医学紧急救援中人工智能的应用及伦理思考

2020-08-11李俊杰

中国医学伦理学 2020年7期

赵晶，王田，李俊杰

(陆军军医大学基础医学院，重庆 400038，jenica.zhj@qq.com)

人工智能(Artificial Intelligence,AI)这一设想是1942年美国作家阿西莫夫(Isaac Asimov)在他的短篇小说《环舞》(Runaround)中提出[1]。而AI真正作为概念的提出是20世纪50年代的达特茅斯会议上[2]。AI的核心价值在于其“智”，在于将学习、推理、思考、规划等智能行为赋予机器，制造类似于人脑智能的计算机，使计算机能实现更高层次的应用并赋能人类社会解决各领域的问题挑战。在医疗领域，紧急救援是衡量医疗救治水平的重要指标。如何能提高紧急救援效率、合理分配医护资源等一直是紧急而又重要的议题。在探讨AI在紧急救援领域应用之前，首先对紧急救援的基本流程做整体梳理。

1 医学紧急救援及其信息化发展现状

1.1 国内外紧急救援信息化发展现状

目前，世界发达国家和部分发展中国家都在积极探寻智能化紧急救援方法，积极发展符合自身国情的紧急救援体系。国外的院前急救模式主要分为两种：一种是“将患者带往医院”，以美国为主要代表；另一种是“将医院带到患者处”，以法国为主要代表。美国的急救服务体系实行公民反应、急救医疗服务快速启动、第一反应者提供救护、高级院前救护、院内救护、康复六个环节的救护体系[3]。法国则采用“医师响应”模式：在院前急救医学系统指挥中心响应呼救后，根据病情的轻重缓急，将专科医师送往指定地点进行急救，给急重患者提供高级生命支持[4]。我国的医疗救援起步较晚，体系建设发展相对滞后。当前，我国的急救任务主要由医院、救援中心的医护队伍承担。随着信息化设备及智能化系统的引入，急救力量逐步发展壮大，但仍然存在一些问题和挑战需要被攻破：其中包括急救资源优先级设置不清、调度员和呼救者沟通效率低、没有统一规范、救援专业队伍严重缺乏等，造成救援资源浪费、急重症救援对象得不到充足的资源支持[5]。

1.2 医疗优先分级调度系统

医疗优先分级调度系统(Medical Priority Dispatch System,MPDS)是一套应用于紧急救援中专业化、标准化的智能调度系统平台，是由美国调度研究院研发而成，是全世界应用最广的优先调度系统。目前已被广泛推广至44个国家，3500个急救中心[6]。MPDS的智能化在于它能针对呼叫者提供的信息进行有效收集、整理、分析，进而作出智能分级，该系统还收集总结了全世界范围内的急救病例处理方法将患者主诉归为38种预案。可以根据具体情境提供救援资源分配方案，并能基于求助者远程医护指导。

2 人工智能在紧急救援各环节的应用

紧急救援由三个重要环节构成：院前、转运、院后。从图1可看到人工智能在每一个救援环节的全程参与，具体分析如下：

2.1 院前救治

院前救治能力可以反映出医院总体救治水平。指挥调度工作是第一环节，其核心在于建立合理的资源分配调度机制去保障被救治患者的救治效率和服务水平。MPDS的引入将院前救治中资源调度的优先级定义不清的问题得到了有效解决，该系统可根据呼叫者提供的信息，自动给出一整套救助建议，包括远程医疗指导、救护车类型、急救医疗队派遣等。

图1 AI赋能紧急救援的流程

2.2 转运阶段

在紧急救援中，要实现从院前到院内的一体化救助，转运阶段的智能高效化是必不可少的。自2019年，5G移动网络技术被成功应用。相比较4G网络技术，5G网络具有更强性能、更高带宽的特点，其数据传输的体验速度是4G网络的10～100倍。5G网络通过移动边缘计算、网络切片技术、正交频分多路复用技术使得在速率、容量、延迟及耗能方面获得极大提升。这使以前4G网络条件下的瓶颈问题得以解决，收益颇多：首先，使即时远程高清视频会诊成为可能，满足了医学影像等较大数据的低延时传输需求；其次，支持了可靠性要求较高、低延时的远程操控类医疗业务的实时操控；最后，整合了院内、院外、院前急救等多场景的检测设备的广连接，在大数据上精准掌握患者情况。

2.3 院后救治

入院之后的救援目标非常明确，即将救治患者送往与其病情匹配的分部进行完整、全面的救治。在此阶段，AI集中应用于智能诊疗、手术机器人及智能影像识别等方面。

智能诊疗方面，即让计算机“学习”专家医生的医疗背景知识，模拟医生的临床思维和诊断逻辑，综合分析判断后给出相应的诊疗方案。智能诊疗是AI在医疗领域中应用最核心的场景。在人工智能认知计算技术于医疗行业的应用方面，沃森肿瘤是目前最成功的案例之一[7]，协助医生精准诊断疾病并制定诊疗方案。其系统工作原理实质是融合信息检索、认知技术、自然语言处理、机器学习、自动推理等技术，并给予大规模的证据搜集、分析、评价和假设认知。其拥有庞大的专业数据库，包括超过300册的医学专业期刊、250种以上的医学书籍和海量的论文案例报告，同时汇总大量治疗案例和分析。更有益于迅速诊断的是，超过每秒500GB的数据处理速度赋予其快而强的临床处置能力，在数秒内就能筛选超过150万份患者的记录，比对后给予最佳建议。截至目前，沃森肿瘤覆盖的癌症病种包括乳腺癌、肺癌、结肠癌、直肠癌、胃癌、卵巢癌、宫颈癌、前列腺癌和肝癌。与国外相比，我国人工智能诊疗方面的发展尽管面临技术瓶颈和数据壁垒的挑战，但近年来相关研究发展迅猛并在各领域也产生一定的价值：如由浙江大学联合珠海和佳医疗设备股份公司共同研制的“DE-超声机器人”[8]，可以对甲状腺结节病给出良性或恶性的诊断，当下算法下的准确率可达85%，超过了人类医生的一般准确率60%～70%；中山大学刘奕志教授联合西安电子科技大学研究团队，创建了“CC-Cruiser先天性白内障人工智能平台”，可以通过分析和深度学习技术，对白内障图片进行处理，并给出诊断、风险评估和治疗方案；2017年5月，丁香园、中南大学湘雅二医院和大拿科技发布了国内首个“皮肤病人工智能辅助诊疗系统”，目前可针对系统性红斑狼疮进行诊断，将各种亚型及其鉴别诊断疾病进行有效区分，识别准确率超过85%。人工智能平台在未来发展中，应当加强数据库、算法、通用技术等基础层面的研发与投资力度，在牢固基础的同时进一步拓展智能医疗的应用领域。

在手术机器人方面，当前最具代表性的可替代医生做手术的机器人就是达芬奇手术机器人系统[9]。该系统主要由3个子系统构成：医师操作台、床旁机械臂手术系统和3D成像系统。医师操作台是系统核心，床旁机械臂系是由2～3只工作臂及一只持镜臂组成的机器人，配合3D高清影像系统可以使机器人臂进入患者体内进行手术。手术机器人具有明显优势：第一，机械臂的灵活性远超过人类，大幅突破人手的局限，可以到原来医生用手无法进入的区域进行手术；第二，手术机器人稳定性、防抖性及精确程度等方面是人手不可比拟的，因此可以辅助完成精细复杂的高难度手术；第三，手术创伤非常小，大大缩短了患者院后康复时间。

智能影像识别方面，国内外多家公司取得了极大进展。相比于传统模式，人工智能可对大量图像数据进行快速处理。据2019年中国人工智能医疗白皮书[10]统计显示，AI医学影像系统可以在几秒内完成十万张以上针对X线、CT、核磁共振等医学影像，这大幅提升影像医生的诊断效率，同时也降低了诊断结果的假阴性概率。

3 人工智能应用中的伦理问题

AI时代毫无疑问带来了全新的问题解决思路，其强大的计算能力、数据处理能力看似可以帮助医院、医生，为患者带来新的曙光。然而，如果从AI的算法逻辑角度分析，就知道计算机的“聪明”并非它真的如人类一样能思考，而是都源于人类编写出的程序，由程序的运行、数据模型的推演得出结论。由此看出，人类要把医生诊治疾病这种高复杂度，需要经验智慧及灵活判断的能力用机器实现，对数据、算法、计算能力的要求和难度可想而知。因此，距离真正到达AI开创医疗新局面的那一天，人类还有较长的路要走，而在此之前，其背后的伦理问题值得被尽早提出和广泛的探讨。

3.1 角色界定与AI诊断系统的可信度问题

MPDS在推广和使用时，遇到一个存在争议的问题：救治患者时应该依据智能系统给出的救治方案还是应该听从人类医生的判断。在无锡急救中心关于MPDS系统的使用分析和调查报告中显示[11]，在院前救援时，MPDS会根据收集到的患者信息并给出分析报告和救援建议，然而，有着丰富经验的调度员并不信赖和认同基于智能系统提出的建议，由于两者间存在争议，最后影响的是患者的实际救治效果。由此看出，如何界定人与机器的诊断结果，仍然是横亘在AI诊疗系统继续发挥更大效用前的一道难题。随着AI辅助诊断技术和产品的进一步发展，未来患者究竟应该听谁的？是人类医生，还是AI的结论和大数据指征？因AI诊断系统难以解释其诊断的原因，而一旦诊断结果出现问题，也无法追根求源到底是人类医生、数据，还是算法本身出现了问题，因此仍存在“黑盒”风险。

3.2 数据来源和隐私问题

数据现在依旧是大数据技术发展的一个固守壁垒，也是阻碍联通当前医疗机构间信息孤岛的核心问题之一。以紧急救援中的转运环节来看，在5G通信技术的帮助下，大数据传输速度得到极大提升，但仍面临如下数据问题：一是缺乏医疗大数据平台，难以在短时间内获得详尽的患者既往史；二是数据标准不统一，目前不同医疗单位采用的病例管理系统不一致，数据难以共享，且各医院间的数据不连通。希望日后通过尝试各种途径包括行政力量将各类医疗机构的数据尽快分享，形成一个大数据平台，能提供统一高质量的医疗大数据，用以以完善和优化紧急救援中黄金治疗时间内最佳诊疗方案。

另外，数据的安全隐私问题如何保障也是需要尽早商讨和解决的核心问题。以前文提到的IBM Watson智能诊疗系统为例，其不仅具有强大的数据收集能力具备大量医疗数据储备，同时还有出色的数据分析、推断和整合能力。近年来，Watson系统在智慧医疗领域进行全球商业化布局，已与多家企业、肿瘤研究机构合作，对信息的获取与再生产能力不断被加强。这些信息不仅包含医学专业领域信息，更包含每位患者生理、心理状况、既往病史等个人隐私数据[12]。因此，大量的患者隐私信息是处在安全风险泄露当中。医疗信息隐私权在强大的商业利益推动面前能否得到无条件捍卫，如何得到有效保障依旧是值得思考和讨论的问题。

3.3 对于技术应用与初心目标的反思

从2015年开始，我国开始推动从“互联网+医疗”，到“人工智能+医疗”。伴随“互联网+”大潮，井喷式出现大量互联网医疗、人工智能医疗公司，他们许多不是从源头上解决具体医疗问题出发，而是由掌握某项技术的厂商转而与医院或医生合作，谋求该技术在短期内某场景中应用。这种解决方案与具体临床场景可能不完全匹配，从而限制了大规模应用。但医疗业内的变革更多考量的是“医疗+”，认为不管技术如何变化，核心始终是医疗。

以上海医疗队对口支援喀什二院为例[13]，其最初目标是帮助该医院升级成三甲医院并全面提升信息化能力，以期未来能够连接乌鲁木齐与上海的远程支援，成为医疗五级联动体系的核心，辐射南疆广域周边地区的医疗服务能力。当地远程医疗的需求如下：一是构建南疆医联体信息平台，实现区域医疗信息化；二是建立南疆医联体的远程医学中心。由于南疆地域广袤，传统的远程固定医疗手段难以满足各下级医院的即时通讯，由此开发了医疗机器人。其核心功能有三：一是“跑腿”。跟随医师或护士在病房内精准快速地找到具体的目标和人物；二是替身。替代医生专家在多地实现诊疗、带教、指导，替代护士实现查房、量表、宣教等简单而重复的工作；三是监察。在确保患者隐私和医疗伦理安全下，对病区、患者的突发情况，实时感知预警处置。就是反复与一线临床医生磨合，最终通过医工结合，将人工智能技术、机器人技术成功融合与远程医疗救治中，实现了远程查房、会诊、疑难病例讨论等一系列的远程医疗功能。这一AI和一线临床相融合的案例，归根到底是从一个个小需求出发，一步步演化而来的，启示着我们任何新技术在传统医疗领域的应用核心还是医疗。不应为了技术而技术，还是要从紧急救援医疗体系建设具体需求点出发，看一看初心是要解决什么样的问题，需要什么样的产品，然后慢慢地演化,与最新的技术相结合，逐步解决临床问题、提高诊疗效率。