王家慶，王光鎖

暨南大學第二臨床醫(yī)學院·深圳市人民醫(yī)院，廣東深圳518000

近年來，人工智能逐步進入人們的視野中，也慢慢融入人們的生活，潛移默化地改變人們的生活方式，并在各個領域中得到廣泛應用。人工智能作為引領人類社會未來走向的戰(zhàn)略性技術，對人類科技發(fā)展、產業(yè)進步以及社會變革等起巨大的推動作用，并逐步為世界所認可與接受。人工智能與醫(yī)學的結合，更是給醫(yī)療系統(tǒng)帶來深遠的影響［1］。1956年，在美國達特茅斯會議上，“人工智能”被正式命名。隨著自然語言聊天機器人ELIZA、知識工程MYCIN 等被成功研發(fā)，人工智能從簡單邁向復雜，從粗淺走向專業(yè)。在技術逐漸成熟后，人工智能成為一個具有自我學習能力的系統(tǒng)。在發(fā)展過程中，人工智能逐漸形成了不同的分支，包括結構化數(shù)據的機器學習、深度學習、非結構化數(shù)據的自然語言處理等［2］。人工智能通過表現(xiàn)學習、深度學習以及自然語言處理等技術，結合計算機算法，從數(shù)據中發(fā)現(xiàn)相關信息，并能以此協(xié)助臨床決策［3］，如協(xié)助臨床醫(yī)生進行圖像分析、提供診斷建議、進行臨床風險預測、對疾病臨床定性、減少醫(yī)療錯誤、提高診療效率等［2］。這能極大程度地改善醫(yī)療環(huán)境，對醫(yī)生、患者及社會都有很大的幫助。本文對人工智能在醫(yī)學中的應用進展綜述如下。

1 人工智能在醫(yī)學中的應用現(xiàn)狀

1.1 人工智能在臨床診斷中的應用 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，而人工智能與圖像的結合大大提高了臨床醫(yī)生診斷疾病的準確率與效率，主要包括在影像、內鏡以及病理檢查中的應用。基于計算機視覺技術數(shù)學模型，人工智能收集、提取醫(yī)學圖像的原始像素并挖掘圖像的有效特征，以此學習和模擬醫(yī)生，這是一個由整體到部分再由部分到整體的復雜過程［4］。

1.1.1 影像檢查 人工智能的運用能很好地協(xié)助醫(yī)生根據影像學檢查對患者進行疾病診斷。SUN?WOO 等［5］運用基于顱腦 MR 圖像的計算機輔助診斷系統(tǒng)進行顱腦轉移瘤診斷分析，影像醫(yī)生的診斷敏感度從77.6%提升至81.9%，每例患者的診斷時間從114.4 s 減至72.1 s；經驗不足的影像醫(yī)生診斷敏感度提高了約 10%。MASOOD 等［6］運用基于胸部CT 圖像的計算機輔助診斷系統(tǒng)進行肺癌診斷分析，診斷平均準確率84.58%，對肺癌T1～T4分期鑒別的準確率77.89%～90.14%。BECKER等［7］使用深度學習圖像分析系統(tǒng)對143 例診斷為乳腺癌或交界性病變的患者進行診斷分析，診斷準確率達82%，而經驗豐富的放射科醫(yī)師診斷準確率為79%～87%，兩者相差不大。ARAMENDIA-VIDAURRETA 等［8］使用基于子宮附件超聲圖像的人工智能系統(tǒng)對附件腫物進行定性，準確率高達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)生判讀影像學結果有一定的輔助作用及價值，其不僅能提高醫(yī)生對疾病診斷的敏感度，還能縮短醫(yī)生閱片診斷的時間，既提升了準確率，也提高了效率。

1.1.2 內鏡檢查 人工智能技術能通過攝取內鏡所獲得的圖片中組織的微細紋理特征，進行深度學習，將內鏡圖像進行分類并預測診斷。MIYAGI等［9］基于陰道鏡圖像，使用人工智能系統(tǒng)對330 個圖像進行分析，診斷判定準確率為0.823，敏感度為0.797，特異度為 0.800。ITOH 等［10］開發(fā)的人工智能模型，基于胃鏡圖像進行幽門螺桿菌感染診斷，敏感度和特異度分別為86.7%、86.7%。GREGOR等［11］基于結直腸鏡檢查運用人工智能實時定位并識別息肉，準確率達96%。人工智能通過對內鏡圖像進行深度學習能更好地協(xié)助臨床醫(yī)師診斷疾病。

1.1.3 病理檢查 在數(shù)字化病理學中，人工智能技術已應用于各種圖像處理和判別任務中，包括側重于對象識別問題的低級任務（檢測和分級）及更高級別的任務（根據圖像預測疾病診斷和疾病預后）［12］。

隨著數(shù)字化載玻片掃描技術在組織病理學實驗室中應用的增多，數(shù)字化整體圖像（WSIs）將逐步取代常規(guī)病理學工作中的載玻片，使用基于WSIs的深度學習系統(tǒng)可對組織進行識別，并對數(shù)據進行提取分析。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，通過分析淋巴細胞密度，腫瘤基質組成和核等指標，得到有用的預后數(shù)據［13］。由于腫瘤免疫治療的成功，近年來腫瘤微環(huán)境中的免疫細胞已經獲得了大量的關注。因此，使用人工智能技術對腫瘤浸潤免疫細胞進行定量分析成了數(shù)字組織病理學圖像分析中的新興主題之一［14］。

放射學圖像已經從二維（2D）慢慢轉變?yōu)槿S（3D），病理學也逐漸利用3D 組織表征改進診斷方法，為臨床決策提供更精確的信息。在此過程中，人工智能技術將輔助病理學家和腫瘤學家解讀和分析龐大數(shù)據資料。

1.2 人工智能在臨床決策中的應用 人工智能具有自我學習的能力，能通過搜索并收集專業(yè)醫(yī)療知識，建立大數(shù)據庫，運用認知分析技術，不斷完善自己。隨著人工智能技術的發(fā)展與大數(shù)據庫的建立，疾病治療模型被逐步建立。人工智能系統(tǒng)能收集多個變量后輸入模型并進行分析，模擬醫(yī)生的臨床思維及診斷推理模式，提出對患者現(xiàn)階段較為有效的臨床決策或建議。醫(yī)生結合臨床經驗，最終決定最后治療方案［2］。其涉及患者疾病發(fā)展的各個階段。

在疾病發(fā)展初期，人工智能可識別高危人群。WANG 等［15］運用重癥醫(yī)學科患者包括臨床數(shù)據、生理波形等32 項生物信息學數(shù)據，總結出TS-Cox 模型，預測患者的生存狀態(tài)，從而調整治療方案，避免嚴重并發(fā)癥的發(fā)生。在疾病發(fā)展中，人工智能根據患者現(xiàn)有狀況、治療效果及客觀的生物信息學數(shù)據，對患者下一步用藥、操作進行指導。YU等［16］建立模型指導治療過程中機械通氣、鎮(zhèn)痛鎮(zhèn)靜藥物的應用。人工智能根據48 個生物信息能對敗血癥患者制定治療決策，當臨床醫(yī)生的實際方案與人工智能相符時患者病死率最低，預后更好［17］。在慢性疾病發(fā)生后，人工智能可結合圖像對相關并發(fā)癥的發(fā)生進行預警，從而做到更好的預防。有研究基于視網膜特征提出糖尿病性視網膜病變的檢測算法，并以此指導臨床決策［18］。腦卒中、腫瘤等疾病的計算機模型也在臨床治療中提供重要的決策建議，這使疾病的診治更規(guī)范有效。

1.3 人工智能在臨床治療中的應用 臨床智能化治療是人工智能的一個重要產物。在手術治療方面，智能系統(tǒng)術前協(xié)助能創(chuàng)建三維圖像，進行圖像分析和處理，根據疾病類型及解剖結構設計手術方式，術中協(xié)助實施手術基本操作。機器人輔助已被廣泛應用于外科手術領域中，其能降低并發(fā)癥的發(fā)生率，使各科疾病的手術治療方法也因此變得更多樣［19］。在達芬奇機器人輔助下手術時，將手術視野投放到外接設備，醫(yī)生通過操縱桿靈活指揮機械臂。由于機械臂的多關節(jié)結構，醫(yī)生的操作角度更多樣，解剖操作更精細，這能減少并發(fā)癥的發(fā)生。在放療方面，由于設備及技術的提升，可實施精準放療。根據患者個性化特征，自動化劃界［20］、自動預測目標劑量［21］等保證了放療的個體化、安全、有效。在化療方面，人工智能能預測腫瘤藥物的有效性［22］。人工智能能實時識別帕金森病患者的姿勢與運動狀態(tài)，通過高精度反饋調節(jié)進行深部腦刺激［23］。人工智能可實現(xiàn)對慢性病的監(jiān)控及管理，在控制慢性病發(fā)展的同時減少并發(fā)癥的發(fā)生。

由于人工智能的精確性、實時性以及大數(shù)據的運用，可在臨床順利開展精準化治療，這讓疾病治療實現(xiàn)個體化，使治療過程更安全有效。

2 人工智能的在醫(yī)學中的應用前景

2.1 相關政策 人工智能在世界范圍內掀起一陣熱潮，中國作為世界大國，對人工智能技術的研發(fā)也投入相當?shù)娜肆ξ锪Α?017 年我國發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，醫(yī)療作為重要的領域受到高度重視?！吨袊圃?025》提出加強生物醫(yī)藥及高性能醫(yī)療器械產業(yè)發(fā)展，為智能化診斷、治療、預后監(jiān)測提供基礎保證。國家的《關于促進“互聯(lián)網+醫(yī)療健康”發(fā)展的意見》提出要健全服務體系，完善支撐體系，加強行業(yè)監(jiān)管和安全保障，從醫(yī)療層面的影像、病理、臨床到基礎設備層面的醫(yī)用機器人、生物三維打印等，都要加大研發(fā)力度。國家對人工智能技術的發(fā)展予以極高重視，可以預想人工智能將會對社會各個領域尤其是醫(yī)療領域帶來重大變革，為各行業(yè)的發(fā)展提供強大的動力。

2.2 物聯(lián)網醫(yī)學 物聯(lián)網是指利用信息傳感設備將所有對象連接到互聯(lián)網進行信息交換，以實現(xiàn)智能化識別和管理。其由設備抽象層、設備適配層、數(shù)據提取層、數(shù)據篩選集成層組成［24］。物聯(lián)網是大數(shù)據時代的重大進步，通過增強型服務推動實時工程的發(fā)展及應用，它在許多領域發(fā)揮了驚人的作用［25］，如農業(yè)、醫(yī)療保健、家庭、業(yè)務、娛樂、汽車、體育、工業(yè)等。

可佩戴傳感器的發(fā)展為物聯(lián)網在醫(yī)學中的應用奠定基礎。醫(yī)學應用中傳感器模型包括生物電位專用傳感器，如心電圖、肌電圖、腦電圖和光人體測量傳感器；運動傳感器，如加速度計和陀螺儀；環(huán)境傳感器，如攝像機，溫度和壓力傳感器［26］。心率、呼吸頻率、體溫、血壓、糖率等生理狀態(tài)也能被實時監(jiān)測，這些生物信息的精確測定及快速傳輸，成為醫(yī)療保健系統(tǒng)的重要數(shù)據來源，能用于監(jiān)測病情、指導治療，這提高了遠程醫(yī)療的可行性，讓醫(yī)療保健監(jiān)測得以實現(xiàn)。物聯(lián)網技術還可用于定位跟蹤、警報聯(lián)動、急救調度，使院外急診患者能盡早得到救助，提高患者搶救成功率。

物聯(lián)網利用傳感器設備收集數(shù)據，通過云計算、霧計算進行大數(shù)據分析，能實現(xiàn)個性化醫(yī)療保健［25］。物聯(lián)網的運用還能整合了大小醫(yī)院醫(yī)師、患者及設備，克服不同地區(qū)醫(yī)師及設備資源的差異，解決了先進醫(yī)療與落后人力設備資源的矛盾。

2.3 人工智能醫(yī)療平臺 基于人工智能的醫(yī)療平臺綜合了各種疾病的診斷模型，根據物聯(lián)網傳感器設備收集的數(shù)據，為患者提供診斷意見，預測患者疾病預后，給出建議［27］。糖尿病診斷監(jiān)測模型、心血管疾病診斷監(jiān)測模型等模型被開發(fā)并加以應用［28-29］，能更好地完善醫(yī)療平臺的建設，使慢性病患者在疾病管理上獲得實時建議，從而降低慢性病急性發(fā)作的風險。

運用平臺的智能通訊功能，能充分實現(xiàn)遠程醫(yī)療支持工作。慢性病的管理［27］、急性病的診治［30］，都能通過人工智能醫(yī)療平臺實現(xiàn)，專家能遠程指導對患者的診治工作。隨著第五代移動通信技術（5G）時代的到來，遠程醫(yī)療快速發(fā)展，人工智能醫(yī)療平臺也因此而向前邁進一大步。

人工智能醫(yī)療平臺縮短了醫(yī)生與患者的距離，減少了各地醫(yī)療水平差距帶來的問題，提高了醫(yī)療資源的利用率，完善了已有的醫(yī)療體系。

3 人工智能在醫(yī)學中應用的局限性

人工智能的快速發(fā)展為臨床醫(yī)療提供了支持，同時帶來的還有倫理及法律的問題。大數(shù)據是人工智能發(fā)展與應用的基石。醫(yī)療數(shù)據不僅包含了姓名、年齡、性別等個人信息，還有既往史、個人史、既往診療記錄等重要信息，而大數(shù)據的收集則會增加醫(yī)療數(shù)據泄露的風險。醫(yī)療數(shù)據隱私引起的就業(yè)歧視、特殊疾病造成的社交歧視等都是醫(yī)療大數(shù)據可能帶來的倫理問題［31］。另外，高質量的醫(yī)療數(shù)據仍然不足，目前人工智能還依賴著醫(yī)生的監(jiān)督訓練，醫(yī)生診斷的不一致性及模糊性會一定程度地限制了人工智能的準確率。智能醫(yī)療的醫(yī)療安全問題也應得到重視。目前智能醫(yī)療系統(tǒng)尚未安全成熟，在臨床醫(yī)療過程中存在著各種醫(yī)療風險，智能醫(yī)療系統(tǒng)的臨床決策需經臨床醫(yī)生審核才能最終應用。而在人工智能繼續(xù)發(fā)展的日后，智能系統(tǒng)獨立對患者進行診治，需要相應的法律及規(guī)定明確其可行性。在現(xiàn)有社會現(xiàn)狀中，人工智能并未覆蓋所有地區(qū)。在相對富裕、醫(yī)療資源豐富的地區(qū)，人工智能的運用將比落后地區(qū)多，在保證人工智能的醫(yī)療安全后，人工智能的患者受眾覆蓋范圍，也涉及公平性的倫理問題。

所以，人工智能在臨床醫(yī)療中具有其獨特的優(yōu)越性，也有其局限性。在發(fā)展智能醫(yī)療的同時，也要完善與其相配對的其他領域的工作，以擴大人工智能的使用范圍，提高人工智能的使用效益，擴大其在醫(yī)學中的應用范圍。

人工智能的發(fā)展及應用給各行各業(yè)帶來了不同程度的變革，尤其在醫(yī)療領域中，人工智能對臨床診斷、決策及治療都具有重要的輔助作用。隨著5G網絡的發(fā)展、物聯(lián)網的建立以及智能平臺的成型，實現(xiàn)實時監(jiān)測診治，完成遠程醫(yī)療。當然，人工智能在醫(yī)學中的應用還需要完善其他相關領域的工作，落實與其相匹配的法律，解決相應的倫理學問題，使其成為醫(yī)學應用中的利器。