我国医学人工智能在医疗机构发展面临的问题及政策建议

2019-12-24田雪晴

卫生软科学 2019年10期

田雪晴，游茂

(国家卫生健康委卫生发展研究中心，北京 100044)

随着我国科技进步，人工智能技术成为了推动大数据创新应用的重要手段。在医疗卫生领域，人工智能深度应用是未来发展趋势，也是落实“健康中国”战略的重大创新实践。《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》(国办发〔2016〕47号)、《“十三五”卫生与健康科技创新专项规划》(国科发社〔2017〕147号)、《国家健康医疗大数据标准、安全和服务管理办法(试行)》(国卫规划发〔2018〕23号)等文件的颁布和实施推动了我国人工智能事业的健康发展。

人工智能在医疗健康领域的蓬勃发展可能带来医疗模式的大变革。国内外研究大多集中于人工智能技术赋能医疗健康的科研应用，而医疗机构发展医学人工智能技术面临的挑战和问题研究较少。为掌握全国范围内医学人工智能技术推广和应用情况，国家卫生健康委统计信息中心于2018年12月开展了人工智能技术应用落地案例整理活动[1]。该活动面向各级各类医疗卫生机构征集疾病预测干预智能化案例、疾病咨询智能化案例、疾病诊疗智能化案例、药物研发智能化案例、卫生事业管理智能化案例，以及其他应用效果突出、创新性、实用性显著的案例。

本研究于2019年2-3月，以东、中、西部3省(广东、湖北、四川)为样本省，各选取一所综合实力较强的医院为样本医院，采取访谈法和现场观察相结合的方式，分别与医院主要领导、信息中心/科负责人、设备采购负责人、医务科负责人、财务科负责人、应用人工智能技术的医护人员代表进行访谈。旨在对国内人工智能技术在医疗机构医院的相关情况进行深入调研，进一步挖掘人工智能技术在辅助诊疗领域的应用场景，分析医疗机构对人工智能类设备配置中存在的问题，并提出相关政策建议。

1 人工智能在医疗领域的应用现状

1.1 在疾病诊疗智能化方面

1.1.1 应用场景

各医院开展的医学人工智能应用以AI辅助疾病诊断为主，具体应用于医学影像识别、影像资料管理及AI智能辅助筛查。在疾病诊疗智能化方面，影像学诊断在当前医学人工智能中研究最多、应用最广。在医学影像领域无论是企业数量还是发展规模，中国都遥遥领先于欧美各国[2]。目前疾病智能化诊断主要用于肺部结节的检测[3]、眼科[4]、病理诊断[5]等应用。

1.1.2 应用效果

在肺结节识别方面，运用对照组比对方法，以三位专家一组为控制组，三位专家+AI为检测组，验证结论为应用医学人工智能(专家+AI)效果比单纯医生判断更为准确。在实际运用发现，甲状腺疾病的检测精度80%左右，乳腺疾病检测精度接近90%，检测精度基本达到副高级医师水准。

调研发现，人工智能在消化内镜的研发经历了3个阶段，第一阶段是根据临床需求研发算法模型；第二阶段是使用医务人员提供的大量标注数据训练初步模型；第三阶段是在实际临床试验中调整参数修正错误，不断优化模型，使其更加贴近临床应用。目前系统已能实现对6种胃肠道病变进行研判，准确率90%以上。

访谈结果可以显示，各院领导、职能处室和医务人员对人工智能在医疗机构的应用带来的变化表示赞同，人工智能技术逐渐被医疗机构所接受，人工智能技术辅助识别静态和动态医学影像的价值已经凸显。一是检测速度快，比如阅读胸片，医生平均需要5～8分钟，人工智能系统只需要5秒钟；二是检测精度高，人工智能对肿瘤复查等检测效果非常显著，尤其是对医生容易遗漏的微小病灶的识别；三是持续高效，医生长时间读片会疲劳，精准度下降，但人工智能系统连续工作仍能维持高精度；四是创新性，能够强化医生对疾病的认识，推动基础研究和临床技术的创新；五是推进医疗同质化，有效提升基层医疗服务能力，辅助基层医生进行病灶识别。

1.2 在疾病预测干预智能化方面

随着互联网和物联网技术的发展与突破，互联网检索信息、电子病历、居民健康档案、可穿戴智能设备监测数据、环境监测点监测数据等大量的数据源为人工智能在疾病预测领域发展打下了坚实的基础。如波士顿大学的Theodora等[6]，基于患者电子病历，利用人工智能算法预测了心脏病和糖尿病两种慢性病的患病风险。利用大数据分析和模型预测，人工智能现在也可预测阿兹海默病风险[7]、心血管疾病风险[8]、癌症风险等。通过预测疾病发生风险，可以有效地防范公共卫生风险，提高个人健康水平。

1.3 在卫生事业管理智能化领域

继“数字医疗”“移动医疗”“互联网医疗”之后，智慧医疗建设成为当前关注热点。随着机器学习、自然语言处理、知识图谱技术等技术的发展，人工智能在智慧医疗建设过程中起到关键的作用，目前主要的应用场景为区域健康档案管理[9]、区域分级诊疗[10]、院内流程管理[11]等方面，助力事前、事中管理，加强医疗质量控制，规范诊疗行为，以达到优化流程、合理调配医疗资源的目的，比如基于机器学习的院内感染主动识别、基于特征工程的医保欺诈主动识别防控。

1.4 在疾病咨询智能化领域

语音交互技术、自然语言识别技术的发展，导诊机器人的发展一定程度上分担了医务人员导诊分诊的工作任务[12]。

2 存在的问题

2.1 医院内对医学人工智能的管理不明确

作为新兴行业，医学人工智能的分类尚不明确，医院无法判断其属于设备、软件，或者技术服务，这导致现有行政职能处室对人工智能研发管理的分工不明确。目前多由医院信息中心协助相关临床科室管理人工智能的研发，而院内没有统筹管理，相应的管理制度也不健全，不利于指导和规范院内医学人工智能的研发和应用。

2.2 医学人工智能成果转化能力有待提升

当前人工智能的发展是靠资本和技术推动的。掌握大量资本和先进技术的人工智能企业多以委托科研课题的方式寻求与积累大量医疗数据的医院进行合作研发。在这种模式下，企业掌握算法模型的研发，尽管医务人员参与研发活动，但医院本身的人工智能技术开发能力未能因此而提高。其次，医院没有开发能力，人工智能技术主要依赖企业，医院的自主权非常有限，无法进行自主研发。一旦企业发展路线转移或者不再提供人工智能技术，将严重影响医学人工智能的发展速度。同时，医学人工智能发展亟需大量临床科研人员投入研究，但以下原因导致临床科研人员实际参与度不高：一是医院在医学人工智能研发方面的激励机制不健全，临床科研人员缺少参与医学人工智能研发的动力；二是医学人工智能产品研发周期长，成果转化难，影响年轻科研人员的晋升。

2.3 数据质量难以保障

现阶段，大多数医学人工智能的实现需要大规模高质量标注数据训练集，因此对保障数据质量提出了更高的要求。多数进行标注的专家团队对参与人员进行从采集数据到标注数据的统一培训，并对标注的数据进行了严格的质量控制。但也有个别企业为了加快研发进度、降低研发成本，会通过多种渠道获得标注数据，如非法购买低质量标注数据、采用非专家医生、实习生标注的数据等。数据标注的质量参差不齐，会影响医学人工智能的准确度，甚至会导致大量低质量数据冲垮模型，前功尽弃。

2.4 医学人工智能复合型人才缺乏

医学人工智能涉及多学科深度融合。目前医务人员不懂人工智能技术，人工智能技术工程师不懂医学知识，复合型高端人才极度缺乏。而我国的医工交叉学科人才培养尚处于起步阶段，短时间内复合型人才供应得不到满足，在一定程度上不利于医学人工智能的发展。

2.5 监管缺失，缺乏评估标准

面对人工智能技术在医疗领域应用的不确定性，国家卫生健康委和国家药监局都在积极探索应对潜在的风险。目前医学人工智能市场存在着监管缺失、评估标准缺失的情况。医学人工智能监管体系尚不健全，难以及时地对潜在医疗质量安全问题进行监督与反馈。同时由于缺少具体的医学人工智能评估标准、市场准入/退出机制和收费机制等，医学人工智能产品无法真正地进入卫生体系。目前，国家卫健委和国家药监局都在探索医学人工智能的审评审批和综合评估，总体来看医学人工智能应用评估体系和标准数据库亟需建设。

3 建议

3.1 鼓励医院成立医学人工智能专家委员会

鼓励以医院为单位成立院内医学人工智能专家委员会，通过多部门协同管理医学人工智能的研发和使用：由信息中心提供数据和技术支撑、临床科室提供专业知识、科技转化部门负责保护知识产权、科研处协助整合科研资源、法务部门提供法律支持、伦理委员会审查研究的科学性和伦理性等。

3.2 鼓励医院建立医学人工智能技术应用平台

鼓励医院与人工智能相关科研院所合作共同建设医学人工智能技术应用平台，为医务人员研发提供技术支持；激励医生参与人工智能研发，使人工智能更好地满足临床需求，这不仅能提升临床效率，将医生从简单重复的工作中释放出来，更能加深对疾病的认识。

3.3 建立医学人工智能科研示范基地

依托优势学科建立国家级标准数据库和评估基地。基于某一个或者几个医院建立某一领域的医学人工智能评估基地，建设标准数据库，向社会开放，鼓励医院与社会共享科技成果，规范医学人工智能的发展。

3.4 加强医学人工智能监管体系建设

为适应医学人工智能发展的客观要求，建议整合优化国家卫生健康委和药监局监管职能，加强监管协同，组建医学人工智能联合工作组。成立国家医学人工智能专家咨询委员会，制定国家医学人工智能发展战略，完善顶层设计，研究医学人工智能公共政策，发布医学人工智能白皮书。完善国家医学人工智能应用评估体系，发布评估指导原则和评估指标，建设国家医学人工智能应用评估平台，探索实施国家医学人工智能应用备案登记制度。推动第三方评估机构发展，为医学人工智能相关政策的制定提供决策依据。