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)建議的實驗。兩周來，這位身體結(jié)實的患者認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、堅果、草莓和奶酪蛋糕;遠離燕麥片、甜瓜、全麥、無花果、素食漢堡和葡萄柚。這讓他目瞪口呆，因為烤香腸和奶酪蛋糕是他通常會回避的食物，他認為它們“不健康”。草莓對他而言也很危險：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)上進行修改。ai的應(yīng)用能為醫(yī)生節(jié)省大量時間，從而實現(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。ml系統(tǒng)就像是臨床醫(yī)生，通過仔細權(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證的二進制輸出。例如，在對可疑皮膚病進行分類時，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)活檢確認過的病變進行分類時，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。有一項仍在進行的臨床試驗，其使用ai算出的頭頸部放療靶區(qū)面積比人類計算結(jié)果更準(zhǔn)確，且計算速度更快。但最終實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，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，因為它似乎意味著一種比目前先進得多的技術(shù)。作為ai的第一階段（即識別），在計算機上運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)的超級計算機“深藍”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（即計算機視覺領(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，不僅需要為計算機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)團隊在設(shè)計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，因為許多醫(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)藥物和實現(xiàn)