人工智能在践行“健康中国”战略中的应用

　　摘 要：人工智能技术与医疗健康领域的融合有助于满足人民日益增长的卫生与健康需求。在此背景下，分析人工智能的定义及特征，综述人工智能技术在医疗健康领域中的应用场景及发展现状，提出人工智能与医疗健康领域融合的思考及建议。

　　2016 年中共中央、国务院印发的《“健康中国 2030”规划纲要》提出要把健康摆在优先发展的战略地位，发挥科技创新和信息化的引领支撑作用，形成具有中国特色、促进全民健康的制度体系[1]。 2017 年国务院印发的《新一代人工智能发展规划》指出，应深化人工智能在智能医疗领域的应用，推广应用人工智能的诊疗新模式、新手段，建立快速精准的智能医疗体系。人工智能技术应用将成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标[2]。

　　一、人工智能定义及特征

　　（ 一）人工智能的定义

　　人工智能(Artificial Intelligence，AI) 是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支[3]。根据定义可将其分为“人工”及“智能”两部分。“人工”即人造的，或人力、手工完成的。智能的概念则更为复杂，其字面意思为“智慧” 和“能力”的总称，许多理论家对“智能”进行过定义，较为出名的是由美国教育学家和心理学家加德纳(H.Gardner) 博士提出的多元智能理论，认为人类的思维及认识的方式是多元的，是一种全新的人类智能结构的理论[4]。该理论认为，智能是解决某一问题或创造某种产品的能力，而这一问题或该类产品在某一特定文化或特定环境中被认为是有价值的[5]。

　　（ 二）人工智能的特征

　　根据对人工智能定义的分析，人工智能技术是把模拟人工能力和智慧的技术手段进行集成，其在不同的场景下有不同的使用方式。人工智能具有如下特征：

　　1. 模式识别

　　使用计算机用数学技术方法来研究模式的自动处理和判读，通常将环境与客观事物统称为“模式”[6] ；是对数值、文字、逻辑的关系等信息进行处理分析，以对获得的事物或现象进行描述、辨认、分类及解释的过程，如患者腕带上的条码或患者人脸辨识等，涉及图像处理分析等技术。

　　2. 机器学习

　　计算机使用涉及数学、统计学、逻辑学、计算机算法、概率论等多学科的手段，模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，从而不断完善自身性能，以达到预定的要求。机器学习是人工智能的核心，是使计算机具有智能的根本途径[7-8]。

　　3. 数据挖掘

　　从大量数据中通过算法搜索隐藏于其中的信息，通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）及模式识别等诸多方法来实现上述目标[9]，可用于市场分析、科学探索、疾病预测等。

　　4. 智能算法

　　解决某类问题的一些特定模式算法，如最短路径问题及工程预算问题等。

　　二、人工智能在医疗领域的应用

　　（ 一）人工智能在医疗领域应用的特点

　　当前，人工智能在医疗领域的应用尚处于早期发展阶段。根据2020 年以来国家药品监督管理局发布的医用软件类医疗器械注册情况，含有人工智能技术的三类医疗器械注册数量约为18 个。多数产品聚焦在医学图像辅助诊断领域，其中与CT 技术相关的软件共有10 项，与糖尿病眼底改变诊断相关的软件有3 项，与X 线技术相关的有2 项，与心电图、磁共振、冠状动脉血流分析相关的各有1 项。人工智能技术多应用于疾病的监测与管理、诊疗与预测等方面。

　　根据目前人工智能在医疗领域应用的情况及该领域的相关研究，池慧等[10] 总结出如下特点及难点：

　　人工智能在医疗领域的应用有助于满足人民日益增长的卫生与健康需求，存在巨大市场空间，受到多个国家和地区机构的重视，各国纷纷快速展开布局，投入不断增加。

　　全球医疗人工智能领域基础研究活跃。中美两国引领全球，领先机构为国际知名工科院校。在热点研究方向中，重大疾病的诊断、预测尚处于模型阶段，医学图像及医学大数据两个方向的发展相对成熟，美国聚焦于模型构建，将IT 实现委托给印度；中国在医学图像方向实现了模型构建和IT 实现两方面并进，但在医学大数据方向的模型构建方面相对薄弱。

　　全球医疗人工智能领域技术开发活跃，中美两国是主要的技术发源地和目标市场。技术开发主要集中于医学图像辅助诊断技术、医疗大数据采集与挖掘技术、生物标志物与基因检测技术、疾病监测与健康管理信息技术、药械等疾病治疗技术5 个方向。

　　全球医疗人工智能领域临床转化日益活跃，主要应用于疾病监测与健康管理、疾病诊疗与预测。在临床转化阶段，中国较多应用于医学影像辅助诊断及疾病预测，美国较多应用于疾病监测与健康管理及疾病诊疗。

　　人工智能医疗器械产品注册审批存在难点。中国、美国、欧盟等国家和地区在产品上市方面逐步探索、推进。

　　（ 二）人工智能在医疗领域的应用场景

　　人工智能在医疗领域具有广泛的应用场景，主要包括：实时生命特征监测，主要应用于急诊、手术、产房、传染科等场景，通过收集多种实时信号并结合其他数据如影像、检验等信息，对重症和突发重要情形进行报警，以提高监护效率；实时质控，对所收集数据的质量进行判别并示警，以提高诊疗质量；辅助筛查，利用多种信息对一类或多类疾病进行检测，协助进行疾病筛查；辅助诊断，开发多种信息的分析处理软件，提取疾病相关信息和特征，协助医生发现可疑病况，通过分类分型协助医生进行诊断；辅助治疗，利用传感器、机器人、影像设备协助医生进行治疗；疾病的预后及分析，如保险公司或医保机构对数据的分析、医疗机构和健康管理部门对多源数据的分析等。

　　结合国内外人工智能技术的临床应用实践，对人工智能在医疗管理、临床诊疗、医疗器械的技术改进、健康管理与药品研究方面的应用展开介绍。

　　1. 医疗管理

　　随着我国医院建设进程的加快，大量新建医院投入大量资金进行信息化建设，涉及门诊、住院、急诊、行政管理、医疗器械管理、感染控制、医疗保险等方面。而人工智能技术在院内的流程类管理方面已经取得广泛应用，如电子病历、临床决策支持系统、质控；并且其在患者导诊、咨询、健康服务、知识图谱定制等方面均已实现应用，如安徽省立医院自2017 年开始在门诊使用具有人工智能技术的导诊机器人，负责解答就医者提出的问题[11]。

　　2. 临床诊疗

　　门诊就诊过程中，人工智能技术可根据患者既往病史，结合当前症状及相关检查结果，分析并提出相应建议，临床医生可参考这些分析结果进行诊断。在临床诊疗过程中，人工智能被重点用于研究、解决威胁人类健康的疾病。如我国最早获批三类医疗器械注册证的冠脉血流储备分数计算软件(CTFFR) 及心电分析软件(AI-ECG Platform) 已成为诊断心脑血管疾病的利器[12]。

　　（1）医学影像诊断

　　人工智能在医学影像领域的应用主要包括两个方面，一是图像识别，二是深度学习。人工智能应用的核心部分是深度学习[13]。

　　人工智能技术可用于CT 图像分析，重点为肺部疾病( 如肺部炎症)、肺部结节状病灶( 如早期微小结节的判定或孤立性结节的性质预判等) 及冠状动脉血管分析等。另一个应用较为广泛的领域为眼底血管分析，如中山大学中山眼科中心袁进教授所承担的科技部重点项目“数字诊疗装备研发”中的“眼科多模态成像及人工智能诊疗系统的研发和应用”、林浩添主持的2018 年科技部“数字诊疗装备研发” 重点专项的资助项目——“常见致盲、致畸、致死疾病的人工智能筛查诊断系统研发和临床试验”等。其中，林浩添团队牵头开发了一种眼底疾病人工智能诊断模型，即“ 眼底疾病综合智能诊断专家”，可准确识别14 种常见眼底异常，准确率与眼底专科医生相当。

　　（2）医疗机器人

　　医疗机器人作为医疗AI 的创新风口广受各界关注。医疗机器人大致可分为手术机器人、检查机器人、护理机器人及导诊机器人四类。手术机器人可监测手术环境，结合患者的术前信息和及时的高解析成像，建构更完整的智能微创手术系统；应用检查机器人后，放射科的报告清单不再依照检查时间先后排序，而是根据AI 怀疑病灶的急性或重要程度排序；护理机器人将护理工作与机器人深度融合，以满足身体障碍人士的特定需求；导诊机器人主要通过人机交互实现科室导航、就医流程引导等功能[14]。由此可见，医疗机器人不仅为医院及患者提供了工具支持，更创造了一个有着全新参与方式、全新互动模式及全新相互关系的崭新的医疗生态[15]。

　　外骨骼机器人是医疗机器人的又一个热点研究方向，其作为人机混合智能系统，涉及运动的协调以及智能的交互两方面[16]，主要用于辅助腿脚不便的老年人及残障人士恢复腿部行走能力，甚至帮助瘫痪在床的残障人士重新站立行走。

　　（3）疾病预测

　　医疗大数据是医疗人工智能创新发展的关键要素。随着医疗数据库的不断壮大，医疗AI 逐渐从早期的“数据整合”阶段过渡到“数据共享＋感知智能” 阶段。医疗AI 可依据医疗数据预测患者病况，包括并发症的发生率、致死率、回诊率等，以促进医疗资源公平分配[17]。

　　3. 医疗器械的技术改进

　　随着科学技术的发展，医疗器械也得到飞速发展，尤其是在大型医疗设备中，已经有许多设备广泛应用了人工智能技术，例如在MRI 成像中加快扫描时间、提高图像的信噪比等。沈定刚等认为医疗器械AI 的应用范围主要包括：对采集到的各类客观数据进行自动分析，包括信号和图像序列的预处理如降噪和压缩；多元信息的融合；对生命特征、发展趋势或疾病特征的信息变换和特征提取以及检测和量化；基于多种信息对疾病特征进行分类和诊断；对治疗过程进行实时引导；对疗效进行多元信息评估等。

　　4. 健康管理与药品研究

　　“智能＋健康大数据”极大创新了提供医疗服务的方式，患者和公众可突破时空限制，如借由穿戴装置掌握病况和搜集数据，获得健身建议与疾病警告。

　　医疗数据的碎片化、数据利用的低效性及不连贯性等问题阻碍了医疗数据的开发与应用。未来在医疗AI 应用的基础上，依托“ 智能＋健康大数据” 的模式，精准医疗和AI 可真正实现整合。具体来说，医疗AI 可对医疗数据进行综合提取与交叉分析，通过高效计算和精准匹配使个性化健康管理成为可能。由于个体肯定会受整个群体及地域的影响，更须要将精准医疗延伸到公共卫生领域，整合基础研究与临床实践，打造以数据为基础的医疗模式，聚焦人体基因、环境因素与复杂疾病的相互关联，准确计算危险因子以及致病概率，对传统医疗领域进行创新改造。

　　针对此次新冠肺炎疫情新药研发面临的研发周期长、研发成功率低及研发费用高三大痛点，凭借算法和算力优势，医疗AI 不仅可压缩新药测试周期，以实现加速研究、设计及制造新药物，预测药物脱靶效应及毒性等[18-19]，还可通过深度学习等方法对疫情发展进行精准预测，从而降低防控成本。

　　三、总结与展望

　　人工智能在医疗领域的飞速发展在带来众多技术优势的同时，也带来了诸多不确定因素，例如：人工智能+ 医疗一旦出现诊断错误，将直接影响患者的生命健康，此时应如何划分责任？我们是否能够接受这样的错误或不确定因素？基于上述思考，在不断推进创新技术应用的同时，更应意识到在医学诊疗过程中，除了依靠数据、检查结果外，还要耐心地从患者得到更详细的信息，凸显人文关怀，提高诊断的准确率，而不能简单依靠人工智能。