人工智能与医疗深度融合

文／陈建伟

日前，国务院印发《新一代人工智能发展规划》，在智能医疗部分提出了明确的发展方向，包括推广应用人工智能治疗新模式、新手段，建立快速精准的智能医疗体系；探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊等。《规划》首次将新一代人工智能发展提高到国家战略层面，提出到2030年成为人工智能领域的世界领导者，打造规模超过1万亿元的据美国创投研究机构CB Insight统计，截止到2017年，全球市场上已有107家人工智能医疗创业公司，分别在生活方式管理、医院管理、可穿戴设备、虚拟助理、营养和精神健康领域发展。

人工智能+辅助医疗

医生的诊疗行为涉及医学、人文、心理、经济、社会等方面的复杂因素，对患者信息进行综合判断，才能制订出最为适宜的治疗方案。在整个医疗服务链条上，人工智能可以有效地将医生从一些费时费力的工作中解放出来，从而更好地聚焦于核心业务，或者在较短的时间内提高医生的诊疗能力。

具体而言，人工智能在医疗领域应用，如语音识别和电子病历等，将医生从繁重的病历记录工作中解脱出来，同时将传统病历和患者病情描述这些非结构化的数据，通过人工智能结构化记录，为进一步的大数据分析奠定数据基础。在这个领域，国际上有Nuance、飞利浦等公司，我国也有百度、科大讯飞等公司在这个领域深入挖掘。

人工智能在影像学辅助诊断方面的作用更为凸显。医学影像是医生进行诊断的最重要依据，同时也存在海量的数据。而人工智能则可以在这个方面有效地利用其大数据分析的能力，通过对海量数据的有效分析建立模型，从而为准确诊断提供参考。2016年，谷歌公司的研究人员在《美国医学会杂志》上发表题为《开发并验证一种深度学习算法通过眼底视网膜照片检测糖尿病性视网膜病变》的文章，通过对于1.1万名患者的眼底视网膜照片的检测，这种算法可以得出99.6％～99.8％的预测价值，这个结果证明，在这个领域计算机算法完全可以达到甚至超越眼科医生的诊断准确度，并完全超越其效率。而且建立在大数据基础上的人工智能诊断，伴随着数据的进一步增多，其对于数据的分析和总结会更加全面，决策模型也更加准确，从而可以实现其本身不断优化的良性发展路径。

人工智能+疾病管理

慢病管理的基础在于患者自身的管理和医生定期的管理，前者从实践的数据情况来看,效果并不好。2012年，美国每年由于患者不遵守医生的遗嘱对自身进行有效管理，从而产生的额外医疗费用达到1005亿美元，大约占到美国每年可避免的医疗成本的一半。

通过医生进行患者的慢病管理，虽然已成为各国进行慢病管控的基本共识，但同时也存在供给不足和无法实时监控的问题。医生无法随时监控每位患者疾病情况，并作出有效的治疗决策。那么，基于可穿戴设备的医疗数据实时监控系统，为人工智能介入慢病管理奠定了基础；而针对慢病明确的指标体系和相应的工具则为人工智能的介入创造了有效的决策模型，这种介入既包括软性的介入，如行为提醒、用药提醒、风险提示等，也包括硬性的介入，如直接给药和治疗。

2016年9月，美国食品和药物管理局批准了一款新型人工胰岛素，它融合了可穿戴设备的数据实时监控技术，基于算法的人工智能平台以及胰岛素的输入装置。该产品可以根据人体血糖水平进行实时监测，在人工智能的平台上对实时数据进行分析判断，并在需要时将胰岛素注入人体，以避免患者血糖水平出现过高或过低的情况。这个产品也是第一个人工智能与慢病管理类医疗器械结合的产物，可以预见，未来这类的产品将会更多地出现。

人工智能+监管控费

在全球范围内，医疗费用的不可持续增长已成为世界性问题，甚至已经严重影响了整体的经济健康运行。美国现有的GDP中，18％用于支付医疗保健费用，而且这个数字还在不断增长。针对这一问题，基于大数据的人工智能可以一展身手，有效地对医疗活动进行监控并控制整体医疗费用。

基于大数据的人工智能可以将医疗服务链条延伸至患者疾病症状出现之前，从而重新定义医疗服务的价值及其支付机制：即从治疗疾病为核心的支付模式过渡到以疾病有效管理、患者健康效果为核心的支付模式。要实现这个转化，就需要医疗服务提供者掌握其所服务患者的多种数据信息，如历史诊疗数据、基因数据、行为数据、流行病数据等，然后通过大数据分析判断其所服务人群的主要健康风险和疾病诱因，进而通过疾病发生之前的有效健康管理来预防疾病的发生。对于出院后的患者，医疗机构还可通过其日常数据的监控来及时了解患者的疾病情况并进行有效地及时介入，最大程度地避免患者的再次入院。

在治疗方面，现有的药品、器械和耗材的定价大多数取决于生产机构自身开展的临床试验和药物经济学数据，而引入大数据和人工智能则能对于医保的准入进行更加科学的分析和判断，同时通过在治疗过程中的患者数据的分析，进而可以对药品的有效性进行更加科学的大数据评估。与此同时，人工智能通过对海量的患者病历、处方信息、医学影像以及药品信息和药品使用过程中的反馈信息进行有效地信息分析和整合，进而形成用药效果的系统性分析。这种结论既可以对医生处方行为进行有效的辅助，同时也可以应用到医保智能审核的系统流程之中，对于临床合理用药进行有效地管理。

人工智能+药品开发

药品研发是医药工业的核心竞争力之一，也是我国制药工业在全球竞争中的短板。近几年，全球创新药物研发效率不尽如人意。依靠高额成本投入的研发模式遇到了瓶颈，而人工智能则可以在早期药物的筛选中提高成功概率，从而大幅降低药品研发成本。我国在研发后期的临床试验中，本来就有独特的人口资源成本优势，再借助人工智能的应用有望实现弯道超车。