人工智能技术在临床医疗中的应用概述*

张 戎 刘洪臣

人工智能(artificial intelligence，AI)是研究通过计算机模拟人类某些智能行为和思维过程的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使其实现更高层次的应用。可涉及计算机科学、语言学、心理学和哲学等学科。通常认为，人工智能的发展历史可以追溯到20 世纪50 年代。1956 年，McCarthy 在美国达特默斯召开的一次学术会议上首次提出“人工智能”的概念并将其认定为一门新兴学科[1]。20 世纪60 年代，ELIZA 首次实现了早期的人机对话。1997 年，由IBM 公司开发研制的超级计算机“深蓝”击败了俄罗斯国际象棋大师卡斯帕罗夫，使得人工智能首次显示了其在推算及信息处理上相对于人类的优势。此后人工智能获得了快速发展，引起人们的高度重现，目前谷歌、微软、IBM 等全球科技产业巨头先后将人工智能作为其发展愿景或战略方向，积极推动人工智能技术研发进步，全力抢占人工智能产业制高点[2]。目前，人工智能技术的应用可出现在人类生活的方方面面。人们正在享受着人工智能为我们带来的巨大便利，同时人工智能也在不断改变着我们的生活方式和工作模式。近年来，人工智能在医学领域的应用越来越多，极大推动了医疗微创化和精准化发展，对人类健康的维护具有重要意义。人工智能将会促进现有医疗模式转变，引领医学发展进入新纪元。经专家预计，在未来20 年内人工智能技术将为医学相关产业带来高达1470亿美元的巨大市场[3]。本文将主要围绕人工智能在医学临床领域的应用现状、存在问题及未来展望做一综述。

1.人工智能的概念、特征、关键技术

人工智能是指借助计算机控制的机器模拟、扩展和延伸人的智能，感知环境、学习知识，进而获得最佳结果的理论、方法、技术及应用系统的技术科学。其特征包括：①数据是基础，计算是本质，由人类设计，为人类服务；②通过感知外部环境做出相应反应，从而与人类之间产生交互作用；③具备学习能力与适应性，可进行连接扩展和迭代演化。人工智能的关键技术包括：①机器学习与深度学习；②计算机视觉；③人机交互；④自然语言处理；⑤生物特征识别；⑥知识图谱；⑦虚拟现实与增强现实；⑧人工神经网络等[4]。

2.人工智能在医学临床中的应用

早期人工智能在医疗领域的探索出现在上世纪70 年代。1972 年，利兹大学开发的AAPHelp 是资料记载人工智能系统在医疗领域最早的应用。此系统主要用于腹部剧痛的辅助诊断以及满足手术的相关需求[5]。随后包括INTERNISTI、MYCIN、CASNET/ Glaucoma、PIP、ABEL、ONCOCIN等系统相继问世，但均有不同程度的缺陷[6]。到上世纪80 年代，相继出现了一些商业化人工智能应用系统，比如QMR(Quick Medical Reference)、哈佛医学院开发的DXplain，主要是根据临床表现提供相应的诊断方案。目前，医疗人工智能领域最知名的就是IBM/ Watson[7]，可在几秒内筛选数十年癌症治疗历史中的上百万份患者记录，为医生提供可供选择的循证医学治疗方案。中国信息通信研究院数据研究中心发布的《全球人工智能产业数据报告(2019Q1)》显示，截止2019 年3 月底，全球活跃人工智能企业已达5386 家。在国家影响力方面，美国、中国、英国、加拿大、印度分列全球前五位。我国人工智能相关应用领域以医疗健康行业比例最高，可达22%。鉴于医疗健康领域涵盖广，诊前、诊中、诊后环节长，未来人工智能将主要通过大数据、云计算、深度学习等人工智能先进技术广泛应用于疾病的筛查、预防、诊断、治疗、预后、康复等全过程[8]。人工智能在医学临床领域的应用主要包括以下几个方面：

2.1 智能诊断 是指计算机借助人工智能的图像识别和深度学习技术，对经影像学检查的病灶部位进行快速而精确的识别，对病灶关键属性参数进行测算分析，并对潜在的病灶给予定性、定量诊断，提高临床医生的工作效率和诊断准确率，缩短诊断时间，减少疾病的误诊和漏诊[9]。此外，人工智能还能通过学习医学书籍、病例、指南中的医学知识和经典范例，构建类似人类的医学知识库，从而辅助医生做出较为准确的诊断，并制定最佳的治疗计划[10]。通过AI 中的聚类算法能实现对心电图的形态和RR 间期、动态心电图中室性期前收缩的识别，准确识别心电图中的噪音和人工假象，发现具有特殊心电图特征的疾病亚型[11]。研究显示机器学习(machine learning，ML)可辅助识别运动员的生理和病理性心肌肥厚，其诊断特异性和敏感性均超过传统超声检查[12]。2011 年IBM 公司正式启动人工智能认知系统Waston，以协助医生提供个性化专业治疗建议，标志着智能医疗进入一个新的台阶[13]。近年来国内的网易云信、万里云等智能医疗诊断系统也已进入临床推广阶段，促进了我国智能医疗产业的发展。

2.2 智能诊疗 是指采用计算机对病灶主要特征及属性进行快速识别，并筛选出与当前病灶最为接近的历史病例资料，调出其诊疗方案，由此指导医生制定出针对当前病例的优选治疗方案[14]。比如采用耳纹全息智能诊疗系统治疗心脑血管疾病患者，可以提高治疗的安全性和有效性，值得在临床中推广应用[15]。

2.3 智能随访 是指采用人工智能技术，对患者的历史病例数据进行自动关联，并对相同的检查指标或同一部位的影像学资料进行配准分析，从而快速识别关键指标变化并自动计算出病灶变化情况，通过前后对比有效提高判断精准性和随访效率[16]。比如近期国内学者结合大数据与人工智能技术，建设了新冠肺炎大数据智能随访平台，并对平台进行架构设计与数据集成，有效提升随访效率，辅助新冠肺炎疫情防控[17]。

2.4 智能门、急诊全程辅助诊疗系统 主要指借助计算机完成以下工作：①智能分诊：手写、语音、自然语言交互问诊；②智能分级：传染病和急慢性病的分级、分科、分治、自动转诊；③智能医嘱：由计算机给出最佳检查及处置建议；④智能会诊：提供跨多学科的精准诊断及诊疗建议；⑤智能临床决策：帮助给出精准临床决策；⑥电子病历：规范化的病例模板帮助书写电子病历[18]。

2.5 智能重症监护 指借助计算机自动收集危重症患者的生命体征和生理指标等信息，实时监测并评估其健康状况和脏器功能，并表现为可视化的直观效果，同时提供智能预测和精准临床决策支持[19]。Kho 等[20]利用算法从电子健康档案数据找出病情可能恶化的患者。Churpek 等[21]在由25 万多例住院患者组成的数据集中，采用Logistic 回归模型，准确预测住院患者在ICU 转运期间可能发生心搏骤停或死亡的风险。

2.6 智能医疗机器人 主要包括手术机器人、护理机器人、医学教学示范机器人、医疗服务机器人等[22]。比如近年来智能机器人在外科辅助手术、手术术后护理、医疗智能导诊等方面均得到了广泛应用，并取得了令人满意的效果[23,24]。在消化道肿瘤的治疗方面，学者们研制出了一款能定向给肿瘤组织靶向投递药物的纳米机器人，该机器人通过感应低氧浓度，在肿瘤细胞活跃增生而产生的“缺氧区”投递药物，达到更加精确地打击肿瘤的效果。此类机器人最大的进步在于显著提高了化疗药物的靶向性，减轻了化疗药物对人体正常组织的杀伤作用[25]。赵铱民等国内学者成功研制了世界首台自主式种植牙手术机器人，现已用于临床并取得了良好的效果。与传统种植手术方法相比，这种种植牙手术机器人具有高效、微创、精准、安全等特点[26]。在众多手术机器人中，Robot 手术机器人和达芬奇手术机器人可以极大程度上改变手术操作依赖医生专业知识和经验的状况，并能显著减少手术创伤，增加精准度，为临床手术操作带来了重要革新，是目前的研究热点[27,28]。

2.7 智能健康管理和疾病管理 是指实时记录监控个人健康信息，全面评估其患病风险，并可及时发现急性病和高危病患者从而及时上报相关情况。此外，还可辅助社区医生进行问诊及转诊，提供精准检查及处方建议。辅助进行智能随访、智能监测、智能场景化科普等。此外，还可实时监测患者治疗后的康复状况，并给予复诊建议[29]。深度学习还可将心律失常表现与智能穿戴设备结合起来，从而对普通人群进行预警提示。Tison 等[30]在12 导联ECG 的指导下，采用深度神经网络研究并验证通过智能手表检测患者的心跳节律异常并预测其房颤的发生，结果显示该方法对于房颤的预测具有一定的准确性，从而为疾病的预防提供了新思路。在呼吸系统常见病慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)中，人工智能技术可用于COPD 患者的早期筛选、预防、管理、随访、自我管理、康复训练等，可最大程度地优化医疗资源，有效降低COPD 患者急性加重率和再住院率，提高医务人员效率并减轻其负担，改善患者生活质量，实现COPD 的现代化智能管理[31]。

2.8 智能约诊 指根据患者的病情轻重智能预约，合理安排诊疗时间，从而一方面为病情危重患者提供就医绿色通道，另一方面也可以优化就诊程序，最大化有效利用医疗专家的宝贵资源。此外，还可通过机器学习和人工智能算法预测高失约风险的约诊，采取适当干预措施，减少失约率，从而减少医疗资源浪费[29]。

2.9 智能院内就医流程引导 指通过智能化就医助手，依据患者的病情和病例资料，为患者提供个性化的精准就医引导。同时借助人脸识别技术，辅助患者进行挂号和缴费等操作，优化诊疗程序，提高就诊效率，提升就诊体验[32]。

3.问题与展望

人工智能在医学领域的应用方兴未艾。尽管市场应用前景广阔，但切不可盲目乐观，医疗人工智能相关产品从实验室走向临床大规模应用，仍需面临重重考验。比如我国目前尚无人工智能医疗应用的统一标准，各个医院大部分都是使用自己的共享标准平台，导致各医院间无法共享患者信息，引起一定程度上的资源浪费，阻碍了跨医院、跨区域和规模化医疗物联网的形成，不利于医疗大数据的优化配置。其次是AI 辅助诊断系统需要频繁更新，数据存在泄漏风险，如何更好的实现动态监管，也是面临解决的重要问题。此外，目前医疗数据监管尚缺乏针对性的法律法规，例如个人医疗数据的归属和隐私保护，不同机构间数据的流通、使用、收费等规范标准，都需要探索明晰[3]。同时也要认识到，人工智能只能作为医疗工作的辅助工具，而不能完全取代医护人员。未来，在提高诊断准确率的基础上，如何利用AI 诊断系统实现患者自助导诊，系统自动进行诊断、治疗、药品配送以及患者教育、随访和管理服务等，是AI 诊断系统的发展方向。相信随着技术的不断进步完善，人工智能必将更加深入地影响医疗工作的各个方面，带给医疗行业新一轮技术革新，促进现代医学的发展，为人类造福。

本文初步介绍了人工智能在医学临床领域中的应用现状，近年来人工智能在口腔医学中也有越来越多的运用，对口腔医学的发展起到了显著推动作用，由于口腔医学的特点，这也是目前相关领域的研究热点[33,34]。本文为人工智能口腔医学与人工智能在医学领域的应用相关内容进行对接，后续我们将就人工智能在口腔医学各领域中的应用做出专题报告。