文/曹健

在一套科學算法的基礎上，醫(yī)療人工智能必將在未來大展拳腳，創(chuàng)造不可預估的價值與效益。

隨著醫(yī)學科學迅速發(fā)展，提高了全球人類的預期壽命，但隨著壽命的增長，醫(yī)療保健系統(tǒng)也在面臨著前所未有的壓力，即人們對其服務的需求不斷增長，成本不斷上漲以及普遍缺乏醫(yī)務人員。對醫(yī)療保健的需求呈現(xiàn)著不可逆變化：人口老齡化、患者期望值不斷增加、生活方式的轉(zhuǎn)變以及創(chuàng)新的有限性。其中，人口老齡化的影響更為突出。

根據(jù)預測，到2050年中國65歲及以上的老年人口將達3.8億，占總人口比例近30%；60歲及以上的老年人口將接近5億，占總人口比例超三分之一。這意味著，衛(wèi)生系統(tǒng)將不得不應對更多有復雜需求的患者。同時，醫(yī)療保健系統(tǒng)也需要更多的醫(yī)務人員。

如果沒有重大的轉(zhuǎn)型變革，醫(yī)療保健系統(tǒng)將難以維持現(xiàn)有體系的可持續(xù)性。2017年國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》明確指出，“AI+醫(yī)療”這一新模式應推廣應用到更多智能醫(yī)療體系中去。如今，在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、腦科學等前沿科技的推動下，醫(yī)療行業(yè)日益成為人工智能應用最深的領域之一。

40%據(jù)埃森哲對人工智能在全球12 個發(fā)達經(jīng)濟體中所產(chǎn)生的影響研究數(shù)據(jù)顯示，人工智能可將勞動生產(chǎn)率提高40%，使人們能更有效地利用時間。

成本效益不可估量

與人類相比，人工智能在信息存儲和信息處理能力方面具有較強優(yōu)勢，它復制和強化了人類大腦思維的部分結構和局部功能。人工智能正是利用這種較強的優(yōu)勢，使其在多個領域內(nèi)有著廣闊的應用前景。如在醫(yī)療行業(yè)，AI在學習了頂尖的醫(yī)療專家知識和已有的就診案例后，具備了超過普通醫(yī)生的可能性。

從成本的角度來說，人工智能以及相關新技術更重要的“經(jīng)濟影響”，源于他們體現(xiàn)了通用技術(general purpose technology，GPT)的特征。Bresnahan and Trajtenberg指出，GPT在擴散過程中具有很強的滲透性、內(nèi)在的改進潛力、創(chuàng)新互補性、規(guī)模收益遞增等特點,可以隨著時間推移得到改進，并且能夠孕育互補性創(chuàng)新。

和其他GPT一樣，人工智能很可能成為效率提高的重要推動力。隨著AI的發(fā)展，醫(yī)學影像技術與AI的結合，對一些疾病的診斷已經(jīng)取得了突破性的進展，如腦內(nèi)病變、頭頸腫瘤和消化系統(tǒng)疾病等。AI無論是在X線、CT還是在MRI、核醫(yī)學診斷中都可以提高準確性，提升醫(yī)務人員效率，降低患者治療成本。例如，對外傷后骨折的患者，其主要檢查方法為X線。在特殊情況下X線平片的誤診率較高，將AI應用在骨折平片的診斷中，并評估醫(yī)師在有無AI幫助下檢測骨折的準確率，結果發(fā)現(xiàn)，在AI的輔助下，醫(yī)師的誤診率相對降低了47.0%。通過AI系統(tǒng)對老年人的髖部骨折進行檢測和定位，結果顯示其靈敏度為98%、特異度為84%、假陰性率為2%，提示該系統(tǒng)定位骨折病變具有較高的準確率。

又如，消化道最常見的惡性腫瘤之一直腸癌，在診斷上雖然容易被直腸指診及乙狀結腸鏡方法診斷，但由于其位置深入盆腔，解剖關系復雜，需要明確定位，并與周圍正常組織進行分開。應用AI算法中的深度學習，對多參數(shù)MRI圖像中直腸癌的定位和分割進行研究和評估后結果顯示，深度學習在兩種不同的讀片系統(tǒng)中均顯示出分割的高準確率（骰子相似系數(shù)分別為68%和70%）。

據(jù)埃森哲對人工智能在全球12個發(fā)達經(jīng)濟體中所產(chǎn)生的影響研究數(shù)據(jù)顯示，人工智能可將勞動生產(chǎn)率提高40%，使人們能更有效地利用時間。到2035年，人工智能有可能使這12個發(fā)達經(jīng)濟體年度經(jīng)濟增長率提高一倍，同時可能拉動中國經(jīng)濟增長率上升1.6個百分點。

人工智能可以同時提升企業(yè)生產(chǎn)力和社會生產(chǎn)力，對生產(chǎn)力的提升往往伴隨著的就是成本的降低。

人工智能可以同時提升企業(yè)生產(chǎn)力和社會生產(chǎn)力，對生產(chǎn)力的提升往往伴隨著成本的降低。但是，要想準確測算AI的成本問題，目前仍然是非常困難的。因為AI作為一種投入而非最終消費品廣泛使用于制造各種資本（包括軟件以及人力和組織資本），且其產(chǎn)出也都是無形的。對于醫(yī)療人工智能可能帶來的在生產(chǎn)率方面的影響，需要人們將AI視為一種資本，而且是無形資本。即可以通過投資進行積累，是一種持久的生產(chǎn)要素，才能夠厘清AI作為一種生產(chǎn)要素是如何影響生產(chǎn)力的。

替代崗位重構未來

自20世紀計算機問世以來，技術對企業(yè)組織和管理模式產(chǎn)生的影響越來越大，組織的設計、情報、管理方式和決策方式也都發(fā)生了相應的改變，有建設性的技術對組織和個人正在產(chǎn)生積極的影響。

有研究表明，人工智能會對服務業(yè)的一些就業(yè)崗位產(chǎn)生替代，導致就業(yè)總量的下降。對于服務業(yè)的替代主要是通過展示人工智能的自動化機器實現(xiàn)的，這些機器越來越多地被應用于服務業(yè)中，對服務業(yè)就業(yè)崗位的勞動者產(chǎn)生替代作用，從而導致服務業(yè)就業(yè)崗位的流失，致使就業(yè)總量的下降。

麥肯錫全球研究所（MGI）研究了自動化和AI如何影響未來工作，其結論是自動化將影響整個部門的大多數(shù)工作，但程度差異很大。醫(yī)療保健是自動化總體潛力最低的部門之一，只有35%的時間可能是被自動化的，并且這還須取決于不同的崗位部門。醫(yī)療AI對醫(yī)務人員的影響將是醫(yī)療機構大量引進新的專業(yè)人員，在醫(yī)學和數(shù)據(jù)科學專業(yè)知識的交匯處出現(xiàn)多種角色。

目前，AI已被成功應用于放射學、病理學和皮膚病學中的圖像分析，其診斷速度超過了醫(yī)學專家，并且達到了非常高精確的水平。盡管診斷的準確率尚未達到100%，但AI診斷結合臨床醫(yī)生判斷可以更好地提高準確率。通過閱讀海量文獻及過往的各種電子病歷，人工智能的這種自我學習能力正在影響著醫(yī)學實踐。AI對復雜和疑難疾病的治療方法提供更加精準建議，并提高受試者進入臨床試驗的機會。

AI還可以幫助醫(yī)務人員減少在日常管理工作上所花費的時間，這往往能夠占用到醫(yī)務人員高達70%的管理時間。在醫(yī)療機構中嵌入AI技能，需要對醫(yī)療機構的組織文化和管理能力進行重大變革，要求所有從業(yè)人員、組織和系統(tǒng)共同努力，從而真正改變現(xiàn)有醫(yī)療模式，使醫(yī)務人員的工作重心轉(zhuǎn)移到創(chuàng)新、創(chuàng)業(yè)、持續(xù)學習和跨學科工作上來。

醫(yī)療人工智能在對勞動的替代方面，既有對體力的替代，也有對腦力勞動的替代。那些低技能且與計算機關聯(lián)度較高的一些工作會被大量替代，如醫(yī)院掛號收費部門、導診等崗位；還有一些重復性高、不需要太多認知能力的工作也會被替代，如醫(yī)院文秘人員、病案室管理等。有研究表明，人工智能對低技能勞動者將產(chǎn)生巨大的負面影響，而高技能勞動者受到的影響較小。

未來雖然人工智能會替代一些原有崗位，但還將誕生出很多新的就業(yè)崗位，只是這些就業(yè)崗位需要新的不同技能。人工智能等技術的進步無疑會提高現(xiàn)有醫(yī)療就業(yè)崗位的技術要求，進而造成醫(yī)務人員素質(zhì)與未來職業(yè)能力技能要求不匹配的結構性矛盾，將會導致醫(yī)療工作者出現(xiàn)結構性失業(yè)。也許正如美國醫(yī)學會展示的那樣，目前整個醫(yī)療界的組織方式很可能阻礙了AI技術的發(fā)展，因為AI會降低患者對醫(yī)生服務的需求，并對部分醫(yī)生的利益模式提出挑戰(zhàn)，所以醫(yī)護人員對AI持有抵觸情緒。

精確算法任重道遠

迄今為止，醫(yī)療AI的算法顯示出對醫(yī)生和患者存在著許多潛在的利益。但是，調(diào)節(jié)這些算法仍是一項艱巨的任務。美國食品藥品監(jiān)督管理局（FDA）已經(jīng)批準了一些輔助算法，但目前尚缺乏通用標準指南。

當前，最突出的問題在于,工程師能夠創(chuàng)建可在臨床中使用的AI算法，但工程師卻并不了解醫(yī)療業(yè)務，因此在某些情況下，算法開發(fā)人員需要了解更多有關醫(yī)學方面知識，而臨床醫(yī)生則可以主動去了解一些特定的算法。例如，目前AI可以幫助醫(yī)生診斷和完成一些基本的臨床任務，但是AI無法自動進行腦部手術，也無法為患者量身定制個體化治療方案。所以，F(xiàn)DA發(fā)布了一些AI醫(yī)療標準，希望通過算法的精確研究，幫助醫(yī)生和患者實現(xiàn)個性化醫(yī)療。

對于我國的醫(yī)院管理者，應該建立具有臨床意義和可解釋性的AI（可解釋性指算法能被終端用戶理解）。實踐中，歐盟已將“可解釋性”作為評估算法決策潛在危害的一項基本指標，從而保證人們能夠獲取與算法決策相關有價值的數(shù)據(jù)，其中包含洞察力和信息，以支持決策并加深醫(yī)護人員對患者的了解。在歐盟，人機交互的設計師幫助醫(yī)務人員創(chuàng)建集成AI的新工作流程，數(shù)據(jù)架構師則負責判斷AI如何記錄、存儲和構建臨床數(shù)據(jù)，以便算法更加精確實用，并將數(shù)據(jù)安全和數(shù)據(jù)倫理方面的問題及時反饋給管理決策部門，接受相關部門的監(jiān)督。

據(jù)了解，歐美等發(fā)達國家的工程師們，為了生成有效的AI算法，首先向計算機系統(tǒng)輸入經(jīng)過結構化的數(shù)據(jù)，即每個數(shù)據(jù)點都具有該算法可識別的標簽或注釋。AI在醫(yī)學中的大多數(shù)應用，都依賴于數(shù)據(jù)的輸入，這些數(shù)據(jù)可以是數(shù)字（例如心率或血壓等）或基于圖像的數(shù)據(jù)（例如MRI掃描或活檢組織樣本的圖像等）。然后，算法從數(shù)據(jù)中學習并得出概率或分類，如AI在給定心率和血壓數(shù)據(jù)的情況下，進行測算患者出現(xiàn)動脈血栓的可能性，或者是將成像的組織樣本標記為癌性或非癌性的可能性。在臨床應用中，可以將AI器械的診斷結果與醫(yī)師的診斷進行比較，從而可以確定該算法在臨床上的能力和價值。在基因組學等數(shù)據(jù)豐富的領域，國外的專業(yè)人員融合了各種角色，既是臨床生物信息學家，又是基因組醫(yī)學專家和基因組顧問。對于我國來說，醫(yī)院在醫(yī)療AI產(chǎn)品研發(fā)方面必將與其他企業(yè)或科研機構共同合作開發(fā)，建議我國在醫(yī)療健康領域引入更多的國外數(shù)據(jù)科學家和工程學家，為我國培養(yǎng)具備高水平AI算法研發(fā)的專業(yè)人才，并以較高的回報來鼓勵算法不斷創(chuàng)新。

此外，新的AI算法在獲得患者信任和政府監(jiān)管部門批準方面，也可能面臨困難。如果國家沒有一個明確的可應用于臨床的算法準則，患者可能不會愿意讓人工智能用來滿足他們的醫(yī)療需求。即便是患者最終被迫選擇了人工智能診療，且算法的準確率勝過醫(yī)生，但萬一患者被AI說誤診，那么對于醫(yī)生、患者、醫(yī)療機構乃至監(jiān)管機構來說，都將是一個非常棘手的問題，大眾媒體很有可能會歸結為醫(yī)生對AI算法充滿信心。只有算法引起了醫(yī)療事故，創(chuàng)建算法的人才會知道他們提供的數(shù)據(jù)具有誤導性，但是發(fā)生這一切都已經(jīng)太晚了。

總的來說，人工智能準確的決策往往取決于輸入的數(shù)據(jù)結構，而對于輸入的誤導性數(shù)據(jù)，算法也將會產(chǎn)生誤導性結果。為避免此類錯誤的發(fā)生，可以通過充分告知臨床醫(yī)生和程序員有關數(shù)據(jù)，以及在算法中正確使用數(shù)據(jù)所需的方法來解決問題。建議通過了解臨床數(shù)據(jù)細節(jié)的臨床醫(yī)生與創(chuàng)建算法的計算人員之間建立緊密合作關系，來減低算法學習過程中錯誤選擇的可能性。唯有臨床醫(yī)生正確理解算法的局限性，以及程序員正確理解臨床數(shù)據(jù)，才是創(chuàng)建可在臨床上使用算法的關鍵。目前，我國似乎與“建立能夠在醫(yī)療機構獨立運行的算法”還差得很遠，尤其是在缺乏明確的臨床批準途徑的情況下。我國需要這樣一種科學的AI算法：在臨床上被認為足夠準確，還可以很好解決算法決策中潛在的錯誤來源，并且對算法所出現(xiàn)的各種可能提前做好預案工作。相信在不久的將來，我國的科研人員可以克服重重困難，用精確的算法和高質(zhì)量的AI產(chǎn)品，推動我國醫(yī)療事業(yè)蓬勃發(fā)展。

990萬根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，預計到2030年全球仍然短缺990 萬醫(yī)生、護士和助產(chǎn)士。