未來醫(yī)療：人工智能

1、    未來醫(yī)療人工智能    何欣玥ai醫(yī)療蓄勢待發(fā)幾年前，一位腎結(jié)石患者參加了一個關(guān)于使用人工智能（簡稱“ai”）來獲得個性化營養(yǎng)建議的實(shí)驗(yàn)。兩周來，這位身體結(jié)實(shí)的患者認(rèn)真記錄他每天的飲食，并定時監(jiān)測血糖水平，還收集了一份糞便樣本（供研究人員分析他的腸道微生物水平）。不久后，這位患者收到了ai的個性化營養(yǎng)建議：多吃烤香腸、堅(jiān)果、草莓和奶酪蛋糕;遠(yuǎn)離燕麥片、甜瓜、全麥、無花果、素食漢堡和葡萄柚。這讓他目瞪口呆，因?yàn)榭鞠隳c和奶酪蛋糕是他通常會回避的食物，他認(rèn)為它們“不健康”。草莓對他而言也很危險(xiǎn)：草莓富含的草酸鈣是一種能變成結(jié)石的化學(xué)物質(zhì)，腎結(jié)石患者必須

2、避免攝入草酸鈣含量高的食物。這個案例表明，當(dāng)時的ai在提供個性化營養(yǎng)建議方面尚不成熟。但事實(shí)上，如今ai在醫(yī)學(xué)領(lǐng)域的應(yīng)用已遍地開花，而且隨著科技的進(jìn)步其未來前景更是無可限量。疾病診斷、藥物研發(fā)和制定個性化醫(yī)療方案等，都是ai在醫(yī)學(xué)領(lǐng)域的熱門應(yīng)用。以疾病診斷為例，對于一位2型糖尿病患者，臨床醫(yī)生需要花費(fèi)大量時間來閱讀患者的門診信息和血液檢查結(jié)果，并搜索臨床指南;而ai則可以根據(jù)患者的臨床記錄，自動為醫(yī)生提供最重要的風(fēng)險(xiǎn)信息和措施建議。ai還可以自動將咨詢的對話記錄轉(zhuǎn)換為摘要，供臨床醫(yī)生審閱或在此基礎(chǔ)上進(jìn)行修改。ai的應(yīng)用能為醫(yī)生節(jié)省大量時間，從而實(shí)現(xiàn)快速診治。不過我們可以看出，ai能協(xié)助醫(yī)生，但

3、不是取代他們。如果再讓ai結(jié)合如今同樣快速發(fā)展的納米技術(shù)，就能為未來醫(yī)療科技開辟更多新途徑。醫(yī)療保健中的ai是什么？循證醫(yī)學(xué)的本質(zhì)，就是通過對過去的醫(yī)療數(shù)據(jù)進(jìn)行匯總來對當(dāng)下患者的病情給出臨床決策。傳統(tǒng)的統(tǒng)計(jì)方法是用數(shù)學(xué)方程處理大量數(shù)據(jù)來尋找規(guī)律或結(jié)果。通過“機(jī)器學(xué)習(xí)”（簡稱“ml”），ai能夠識別出數(shù)據(jù)中的復(fù)雜關(guān)聯(lián)，而這些關(guān)聯(lián)很難通過一個方程來簡單表達(dá)。ml系統(tǒng)就像是臨床醫(yī)生，通過仔細(xì)權(quán)衡各方面的數(shù)據(jù)，得出合理的結(jié)論來解決復(fù)雜的問題。然而，又與單個臨床醫(yī)生不同的是，ml系統(tǒng)可以同時觀察并快速處理幾乎無限數(shù)量的數(shù)據(jù)輸入。此外，這些系統(tǒng)能夠從每個新增的病例中學(xué)習(xí)，并且可以在短短幾分鐘內(nèi)納入大量病例

4、，其數(shù)量比臨床醫(yī)生一生中所接觸的病例還要多。研究表明，ai在正確分類可疑的皮膚病方面已經(jīng)勝過皮膚科醫(yī)生，而在處理各方專業(yè)意見存在爭議的病例時，如通過胸片識別是否患肺結(jié)核，ai給出的結(jié)論也很可靠。醫(yī)療ai的當(dāng)前趨勢是什么？要讓ai全面融入醫(yī)療領(lǐng)域，就必須讓ai結(jié)合當(dāng)前的實(shí)際情況，并受到適當(dāng)?shù)谋O(jiān)管。具有里程碑意義的是，ai開辟了一個新的醫(yī)療模式。ai擅長執(zhí)行能夠被明確定義的任務(wù)。許多有關(guān)ai的研究將重點(diǎn)放在如何才能使其更好地協(xié)助醫(yī)生工作。通常，這些任務(wù)具有明確定義的信息輸入和易于驗(yàn)證的二進(jìn)制輸出。例如，在對可疑皮膚病進(jìn)行分類時，輸入的是患者皮膚病病灶的數(shù)字照片，輸出的則是簡單的二進(jìn)制分類：良性或惡

5、性。在這種情況下，研究人員只需證明：ai在對經(jīng)活檢確認(rèn)過的病變進(jìn)行分類時，具有比皮膚科醫(yī)生更高的敏感度和準(zhǔn)確度。ai并不能取代醫(yī)生，畢竟機(jī)器缺乏人類的特質(zhì)（如同理心和同情心），因此患者的咨詢?nèi)皂氂舍t(yī)生來處理。此外，患者對ai的信任也需要逐步建立。因此，盡管通過ai來處理任務(wù)變得越來越普遍，但其能夠處理的任務(wù)范圍有限，從而管理患者的主要職責(zé)還是落在醫(yī)生肩頭。有一項(xiàng)仍在進(jìn)行的臨床試驗(yàn)，其使用ai算出的頭頸部放療靶區(qū)面積比人類計(jì)算結(jié)果更準(zhǔn)確，且計(jì)算速度更快。但最終實(shí)施治療措施的還是介入放射科醫(yī)生，而ai發(fā)揮的作用是準(zhǔn)確計(jì)算出靶區(qū)面積，避免患者的非病灶區(qū)受到有害輻射。ai將彌補(bǔ)醫(yī)療資源的匱乏。單個ai

6、系統(tǒng)能夠容納大量人口的相關(guān)數(shù)據(jù)，因此非常適用于醫(yī)生稀缺的情況。最近的一項(xiàng)研究表明。ai診斷肺結(jié)核的準(zhǔn)確率為95%。此外，由于資源不足導(dǎo)致患者候診時間過長的問題，采用ai分診系統(tǒng)也能得到很好的解決。ai醫(yī)療未來展望ai在改善醫(yī)療保健方面無疑潛力巨大，但問題是如何成功地將其融合到醫(yī)療保健系統(tǒng)中。要做到這一點(diǎn)，必須克服技術(shù)和醫(yī)學(xué)這兩方面的限制。技術(shù)上的局限性。在許多情況下，“人工智能”一詞可能具有誤導(dǎo)性，因?yàn)樗坪跻馕吨环N比目前先進(jìn)得多的技術(shù)。作為ai的第一階段（即識別），在計(jì)算機(jī)上運(yùn)行的算法可以從大量文本中識別特定的模型并將它們匯總，或者僅從幾個句子中推導(dǎo)整個文檔的含義。在這些方面，人類無法與a

7、i相提并論。然而，盡管ai能在特定任務(wù)中擊敗人類，如ibm公司研發(fā)的超級計(jì)算機(jī)“深藍(lán)”能在國際象棋比賽中擊敗人類，卻不能像人類一樣創(chuàng)造藝術(shù)。如果要讓ai創(chuàng)造藝術(shù)，就必須建立相應(yīng)的精準(zhǔn)程序，而這是一個巨大挑戰(zhàn)。不過，ai在理解圖像和視頻（即計(jì)算機(jī)視覺領(lǐng)域）內(nèi)容等方面正在飛速發(fā)展，因此ai已經(jīng)被廣泛應(yīng)用于醫(yī)學(xué)成像。醫(yī)學(xué)上的局限性。當(dāng)ai為放射學(xué)檢查提供支持時，在圖像識別方面，利用ml和深度學(xué)習(xí)算法，不僅需要為計(jì)算機(jī)提供成千上萬幅圖像，而且這些圖像或算法還可能存在潛在的偏差。例如：圖像可能僅來自某一個地區(qū)，不具有代表性：研發(fā)團(tuán)隊(duì)在設(shè)計(jì)算法時摻入了主觀假設(shè)。此外，智能算法的預(yù)判和預(yù)測能力是基于對既往案例的分析，因此在研究新案例中藥物的副作用或疾病的耐藥性時，它們可能無法發(fā)揮作用。另一方面，如果以算法能夠識別的方式來精簡和標(biāo)準(zhǔn)化病例，就意味著將ai引入醫(yī)院科室，代替一部分人工工作。這又是一個巨大限制，因?yàn)樵S多醫(yī)生仍然采用手寫方式為病人撰寫病例或開具處方，很多時候他們的字跡相當(dāng)潦草，在寫下的兩周后即使是他們本人很可能也無法識別自己寫下的內(nèi)容，那么ai又應(yīng)該如何去識別這些筆跡呢？ai已經(jīng)在更高效地診斷疾病、開發(fā)藥物和實(shí)現(xiàn)