可建設(shè)完成。
當(dāng)醫(yī)療AI企業(yè)順利通過審批后，AI產(chǎn)品的性能、模型以及應(yīng)用界面仍將不斷快速迭代，那么傳統(tǒng)的升級審批流程速度是無法滿足產(chǎn)品的迭代需求和行業(yè)的發(fā)展速度的。據(jù)了解，在傳統(tǒng)的審批流程下，醫(yī)療影像AI產(chǎn)品迭代周期是3-5天。如果每周都需要去報(bào)備更改，對于企業(yè)和政府部門都是重大的負(fù)擔(dān)。
05
人工智能在醫(yī)學(xué)領(lǐng)域的未來方向
AI醫(yī)療當(dāng)下所面臨的最大困難來自于整合不同來源的數(shù)據(jù)。首先醫(yī)療人工智能在我國擁有巨大的需求，是幫助解決我國醫(yī)療資源供需失衡、醫(yī)療質(zhì)。量分配不均、人口老齡化、優(yōu)質(zhì)醫(yī)療條件需求等重要問題的有利工具。同時(shí)，受益于我國產(chǎn)業(yè)組合豐富、人口基數(shù)大、政策利好等優(yōu)勢，其前景十分廣闊。
在過去幾年，以互聯(lián)網(wǎng)醫(yī)療為主的形式已經(jīng)隨著人工智能技術(shù)的發(fā)展與成熟，從以人工驅(qū)動(dòng)逐漸轉(zhuǎn)型為以技術(shù)驅(qū)動(dòng)，以數(shù)據(jù)為新生產(chǎn)要素的全新醫(yī)療人工智能服務(wù)供給。
為了更好地促進(jìn)人工智能醫(yī)療全方位的發(fā)展，不僅需要從產(chǎn)業(yè)自身生態(tài)鏈上拓寬其應(yīng)用深度與廣度，也需要外部環(huán)境的充分支持。
從產(chǎn)業(yè)生態(tài)鏈和與人交互的角度來看，未來人工智能由云部分和端部分構(gòu)成。
而作為其生態(tài)鏈頂層，云部分在未來將主要用于解決醫(yī)療信息的儲存匯總管理、大數(shù)據(jù)挖掘和信息管理與決策等問題。例如谷歌的醫(yī)療大腦通過利用AI可以高效、快速分析海量數(shù)據(jù)的優(yōu)勢，處理了大量電子病歷數(shù)據(jù)，甚至包括醫(yī)生的手寫筆跡。
這些或結(jié)構(gòu)化，或醫(yī)生的隨手注記均可以被神經(jīng)網(wǎng)絡(luò)所整合與分析。為了實(shí)現(xiàn)這樣的服務(wù)，需要更高性能的儲存、敏捷的架構(gòu)和集群化的技術(shù)等，能夠?qū)π枨蠡蜃兓龀鲅杆俚姆磻?yīng)。
至于端部分，在預(yù)防、診斷與治療三個(gè)醫(yī)療流程階段都可以介入并幫助提升醫(yī)療服務(wù)質(zhì)量，應(yīng)用場景十分廣泛。
作為健康管理的前置位，人工智能在藥物研發(fā)與疾病預(yù)測方面的發(fā)展被廣泛關(guān)注。疾病風(fēng)險(xiǎn)預(yù)測將主要通過基因測序與檢測，達(dá)到提前預(yù)測疾病發(fā)生風(fēng)險(xiǎn)的目的。
而藥物研發(fā)則要求在短時(shí)間內(nèi)通過核磁共振和熒光顯色等方法對大量待選化合物進(jìn)行篩選，這需要大量的時(shí)間與開發(fā)成本。
但如果應(yīng)用AI技術(shù)，就可以進(jìn)行虛擬篩選，對化合物的可能活性做出預(yù)測，從而縮減篩選范圍，大大節(jié)省開發(fā)成本。
而且科研人員可以結(jié)合科學(xué)文獻(xiàn)，利用數(shù)據(jù)分析技術(shù)和文本挖掘方法，更智能地推斷藥物和疾病間的潛在關(guān)系，不僅可以在已知的范圍內(nèi)實(shí)踐，更可以探索全新的藥物線索。
在診斷和治療階段，人工智能醫(yī)療在輔助診斷、醫(yī)學(xué)影像診斷和虛擬助手等應(yīng)用領(lǐng)域中也在不斷發(fā)展，并且技術(shù)已經(jīng)相對成熟。
例如結(jié)合影像輔助診斷與病理分析的技術(shù)準(zhǔn)確率已高達(dá)99.5%，達(dá)到緩解醫(yī)生閱片壓力，提高醫(yī)療效率等目的。
在輔助診療方面，許多公司通過利用人機(jī)交互的智能設(shè)備終端內(nèi)部集成的各種智能傳感器，收集并分析患者信息與身體情況，不僅可以協(xié)助醫(yī)生及醫(yī)院達(dá)到精準(zhǔn)治療的目的，還可以幫助患者進(jìn)行自查，自主進(jìn)行慢病管理或健康管理。其未來的發(fā)展路徑將主要是便捷化、實(shí)時(shí)化與智能化。
除此之外，一直處于比較邊緣的康復(fù)醫(yī)療也逐漸受到人們重視。由于我國當(dāng)前康復(fù)醫(yī)學(xué)的發(fā)展只滿足了小部分需求，仍然有大量人群需要專業(yè)的康復(fù)醫(yī)療服務(wù)。
華創(chuàng)證券預(yù)計(jì)，2022年，我國康復(fù)市場規(guī)模將達(dá)到1000億，老年人、殘疾人和慢性病患者等康復(fù)患者預(yù)測總?cè)丝跒?.7億。
AI在康復(fù)醫(yī)療中的應(yīng)用主要是采用深度學(xué)習(xí)技術(shù)獲取人體運(yùn)動(dòng)信息，建造三維模型，從而幫助患者進(jìn)行個(gè)性化健康評估，提供精準(zhǔn)化康復(fù)方案。
Copyright ? 2022 上海科雷會(huì)展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號：滬ICP備17004559號-5
