医药经济报：“人工智能”医疗应用需“人类智能”开发

从我国的实际医疗健康环境来看，目前面临的最大问题是三甲医院医生疲于应付大量的就诊患者，而基层医生业务水平不高，高素质人员偏少，临床思维缺乏有效固化和传递。因此，人工智能在提高医疗效率和诊断同质性方面大有用武之地。有专家透露，目前国内60%-70%的人工智能技术主要应用于影像诊断。

 以肺结节诊断为例，传统方式是医生根据影像图谱判断是否有肺结节，一般这一过程耗时10-20分钟。不过，这种依赖个人经验的“手工作坊式”阅片很容易因不同医生之间诊断水平的差异导致截然不同的结果。

据上海市呼吸研究所所长白春学教授介绍，在其推出的基于人工智能技术研发的肺结节智能诊断系统下，不仅阅片效率提高数十倍，恶性概率判断准确率达到91.2%，诊断结果也可达到10年以上医生的水平，并通过多次重复验证。

凭借在计算和深度学习领域比人类具有更快更好的优势，目前人工智能在医疗健康领域主要有三大应用：第一，提高影像诊断的效率、速度、精准度以及一致性；第二，解决医疗系统行政问题，例如帮助编码和文档收录循环优化；第三，加速精准药物的研发，尤其是加工处理组学数据，应用于预测、发现以及治疗疾病。

7月20日，国务院印发《新一代人工智能发展规划》，其中针对医疗领域，提出探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防控。

记者在活动现场了解到，以往传统疾病预测模型在数据收集量和精度上都十分有限，而人工智能技术的出现使得收集海量真实世界数据成为可能，在其帮助下建立更精准的模型，根据预先定义好的分析模板，对路径和患者分群分析，通过大数据平台对如院内死亡率等特定的指标进行运算，最终获得风险评估报告，包括健康指标控制和干预措施。

尽管以AlphaGo为代表的人工智能技术在围棋领域全面碾压人类能力，但目前仍依赖于对限定范围内的大数据进行学习，人工智能必须通过大量数据来“训练”自己，才能不断提升输出结果的质量。此外，人工智能技术还无法理解具体场景下的含义或内容，比如识别“招手”这一动作并不难，但其尚做不到阐明“招手”这个动作背后的含义。

相比之下，人类智能的优势在于举一反三，顺应环境变化掌握新的知识，也因此而构建了兼具广度和深度的医学知识图谱。从这个角度来看，人工智能在知识体系复杂的医疗领域还有待于进一步突破。

“我们希望在未来的医学环境，人工智能可以做到，比如看到一幅肺部影像图谱最终解释什么是肺结节，什么是正常的肺，将深度学习人工智能建立在医学知识的体系之上，而非有限的、离散的训练数据上。”科大讯飞智慧医疗总经理陶晓东指出，人工智能核心技术围绕着以深度神经网络（DNN）为代表的神经网络算法进步，以及脑科学和类脑科学研究两方面发展，这两种模型的结合将有助于实现上述愿景。

Gartner 研究副总裁Tracy Tsai强调，人工智能与医生之间的关系并非取代，而是互相帮助，医疗人员的认识具有不足，而机器也需要人类指引方向。“人工智能发挥的作用是根据既有资料加速取得答案的过程，加速研究和判别的过程，节省时间，最终还是需要医生来判断是对还是错。”

Tracy Tsai表示，应用人工智能技术的目的是如何让过程更有效率，或者建立新的营运模式，如果企业想要运用人工智能最好是购买现成的技术，即已经通过实践被证明是行之有效的技术，除非企业本身有数据科学家或者很强的团队实力可以从头开发。

值得关注的是，当前我国人工智能发展还面临两大问题：一方面尽管企业能够通过专有平台获得海量数据，但在创建一个标准统一、跨平台分享的数据友好生态系统方面，中国仍落后于美国，我国政府的数据开放仍极为有限；另一方面，芯片、应用模型、测评工具、可视化工具、云服务等模块化和标准化技术尚未成熟。

摘自医药经济报

图片来源：YouTube