今日，廣州醫(yī)科大學第一附屬醫(yī)院院長何建行教授與加州大學圣地亞哥分校（UCSD）人類基因組醫(yī)學研究所所長張康教授在最新一期《Nature Medicine》上發(fā)表了一篇深度綜述，梳理和預(yù)測了AI技術(shù)在醫(yī)療健康領(lǐng)域的實施現(xiàn)狀與未來發(fā)展。我們整理了這篇綜述中的精彩內(nèi)容，以饗讀者。
AI在醫(yī)療領(lǐng)域的現(xiàn)狀
“AI+醫(yī)療”指的是人工智能通過機器學習、表征學習、深度學習和自然語言處理等各種技術(shù)，利用計算機算法從數(shù)據(jù)中獲取信息，以協(xié)助制定臨床決策為目的，實現(xiàn)輔助診斷、療法選擇、風險預(yù)測、疾病分診、減少醫(yī)療事故和提高效率等一系列功能。
在醫(yī)療健康領(lǐng)域，AI發(fā)揮重要影響的應(yīng)用將涵蓋四大方向：診斷，治療，人口健康管理，監(jiān)督和調(diào)控。
研究人員預(yù)測了基于AI的技術(shù)在臨床實施應(yīng)用的幾種方式。
首先是作為分診和篩查工具，理論上可以降低醫(yī)療系統(tǒng)的壓力，把資源分配給最需要醫(yī)療幫助的患者。例如，通過深度學習，AI工具可以檢查視網(wǎng)膜圖像，確定哪些患者有致盲性眼病并及時轉(zhuǎn)診給眼科醫(yī)生。還有英國Babylon公司開發(fā)的一款移動應(yīng)用，可以和用戶直接互動的聊天機器人，實質(zhì)上就是基于AI的分診工具，用于區(qū)分患者是否需要找醫(yī)生做進一步檢查。
AI技術(shù)還可以在一些理論上不復雜但時間緊、耗人力的任務(wù)上作為替代人手，讓醫(yī)療工作者可以去處理更復雜的任務(wù)。例如，自動化分析射線成像，估測骨齡；自動化分析光學相干斷層掃描（OCT）影像，診斷可以治療的視網(wǎng)膜疾病；自動化分析心血管圖像，量化血管狹窄和其他指標，等等。
最能體現(xiàn)AI價值的方式或許是讓AI輔助專業(yè)醫(yī)師。讓臨床醫(yī)生與AI結(jié)合，產(chǎn)生1+1>2的協(xié)同效應(yīng)，支持實時的臨床決策，助力精準醫(yī)療。
臨床實踐實施AI技術(shù)的關(guān)鍵議題
雖然醫(yī)療相關(guān)的AI技術(shù)不斷實現(xiàn)突破，但把技術(shù)“轉(zhuǎn)化”為真正實施于臨床的應(yīng)用，目前還存在一定距離。要真正實現(xiàn)“產(chǎn)業(yè)化”，需要獲得大批量數(shù)據(jù)，把AI嵌入實際的臨床工作流程，并配合監(jiān)管框架。研究人員認為，需要解決以下幾大問題。
數(shù)據(jù)共享
無論是對AI的初始訓練還是對算法的驗證和改進，數(shù)據(jù)都是核心依托。目前，像Cardiac Atlas Project，放射學視覺概念提取挑戰(zhàn)賽VISCERAL（Visual Concept Extraction Challenge in Radiology），英國生物樣本庫“UK Biobank”和Kaggle數(shù)據(jù)科學杯賽 （Data Science Bowl）等國際項目，提供了成像和非成像數(shù)據(jù)的大規(guī)模數(shù)據(jù)集。不過，研究人員認為，要在醫(yī)療健康領(lǐng)域更廣泛的采納AI技術(shù)，數(shù)據(jù)共享的程度還需要進一步加大。
數(shù)據(jù)和算法的準確性和透明度
透明度涉及多個層面。例如在監(jiān)督式學習中，預(yù)測準確性很大程度上依賴于輸入到算法中的注釋的準確性。大量（上萬至十萬級）高質(zhì)量標注好的數(shù)據(jù)是算法準確性的根本條件，也是稀缺資源。另外輸入數(shù)據(jù)的標簽透明度對評估監(jiān)督式學習算法的訓練過程是否準確起到關(guān)鍵作用。
透明度還影響到模型的可解釋性，也就是讓人類可以理解或闡釋特定預(yù)測或決策所產(chǎn)生的邏輯。應(yīng)用于醫(yī)療的AI技術(shù)需要打開“黑箱”，有足夠的透明度來評判診斷、治療建議或預(yù)測結(jié)果的合理性。
透明度的另一個重要原因在于，AI技術(shù)可能存在算法偏差，會放大種族、性別或其他特征造成的歧視。訓練數(shù)據(jù)的透明度和模型的可解釋性使我們可以檢查潛在的偏差。理想情況下，可以用算法解決算法偏差，如果設(shè)計時可以根據(jù)已知的偏差做出彌補，甚至可以通過機器學習來解決群體之間在健康上的遺傳和生物差異。
患者的安全
問責制度是與患者安全有關(guān)的一個重要問題。當AI技術(shù)對我們的身體造成傷害時，誰應(yīng)該為此負責？無疑，AI技術(shù)將改變傳統(tǒng)的醫(yī)患關(guān)系。多國政府和WHO的監(jiān)管機構(gòu)正在做出努力，試圖在保護患者安全和促進技術(shù)創(chuàng)新之間取得微妙的平衡。
數(shù)據(jù)標準化
鑒于醫(yī)療保健數(shù)據(jù)的復雜性和大規(guī)模，AI技術(shù)要有效利用各種方式收集的數(shù)據(jù)，在初始開發(fā)階段就應(yīng)做好數(shù)據(jù)標準化的工作，將數(shù)據(jù)轉(zhuǎn)化為在不同工具和方法中都能被理解的通用格式。
典型的臨床工作流程由多個部分組成，對互操作性提出了要求。以AI輔助放射學為例，用于檢查操作的算法、研究優(yōu)先級、特征分析和提取，以及自動化生成報告，可能是由不同的供應(yīng)商提供的產(chǎn)品，算法之間需要創(chuàng)建一套工作流互操作性標準進行整合，并讓算法可以在不同設(shè)備上運行。如果不盡早優(yōu)化互操作性，AI技術(shù)實際應(yīng)用的效果會受到嚴重制約。
嵌入現(xiàn)有臨床工作流程
醫(yī)學數(shù)字成像與通信（DICOM）標準和醫(yī)學影像存檔與通訊系統(tǒng)（PACS）為數(shù)據(jù)管理提供的一致性平臺使醫(yī)學影像發(fā)生了革命性巨變，類似的標準也應(yīng)該應(yīng)用到AI技術(shù)，開發(fā)統(tǒng)一的命名，方便數(shù)據(jù)的存儲和檢索。
例如，以實現(xiàn)臨床轉(zhuǎn)化為目的的快捷健康互操作資源（FHIR）框架就是目前全世界范圍內(nèi)快速發(fā)展的一套標準，基于一系列被稱為“資源”的模塊化組件來構(gòu)建。這些資源能夠很容易地組裝進工作系統(tǒng)，方便在電子病歷、移動端應(yīng)用程序、云通訊等之間進行數(shù)據(jù)共享，這對于未來AI技術(shù)在醫(yī)療保健領(lǐng)域的實施至關(guān)重要。
經(jīng)濟考量和人才配備的問題
研究人員特別提出，鑒于臨床決策的復雜性和潛在的濫用后果，在醫(yī)學領(lǐng)域?qū)嵤〢I技術(shù)需要所有利益相關(guān)者的積極參與，在醫(yī)生、醫(yī)療服務(wù)提供者、數(shù)據(jù)科學家、計算機科學家和工程師之間形成溝通和協(xié)作。
評估安全性和有效性的政策和監(jiān)管環(huán)境
美國FDA在2017年7月推出數(shù)字健康創(chuàng)新行動計劃（Digital Health Innovation Action Plan），對醫(yī)療軟件提出監(jiān)管新舉措，在此基礎(chǔ)上，已經(jīng)有一些AI技術(shù)獲得了FDA批準。例如，第一款獲得FDA批準使用AI的醫(yī)療設(shè)備——“自主”診斷系統(tǒng)IDx-DR，用AI算法為患者自動檢測是否出現(xiàn)輕度糖尿病視網(wǎng)膜病變（DR），根據(jù)篩查結(jié)果提供是否需要轉(zhuǎn)診給眼科專家的建議，適用于基層醫(yī)療機構(gòu)。這款A(yù)I產(chǎn)品的上市過程就是走了FDA針對低到中度風險的“De Novo重新分類”途徑，并獲得了突破性產(chǎn)品（Breakthrough Device）資格。
此外，F(xiàn)DA啟動軟件預(yù)認證計劃，著重審查軟件技術(shù)開發(fā)商而非單個產(chǎn)品，改善技術(shù)獲取方式，將資源集中在高風險的產(chǎn)品上。
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2024 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
