大数据与人工智能技术对未来医学模式的影响

刘博罕 何昆仑 智 光

近年来，大数据技术和人工智能技术从社会和生物的各个方面变革我们的思维、生活方式和工作模式，传统医疗行业在物联网、互联网、云计算、人工智能和大数据技术的不断冲击下也在尝试新的转变，但也为医学发展带来了新的活力。随着“健康中国2030”国家决策不断推进，健康医疗大数据逐渐被国家视为重要的基础性战略资源，在大数据和人工智能技术影响下，行业治理、临床应用、科学研究、公共卫生、管理决策、便民惠民以及产业发展将是未来整个医疗领域的提升方向，各行各业逐年不断增加人力物力财力的投入亦印证了这个变革趋势。大数据时代和人工智能研发即将为越来越多的临床医生和科研人员开辟全新研究领域，为疾病诊疗和医药研发提供新的思路与途径。

1 大数据概述

一般来说，医疗大数据应囊括每个个体的全生命周期，不仅涉及个人健康，还包括医药服务、疾病防控、健康保障甚至食品安全、养生保健等各个方面。主要数据来源涵盖医院诊疗、医疗产品企业、医疗费用收支和健康管理4个方面。早在2012年3月22日，美国奥巴马政府斥资2亿美元开启“大数据研究和发展计划”；同年 6月，大数据相关问题受到欧盟高度重视，花费10亿欧元以期通过建立超级计算和大规模数据挖掘平台致力于相关领域研究。中国对大数据也给予了相当关注并做出了积极反应，《国家中长期科技发展规划纲要2006—2020》等文件的出台均体现国家层面对大数据研究的重视。

根据大数据的4V定义已得到了普遍认可，即大数据需符合以下4个特征。（1）数据体量巨大（volume），医疗领域和生命科学已经成为大数据领域，2014年全国诊疗人次达到76.1亿人次，随之产生的数据量高达25467 TB；预计到2020年，医疗数据将急剧增长到35 ZB，相当于2009年的44倍。尤其是生命组学领域全球每年约产生EB级的生物数据，2014年Illumina公司公布Hiseq X测序通量即已达到1.8 T，单一个体的基因组测序数据量超过100 GB，转录组测序数据超过30 GB。（2）数据结构多样（variety），包括如Oracle、MySql等数据库的结构化数据、如XML文档的半结构化数据、如Word和PDF文档、影像、音视频等非结构化数据。（3）增长与处理速度快（velocity），每年医疗健康大数据以48%的速度剧增，并且在诊疗过程中各类检查检验结果均需要第一时间呈现给医患护和管理层面，这种不断增长的动态数据和医疗互联物联网产生的实时数据，对于数据处理的速度要求变得更加苛责。（4）价值密度低但应用价值高（value），例如在医学影像信息中几百MB的原始影像数据中有诊断、辅助治疗和预后评估价值的信息可能仅有几个层面或几帧，再如在传染病监测时大量的数据流中敏感信息少，然而需要不间断动态监测才能捕获异常信号并发现流行规律，所以需要对现有医疗数据进行挖掘并发现其潜在价值。此外，医疗大数据有其独特特征，包括数据的长期保存性、时空性、语义性和隐私性。

如今，数据包括医疗大数据首次作为非物质成分的生产资料存在于当今社会之中，然而单个医疗数据的信息价值不是显著，作为数据处理对象单个存在只是一种基础资源，只有通过人工智能技术和计算机技术的整合协同解决医疗领域的实际问题，对数据实现二次开发，才能产生数据背后的潜在巨大价值。

2 人工智能概述

人工智能是以控制论、信息论和系统论作为理论基础，应用数理逻辑和神经脑科学认知原理，通过计算机科学的逻辑推演编程来模拟人类大脑的智力活动。虽然计算机能够部分模拟人脑的认知、识别、记忆、计算、逻辑思维、推理判断等复杂功能，并在某些规律性和规则性较多的领域甚至远超人脑能力，但目前仍无法实现人脑的意识、情感、信念、直觉、思考、联想、创造等高等级思维活动。尽管人工智能在医学领域实现了相当出色的成就，部分弱人工智能的临床应用已经实现，但仍没有在强人工智能方向出现重大的突破性进展。

人工智能技术如果转化成可实际操作和应用的产品，需要与相关应用场景完成紧密结合，其中医学即是人工智能的典型应用场景之一。2012年影像组学概念的提出以后，并到2014年得到进一步扩展并走向临床，概念刚刚提出时只针对CT数据，到如今应用组学方法进行分析并将数据源扩展到磁共振、超声等多模态影像。人工智能技术现公认的可实现场景就是要解决重复性问题，比如一位影像科医生每天可能要完成上千张影像阅片，但是在如此高密度工作情境下，受限于医生疲倦度和情绪等问题，很可能会影响诊断准确度，这就是人工智能技术可以协助解决的痛点之一。影像组学在整体流程上可以实现从医疗大数据中提取数据，结合人工智能技术挖掘数据信息，实现临床辅助决策。正如同影像科医生读片的过程是一致的，即先收集影像数据，然后利用人眼和临床经验提取影像特征形成诊断意见，人工智能技术在其中需要完成这一典型的模式识别、特征提取、分析建模、图像处理的智能化过程，整个过程实现计算机影像识别，影像科医生配合诊断，达到“1+1＞2”的效果。人工智能技术不仅需要做到简化影像组学流程，还应实现以下3方面：病灶检出，即根据病理影像判断患者是否患病，实现人工智能影像学筛查；定性诊断，即判断病灶的良恶性和病情的严重程度；辅助治疗决策，即根据影像信息给予有针对性有价值的辅助治疗建议。

目前，国内人工智能与医学的结合还有很大困难，每个医院均是一个个数据孤岛，如何构建包括电子病历、影像学、生命组学、医疗费用为人工智能技术发展构建一个高质量的数据平台等临床多中心医学多维数据平台，如何实现数据质量、质控以及诊断标准的规范化，如何驾驭人工智能技术并更加贴近临床的实际需求，是医疗人工智能发展的基础和前提。其中首要问题是医疗数据标准和临床诊疗规则的建立，这需要医学专家的深入参与和临床多中心的深层次联合研究，这些议题已经摆在许多专家和医生面前。毋庸置疑的是，人工智能在精准诊断和降低劳动程度方面会起到非常大的作用，这样医疗行业领域从业人员可以节省更多时间用于患者沟通，实现未来服务模式转型。

3 现今医学模式的局限性与医学模式转变进行时

医学模式是指人类对医学问题和医学实践开展研究时需要遵循的实际原则和方式，从哲学角度来讲是人类从宏观上认识健康和疾病的观点。从古至今，东西方医学经历了神灵医学模式、自然哲学模式、机械论模式和生物医学模式后，如今，包括精准医学模式、生物心理社会医学模式、循证医学模式等。然而，随着多年来基础医学与生命科学的发展和如今大数据、计算机技术和信息技术、人工智能技术的蓬勃推进，上述医学模式的不足与局限性并非完全符合当今和未来医学的进程。

3.1 精准医学模式

精准医学是指依照患者自身特定的遗传学、生物标记、表型、社会心理特征，制订精准个性化诊疗方案。意图通过患者的基因组、蛋白质组、分子生物学等前沿技术，在大样本人群和靶疾病中进行分析，以期精准发现疾病病因和治疗靶点，精确明确疾病不同状态下的类型，再与患者基因、生物学标志、表型、社会心理等特征完成个体化精准的诊疗策略，提高疾病诊治和预防效率。

诚然精准医学的设想美好，但是来自每个个体的多生命组学、影像组学、各类表型和生物学标志数据体量巨大，实现综合整体分析尚有技术瓶颈，噪音数据如何识别和剔除出去，从而获得真正实际有效的个体化数据尚难以实现。当今的精准医学模式亟需大数据和人工智能技术这类先进的数据处理与分析技术，开展并研究数据本身的真实规律，挖掘数据内部的潜在价值。

实际上，精准医学模式还忽略了个人的精神认知因素，这涉及了每个人生活中的方方面面，直接影响患者对疾病的态度和诊治方案的选择。当今的精准医学模式尚无法全面了解每名患者，除多生命组学的实体信息，还需要了解每名患者的需求、价值观、行为习惯、信仰和认知水平等，只有将这些数据与个体的生物学数据综合起来，才能真实提供精准化的医疗服务。

3.2 生物心理社会医学模式

生物心理社会医学模式的基本内容指基于生物、心理、社会等各类学科，对于疾病和健康的认识不仅应从生物学的变量来衡量，更要结合心理、社会因素，必须从生物、心理、社会各个水平采取综合措施防治疾病、促进健康。

尽管该模式较生物医学模式已有巨大进步，然而仍存在很多不足与缺陷。与目前精准医学模式类似，缺乏对医学本源，即人文关怀的体现，失去了（人文的）医学真正的方向和目标。这导致了当今的生物心理社会医学模式下，大量高新生物技术涌入医学中，带来了各种社会、法律、伦理问题，使得医学非人格化和医患关系物化现象显著，缺乏与伦理学、精神因素内在有机的联系。此外，缺乏环境对健康和疾病的潜在影响，无法实现人与自然环境的统一。而人体作为复杂运行的系统，疾病不仅与遗传因素相关，还受到环境因素的深刻影响，疾病正是环境中的危险因素、个人在特定环境中的选择因素与基因因素相互作用的结果。

环境污染中的空气污染、水污染等，特定区域聚集发病的肝癌、食管癌等，传染性疾病中的禽流感、SARS等，其内部隐藏了大量地域和环境的属性与数据。而大数据和人工智能技术能将地域和环境因素充分考虑到疾病的流行趋势中。2009年，在H1N1爆发几周前，Google公司的工程师们运用大数据技术成功预测了H1N1在全美范围的传播，甚至可以具体到特定的地区和州，令公共卫生官员们和计算机科学家们倍感震惊，引起了全世界热议。2014年—2017年，北京市卫计委通过百度大数据挖掘和分析的关键技术，在公共突发事件、流行性疾病暴发、人口流动等领域提供分析和预警，同时提供科学管理和决策的数据基础和信息依据。

3.3 循证医学模式

于20世纪末诞生的循证医学模式（evidence-based medicine，EBM），指依循真实存在临床证据的医学，其核心思想是临床医务工作者切实可行且认真明智的应用从临床研究中获得的最新、最有价值的科研结论完成临床诊疗过程。最佳的医学证据来源于以患者为中心的基础医学和临床研究，能够熟悉快速采纳最佳医学证据的临床医生则会成为一名优秀的临床决策者。如今信息技术的快速发展，使得每一位医务工作者都有可能通过掌握和利用正确的决策方法，成为优秀的临床决策者。

EBM的实现需要通过发现临床实际中的问题之后，检索相关医学文献，并对其进行严格评价，通过最佳医学证据指导临床决策，最终在实际临床过程中评估并且调整决策结果。虽然该模式在近些年被临床人员广为承认和接受。然而，EBM仍存在一定的局限性。部分学者认为EBM只提供患者人群中的共性数据与结论，得出的往往是概率性证据，无法真正有效地指导临床决策。而且更为严重的是，随着各种医学研究大范围、多层次迅速发展，在实际证据采集和决策制定过程中，临床人员难以真正抓住直接有效的医学证据。并且，基因、分子生物学、新型药物等新知识令临床医生头疼，它们的更新速度甚至呈几何级数增长。

IBM 公司通过大数据和人工智能技术为此创造了“沃森医生”，沃森的主要技术原理是通过搜寻很多知识源，从多角度运用非常多的小算法，对各种可能的答案进行综合判断和学习。而沃森储存了数百万的文档资料，包括字典、百科全书、新闻、文学以及其他可以建立知识库的参考材料。其硬件配置可每秒处理500 GB的数据，相当于1 s阅读100万本书。通过这种人类医生难以匹敌的阅读和理解速度，沃森可以详述临床试验结果的科研论文，利用获取结果制定和评估药物治疗方案及其他的治疗方式。

4 大数据与人工智能技术对未来医学模式的影响

4.1 医学服务模式的可能转变

大数据和人工智能技术对医学服务模式首当其冲的影响将是可以取代冗杂的医学工作中大量机械性、重复性且消耗大量人工的工作。对于放射科、病理科、影像科需要大量阅片的工作将极有可能被人工智能取代；时时刻刻产生出的浩如烟海的医学文献和临床证据将通过大数据和人工智能技术找到最直接可靠的信息；问诊、书写病历、随访观察等之前被临床医生视为最消耗精力的工作将会在未来通过语音识别、自然语言处理、人机交互等方式轻松实现。

医务工作者则有更为充裕的时间和精力用于其存在的真正意义上，即临床人文性关怀和科学创造性研究。这些则是大数据和人工智能技术所不能取代人类的地方，人类必须从以人为本和创新发展的原则出发。

个人数字化和智能化是技术发展必然趋势，但在发展过程中必须强调以人为本，使科学技术实现以人为中心的人性化科技，使人与科技的关系成为人与科技的健康交互生态，医生的主体性将回归到对患者心理、精神状况的重视和关怀上，而不是成为计算机与人僵硬的状态。创新发展作为人类社会一直前进的动力，将随着技术革命将医务人员的大脑逐渐解放出来，新的生物医学诊疗技术、工程方法、分析处理手段、人机与脑机协作方式将被加速创造出来，为人类健康和生物医学发展带来福音。

4.2 医学思维模式的可能转变

医学研究具有科学属性，而科学和认知源于数据已经成为大数据时代的理念，大数据技术为人们认识与改造世界提供了新的方法与途径。数据分析是整个医疗大数据的核心，价值产生于分析过程。医疗大数据的分析不同于传统医学研究中的临床队列和基础实验，大数据分析是一个复杂开放的系统，不仅包括精准医学模式和生物心理社会医学模式中的各类医学数据，还会包括既往较少涉及的环境因素、精神因素、生活方式等方面的信息，各个部分相互影响和关联，进行通过大数据和人工智能的数据分析技术，获得最为可靠的医疗决策结果。

此外，在大数据的收集过程，很难保证传统小数据的精准性，传统的线性因果分析或回归分析无法实现医疗大数据的分析。而最核心的问题是，为避免推导因果关系时易出现的误差，医疗大数据推崇整体样本分析法，试图探究数据背后的相关性。因此，大数据时代对医疗数据的分析方式也应实现从因果性到相关性的转变，这种思维方式的转变有助于解除以往数据分析的思维定式，但并非完全抛弃因果性的研究，只有把相关性与因果性进行结合，把大数据与小数据相结合，从大量的数理统计结果中找出相关性，然后再返过来求证因果关系，才能无限还原真实世界的本来面目。

4.3 医学合作模式的可能转变

大数据和人工智能技术在医学领域的应用涉及到医学、计算机、伦理学、法学等不同学科的交叉。因此，需要多学科共同合作以解决和论证不断涌出的实际问题。

首先，必须与数据管理和安全部门合作，加强数据安全技术的研发和更新，设置权限管理用户使医疗大数据在合法范围内使用，防止数据资源被滥用造成泄露隐私，实现“医疗隐私层次化控制”。其次，需要与计算机技术研发机构和团队合作，加强大数据和人工智能底层技术的研发，从技术上加强对医疗大数据的深度挖掘，使得“数据思维从以计算为中心转为以分析为中心，即在一定的理论指导下，按照一定的社会需求，收集、整理和分析数据，从而进行社会解释、监控、预测与规划的过程和活动”，挖掘数据的真实性、关联性、潜在价值性。目前医学影像仍以影像数据采集分析为主，随着时间推移和技术发展，很可能会进入数据挖掘阶段，可能会将影像、病理、基因、临床检查等数据结合起来，用人工智能进行分析挖掘，最终实现全流程智能决策支持系统的愿景。

综上所述，医疗大数据和人工智能技术的蓬勃发展将改变既往医学模式，在不同层次上提高医疗水平和保障人类健康。然而，在实际医学模式转变过程中，各级医务工作者需要明确大数据和人工智能技术的获益与风险，趋利避害，实现确实可行且高效有利的转变，真正促进医疗卫生事业的发展和人类健康水平的提高。

（摘自《医学与哲学》2018年第11B期）