人工智能AI落地英美各类医疗机构

编译/本刊记者 黄柳

人工智能AI落地英美各类医疗机构

编译/本刊记者 黄柳

从急症护理到ICU重症监护室，从儿童医院到肿瘤医院，英美两国全面拉开了人工智能AI融合医疗的实践。

综合医院：智能病房改善急症照护

据多家媒体报道，为了减轻患者和临床医生的压力，总部设在费城的托马斯·杰斐逊大学医院（Thomas Jefferson University Hospitals）2016年推出了由IBM沃森物联网（LoT）支持的智能病房。

智能病房希望解决的首要问题是诊断压力和医院的繁忙气氛给患者及其家属造成的焦虑感。使用IBM的认知计算和自然语言性能，患者能够向周围的医护人员要求某类具体信息的提供与行动协助，甚至可以自己发出口令实现调光、调节温度和开启音乐来完善病房环境。

为了进一步协助医生和护士，该平台甚至可以与患者进行互动对话，并记录和存储起来供以后进行医学检查。平台核心技术之一，IBM沃森扬声器系统，旨在通过更深层次的个性化、灵活和反应性护理来提高患者体验。

杰斐逊大学医院下属三个分支共拥有900间急症病房，部分病房已开始部署这些系统，患者将使用室内扬声器来操作灯光和百叶窗，或者与系统对话，询问自己的医疗护理问题。

肿瘤中心：协助临床探寻药物效能

众所周知，IBM沃森在肿瘤精准诊断方面具有突出的进取之心。与纪念斯隆-凯瑟琳肿瘤中心的多年深度合作，使沃森具备了在研究技术平台的“阅读”、分析大数据和生成循证临床建议的能力。

而沃森在另一家机构——北卡罗来纳大学莱恩伯格综合癌症中心（UNC Lineberger）的应用，更让人体会到沃森与临床医生在诊断、科研方面的完美配合。

2014年，72岁的退休家具商哈尔被诊断患有晚期膀胱癌后进入UNC Lineberger进行复诊。此前，他已经专业泌尿科医生确诊并切除了部分肿瘤。“但医生无法去除所有的癌细胞，于是我来到UNC讨论我的治疗方案。”哈尔解释说。

Kim医生说：“按照程序，我医院对哈尔的肿瘤进行了活检，以进行排序或解码，与正常的组织样本进行比较。那个分析告诉我，哈尔很可能会对一种称为依维莫司（Everolimus，商业上称为Affinitor）的药物有很好的反应，这个药物被FDA批准用于其他癌症，但不是用于膀胱癌。哈尔同意尝试，并很快开始感觉状态变好，随后的扫描显示原来在淋巴结中的癌细胞减少了。”但医生坦言，原因何在，他们并不清楚。

IBM沃森可以给出答案。“2015年12月，我从哈尔的肿瘤活检中获取了测序数据，并通过沃森技术进行了测试。在24小时内，沃森提供了科学的解释，说明哈尔被认为是‘特殊应对者’。这是沃森的价值！

儿童医院：增强沟通 畅通诊疗

位于英国利物浦的Alder Hey儿童医院，日前与英国科技设备委员会(STFC)哈特里中心合作研发出一个医患沟通的应用软件。在未来几个月里，患儿及其父母将被问及一系列问题，包括停车、餐饮、最喜欢的游戏与电影、喜欢的颜色及卧室环境等。

患儿家属还将被问到诊疗程序的问题、麻醉和外科手术等方面的问题。随后，这些信息将被哈特里中心和IBM的一个专家团队用来训练“沃森”，以完成与患儿及家属入院前沟通的环节。

医院神经外科医生、医院创新处主任告诉BBC，帮助患儿家属在孩子入院之前了解必要的信息，能减少他们的焦虑感，可以使整个医疗流程更顺畅、更省时。他中肯地表示，“医疗的很大部分是关于照顾人，约占我们所做工作的三分之一，但这部分是常被忽略的。我们怎么和患者沟通在过去的一百年变化并不大。相较于一本宣传折页，一个装载患者信息的互动平台效果更好。”

他随后提到这个平台可提供“更核心的诊断”，并表示，“我想尽快开始这个项目，但使用患者的记录需要时间，很昂贵还可能引起争议。但出于患者的利益，值得去做。”

眼科医院：机器辨识视觉疾病

使用患者信息确实会引来争议，在英国，一项人工智能技术在眼科的应用撬动了信息保护的格局。媒体关注到，进入2017年，无论是NHS还是此项眼科技术研发的支持方谷歌，都不需要事先征得患者许可就可以使用他们的医疗数据。官方给出的理由是，如果是出于改善医疗的研究目的，NHS有权传递一些匿名患者信息。

在合作落地的机构——NHS旗下的Moorfields眼科医院，2016年，顾问医生Pearse Keane与谷歌DeepMind长期的合作迎来阶段性成果，一套能辨识视觉疾病的机器学习系统宣告开发成功。

该应用程序被命名为Streams，其诞生源于眼科医生Pearse Keane致力于对导致视力丧失的两大疾病实现早筛：糖尿病性视网膜病变和年龄相关性黄斑变性（AMD）。要知道，它们对625万英国人和全球范围内超过1亿人的视力构成了威胁。

据英国媒体报道，NHS同意将超过160万名患者的记录交给谷歌开发基于Streams技术的新的移动诊疗平台；谷歌称，移动平台的应用将每年挽救1万名患者免于视力丧失。在此项合作中，双方就获取数据的范围及前提条件签署了协议。

重症监护室：AI让医疗更敏锐

在美国，ICU的年均入住患者数为570万，其中230万需要呼吸机帮助呼吸，但又有大约80万ICU患者会经受身体机能与呼吸机节奏不同步而产生的“人机对抗”问题。

AreteX公司的工程师发明了一项学习工具，它可以基于患者使用呼吸机的数据辨识出不同类型的人机不同步，并将信号及时发送给护士或呼吸治疗师，继而将患者从自身无法控制的与机器的对抗中解脱出来。这项临床试验已经在美国东南部的佐治亚医学中心展开。

此外，大多数ICU患者通过静脉滴注来增加使血容量和血压升高的流体。AreteX工程师同时指出，当前的流体管理过程是低效的，“通常医生下令护士手动改变输液速度。许多个小时后，医生重新评估患者。”患者随时可能因液体过少或过多而出现严重的并发症。

由该公司研发的自动流体管理系统日前也在佐治亚医学中心进行临床试验。这套系统应用机器学习个体患者身上持续发生的对液体流量控制的反应，继而学习随时调整流量让患者情况恢复稳定。

在洛杉矶儿童医院的新生儿重症监护室，医院也自主研发基于以往医疗数据的智能软件，实现患儿危险预警。

CDC：社交媒体数据分析提前预警

早在2009年，美国疾病预防控制中心（CDC）将传统媒体和社交媒体相结合，邀请公众报告与H1N1病毒爆发相关的症状。这样可以监测受影响地区，指导卫生服务部门快速反应。

目前，研究人员正在进一步研究如何利用社交媒体搜集关于心理健康的信息，建立社会政策决策者可使用的人口模型，并根据系统学习的交叉应用的关键字触发红色警报，甚至发现有自杀倾向者。更为商业化的应用方向是，社交媒体与机器学习一起发挥效能，搜集关于药物不良反应的信息，提高制药公司关于可能被忽略的副作用警报快速反应的能力。

当然，社交媒体作为信息来源，存在的问题是原始数据是否够好。而通过使用移动和可穿戴设备，有更准确的获取医疗数据的方法，且它们作为高度连接的、多功能的计算设备所具备的强大功能，对医疗行业的意义愈加珍贵。