人工智能系统在消化内科应用现状与解决措施初步探讨

吴复刚，徐长宏

1.山东省郓城县张营镇卫生院，山东菏泽 274700；2.山东省郓城县唐塔医院，山东菏泽 274700

随着人工智能在医学领域的不断快速发展，这项技术的临床应用得到广泛关注。由于消化系统疾病诊断严重依赖消化内镜和影像学检查，因此胃肠病学已成为人工智能应用的一个有吸引力的领域，包括检测胃肠道肿瘤病变以帮助快速诊断、减少误诊、提高成像质量、减少观察者主观因素导致的误差等[1]。人工智能不仅有助于提高内镜下疾病诊断的准确率，也是未来科室发展趋势。通过人工智能的参与，可以创建一个具有敏感性和科学性的辅助系统。但目前，人工智能与消化内科疾病诊疗的结合仍处于摸索阶段，不仅因为理论应用、设备研发都不完善，尚达不到临床要求的标准，也因广大医师对此项技术陌生，缺乏了解与参与的意愿，因此增加了在临床推广和完善的难度。对此，增加消化内科医师对人工智能应用的基本知识的了解、消除顾虑，可以为科室发展提供科学的发展方向。本文将初步探讨人工智能系统在消化内科应用的基本情况及面临的困境，并提出一些建议，以期为人工智能系统在消化内科的推广应用带来更多启发。

1 人工智能在消化内科应用的基本知识

2019 年末在华盛顿特区举行了第一届全球人工智能胃肠病学和消化内镜峰会，会议认为，在未来10 年内，人工智能在胃肠病学中的临床应用将对患者的护理和临床工作流程产生积极影响。以上消化道内镜检查为例，内镜医生是否能够准确地在病变部位取得活检组织，对于诊断巴雷特食管至关重要[2]。而人工智能系统能够区分正常组织、发育不良部位及肿瘤图像，准确率高达89.9%[3]，可以指导医生进行定向活检，而不是依赖随机取活检组织[4-5]。此外，将人工智能应用于大型复杂数据集可能有助于识别变量之间的新关联，可能导致临床实践的变化。利用人工智能辅助技术可能显著提高护理质量，依赖于人工智能系统综合性分析患者数据并快速给出指导意见，帮助护士在短时间内制订符合患者自身情况的个体化护理方案并能预测护理方案潜在的风险，推动护理方案更趋向于合理化、智能化[6]。虽然人工智能目前不能完全替代医护人员，但它在改善疾病诊疗、提高护理质量方面有光明的前景。

2 人工智能技术在消化内科的应用现状

目前，世界多数发达国家已经认识到人工智能的战略意义。将人工智能技术应用于消化内科疾病的诊疗中，不仅符合发展趋势，也有助于提高科室医术和学术水平。但是人工智能系统在临床中的应用，也是挑战与机遇并存。

①人工智能系统在消化内科普及度较低，不同级别医院发展不均衡。以浙江省为例，省级医院平均每家医院使用的人工智能系统为7.7 项，市级医院和县级医院则分别为3.8 项和3.6 项[7]。省级医院对推广人工智能系统应用于疾病诊疗和科室管理更积极，应用的人工智能项目相对研发成熟，用户体验感较好，起到了带头作用。而市级医院多数人工智能项目处于试点和测试阶段，应用范围较小，科室之间互动少，自主研发能力弱，但是也处于努力提高系统运行流畅度并积极试点推广的状态。县级医院的人工智能项目仍处于测试阶段，尚无研发能力。②不同类型人工智能系统发展有差异。人工智能系统应用于消化内科，主要包括辅助疾病诊疗、公共卫生管理、药物研发、智能科室管理，其中临床诊疗的人工智能系统应用最为广泛，处于正式应用阶段的系统比例高，其次为应用于公共卫生管理，而在药物研发中的应用最少，多数还处于研发和测试阶段[8]。③人工智能系统在消化内科的应用中，已经发现了不少弊端。比如各单位引进的系统不一，缺乏统一的标准，胃肠道内镜图像质量参差不齐。智能系统对单病种诊断效果较好，但是实际临床应用中部分患者合并多种疾病，如何使智能系统分辨出多种疾病仍是一个挑战。④如果人工智能系统出现漏诊或误诊，责任应当如何划分也是后续实践中需要考虑的重要问题。

人工智能系统在消化内科推广难度大。①缺乏有效的培训模式。由于人工智能属于新兴学科且在传统观念中认为它与临床医学专业相距甚远，大多数高校在培养临床医师或护理人员时，仍然只注重提高学生对临床有关专业知识的学习，使学生缺乏对人工智能的了解。针对人工智能在临床应用方面的教材、教学设施也十分匮乏，也为这项技术的应用推广带来阻碍。②临床医师工作量大、压力大，医生无暇接受更多培训。由于医护人员短缺等因素，我国医护人员正面临更加强大的工作强度，难以抽出更多时间进行系统有效的培训，进一步增加了人工智能在临床实践中的普及难度。③多数基层医院先天条件不足。基层医院的医师往往受教育程度不高，对新技术接受能力有限。且基层医院接诊常见病较多，科室分工不细致，甚至有些村镇卫生院只设立普内科，对重大疾病、专科疾病、复杂疾病、罕见病往往转诊到上级单位，制约了人工智能系统在广大基层医院的建立推广。④部分医护人员基于目前人工智能在临床应用的局限性，对此技术缺乏认同。不可否认，目前人工智能在临床中的应用，尤其是内镜辅助诊断方面，仍处于探索阶段，缺乏有效的对人工智能医学软件的算法评估和数据库，同时也缺少强大的支撑平台，对于数据采集、分析、筛选、诊断等多个过程无法有效协调，各环节难以配合。医疗关乎患者的生命健康，是一件严谨、复杂、不容有失的事件，导致医生更愿意选择常规的、熟悉的诊疗方法和实验室检查。⑤与临床应用有关的数据较少[9]。人工智能系统的有效应用是以建立庞大的数据模型为前提，需要多病种、多地区不同医院的大量数据支持，才能建立行之有效的数据库。而目前针对消化系疾病诊疗的数据远远不够，无法进行广泛的数据整合并建立模拟智能系统，也为智能系统的临床应用带来阻碍。

3 解决人工智能系统在消化内科应用困境的几方面建议

增加医护人员对人工智能实用性的了解。不仅在医学领域，人工智能已经在多个领域取得了长足进步并改变了我们的生活。2016 年3 月，人工智能AlphaGo 和韩国专业围棋冠军发生了5 次对抗，结果均是人类失败，使得人们认识到，人工智能是一个现实，而不是电影和小说中所感知的遥远未来的故事。如今的人工智能产品在理解自然人类语言、棋盘游戏、驾驶自动驾驶汽车以及军事模拟方面都占据重要地位[10]。人工智能在未来将越来越多地扮演许多由人类扮演的角色，目前国内外已经有多家医院尝试在胃肠病学诊疗实践中采用基于人工智能的医学，例如取活检组织用于病理学诊断、影像学和消化内镜检查。人工智能技术的快速发展要求医生了解人工智能，以帮助理解人工智能以及它在不久的将来如何改变和影响医学领域。在韩国，由于发达的深度学习技术，短时间内积累了大量的医疗图像和丰富的核心数据，使得部分患者成功获得低廉优质的医疗服务。

人工智能已经渗透进日常生活的多个方面。医护人员作为专业人士，更应该明白人工智能在医学领域前景广阔，及时学习新技术新概念，能为未来工作提供更多可能。

3.1 增强医务人员对人工智能在消化系统疾病诊疗应用的基本知识

提起人工智能，大多数医生都会感到很困惑。因此，首先可以初步了解一些关于人工智能的基本知识。机器学习是人工智能中的一个子领域，而作为机器学习的一个子集，深度学习模仿人脑的神经网络结构，它们可以通过导航数据空间直接学习特征表示，并进行图像分类和任务处理，更具信息性和实用性[11]。在深度学习过程中，计算机能收集、分析和快速处理所需数据，且在执行某些任务时可以不接收人类指令并创建学习模型的方式。分布式学习具有自学习的特点，一旦提供了训练数据集，该程序就可以使用反向传播算法并改变每个神经网络层的内部参数，在没有人为指示的情况下提取关键特征和数量。例如以此衍生出的卷积神经网络，是医学图像分析领域最流行的深度学习框架。卷积神经网络通常通过标记数据执行端到端监督学习，而其他架构通过未标记的数据执行无监督学习任务。其次可以让消化内科医师了解一些人工智能系统在消化系统疾病诊疗中的常见应用。举例来说，将深度学习方法与卷积神经网络和CT 相结合，可用于肝脏疾病的诊断[12]。与传统的CT 医师凭直接阅片给出评估相比，此人工智能系统可以捕捉更详细的病变特征，做出更准确的诊断。有研究发现，利用基于纵向肝脏CT 研究的深度学习模型，可以自动检测新发的肝脏肿瘤，阳性率和准确率高达86%，而仅仅依赖人肉眼观察，检测率为72%[13]。类似地，通过神经卷积网络模型辅助CT 图像，能预测肝转移瘤的原发病灶，主要包括黑色素瘤、结直肠癌、胰腺癌和乳腺癌[14]。这些自动化系统可以为消化内科医生提供更加便捷有利的决策支持，选择更有效的治疗。

3.2 在科室内部定期开展关于人工智能在内镜应用中的科普讲座

科室可以与医院科研处达成合作意向，推进人工智能等先进技术在科室的教学和应用，尤其是增强消化内科医师对应用人工智能系统辅助内镜下治疗和诊断的兴趣。同时可以在部分科室，如消化内科等对内镜和影像学检查较为依赖的科室进行试点教学，定期开展学习交流会，通过文献分享、病例交流、个人对人工智能应用的心得体会汇报等方式互相沟通，逐步带动科室对新技术应用的学习气氛。

3.3 促进科研成果转化

有些科室或者医院因为科研基础薄弱、人才引进困难、科研经费较紧张、实验设施相对不齐全、科研人员人数少等因素，导致科研成果少。而人工智能系统在消化系统疾病诊疗中的应用处于早期阶段，相关的论著、综述性文章发表较少，且较容易发表个案分析、回顾性研究、荟萃分析等不需要耗费大量资金买试剂和仪器设备的文章。因此引进人工智能系统后，定期展开学术交流会不仅能提高疾病诊疗的水平，也能使部分有志于兼顾科研研究的医师更易出成果，提高广大年轻医师对人工智能系统应用的兴趣和积极性。

3.4 在科室应用人工智能技术帮助科室管理和教学

将人工智能系统应用于科室管理和考核，有助于提高医生对人工智能系统的好感度和熟悉度。例如对于在科室进修、轮转的医师，可以使用人机对话的方式进行出科考核，代替传统的纸质试卷和人与人面对面测试的模式，人机对话考核方式更便捷、评分标准统一、组织方便、测试时间灵活。还可以使用人脸识别模式进行科室管理，例如人脸打卡的模式进行早上班和晚下班时签到等，有效减少投入过多人力进行繁复的体力劳动，将医护人员更多的精力投入在疾病防治中。在科室宣教活动中，针对不同疾病患者关心的问题，推出医患共教平台。在此平台中患者根据自身病情提出问题，例如炎症性肠病日常饮食的注意事项，胃息肉切除术后的注意事项，克罗恩病活跃期的营养支持等，通过智能管家系统，匹配到对该项疾病或疗法精通的医师并提供专业解答。而医师可以通过该平台，寻找药物使用或治疗方法的适应证、禁忌证等，并提供语音输入和打字法输入，方便医师更加便捷快速地找到答案。这个智能患教系统，还能基于大数据技术，根据使用者的特点和行为，精准地推送更多学习资源，按需推送，更加个性化。

3.5 点面结合，多医院多中心相互协作共同打造应用于消化系统疾病诊疗的数据库

许多发达国家已经开始着手建立医疗数据库用于疾病诊疗和数据挖掘分析，例如美国国立肿瘤研究院建立的肿瘤患者数据库，可用于汇总美国近30%肿瘤患者的生存、并发症、治疗等情况，并可用于预测某些地区肿瘤发病率[15]。而我国大多数医院，面临着患者倒数较多但资源整合度、利用率不足的情况[16]。尤其近些年来，多数科室、医院都建立了完善的医院信息系统（hospital information system,HIS），能够综合快速地管理并收集患者基本信息、诊疗经过、影像学及实验室检查，为建立用于疾病诊疗的数据库提供了良好的基础。基于此，为了打造更加丰富的人工智能数据库辅助临床诊疗，可以加强多家医院及中心的消化内科患者数据整合，为消化内科疾病积累海量的临床诊断经过、治疗方法、用药、手术、费用、康复等信息[17]。数据库建立应使用统一严格的标准[18]，例如对肠镜图片的质量要求，图像采集部位、像素、格式有统一标准，图像采集完成以后要对图片进行预处理，包括统一图片尺寸、删除涉及患者隐私的信息、对病灶部位进行标注或剪裁等，随后还要邀请权威专家对收集的信息、内镜图片、疾病诊疗进行审核。相较于传统诊断更依赖于医师的经验，基于人工智能系统建立的数据库诊疗系统更加客观，能挖掘出有利于诊断的信息[19-20]。

在有条件的医院，引进科研与临床一体的复合型人才，推动人工智能系统在消化内科领域的应用和转化，并将这种转化总结成医学论著或综述发表学术论文，形成良性循环。寻求跨界合作，主动与人工智能相关领域的实验室或公司合作，利用医院源源不断的病例打造强大的数据库，更多地参与智能产品的研发和应用。

综上所述，人工智能系统在消化内科的应用，尤其是在内镜下诊疗，已经取得了一些成绩。但是仍存在人工智能系统普及率低、医护人员不重视等困难，需要加强医护人员对人工智能系统基本知识与消化内科应用的了解，提高广大医师参与到使用智能系统诊疗疾病的兴趣。相信随着科技进步和经验积累，人工智能系统在消化内科的应用将显著提高医生的诊疗水平和效率，为医患带来更多惊喜。