生物医疗领域中人工智能的机遇与应用

2019-01-26张光华

智能城市 2019年20期

张光华潘婧

（太原学院，山西太原 030000）

人工智能本质上是计算机科学的分支，其提出的目的是深入了解智能，生产出能够模拟人类思维以及智能的机器或产品，其智能范畴与人类智能范畴相同，包括语音识别、机器人、图像识别、专家系统等。关于人工智能的研究一直是科技研究的重点，从20世纪60～70年代一直延续至今，人工智能的成本逐渐降低，依靠声音、触觉的机器人技术越来越成熟、可靠，在社会各发展领域的应用也越来越普遍，加之大数据互联网背景为人工智能提供的信息数据便利，让人工智能在实际发展中的应用越来越顺畅。目前，在生物医疗领域，从基础性工作到高端医疗研究都有人工智能的身影，研究人员也在不断致力于人工智能在生物医疗领域的研究，希望不断扩大其应用范畴，创造更丰富的价值，为此，探究生物医疗领域中人工智能的机遇与应用具有重要现实意义。

1 生物医疗领域中人工智能的应用现状

1.1 应用现状

近年来，随着科技水平以及医疗卫生事业发展水平的提升，生物医疗领域人工智能的应用达到了新的高度，主要体现在应用规模不断扩大、应用范围不断扩展，面对我国医疗资源紧张的现状，很多患者迫切地希望人工智能能够发挥一部分医生诊断的功能，从而提升医院的整体运行效率。而目前的实际应用也逐渐朝这一方向发展，例如利用人工智能的高效率、高准确率运算功能对某些疾病做出快速判断，及时获取最佳治疗方案以及预后预测，为临床医疗、预后护理等都提供了可靠的依据。

1.2 应用范畴

一是，医疗机器人的应用。医疗机器人在医疗卫生领域的应用并非新潮，但传统意义上的机器人与人工智能医疗机器人有着本质上的差异，传统机器人的机械性特征更突出，其主要依靠传感器、驱动系统、智能控制系统从事一些低端的工作；而人工智能机器人无须驱动系统的操控也能通过智能控制系统独立完成工作，甚至手术操作，其智能思维逐渐与人类思维逻辑靠拢，运行水平以及反应更加智能化。如人造肌肉机器人，其肌肉组织根据模拟人类，高度还原了人类组织机构以及功能；又如在前列腺手术中应用机器人突破了传统手术方式的局限，并且能够保障其手术过程中全程了解病人的情况，对于提升手术质量以及效率都有着重要的帮助[1]。

二是，在疾病辅助诊断中的应用。近些年深度学习算法在生物医疗领域中普及，学习过程中利用深度学习神经元数学模型以及医疗实践中汇总的诊断信息、影像数据，可以基于疾病类型深挖疾病发病规律以及治疗规律，从而模拟医生诊断技术，这项应用提升了人工智能在生物医疗领域应用的精度，逐渐成为医院医疗组件的重要组成部分。IBM沃森认知健康系统是基于这一应用思路获得的研究成果，其本质上是一个认知计算平台，以人工智能为基础将沃森医生的疾病诊断案例上传到平台内部，实现了成功诊断疾病，后由IBM公司进行开发，目前应用于肿瘤治疗中，也是目前生物医疗领域精度最高、最先进的机器人。实际应用过程中，可以快速存储、阅读、处理患者病例信息、影像、文字，检索生物医疗研究领域成千上百万的文献，根据患者的情况找到合适的治疗方案与方法，为医生提供可靠的参考依据。众所周知，肿瘤诊断难度高，大部分医生需要通过对患者的反复检查、花费大量时间研究文献、对比检查结果，但这项系统的应用，使肿瘤诊断更加规范、智能、标准。

三是，在图像识别中的应用。人工智能在图像识别中的应用已有数十年的历史，最初的应用在于利用人工智能学习人体解剖结构，其具备自动检测功能，具有极大的便利。目前，实际应用中的MRI机器人、CT机器人已成熟地运用到各种解剖结构中，通过预扫图到最终的成像，可以快速找到目标结构，并且尽最大可能降低对相邻敏感器官产生的影响与伤害，不仅提升了图像识别效率，也使放射科医务人员将更多的精力集中在图像分析以及报告撰写上。同时，在医学成像领域，人工智能还可以应用在病理切片分析诊断上，其可以从更全面、更细致的角度突破图像识别的局限，加之利用深度学习算法有效地提升图像识别精度与准确度。为了验证人工智能在医学成像领域的优势，谷歌与科学家们展开了一次实验，将病理切片图像分割成像素为128×128的小区域，无法确定这些成千上万的小区域内是否含有肿瘤细胞，实验开始前，让人工智能学习大量的肿瘤组织病理切片以及正常组织病理切片，人工智能利用其逻辑找到了快速分辨区域是否含有肿瘤的方式，其通过辨识小区域内的肿瘤，确定“肿瘤区”，快速地区别病理切片中肿瘤组织以及健康组织区域；正式实验中，由人工智能与科学家展开竞赛，130张切片，科学家花了30 h完成了诊断，与人工智能相比，耗时较高，而且在准确率上，人工智能达到了88%以上，而科学家的诊断准确率仅为73%，这项实验充分证明了人工智能在图像识别上的优势[2]。

四是，在药物研发中的应用。药物的研发是生物医疗领域较为高端、难度较大的环节，其需要考虑药效以及对患者身体的负面影响，还要考虑政策、法律法规以及经济成本，传统的药物研究是由科学家提出某种假设，利用现有条件进行研究与创造，需要经过反复的实验与尝试，例如癌症类药物研发过程中，由科学家发现人体某种特定异常蛋白质是导致患癌的直接原因，制药公司会根据这一假设展开测试，从上万的化合物中筛选，与这种蛋白质进行反应，产生效果后还要经过改良以及三期临床试验，即使在临床中有了良好的应用，最终还需要经过相关行政管理部门的批准才能准入市场，这一环节中消耗了大量资源，一旦药物未上市，制药公司将承担一系列资源消耗成本，从而导致很多制药公司尝试着探索药物研发模式。一家国外的制药公司，通过收集生物样本以及患者临床表型等展开测试，并将这些数据输入到人工智能中，发现人工智能将这些数据划分成不同节点，分析疾病组分以及健康组分之间的差异，以分子表示出来，这些分子则成为药物研发的依据，其能够快速获得依据，将药物研发时间缩短在9～12个月范围内，目前广泛应用于治疗临床二期胰腺癌的BPM31510药物则是通过这种方式研发。

2 生物医疗领域中人工智能的未来发展

从人工智能在生物医疗领域中的实际应用可以看出，算法与数据是其发挥价值与作用的两个核心要素，目前的算法开发上大多采用开源软件的方式，其可以快速转化成便于应用的功能模块，适合于各类人群的操作，从而使人工智能的应用越来越普遍，也为人工智能的发展提供了契机。在生物医疗领域中，人工智能应用的最大困难则是缺乏高质量的、干净的、具有临床标注的数据信息，这主要是数据的不开放造成的，因此，国际上各主要国家也在不断研究与改进，美国FDA、NIH等组织也逐渐公开高质量的数据信息，这些信息在人工智能医疗健康领域的运用，如生产测序仪、基因检测仪器等，对于生物医疗的发展有着重要的帮助；国内外也展开高质量生物样本库建设、临床表现标注系统建设、电力病例系统建设[3]。以开源软件配合开放数据，人工智能在生物医疗领域中应用的束缚将会越来越少，未来的发展前景也会越来越广阔。

但任何事物的价值都需要辩证来看，目前人工智能虽然解决了生物医疗领域的诸多难题，提高了其发展质量，但具体实施中也存在诸多问题：

首先，数据安全以及质量控制问题。虽然高质量开放数据逐渐增多，各国也展开了更深入的联合，但数据样本数量有限，并在数据传输过程中如何保障安全成为需要解决的难题。

其次，数据内容中有涉及患者的隐私，如何保护也是重点，治疗过程中从病人档案建立之初就会将病人的患病信息、保健信息、治疗信息记录到档案中，其在医院的所有记录都会有痕迹，而目前电子档案、电子病历的开放程度逐步提升，文件存储、文件传输、文件访问环节都可能出现泄露病人隐私情况，因此，目前亟须研发既能实现灵活运用数据，又能对数据展开保密处理的智能化软件。

最后，人工智能虽然在生物医疗领域有了相对广泛的应用，但在临床治疗上的应用还受到局限，很多患者以及医生受传统理念的影响，排斥人工智能类设备，认为其作为机器并不能完全替代人进行诊断与治疗；而无法为病人提供情感关怀、护理，客观来讲，这是人工智能的一个弱势，未来的发展在技术上融合其他要素也是完善人工智能在生物医疗应用的一个重要方向[4]。

虽然人工智能在生物医疗领域的应用还存在很多争议，但其产生的价值与作用不可忽视，而且人工智能发展中还有更多的空间需要探索，目前只处于起步阶段，相信随着技术的发展其智能化水平会越来越高，在生物医疗领域的应用也会越来越深入。