人工智能在健康领域应用现状与前景展望*

2020-02-21毕轩懿王婧婷

医学信息学杂志 2020年1期

毕轩懿王轲王婧婷

(海军军医大学基础医学院上海 200433)(海军军医大学护理系上海 200433)

1 引言

人工智能(Artificial Intelligence，AI)是能够理解复杂情况、模拟人类思维过程、获得学习能力及知识，从而解决问题的智能系统，包括专家系统、机器学习、自然语言处理、自动规划、图像处理等多种技术[1]。AI在健康领域得到日益广泛的应用，创造健康产业链新模式并逐步探索解决医疗健康行业存在的问题。国务院《新一代人工智能发展规划》中明确指出要推动智能医疗发展，建立精准智能服务体系，探索智慧医院建设，开发人机协同医疗机器人、智能诊疗助手并加强智能健康和群体智能健康管理[2]。本文综述AI在国内外健康领域的应用现况并对其未来发展与挑战进行展望，以期提高医护人员对AI的认知，为医护人员参与AI研究提供新思路，从而推动AI在健康领域的深入探索与应用。

2 AI在健康领域的应用现状

2.1 全周期健康管理

2.1.1 疾病风险预测患者个体差异和疾病不稳定性都可能导致传统疾病风险预测存在一定误差，疾病风险预测是AI在健康领域中较早的应用。2008年谷歌流感预测软件通过分析用户搜索数据提前1～2周预测了美国流感变化[3]；我国学者利用百度搜索引擎数据进行季节性流感预测[4]。AI算法与电子病历结合可用于心脏病和糖尿病患者的入院风险预测和再入院预防[5]。有研究表明基于AI的慢性阻塞性肺疾病和哮喘远程风险预测准确率在40%～94%之间。由此可见AI在疾病风险预测上的可行性已得到证实，但准确率尚有提升空间。

2.1.2 疾病诊断 AI在医疗领域最为广泛、发展最为迅速的应用即为医学影像诊断。美国Gulshan V团队的糖尿病视网膜病变AI影像检测准确率高于87%[6]，且美国已于2018年批准AI糖尿病视网膜病变检测医疗设备的销售[7]。我国广州妇女儿童医学中心与Kermany DS等合作完成基于AI的致盲性视网膜疾病筛查试验，准确率达93.4%[8]。AI在癌症影像诊断中的应用也颇为广泛，且准确率较高，如基于AI病理图像识别的乳腺癌淋巴转移诊断准确率高达98.75%[9]，胃癌AI内镜检测准确率达92.2%[10]。基于AI的影像学诊断准确率甚至高于医生，可检测到肉眼无法看到的肺癌小肿块[11]。IBM公司开发用于肿瘤精准诊疗的沃森肿瘤系统(Watson for Oncology，WFO)是诊断机器人的代表，WFO与多学科乳腺癌诊疗专家团队对638例乳腺癌患者的诊断一致性达93%[12]。对于不同癌症，WFO与我国肿瘤医生诊断的一致性则存在差异：卵巢癌一致性最高，达96%；肺癌和乳腺癌略高于80%；结肠癌和子宫颈癌为64%；胃癌最低仅为12%[13]，表明WFO在我国应用的本土化有待加强。

2.1.3 手术机器人高分辨率成像与微创机械臂的辅助可促使手术机器人完成精密手术。达芬奇腹腔镜手术机器人是目前全球最先进的手术机器人，已在全球3 000多家医院全面应用，其能够通过成像设备任意切换手术视角，且机械臂能够记忆并模仿主刀医生的操作[14]。我国自主研发的Remebot神经外科机器人于2018年正式通过国家药品监督管理局批准，其可保持误差<1mm的准确操作，还可合成患者头颅三维模型，以便医生观察病灶部位并进行手术规划[15]。

2.1.4 健康照护 (1) 护理机器人。辅助护士完成治疗，减少其工作量并提升护理质量。物品运输机器人能够根据内置传感器避开障碍物，完成药品、器械等物资的搬运[15]；饮食护理机器人通过人机交互技术辅助瘫痪患者进食[16]；移动辅助机器人主要针对视力障碍患者，能够有效监测障碍物并构建实时地图，引导患者到达终点[17]；监管机器人能自动测量并记录患者生命体征与出入量，还能检测尿液质量，当指标触及危急值时自动报警，根据导航前往发出警报信号的病房[18]。我国自主研发的全自动护理机器人于2015年正式推出，其可自动识别并处理失能患者的大小便，还可通过无线网络将患者病情信息传送至护士站，现已在部分养老院投入使用[18]。智能静脉配药机器人能够使护士全程无需与药品接触即可完成药液配制，流程精准、高效且可追溯，有效规避职业暴露[19]。(2)护理决策辅助系统。帮助护士减轻决策压力并提高决策效率和准确度，但并非完全替代护士。南京大学医学院附属鼓楼医院的临床护理系统包括智能知识决策、记录质控、人机交互模块，有效降低护理不良事件和病历质控问题发生率[20]。台湾国立阳明大学构建护理决策辅助系统，其做出的护理诊断与资深护理人员的一致率达87%，有效提高护士工作效率，缩短决策时间[21]。

2.1.5 康复机器人帮助患者恢复运动功能，有助于减轻医护人员工作强度。康复机器人能长时间进行重复繁杂的动作，可实时精准地监控和调整运动与力的参数，其典型代表为美国麻省理工学院的MIT-MANUS和斯坦福大学的MIME[22]。我国学者张卫杰设计的外骨骼手指康复机器人适用于严重脑卒中和偏瘫患者，其可提前设置康复训练程序，还能实时监测患者手指弯曲程度以观察康复训练效果[23]。岳海波等设计的外骨骼式步态康复训练机器人主要针对偏瘫患者，可发挥患肢残存的运动能力，还能根据健肢运动能力展开系统训练[24]。

2.1.6 居家健康管理包括生理指标检测、健康生活方式促进、服药提醒、营养管理和心理健康管理。AI生理指标检测主要依托智能穿戴设备，如可以24小时监控用户血压、心率、呼吸及体表温度的智能腕带[25]。通过对用户健康数据的分析AI健康管理软件可为患者进行日常锻炼规划，监测患者睡眠质量和服药依从性[26]。营养管理方面，通过AI识别食物，帮助用户养成并维持健康膳食习惯，为用户提供更为精准的营养学建议[26]。AI还可通过人脸识别分析用户面部表情，判断其情绪，通过聊天、音乐或视频等互动方法辅助情绪管理，促进心理健康[27]。

2.2 智慧医院建设

2.2.1 语音电子病历人工输入病历效率低且容易出现疏漏，语音电子病历则是AI语音识别技术很好的应用场景。与一般的语音识别相比，语音电子病历对专业性及准确性要求更高，需具备医疗专业知识系统，通过智能语音和自然语言处理技术实现该功能。Nuance Voice Platform语音平台将医生口述病历转录成文字，有效提高医生工作效率[27]。国内首套医学领域的中文语音识别、录入软件“病历夹”，经云校准后正确率高达100%[28]。目前语音电子病历尚不成熟，系统仍有一定优化空间，未来语音电子病历与医疗知识图谱、影像诊断相结合将催生医疗、护理服务新功能。

2.2.2 智能导医问诊《国务院办公厅关于促进“互联网+医疗健康”发展的意见》提出要健全“互联网+医疗健康”服务体系，实现智能导医分诊，提高诊疗效率[29]。我国研发的导医分诊系统不仅能根据患者主诉给出最佳就诊科室建议，还具有院内导航、业务咨询、健康教育等诸多功能，有助于减轻护理工作量[30]。AI与信息通信技术结合还出现了“平安好医生”、“春雨医生”等医疗咨询APP，其不仅能够为患者提供就诊前的线上问诊、候诊、预约挂号等，还能进行就诊后的用药、康复锻炼指导，有助于缓解医院分诊及延续护理压力。

2.2.3 医疗、护理质量监控 AI与医院管理的结合有助于提高效率，为科学化、规范化管理提供有力支撑。AI医疗、护理质量监控在防治院内感染、监测中心供液等方面已有应用。叶俊等[31]设计的医院感染实时监控系统可第一时间获取医院感染情况，实现医院感染的早期识别、实时监测与有效预警。杨智才[32]等依托血液净化中心，研制的中央供液质量管理系统可实时监测透析液的电导度、pH值等，还可实现输液风险识别与分析。

2.2.4 医院运营管理 AI与医院运营管理也有一些探索性结合。王伟杰等[33]构建的运营决策支持系统集医疗管理、运营管理与临床服务于一体，可实现不同管理角色的数据可视化和不同指标(如手术并发症、死亡、用药)的检测与预警，促进医院管理效率的提高。缪姝妹等[34]建设的医院运营管理与决策支持系统包括商业智能系统、短信通知及移动应用等功能，为医院信息化运营管理提供决策依据和最优解决策略。

2.3 新药研发

采用深度学习、虚拟筛选技术提高药物筛选速度和成功率，缩短研发周期。硅谷的Atomwise以极短时间在候选药物中寻找出可能控制埃博拉病毒的药物，而既往研究需要耗时数年[35]。Pan-cancer利用AI学习不同癌症类型的RNA基因来预测疾病靶点，供后续癌症靶向药物研发应用[36]。Berg Health利用机器学习寻找癌细胞的特异靶点并针对性开发药物，其研发的药物BPM 31510(用于晚期胰腺癌患者)已进入临床二期试验，目前Berg Health公司在寻找糖尿病和帕金森症的特异性药物靶点[37]。

2.4 传染病防治

AI在传染病防治方面也有一定应用。吴军等[38]开发的基于大数据与AI技术的系统可对学校聚集性疫情进行早期筛查与预警风险，实时监控传染病处理过程，以防止疫情扩散。叶俊等[39]通过在医生工作站嵌入传染病上报系统实现实时、准确、全面地收集区域内各医院传染病情况信息，避免漏报、迟报现象的发生，提高传染病报告管理工作效率和质量。AI机器人在传染病防治中发挥重要作用，如医用智能配送、医用测温、消毒、多功能餐饮服务、床旁超声、床边会诊和远程查房机器人等，一定程度上缓解医护人员短缺压力，减轻医护人员工作量，降低医患交叉感染风险，提高院内专家会诊效率。

3 思考与启示

3.1 AI在医疗领域应用目前广于护理领域

AI在语音识别、机器视觉、自然语言处理等方面的突出能力使其被寄予厚望，越来越多的公司日益重视AI健康业务。AI的高速发展及其与医疗领域的深入融合，如AI在医学影像诊断、医疗机器人、语音电子病历、智能问诊等方面的应用，不仅可辅助医生诊断和制定治疗计划，降低漏诊、误诊可能性，还一定程度上减轻工作负担，提高其工作效率。在护理领域AI也有一些探索性应用，如基于AI的护理机器人、健康管理、护理决策辅助、导医问询、护理质量管理等，但应用广度和深度还有待进一步扩展，护理数据库建立、护理文书录入、患者个性化照护方案制定、精准护理干预和支持、智能化延续性护理等多方面都有待与AI深入融合。AI助力健康领域有助于推动临床工作向智能、精准、高效的模式转变。

3.2 发挥AI优势解决我国健康领域存在的问题

3.2.1 缓解医护资源紧张且分布不均衡问题，进一步满足患者需求当前我国人口老龄化加剧、慢性病患者人数剧增，公众对于高质量医护资源的需求不断上升。但医护资源紧张且分布不均衡，拥有优质医护资源和设备的三甲医院主要集中在北上广和省会城市，分级分诊制度不完善导致大量患者直接涌入三甲医院，不仅浪费宝贵医护资源，还使“看病难、看病贵”现象日益突出。各类AI机器人的发展将扩展远程医疗应用领域，减少医护资源分布不均导致的患者长途奔波就医现象。基于AI的院前导医问诊和症状筛查，根据患者病情将其分流，推荐至其居住地附近的合适等级医院就诊，以缓解三甲医院门诊压力。此外AI辅助健康管理有助于实现高效、优质的延续护理，患者可通过健康管理APP询问常见问题以减少往返医院的路途奔波和就医候诊。

3.2.2 缩短候诊时间，提高就诊效率候诊环境差、医护态度不佳等是引起患者就医产生不满情绪的主要原因。2018年国家卫生健康委员会发布的《关于深入开展“互联网+医疗健康”便民惠民活动的通知》提出，截至2020年二级以上医院普遍提供分时段预约诊疗、智能导医分诊、候诊提醒、检验检查结果查询等线上服务，以降低患者等待时间[40]。患者候诊期间进行AI智能问诊可高效收集患者病史及与此次就诊相关疾病信息，有助于缓解患者候诊时间过久而产生的不良情绪，同时系统将收集到的信息与医疗信息数据库进行对比和深度学习，诊疗建议提前传至医生端，提高医生诊断和医患沟通效率。

3.2.3 满足患者个性化照护需求医护人员短缺的情况下，高压超负荷的工作使其再无更多精力关注患者的个性化照护需求。AI将促进精准医疗的加速发展，纳入患者人口学资料、病史、基因筛查、体检、运动饮食习惯、治疗方案选择偏好等多类数据构建数字化人体，将有助于为患者提供精准诊疗方案、预测性地进行精准信息推荐、跟进个性化护理方案，以满足患者个性化照护需求，提高患者满意度，促进和谐医患关系的建立。

3.2.4 降低重大传染病疫情中交叉感染风险不论是曾经的SARS、埃博拉病毒，疫情暴发之时医护人员总是第一时间集结，冒着极大的感染风险支援疫区。AI在抗击传染病疫情中的应用，如线上智能问诊、辅助机器人，在一定程度上降低医护人员工作量、节约医疗人力资源；远程诊疗则降低医患交叉感染风险、提高诊疗效率，同时减少防护物资消耗。未来，无人驾驶运输的应用可将紧缺医疗防护物资更及时地送至医护人员手中；基于AI的心理护理支持服务可促进传染病患者和相关医护人员的心理健康；人口大数据系统的完善将更精准触及高危人群，更高效落实筛查、隔离与防护；基于大数据和AI技术的病毒基因测定、疫苗毒株筛选、诊断试剂盒研制、有效药物筛选等疫情防控关键环节也将更为高效。

3.3 高质量、标准化数据获取是核心

健康数据专业性强、受保护程度高，医疗机构间相互独立、数据标准化程度低且缺乏统一标准，使得优质数据的获取极为困难，且健康行为、生活数据缺失，均阻碍AI在健康领域的发展。国务院《关于促进和规范健康医疗大数据应用发展的指导意见》[41]中明确指出健康医疗大数据是国家重要的基础性战略资源，将规范和推动健康医疗大数据融合共享、开放应用。目前国内医院间信息共享程度低，信息孤岛多，存在重复、分散建设和多系统并立问题[42]。截至目前由国家卫健委牵头，中国境内已成立中国健康医疗大数据股份有限公司、中国健康医疗大数据产业发展集团公司和中国健康医疗大数据科技发展集团公司，这3家大数据公司正共同积极推动国家健康医疗大数据基础设施建设。在国家大力推动下医疗数据系统化与标准化体系建立将推动数据分享与流动，AI有望突破数据瓶颈，加速落地，长足发展。

3.4 技术层面仍面临多重挑战

AI是一项颠覆性技术，在健康领域的应用面临多重挑战。确保数据的安全性是重要技术挑战之一，当前中心化结构下的资料存储方式无法很好地保证数据安全性，可能会造成患者数据泄露。因此更为安全的数据存储方式，如利用区块链技术发展以个人健康信息库为核心的医疗生态服务圈，使科技与医疗相结合实现利益最大化是值得探索的方向[45]。目前健康行为和生活数据缺失比较严重，可穿戴设备技术尚处于起步阶段，市场普及度较低，且尚未建立囊括健康行为和生活数据并进行长期追踪的智能化健康管理系统。当前AI面临数据和技术瓶颈，现有AI实现水平不高，不足以满足人们高质量智慧健康需求。

3.5 复合型人才是推动AI与健康领域融合的关键因素

目前国内多所高校陆续设立AI研究所、实验室，开设AI相关专业，且海归AI人才数量也不断增多。然而AI单一专业背景人才还尚不足以推动AI与健康领域的加速融合，具备AI和医疗健康相关专业背景的复合型人才是AI与健康领域加速融合的关键因素。积极培养跨学科人才，组建多学科团队，医学、护理、AI和计算机等多学科通力合作，提高产学研的转化率，从而推动该领域进一步发展。

3.6 AI引入健康领域催生的社会及伦理问题

AI引入健康领域可能带来就业结构的改变，对法律与社会伦理造成冲击，医患信任和患者隐私保护也面临新的挑战。因此应制定一系列法规以保证AI在健康领域的应用更合法、安全、可控。需指出的是医学对准确度和可靠性的要求极为严格，AI影像学诊断、医疗/护理机器人、护理决策辅助系统等并非取代医护人员，而是辅助医护人员做出更准确的诊断，其定位需要在医护和患者群体中明确。