IBM 中國研究院認知醫(yī)療研究總監(jiān)謝國彤有感于“搞人工智能技術(shù)的人不知道醫(yī)療里重要又可解的問題是什么，搞醫(yī)療的人不知道技術(shù)究竟能幫到什么程度”，謝博士特別撰寫了這部述評醫(yī)療 AI 應(yīng)用場景、應(yīng)用案例、關(guān)鍵技術(shù)和未來技術(shù)前景的“連續(xù)劇”。今天為大家?guī)淼谝患?/p>

　　我做了八年醫(yī)療 AI，深切地體會到用人工智能技術(shù)解決行業(yè)問題最大的挑戰(zhàn)是選對應(yīng)用場景。搞人工智能技術(shù)的人不知道醫(yī)療里重要又可解的問題是什么，搞醫(yī)療的人不知道技術(shù)究竟能幫到什么程度，兩撥人很容易迷失在喧囂熱鬧的學界/企業(yè)/資本的各種熱點里。我打算寫個“連續(xù)劇”，分享一下我看到的醫(yī)療AI的靠譜的應(yīng)用場景，應(yīng)用案例，關(guān)鍵技術(shù)和未來的技術(shù)前景。

　　人工智能(AI，Artificial Intelligence)正成為一股“顛覆”各個行業(yè)的力量：汽車可以自動駕駛了，刷臉可以買東西了，家里的音箱可以跟你聊天了，甚至機器人都參加高考了。作為人命關(guān)天的重大領(lǐng)域，醫(yī)療，當然也成為了人工智能技術(shù)應(yīng)用的熱點領(lǐng)域。用 AI 技術(shù)解決行業(yè)問題最重要的是應(yīng)用場景。在醫(yī)療領(lǐng)域的應(yīng)用場景很雜，醫(yī)院、藥廠、醫(yī)療設(shè)備廠家、醫(yī)療保險公司、體檢機構(gòu)、健康管理機構(gòu)和藥店或藥品流通企業(yè)等都有不同的需求，需要不同的解決方案。這篇就從醫(yī)院的視角，看看人工智能可以有哪些應(yīng)用場景吧。其中某些場景對其他醫(yī)療服務(wù)提供商，比如健康管理機構(gòu)，可能也是適用的。

　　AI 在醫(yī)療服務(wù)的核心應(yīng)用場景是解決優(yōu)質(zhì)醫(yī)療資源不足的問題

　　“看病難”是普羅大眾對醫(yī)院服務(wù)詬病最厲害的地方，其實核心的問題是優(yōu)質(zhì)醫(yī)療資源不足，供需不匹配。大醫(yī)院如協(xié)和、301醫(yī)院的醫(yī)生資源有限，現(xiàn)在每天每個醫(yī)生門診看上百個病人是稀松平常的事兒，很多醫(yī)生(比如兒科醫(yī)院)晚上還要出診，周末也要出診。即使這樣，病人還是看不完。更別說大醫(yī)院的醫(yī)生同時還承擔很多教學和科研任務(wù)。這些醫(yī)生的”人肉“生產(chǎn)效率已經(jīng)被最大程度的“壓榨“了，所以 AI 在大醫(yī)院的應(yīng)用場景就是如何借助機器(人工智能)的力量，幫助大醫(yī)院的醫(yī)生進一步提高生產(chǎn)效率。

　　為了緩解大醫(yī)院資源不足的問題，國家一直在力推”分級診療“，希望廣大的基層醫(yī)院能分流就診人群。但現(xiàn)狀是基層醫(yī)療機構(gòu)，尤其是廣大農(nóng)村或邊遠地區(qū)的優(yōu)質(zhì)醫(yī)生資源很有限，老百姓對基層醫(yī)療機構(gòu)的醫(yī)療質(zhì)量不信任，不愿意去。基層醫(yī)生們無論是上學期間的培訓還是從業(yè)后的在職培訓相對大醫(yī)院的醫(yī)生來說都很不足，同時他/她們面對的是幾十種疾病的全科診療(不像大醫(yī)院的醫(yī)生們都按科室提供專科服務(wù))，會面對有各種常見病(高血壓、糖尿病、高血脂、冠心病等)的患者。所以 AI 在基層醫(yī)療的核心應(yīng)用場景就是如何借助機器(人工智能)力量，幫助基層醫(yī)生達到中等程度的診療服務(wù)水平，讓老百姓愿意走進基層醫(yī)院，真正實現(xiàn)“分級診療”。

　　AI 助力疾病的診斷、預(yù)測、治療和管理服務(wù)

　　AI 具體能如何幫助提高醫(yī)療服務(wù)水平呢?我們不妨從醫(yī)院為患者提供的關(guān)鍵醫(yī)療服務(wù)看起。簡單的說，有如下幾個關(guān)鍵服務(wù)：診斷、預(yù)測、治療、基層醫(yī)療機構(gòu)還有疾病管理的服務(wù)。

　　診斷：判斷患者到底得了什么病，它是所有后續(xù)治療的基礎(chǔ)。為了提高診斷的精度，好的醫(yī)生要能：1)利用先進的診斷輔助方法，比如各種醫(yī)學影像(超聲/CT/核磁)，病理切片(細胞染色)和基因分析;2)綜合患者的主訴、體格檢查、生化檢測、影像、病理和基因數(shù)據(jù)，利用多維的數(shù)據(jù)做出診斷。現(xiàn)狀是先進的診斷輔助工具只掌握在少數(shù)醫(yī)生手里，所以醫(yī)院有專門的放射科分析醫(yī)學影像、病理科分析病理切片，而且目前這些分析基本靠人工。一個人的心臟 CT 影像有幾百張，胃腸道的連續(xù)內(nèi)窺鏡影像有幾萬張，腎臟病理切片的分辨率是最高清照片的幾百倍，醫(yī)生需要花大量的時間用肉眼掃描這些影像，判斷可能的心血管堵塞、胃潰瘍或者腎小球病變的位置和病變程度等。此外，能結(jié)合多維數(shù)據(jù)做出診斷對醫(yī)生的綜合能力要求很高，即使在大醫(yī)院里具備這樣能力的醫(yī)生也是鳳毛麟角。從人工智能的角度看，在疾病診斷的核心應(yīng)用場景是利用各種分類算法(尤其是影像分析技術(shù))，融合多模態(tài)醫(yī)療數(shù)據(jù)，1)過濾無用的信息，2)自動分析病變的位置、程度(分級)和分型等關(guān)鍵信息，3)最終輔助醫(yī)生完成鑒別診斷。

　　預(yù)測：預(yù)測疾病的發(fā)展(Disease Progression)，治未病。比如診斷為房顫的患者，同時患有高血壓和糖尿病，那么該患者在未來的幾年內(nèi)中風的可能性就較高，所以醫(yī)生就要提前采取抗栓治療，讓患者口服華法林等抗凝藥，降低他/她將來中風的風險。類似的，癌癥的患者術(shù)后有高復(fù)發(fā)或轉(zhuǎn)移風險的，可能要通過相應(yīng)的化療和放療來預(yù)防。好的醫(yī)生不僅是處理患者目前的問題，更重要的是能預(yù)測患者疾病的演進，采用預(yù)防手段，防患于未然。預(yù)測疾病發(fā)展風險最困難的是找到最關(guān)鍵的風險因素，以及各種風險因素對最終疾病發(fā)展的權(quán)重。目前這個過程主要靠醫(yī)生的經(jīng)驗積累產(chǎn)生科研假設(shè)，然后花很長時間去積累跟潛在風險因素相關(guān)的數(shù)據(jù)，再用統(tǒng)計的方法加以驗證。從人工智能的角度看，在疾病預(yù)測的核心應(yīng)用場景是利用各種分類算法，1)從真實世界數(shù)據(jù)(病歷/醫(yī)保)、生活方式數(shù)據(jù)和社交媒體等多維數(shù)據(jù)中自動發(fā)掘風險因素及其權(quán)重;2)構(gòu)建預(yù)測模型，自動對個體患者的疾病發(fā)展進行預(yù)測，輔助醫(yī)生“治未病”。從控制醫(yī)療保險費用的角度，預(yù)測患者未來的醫(yī)療資源使用(Resource Utilization)情況也是很熱門的題目，比如預(yù)測醫(yī)療費用，住院天數(shù)、急診出診次數(shù)或?qū)？崎T診次數(shù)等。這些預(yù)測當然跟疾病的發(fā)展相關(guān)，但更多是從管理者的角度(醫(yī)療保險公司或政府)來分析。

　　治療：千百年來，醫(yī)生通過用藥或者手術(shù)作用于患者，治愈疾病。但同樣是房顫患者，接受華法林抗凝治療一年，有人不中風了，有人還是中風，有人甚至提早誘發(fā)了腦溢血。為什么?因為個體有差異。所以治療最困難的地方是根據(jù)患者的個體差異提供個性化的治療，這是精準醫(yī)療的核心。如果從數(shù)據(jù)的角度看一個患者，無非是一堆數(shù)據(jù)的集合。這個集合里有該患者的基本人口學數(shù)據(jù)(性別，年齡等)，生化檢驗數(shù)據(jù)(糖化血紅蛋白、高密度脂蛋白等)，影像學數(shù)據(jù)(冠狀動脈掃描或乳腺超聲)，病理學數(shù)據(jù)(腎臟病理或甲狀腺病理等)，基因突變數(shù)據(jù)(EGRF變異等)和生活方式數(shù)據(jù)(飲食/運動/睡眠)等。從理論上說，世界上任意兩個患者的數(shù)據(jù)都是不相等的，這就是個體差異，精準醫(yī)療的終極夢想就是為每個患者制定不一樣的治療方案。這個終極目標實現(xiàn)之前，重要的小目標是能否把患者，比如中國的一億糖尿病患者，分成盡可能多的子群，為每個子群制定不一樣的治療方法，達到最佳的治療效果。從人工智能的角度看，在疾病治療的核心應(yīng)用場景是利用各種聚類方法，根據(jù)不同治療方案的效果，1)自動從患者的多維數(shù)據(jù)中尋找能夠區(qū)分患者所屬子群的關(guān)鍵變量及其權(quán)重;2)自動劃分患者子群;3)自動給出個性化的治療方案推薦，輔助疾病治療。除了考慮治療的臨床效果，不同治療方案的“性價比”也是分析的熱點，會把各種治療方案的費用也考慮在內(nèi)。

　　管理：疾病管理是指患者離開醫(yī)院后對患者的持續(xù)隨訪服務(wù)，并根據(jù)患者病情的變化主動提供醫(yī)療建議，或者被動回答患者的問題等。比如醫(yī)生通過隨訪了解到某個高血壓患者的血壓在最近一個月內(nèi)持續(xù)升高，而且他不按時服降壓藥，既然酗酒嗜煙，且熬夜嚴重，那么醫(yī)生可能會建議患者采取措施，避免可能的腦梗/心梗風險。或者某個糖尿病患者突然覺得最近視力下降很厲害，她可能會主動咨詢醫(yī)生，如果醫(yī)生響應(yīng)及時，可能她就可以避免并發(fā)視網(wǎng)膜病變甚至失明的風險。但現(xiàn)狀是大醫(yī)院的醫(yī)生沒有時間對院外的患者進行疾病管理，社區(qū)的全科醫(yī)生有疾病管理的責任，但受限于資源，也很難對我國的患者，尤其是近3億慢性病的患者，提供及時的隨訪和管理服務(wù)。從人工智能的角度看，在疾病管理的核心應(yīng)用場景是利用各種自然語言理解和對話技術(shù)，1)自動對患者進行隨訪，采集關(guān)鍵的病情變化數(shù)據(jù);2)根據(jù)患者的病情自動給出預(yù)警或建議;3)主動回答患者的問題，尤其是跟患者教育相關(guān)的問題(病因/飲食禁忌/藥物禁忌等)。

　　后續(xù)我計劃針對疾病的診斷、預(yù)測、治療和管理這幾個應(yīng)用場景，介紹一些具體的應(yīng)用案例。

　　作者簡介：謝國彤，IBM 中國研究院認知醫(yī)療研究總監(jiān)、IBM 全球研究院醫(yī)療信息戰(zhàn)略聯(lián)合領(lǐng)導人。作為 IBM 中國研究院負責智能醫(yī)療方向的研究負責人，謝國彤博士在過去十年都在做醫(yī)療方向的研究，參與 IBM Watson 的醫(yī)療研究，包括醫(yī)療與人工智能結(jié)合之后，認知、感知和醫(yī)療的結(jié)合，在中國也帶領(lǐng)了一個很大的研發(fā)團隊。