朱小伶

（社會(huì)安全風(fēng)險(xiǎn)感知與防控大數(shù)據(jù)應(yīng)用國家工程實(shí)驗(yàn)室，中國電子科技集團(tuán)公司電子科學(xué)研究院，北京100041）

1 引 言

醫(yī)療人工智能等新技術(shù)的采用，正成為當(dāng)前新冠疫情防控的有力武器。由于算力的提升和數(shù)據(jù)的增長，人工智能技術(shù)在過去幾年中得到了巨大發(fā)展，其中機(jī)器智能與自主處理數(shù)據(jù)能力（包括圖像處理、自然語言處理和語音處理等）獲得顯著進(jìn)步。醫(yī)療行業(yè)因擁有巨體量數(shù)據(jù)并以年均近50%的速度增長，醫(yī)療設(shè)備和數(shù)據(jù)記錄管理系統(tǒng)也在不斷增多，因此，從人工智能技術(shù)中受益尤多。長久以來，醫(yī)療領(lǐng)域長期存在的一些弊病和痛點(diǎn)，促使很多科研團(tuán)隊(duì)和科技巨頭不斷深入探索，期望通過人工智能技術(shù)為這些問題帶來根本性的解決方案。2019年2月，美國斯克里普斯研究所（Scripps Research）在《自然》雜志子刊《自然醫(yī)學(xué)》上發(fā)表文章，認(rèn)為醫(yī)學(xué)領(lǐng)域人工智能的發(fā)展目標(biāo)是人類智能與機(jī)器智能的結(jié)合［1］；據(jù)2019年12月發(fā)布的《斯坦福大學(xué)2019 全球人工智能報(bào)告》測算，人工智能醫(yī)療在過去一年中獲得全球投資47 億美元，成為全球獲得投資第二多的領(lǐng)域。

在新型冠狀病毒肺炎疫情爆發(fā)的2020年春天，人工智能技術(shù)為疫情防控提供了有力的技術(shù)支撐，不僅助力疫病智能診治，而且降低醫(yī)護(hù)人員感染風(fēng)險(xiǎn)并有效提高管控工作效率。工業(yè)和信息化部于2020年2月4日發(fā)布了《充分發(fā)揮人工智能賦能效用協(xié)力抗擊新型冠狀病毒感染的肺炎疫情》倡議書，旨在充分發(fā)揮人工智能技術(shù)的價(jià)值和作用，同時(shí)更好地防控新型冠狀病毒感染的肺炎疫情。此次新冠肺炎疫情的挑戰(zhàn)，加速了人工智能場景應(yīng)用案例的突破，再次驗(yàn)證了人工智能技術(shù)已經(jīng)對(duì)當(dāng)前醫(yī)療領(lǐng)域產(chǎn)生了深刻影響；未來，人工智能技術(shù)在醫(yī)療行業(yè)的普及與深度融合進(jìn)程必將進(jìn)一步提速。

2 當(dāng)前人工智能技術(shù)對(duì)醫(yī)療領(lǐng)域的影響

人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用有著很長的歷史，提供了從大量醫(yī)療樣本中自動(dòng)提取統(tǒng)計(jì)特征、基于規(guī)則驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的分析研判等能力［2-3］。早期，以專家系統(tǒng)為代表，通過構(gòu)建機(jī)器學(xué)習(xí)系統(tǒng)所需要的領(lǐng)域?qū)I(yè)知識(shí)和通過人類工程來設(shè)計(jì)特征，將輸入的原始數(shù)據(jù)轉(zhuǎn)換成學(xué)習(xí)算法，從而實(shí)現(xiàn)針對(duì)特種疾病模式識(shí)別的合適表征；現(xiàn)今，基于深度學(xué)習(xí)的人工智能技術(shù)成為主流，輸入原始數(shù)據(jù)后可以“自學(xué)習(xí)”得到模式識(shí)別所需的多層次表征，這些層次包含大量非線性運(yùn)算并按順序排列，實(shí)現(xiàn)處理結(jié)果的逐層傳遞（一個(gè)層次的表征輸出傳遞到下一個(gè)層次作為輸入），最終轉(zhuǎn)換生成更加抽象的表征。此外，深度學(xué)習(xí)算法能夠靈活地接受異構(gòu)數(shù)據(jù)形式輸入，貼合醫(yī)療數(shù)據(jù)特性，因此成為當(dāng)前醫(yī)療人工智能技術(shù)點(diǎn)的主流方法。當(dāng)前，人工智能技術(shù)在醫(yī)療領(lǐng)域的影響可以從人工智能技術(shù)對(duì)臨床醫(yī)生的影響、人工智能技術(shù)對(duì)病患的影響、人工智能技術(shù)對(duì)醫(yī)療信息系統(tǒng)的影響這三個(gè)維度考慮［4］。

2.1 對(duì)臨床醫(yī)生的影響

人工智能技術(shù)對(duì)臨床醫(yī)生在執(zhí)行疾病研判和醫(yī)療方案生成過程中的輔助決策作用，突出體現(xiàn)在對(duì)醫(yī)療影像（如醫(yī)療掃描結(jié)果、視網(wǎng)膜圖像、內(nèi)窺鏡成像、面部/體貌特征表等）的準(zhǔn)確快速解讀與研判方面，其次體現(xiàn)在面向文本（如電子病歷和醫(yī)療知識(shí)圖譜等）的醫(yī)療知識(shí)管理與推理方面，這一現(xiàn)象符合深度學(xué)習(xí)技術(shù)在視頻圖像處理領(lǐng)域和文本處理領(lǐng)域中不同成熟度的客觀規(guī)律［5］。例如，在抗擊疫情的關(guān)鍵時(shí)期，多種新冠肺炎人工智能影像分析系統(tǒng)為一線賦能，輔助醫(yī)生開展快速篩查診治，尤其能夠彌補(bǔ)基層醫(yī)院相關(guān)疾病診斷經(jīng)驗(yàn)不足、耗時(shí)長等問題，提升醫(yī)院診斷準(zhǔn)確率及效率。

2.2 對(duì)病患的影響

通過智能可穿戴設(shè)備（如生物傳感器等）、智能手機(jī)應(yīng)用以及遠(yuǎn)程即時(shí)醫(yī)養(yǎng)模式，病患能夠及時(shí)感知自身多模態(tài)健康狀況并與醫(yī)生實(shí)現(xiàn)互動(dòng)（如遠(yuǎn)程病例分析等），進(jìn)而提高健康管理水平以及健康狀況異常情況下的應(yīng)激彈性，讓患者將自身的醫(yī)療保障管理主動(dòng)權(quán)“掌握在自己手中”。例如通過智能手機(jī)采集病患日常手機(jī)使用行為以量化和預(yù)測抑郁癥狀。2020年2月，“新冠肺炎人工智能自測機(jī)器人”在學(xué)習(xí)強(qiáng)國平臺(tái)上線，當(dāng)用戶出現(xiàn)相關(guān)不適癥狀、陷入“不就醫(yī)怕耽擱病情、出門就醫(yī)又擔(dān)憂交叉感染”的兩難處境時(shí)，可以使用該項(xiàng)人工智能技術(shù)進(jìn)行初步自測。

2.3 對(duì)醫(yī)療信息系統(tǒng)的影響

這里所指的醫(yī)療信息系統(tǒng)既包括傳統(tǒng)醫(yī)院出/就診管理信息系統(tǒng)、病患信息管理系統(tǒng)、藥物管理系統(tǒng)、醫(yī)用物資管理系統(tǒng)等，也包括新近研發(fā)的基于人工智能技術(shù)的智能電子病歷系統(tǒng)以及智能移動(dòng)終端APP等。一方面通過改善工作流提升了工作速率，另一方面通過這些系統(tǒng)內(nèi)嵌的統(tǒng)計(jì)分析與自動(dòng)歸類功能模塊，可以及時(shí)提供不易觀察到的規(guī)律性信息，很大程度上降低了發(fā)生醫(yī)學(xué)錯(cuò)誤的幾率。

3 基于深度學(xué)習(xí)模型的人工智能技術(shù)分析

依托算力增強(qiáng)和數(shù)據(jù)增長，深度學(xué)習(xí)模型可通過分布式專用硬件資源彈性地?cái)U(kuò)展至巨體量數(shù)據(jù)資源并實(shí)現(xiàn)改進(jìn)，同時(shí)可以引入遷移策略便捷地提高在更多類型或者領(lǐng)域數(shù)據(jù)上的效能，因此深度學(xué)習(xí)模型在很多情況下已逐漸替代傳統(tǒng)機(jī)器學(xué)習(xí)方法，成為人工智能技術(shù)落地醫(yī)療領(lǐng)域的主要方法；另一方面，深度學(xué)習(xí)模型能夠靈活地編碼異構(gòu)數(shù)據(jù)，迎合醫(yī)療數(shù)據(jù)異構(gòu)性較強(qiáng)的特性。

2019年1月，美國FDNA 公司利用17000 多張患者的面部圖像訓(xùn)練了一套深度學(xué)習(xí)算法，能夠以較高的準(zhǔn)確率識(shí)別罕見的遺傳綜合癥。該研究的原理在于，各種遺傳綜合征會(huì)表現(xiàn)出獨(dú)特的面部特征，這些面部特征可以幫助臨床醫(yī)生進(jìn)行診斷。該成果發(fā)表于《自然》期刊［6］。

2019年5月，美國谷歌公司發(fā)布一項(xiàng)基于深度學(xué)習(xí)方法的模型，利用病患當(dāng)前和歷史的CT 影像來預(yù)測肺癌風(fēng)險(xiǎn)。實(shí)驗(yàn)證明該模型在6716 個(gè)美國國家肺癌篩查試驗(yàn)病例上取得了當(dāng)前最佳的效果，特別是在無法獲取CT 影像歷史數(shù)據(jù)的情況下，該模型效果優(yōu)于人類放射科醫(yī)生的診斷。該模型能夠?qū)Ψ伟盒阅[瘤進(jìn)行整體預(yù)測，而且能夠識(shí)別出肺部不易被察覺的惡性組織；同時(shí)，鑒于肺部惡性組織增長速度的歷史數(shù)據(jù)有助于預(yù)測惡性腫瘤，因此該模型有效地將歷史掃描結(jié)果融入模型之中，幫助預(yù)測肺癌風(fēng)險(xiǎn)。該成果發(fā)表于《自然醫(yī)學(xué)》期刊，有效解決了肺癌“致死率高且大部分發(fā)現(xiàn)即晚期”的醫(yī)學(xué)痛點(diǎn)［7］，展示了人工智能技術(shù)在提升肺癌篩查準(zhǔn)確率和一致性方面的巨大潛力，有助于加速肺癌篩查在全球范圍內(nèi)的推廣。

2019年8月，美國DeepMind 公司通過與美國退伍軍人事務(wù)部合作，發(fā)布一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的新型人工智能算法，能夠在急性腎損傷發(fā)生病變前48 小時(shí)完成預(yù)測，探索了算法和智能醫(yī)療助手的結(jié)合，有助于從反應(yīng)型醫(yī)養(yǎng)模式向預(yù)防型醫(yī)養(yǎng)模式的轉(zhuǎn)變。該成果發(fā)表于《自然》期刊，證明了人工智能算法有助于提升病人的醫(yī)護(hù)水平和減少醫(yī)療開支［8］。

2019年9月，美國麻省理工學(xué)院的研究人員研發(fā)出一套預(yù)測聲帶疾病特征的系統(tǒng)。該系統(tǒng)建立在100 余個(gè)醫(yī)療科目數(shù)據(jù)集基礎(chǔ)之上，它使用從這些數(shù)據(jù)中自動(dòng)提取到的特征，再通過高精度訓(xùn)練實(shí)現(xiàn)對(duì)具有和不具有聲帶結(jié)節(jié)患者的分類。該研究充分利用可穿戴設(shè)備興起所帶來的數(shù)據(jù)優(yōu)勢，數(shù)據(jù)集中每個(gè)科目都有約一周的語音監(jiān)測數(shù)據(jù)和數(shù)十億個(gè)樣本，而這些數(shù)據(jù)是從安裝在受試者頸部的小型加速計(jì)和傳感器中捕獲到的相應(yīng)信號(hào)，進(jìn)而克服了傳統(tǒng)依托特征工程方法挖掘致病特征的眾多弊端。該研究旨在通過人工智能在醫(yī)學(xué)方面的應(yīng)用替代一些人工投入過高的步驟，從而實(shí)現(xiàn)改善醫(yī)療決策的目的。

總體而言，應(yīng)用于智能醫(yī)療的人工智能技術(shù)中，比較有代表性的技術(shù)主要包括以下四類。

3.1 圖像分析

深度學(xué)習(xí)的最大成就體現(xiàn)在計(jì)算機(jī)視覺研究領(lǐng)域。相應(yīng)地，醫(yī)療圖像分析技術(shù)成為人工智能技術(shù)在當(dāng)前醫(yī)療領(lǐng)域最鮮亮的名片，相關(guān)技術(shù)擅長處理具備空間不變性數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)模型。依托圖像視頻分析與解析技術(shù)，處理目標(biāo)分類、目標(biāo)檢測和目標(biāo)分割等任務(wù)，在研判病人CT 成像中是否包含惡性腫瘤等疾病時(shí)非常有效，此類基于計(jì)算機(jī)視覺的圖像分類和目標(biāo)檢測應(yīng)用在皮膚科、放射科、病理科的復(fù)雜診斷中效用顯著［9］。例如，根據(jù)國家衛(wèi)健委公布的新冠肺炎診療方案第五版，臨床診斷無需依賴核酸檢測結(jié)果，CT 影像臨床診斷結(jié)果可作為新冠肺炎病例判斷的標(biāo)準(zhǔn)，中國達(dá)摩院最新人工智能算法診斷技術(shù)可在20 秒內(nèi)對(duì)新冠疑似案例CT 影像做出判讀，如圖1 所示，分析結(jié)果準(zhǔn)確率達(dá)到96%，并于2020年2月在河南鄭州小湯山醫(yī)院成功應(yīng)用。

3.2 自然語言處理

計(jì)算機(jī)視覺對(duì)應(yīng)類人智能的“感知層面”，而自然語言處理對(duì)應(yīng)類人智能的“認(rèn)知層面”，旨在通過分析文本和語音來推斷和理解語義，相關(guān)技術(shù)以擅長處理（時(shí)間）序列數(shù)據(jù)的循環(huán)神經(jīng)網(wǎng)絡(luò)為核心。因此，自然語言處理技術(shù)受制于其本身的理論難度，在醫(yī)療領(lǐng)域落地時(shí)間較晚，但是現(xiàn)在已經(jīng)在衛(wèi)生健康相關(guān)輿情分析與預(yù)警、電子健康檔案數(shù)據(jù)關(guān)聯(lián)分析、醫(yī)療知識(shí)圖譜構(gòu)建演進(jìn)與推理分析、基于語音識(shí)別和信息抽取的臨床語音助手等應(yīng)用場景下展現(xiàn)出良好的輔助決策價(jià)值［10］。例如，加拿大“藍(lán)點(diǎn)”健康監(jiān)測平臺(tái)使用自然語言處理和機(jī)器學(xué)習(xí)等技術(shù)來篩選65 種語言的新聞報(bào)道，以及航空公司數(shù)據(jù)和動(dòng)物疾病暴發(fā)的報(bào)道，在新冠肺炎疫情暴發(fā)之初發(fā)揮了重要監(jiān)測功能，早在2019年12月31日，公司就向其客戶發(fā)出了疫情警告，避開武漢等危險(xiǎn)區(qū)域。2020年3月，美國政府聯(lián)合艾倫人工智能研究所、微軟研究院、國立衛(wèi)生研究院等機(jī)構(gòu)共同發(fā)布了有關(guān)新冠肺炎的學(xué)術(shù)文獻(xiàn)的開放研究數(shù)據(jù)集CORD-19，如圖2 所示，并呼吁世界各地的人工智能專家采取行動(dòng)，開發(fā)新的文本和數(shù)據(jù)挖掘技術(shù)，以幫助科學(xué)界回答與新冠肺炎相關(guān)的高優(yōu)先級(jí)科學(xué)問題。

圖1 基于圖像分析技術(shù)的CT影像分析Fig.1 CT image analysis based on image analysis

圖2 面向新冠肺炎研究的開放研究數(shù)據(jù)集CORD-19Fig.2 CORD-19:Open research dataset for Covid-19 research

3.3 腦機(jī)接口

當(dāng)前，神經(jīng)網(wǎng)絡(luò)已經(jīng)成為描述人工智能技術(shù)的首要關(guān)鍵詞。事實(shí)上，人工智能技術(shù)確實(shí)正在幫助人類理解自身大腦的網(wǎng)格細(xì)胞和回路結(jié)構(gòu)。當(dāng)前熱門的神經(jīng)擬態(tài)計(jì)算不僅能實(shí)現(xiàn)更高效的計(jì)算，例如依托對(duì)大腦逆向工程來研發(fā)類腦人工智能芯片，還能幫助研究者理解大腦回路并構(gòu)建腦機(jī)接口。例如，腦機(jī)接口領(lǐng)域的侵入性神經(jīng)技術(shù)能夠精確、高質(zhì)量地連接到特定的神經(jīng)元或神經(jīng)元組，已用于腦損傷等疾病患者，如圖3 所示。根據(jù)生物醫(yī)學(xué)工程、神經(jīng)科學(xué)、合成生物學(xué)和納米技術(shù)等領(lǐng)域的最新進(jìn)展，實(shí)現(xiàn)高分辨率的下一代非侵入性神經(jīng)接口技術(shù)已成為研發(fā)趨勢［11］。2020年5月，美國腦機(jī)接口公司Neuralink 宣布將在一年內(nèi)完成首次人類大腦植入，理論上可以修復(fù)任何大腦問題，包括提升視力、恢復(fù)肢體功能、治療老年癡呆癥等。

圖3 利用腦機(jī)接口技術(shù)恢復(fù)肢體功能Fig.3 Using brain-computer interface technology to restore limb function

3.4 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)技術(shù)通常由特定任務(wù)目標(biāo)驅(qū)動(dòng)，旨在訓(xùn)練計(jì)算智能體與環(huán)境互動(dòng)，其中的自主智能體能夠通過試錯(cuò)或?qū)＜已菔緛韺?shí)現(xiàn)“自學(xué)習(xí)”，一旦智能體開始在所設(shè)定的環(huán)境和規(guī)則約束下采取行動(dòng)，獎(jiǎng)勵(lì)和懲罰的迭代反饋循環(huán)會(huì)訓(xùn)練智能體更好地完成目標(biāo)。強(qiáng)化學(xué)習(xí)技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用主要集中在機(jī)器人輔助手術(shù)（醫(yī)生以遙控方式指導(dǎo)機(jī)器人操縱器械），通過使用計(jì)算機(jī)視覺模型來觀察手術(shù)環(huán)境、使用強(qiáng)化學(xué)習(xí)方法學(xué)習(xí)外科醫(yī)生的動(dòng)作，深度學(xué)習(xí)技術(shù)能夠顯著提升機(jī)器人輔助手術(shù)的穩(wěn)健性和適應(yīng)性。近期，強(qiáng)化學(xué)習(xí)技術(shù)也被應(yīng)用于新藥研發(fā)與疫苗研制等工作，例如，2020年2月，美國人工智能新藥研發(fā)公司Insilico Medicine 公布了其強(qiáng)化學(xué)習(xí)技術(shù)和生成對(duì)抗網(wǎng)絡(luò)技術(shù)聯(lián)合驅(qū)動(dòng)的人工智能算法所設(shè)計(jì)的6 種可以阻止新冠病毒復(fù)制的新分子結(jié)構(gòu)。

4 醫(yī)療與人工智能深度融合的發(fā)展趨勢

從此次抗擊新冠疫情的經(jīng)驗(yàn)中不難總結(jié)發(fā)現(xiàn)，醫(yī)療與人工智能深度融合的潮流已經(jīng)勢不可擋，多項(xiàng)人工智能技術(shù)無論在抗疫一線還是在疫苗研發(fā)的大后方都發(fā)揮著不可忽視的作用。人工智能理論奠基人特倫斯·謝諾夫斯基在其2019年新書《深度學(xué)習(xí)：智能時(shí)代的核心驅(qū)動(dòng)力量》中預(yù)測：“基于大數(shù)據(jù)的深度學(xué)習(xí)將改變醫(yī)療行業(yè)，對(duì)疾病提供更快速準(zhǔn)確的診斷與治療，甚至未來癌癥將變得不再可怕。”基于人工智能技術(shù)理論研究進(jìn)展及醫(yī)療模式變化趨勢，總結(jié)人工智能技術(shù)在醫(yī)療領(lǐng)域的研發(fā)與應(yīng)用方向，如下所述。

4.1 新藥研發(fā)

根據(jù)Global Market Insight 的數(shù)據(jù)報(bào)告，全球人工智能醫(yī)療市場中藥物硏發(fā)細(xì)分領(lǐng)域占據(jù)份額最大，約為35%。2020年2月，《麻省理工學(xué)院技術(shù)評(píng)論》發(fā)布的2020年“全球十大突破性技術(shù)”中，面向新藥研發(fā)的人工智能篩選分子入選。人工智能技術(shù)將會(huì)縮短新藥研發(fā)周期、降低新藥成本并且提高新藥的研發(fā)成功率。人工智能在新藥發(fā)現(xiàn)中的作用，主要體現(xiàn)在對(duì)海量生物醫(yī)學(xué)文獻(xiàn)的復(fù)雜搜索、對(duì)數(shù)百萬分子結(jié)構(gòu)的數(shù)據(jù)挖掘與關(guān)聯(lián)分析、設(shè)計(jì)和模擬制作新的分子、預(yù)測脫靶效應(yīng)/毒性和藥物合適劑量以及進(jìn)行大規(guī)模的細(xì)胞檢測分析等［12-13］。例如，依托數(shù)百萬患者的大數(shù)據(jù)信息資源，人工智能技術(shù)可以快速、準(zhǔn)確地挖掘和篩選出適合的藥物；將正常細(xì)胞和腫瘤細(xì)胞進(jìn)行模型實(shí)例化，并通過遍歷所有可能的藥物來鎖定能殺死癌細(xì)胞又不傷害正常細(xì)胞的藥物；通過計(jì)算機(jī)模擬對(duì)藥物活性、安全性、副作用等多方面進(jìn)行預(yù)測和評(píng)估，找出與疾病匹配的最佳藥物。本次工信部發(fā)布的《倡議書》中特別強(qiáng)調(diào)優(yōu)化人工智能算法和算力，助力病毒基因測序、疫苗/藥物研發(fā)、蛋白篩選等藥物研發(fā)攻關(guān)。2020年1月，中國科學(xué)院上海藥物研究所和上?？萍即髮W(xué)聯(lián)合研究團(tuán)隊(duì)綜合利用人工智能技術(shù)驅(qū)動(dòng)的虛擬篩選和酶學(xué)測試相結(jié)合的策略，發(fā)現(xiàn)了一批可能對(duì)新冠肺炎有治療作用的藥物，其中包括洛匹那韋和瑞德西韋。

4.2 診療預(yù)測

在預(yù)測分析領(lǐng)域，人工智能技術(shù)的出現(xiàn)能夠有效幫助臨床醫(yī)生診斷和治療，甚至提升患者對(duì)于治愈的希望，因?yàn)槿斯ぶ悄芗夹g(shù)能夠?qū)颊叩慕】弟壽E進(jìn)行學(xué)習(xí)建模，進(jìn)而產(chǎn)生超出醫(yī)生個(gè)體體驗(yàn)及經(jīng)驗(yàn)的信息。此外，通過大數(shù)據(jù)和深度挖掘等技術(shù)，對(duì)病人的醫(yī)療數(shù)據(jù)進(jìn)行分析和挖掘，可以自動(dòng)識(shí)別病人的臨床變量和指標(biāo)。通過機(jī)器學(xué)習(xí)模型，在自我學(xué)習(xí)過程中能夠歸納患者的數(shù)據(jù)特征，幫助醫(yī)護(hù)人員進(jìn)行新冠治療，進(jìn)而設(shè)計(jì)更安全的化療方案，上述過程已經(jīng)在當(dāng)前抗擊新冠疫情的過程中得到廣泛應(yīng)用。例如，2020年4月，中國澳門科技大學(xué)牽頭的聯(lián)合科研團(tuán)隊(duì)發(fā)布一項(xiàng)名為“面向新冠肺炎的全診療流程的智慧篩查、診斷與預(yù)測系統(tǒng)”的人工智能工具［14］，可以根據(jù)胸部的CT 影像、病歷等臨床資料數(shù)據(jù)，對(duì)大量疑似病例進(jìn)行快速篩查、輔助診斷預(yù)測和住院臨床分級(jí)預(yù)警，實(shí)現(xiàn)對(duì)新冠病人的全生命周期管理，相關(guān)成果發(fā)布在《細(xì)胞》期刊。

4.3 醫(yī)養(yǎng)機(jī)器人

現(xiàn)階段，機(jī)器人在醫(yī)療領(lǐng)域中的研究與應(yīng)用主要集中在外科手術(shù)機(jī)器人、康復(fù)機(jī)器人、護(hù)理機(jī)器人和服務(wù)機(jī)器人等方面，能夠以智能假肢、外骨骼和輔助設(shè)備等方式實(shí)現(xiàn)受損軀體部位修復(fù)，以智能助理（例如美國DeepMind 公司的Stream 系統(tǒng)）等方式輔助醫(yī)護(hù)人員工作，以人機(jī)對(duì)話方式提供醫(yī)療咨詢和病情評(píng)估，以智能可穿戴監(jiān)控設(shè)備方式感知病患（及獨(dú)居老人）的異常行為等，取得了較為廣泛的應(yīng)用和良好的市場產(chǎn)業(yè)化效果，成為新的創(chuàng)業(yè)和投資熱點(diǎn)［15］。醫(yī)養(yǎng)機(jī)器人的發(fā)展勢頭強(qiáng)勁，加上此次疫情催生的市場需求，將迎來發(fā)展黃金時(shí)期，醫(yī)養(yǎng)機(jī)器人較大的發(fā)展空間在于對(duì)復(fù)雜場景的智能判斷和適應(yīng)能力，向從輔助到替代醫(yī)務(wù)人員醫(yī)療診斷的轉(zhuǎn)變不斷邁進(jìn)，從而能夠緩解醫(yī)療資源分配不均勻的現(xiàn)狀。此外，結(jié)合新冠病毒特點(diǎn)，無接觸配送機(jī)器人正在替代人工提供全自主、免接觸式的物資配送，最大程度地將病人“隔離”，有效減少人員交叉感染。

4.4 知識(shí)推理

計(jì)算機(jī)通過從大量醫(yī)療文獻(xiàn)、病例報(bào)告等數(shù)據(jù)資源中“學(xué)習(xí)”和汲取相關(guān)的專業(yè)知識(shí)，形成醫(yī)療知識(shí)圖譜，能夠?qū)崿F(xiàn)模擬醫(yī)生的思維和診斷推理，從而給出可靠的診斷和治療方案，進(jìn)一步拓展臨床專業(yè)知識(shí)的可用性［16］。例如，具備從歷史數(shù)據(jù)中快速學(xué)習(xí)能力的IBM Watson 機(jī)器人于2012年通過了美國職業(yè)醫(yī)師資格考試，并部署在世界多家醫(yī)院提供輔助診療的支撐服務(wù)。2020年3月，華為聯(lián)合浙江大學(xué)發(fā)布最新的新冠科研開放知識(shí)圖譜，滿足研究人員迫切需要能夠系統(tǒng)地梳理和整合新型冠狀病毒的相關(guān)知識(shí)的需求，促進(jìn)對(duì)新冠病毒的機(jī)制研究和抗病毒藥物研發(fā)的提速。

5 人工智能技術(shù)在醫(yī)療領(lǐng)域應(yīng)用面臨的挑戰(zhàn)

隨著人工智能技術(shù)在視頻圖像分析以及文本分析中的應(yīng)用深化與成熟，隨之而來的面向智能醫(yī)療的人工智能技術(shù)也不斷涌現(xiàn)。雖然這些人工智能技術(shù)在一定程度上解決了以往醫(yī)療領(lǐng)域存在的頑疾和痛點(diǎn)，但是人工智能技術(shù)真正在醫(yī)療領(lǐng)域產(chǎn)生大規(guī)模、有價(jià)值的應(yīng)用，還存在很大的障礙與挑戰(zhàn)［17-18］。

5.1 算法過擬合

人工智能算法性能有待提升。其中困擾其進(jìn)一步發(fā)展的一個(gè)重要因素在于算法容易出現(xiàn)過擬合現(xiàn)象，從而導(dǎo)致覆蓋率低，無法兼顧到各類情況和致病因素。以IBM 公司的癌癥預(yù)測人工智能算法為例，該技術(shù)雖然推廣面很大，但是該算法本身是基于少量合成的、非真實(shí)案例所構(gòu)建的，而且僅有非常少量的人類專家知識(shí)，因此在實(shí)際應(yīng)用中被證明它所推演出的很多治療參考建議都是不可取的，直接后果便是導(dǎo)致醫(yī)療事故與糾紛，引發(fā)大規(guī)模醫(yī)源性風(fēng)險(xiǎn)。因此，醫(yī)療領(lǐng)域在使用人工智能技術(shù)前，需對(duì)系統(tǒng)功能和性能進(jìn)行嚴(yán)格測試評(píng)估審查，并引入嚴(yán)格的監(jiān)管和追責(zé)機(jī)制。

5.2 不平等性明顯

目前主流人工智能技術(shù)都是基于有監(jiān)督策略的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)，需要依托大體量、高質(zhì)量的標(biāo)注數(shù)據(jù)資源。在某種程度上，訓(xùn)練數(shù)據(jù)的質(zhì)量直接決定人工智能技術(shù)的性能和魯棒性。但是受限于隱私保護(hù)門檻、數(shù)據(jù)治理成本、數(shù)據(jù)標(biāo)注成本等方方面面因素，現(xiàn)在用于訓(xùn)練智能醫(yī)療人工智能算法的數(shù)據(jù)難以實(shí)現(xiàn)對(duì)人類族群、膚色、年齡等要素特征的全覆蓋，例如圖像分析數(shù)據(jù)集對(duì)于人口較少的、缺乏代表性的族群覆蓋率較低，直接導(dǎo)致相關(guān)算法和技術(shù)在該類族群上性能受限。

5.3 可解釋性弱

可解釋性是人工智能技術(shù)（特別是深度學(xué)習(xí)技術(shù)）發(fā)展到目前瓶頸期所面臨的一個(gè)現(xiàn)實(shí)而又尖銳的問題，“知其然，不知其所以然”成為當(dāng)前基于深度學(xué)習(xí)的人工智能技術(shù)難以回避的現(xiàn)實(shí)痛點(diǎn)［19-20］。因此，可解釋人工智能成為研究熱點(diǎn)，美國國防高級(jí)研究計(jì)劃局（DARPA）于2017年啟動(dòng)了可解釋人工智能計(jì)劃等。醫(yī)療領(lǐng)域人工智能技術(shù)面臨著同樣問題，表現(xiàn)在無法理解深度神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的決定性因素等多方面。

5.4 隱私保護(hù)

人工智能技術(shù)在智能醫(yī)療領(lǐng)域應(yīng)用所面臨的隱私與安全保護(hù)問題，表現(xiàn)在普遍存在的黑客攻擊與數(shù)據(jù)泄露、惡意攻擊算法造成大規(guī)模病患傷害（例如為糖尿病患者過量配備胰島素）等諸多方面［21］。2019年11月，美國谷歌公司在美國21 個(gè)州秘密收集數(shù)百萬份患者相關(guān)實(shí)驗(yàn)室結(jié)果、醫(yī)生診斷書、住院記錄與病歷的夜鶯計(jì)劃被曝光，引起廣泛關(guān)注。探索人工智能和大數(shù)據(jù)環(huán)境下全新的個(gè)人健康數(shù)據(jù)所有權(quán)模式、打造高度安全的數(shù)據(jù)治理與管理平臺(tái)以及相關(guān)政府立法成為當(dāng)務(wù)之急。探索確保數(shù)據(jù)隱私和安全先決條件下的醫(yī)療人工智能技術(shù)，是人工智能技術(shù)在未來醫(yī)學(xué)領(lǐng)域應(yīng)用必須解決的一個(gè)關(guān)鍵問題，否則人工智能技術(shù)在醫(yī)療領(lǐng)域的發(fā)展就會(huì)遭遇阻礙。

5.5 缺乏可靠驗(yàn)證

人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用剛剛起步。把病患的一部分生命管理權(quán)力交給機(jī)器掌控，本身就存在非常大的風(fēng)險(xiǎn)，因?yàn)獒t(yī)療領(lǐng)域的人工智能技術(shù)不能有意外。雖然現(xiàn)在各大科研院所和科技巨頭都在著力研發(fā)基于人工智能技術(shù)的智慧醫(yī)療解決方案，但是因?yàn)閿?shù)據(jù)受限以及示范驗(yàn)證環(huán)境受限，真正經(jīng)得起臨床驗(yàn)證的卻是鳳毛麟角。

6 結(jié)束語

在此次抗擊疫情過程中，人工智能發(fā)揮了巨大的作用，也使我們進(jìn)一步認(rèn)識(shí)到了人工智能技術(shù)對(duì)智慧醫(yī)療不可或缺的作用。人工智能技術(shù)將快速、準(zhǔn)確和低成本地治理和處理大規(guī)模數(shù)據(jù)，機(jī)器將有能力實(shí)現(xiàn)人類無法看到或做到的事情。毫無疑問，這將成為未來基于數(shù)據(jù)驅(qū)動(dòng)、基于人工智能加持的高性能醫(yī)學(xué)的基礎(chǔ)。由此次新冠肺炎疫情診療過程對(duì)人工智能技術(shù)的需求不難看出，輔助診斷、快速測試、智能化設(shè)備、精準(zhǔn)測溫與目標(biāo)識(shí)別等均是未來人工智能賦能智慧醫(yī)療的優(yōu)先發(fā)展方向。

對(duì)標(biāo)汽車工程師協(xié)會(huì)在自動(dòng)駕駛領(lǐng)域所定義的五個(gè)自動(dòng)化層級(jí)，美國斯克里普斯研究所認(rèn)為，醫(yī)療人工智能僅僅能夠觸摸第三級(jí)“有條件的自動(dòng)化”的天花板，而無法突破第四級(jí)“僅在非常有限的條件下使用人類備份”和第五級(jí)“不存在人類醫(yī)生作為后備可能性的完全自動(dòng)化”。這也印證了醫(yī)療行業(yè)的特殊性：生命寶貴，目前除了風(fēng)險(xiǎn)較低的日常事務(wù)可以托付給機(jī)器外，其他事情還遠(yuǎn)無法信任機(jī)器。當(dāng)然，挑戰(zhàn)與機(jī)遇并存，以深度學(xué)習(xí)為核心的人工智能技術(shù)飛速發(fā)展，正在深刻變革著醫(yī)療行業(yè)，人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用與普及，意味著越來越多的人群能夠得到更為普惠的醫(yī)療救助，包括更高效、更安全和更容易獲取的診斷、更短的等待時(shí)間、更低的感染率等。