張禮立+王亞擘

隨著人工智能（AI）技術(shù)的日益成熟，人工智能已經(jīng)漸漸地融入到了我們的生活之中，而“AI+醫(yī)療”的應(yīng)用也漸漸普及，相信在不久的將來，“看病難，看病貴”等醫(yī)療問題將迎刃而解。

古希臘時(shí)期，數(shù)字的演繹化有了實(shí)質(zhì)性的進(jìn)展。數(shù)字化的發(fā)展一直伴隨著人類，但是這種顛覆在30多年前就開始改變了。

隨著人工智能技術(shù)的日益成熟，數(shù)字化已經(jīng)可以在公共健康，以及眾多醫(yī)療領(lǐng)域提供服務(wù)。例如，在醫(yī)學(xué)影像識(shí)別方面，它可以幫助醫(yī)生更迅速、準(zhǔn)確地讀取影像；在臨床診斷輔助方面，它可以應(yīng)用于疾病的早期篩查、診斷和手術(shù)風(fēng)險(xiǎn)評估，包括在藥物研發(fā)方面，解決藥品研發(fā)周期過長等多方面的問題。

從第一部留聲機(jī)的誕生開始，數(shù)字化的顛覆就一直伴隨著我們?nèi)祟惿鐣?huì)的進(jìn)步。人工智能的遠(yuǎn)景早在1950年就已被圖靈提出。人工智慧的定義誕生則是在1956年，由Dartmouth College的一些專家共同提出。人工智慧在20世紀(jì)70年代受到打擊之后，開始出現(xiàn)新的研究方法。分子生物學(xué)已進(jìn)化到信息科學(xué)，出現(xiàn)了新科學(xué)——計(jì)算生物學(xué)和生物信息學(xué)。這使統(tǒng)計(jì)科學(xué)家在醫(yī)療健康領(lǐng)域有了用武之地，尤其是微陣列技術(shù)創(chuàng)造了新穎的統(tǒng)計(jì)學(xué)，激發(fā)了許多新的生物統(tǒng)計(jì)學(xué)研究。像是專家系統(tǒng)把問題限定在一個(gè)小范圍的領(lǐng)域，結(jié)合統(tǒng)計(jì)、概率、信息理論等方法，直到深度學(xué)習(xí)技術(shù)，以及類神經(jīng)網(wǎng)絡(luò)有了新的發(fā)展，AI才重新受到了關(guān)注。

數(shù)字醫(yī)療產(chǎn)業(yè)的環(huán)境

從現(xiàn)狀來看，由于公共醫(yī)療管理系統(tǒng)的不完善，醫(yī)療成本高、管道少、覆蓋面窄等問題困擾著大眾民生。尤其以“效率較低的醫(yī)療體系、品質(zhì)欠佳的醫(yī)療服務(wù)、看病難且貴的就醫(yī)現(xiàn)狀”為代表的醫(yī)療問題成為社會(huì)關(guān)注的主要焦點(diǎn)。大醫(yī)院人滿為患，社區(qū)醫(yī)院門可羅雀，病人就診手續(xù)繁瑣等問題都是由于醫(yī)療信息不暢、醫(yī)療資源兩極化、醫(yī)療監(jiān)督機(jī)制不全等原因?qū)е碌?，這些問題已經(jīng)成為影響社會(huì)和諧發(fā)展的重要因素。目前的醫(yī)改目標(biāo)是縣域就診率達(dá)到90%，大病不出縣，但是實(shí)現(xiàn)起來難度也很大。因?yàn)獒t(yī)生的時(shí)間是有限的，通過遠(yuǎn)程醫(yī)療解決區(qū)域分布不均的期盼，也同樣會(huì)在醫(yī)生的時(shí)間花費(fèi)上受到限制，所以核心的問題是優(yōu)質(zhì)的醫(yī)生資源不足。

自國家陸續(xù)出臺(tái)了各項(xiàng)醫(yī)改政策，基層首診、雙向轉(zhuǎn)診、分級診療、資源下沉等便成為了熱門話題。各地區(qū)也都積極響應(yīng)，組建“醫(yī)聯(lián)體”。我們迫切需要建立一套智慧的醫(yī)療健康的平臺(tái)體系，使患者用較短的等療時(shí)間、支付基本的醫(yī)療費(fèi)用，就可以享受安全、便利、優(yōu)質(zhì)的診療服務(wù)，從根本上解決“看病難、看病貴”的問題，真正做到“人人健康，健康人人”。

醫(yī)生資源在全世界范圍內(nèi)都仍屬于稀缺資源，這種供求關(guān)系在一定程度上決定了病患“看病難”的問題，而我國醫(yī)療長期存在“重醫(yī)療，輕預(yù)防，重城市，輕農(nóng)村，重三甲，輕社區(qū)衛(wèi)生”的現(xiàn)象。從居民自身來看，過多依賴大型醫(yī)院，從醫(yī)院角度來看，這種過度依賴加重了就醫(yī)困難的問題，“一號難求”的現(xiàn)象頻發(fā)。解決基層醫(yī)療資源缺乏的核心就在于給基層醫(yī)療機(jī)構(gòu)“賦能”，用人工智能給基層醫(yī)院“院士級看病的本事”。通俗來講，把一個(gè)院士的看病本事，放到一個(gè)筆記本電腦里，帶到基層醫(yī)院，這就是人工智能追求的境界和需要解決的實(shí)際問題。

精準(zhǔn)醫(yī)療的實(shí)現(xiàn)需要人與技術(shù)的結(jié)合

以精準(zhǔn)醫(yī)療為主的智慧型醫(yī)院是2015年在美國誕生的思路。智慧型醫(yī)院從醫(yī)療健康產(chǎn)業(yè)的整體角度，提出融入更多人工智慧和傳感技術(shù)等高科技，使醫(yī)療服務(wù)走向真正意義的智慧化，推動(dòng)醫(yī)療事業(yè)的繁榮發(fā)展。利用人工智慧、大數(shù)據(jù)分析的融合和移動(dòng)醫(yī)療等新技術(shù)，結(jié)合現(xiàn)代化醫(yī)院的管理流程，逐步形成智能化的全面醫(yī)療解決方案。智慧醫(yī)療開始走進(jìn)我們尋常百姓的生活。

從概念上來講， 以基層醫(yī)療健康為出發(fā)點(diǎn)的智慧醫(yī)療包含了智慧醫(yī)院系統(tǒng)、區(qū)域衛(wèi)生系統(tǒng)，以及家庭健康系統(tǒng)這三部分。從流程管理角度，基層醫(yī)療以如何讓病患可以便捷快速地預(yù)約掛號為起點(diǎn)。智慧醫(yī)院必須經(jīng)過前沿科技應(yīng)用對醫(yī)療機(jī)構(gòu)信息化的全面創(chuàng)新的過程。從狹義上來說，智慧醫(yī)院可以是基于互聯(lián)網(wǎng)科技的醫(yī)院，在數(shù)字化醫(yī)院建設(shè)的基礎(chǔ)上，創(chuàng)新性地將現(xiàn)代移動(dòng)終端作為切入點(diǎn)，將移動(dòng)互聯(lián)網(wǎng)特性充分應(yīng)用到就醫(yī)流程中。

AI是讓人實(shí)現(xiàn)超越而不是制造超人

AI對醫(yī)療領(lǐng)域和產(chǎn)業(yè)的改造是具有顛覆性的，它不僅是一種技術(shù)創(chuàng)新，更是在生產(chǎn)力上為傳統(tǒng)醫(yī)療行業(yè)帶來變革。AI作為一種技術(shù)方法，大規(guī)模地用更智能的系統(tǒng)推動(dòng)更好的決策，也是最近幾年才發(fā)生的事情。直到今天，由于我們解決了以前很多未能解決的問題，才將醫(yī)療AI推向了一個(gè)新的高度。除了提高醫(yī)生的工作效率外，AI還能作為輔助手段，提高診斷準(zhǔn)確率，使精準(zhǔn)醫(yī)療成為可能。

近年來，在醫(yī)學(xué)領(lǐng)域開始導(dǎo)入人工智能數(shù)字挖掘與機(jī)器學(xué)習(xí)的技術(shù)來篩選有效的醫(yī)療信息。

其中，“AI+醫(yī)學(xué)影像”就是關(guān)鍵性的一步。醫(yī)學(xué)影像天生適合互聯(lián)網(wǎng)+大數(shù)據(jù)+人工智能。從數(shù)量上講，超過80%的醫(yī)療數(shù)據(jù)來自醫(yī)學(xué)影像數(shù)據(jù)，優(yōu)質(zhì)、大量的數(shù)據(jù)積累、高性能計(jì)算環(huán)境和優(yōu)化的深度學(xué)習(xí)方法，三者資源配齊，就會(huì)構(gòu)建不斷提高的狀態(tài)模型，這正是人工智能的魅力所在。利用三者的關(guān)聯(lián)，可以大大提高醫(yī)學(xué)診療效率，并實(shí)現(xiàn)精準(zhǔn)醫(yī)療。圖像智能識(shí)別更可以減輕醫(yī)生的工作量，這就很好地解決了基層優(yōu)質(zhì)醫(yī)生資源不足的問題。

醫(yī)學(xué)影像領(lǐng)域調(diào)查數(shù)據(jù)顯示，無論是在國內(nèi)還是在國外，放射科醫(yī)師的數(shù)量增長速度遠(yuǎn)不及影像數(shù)據(jù)的增長速度，也就是說醫(yī)師的數(shù)量遠(yuǎn)達(dá)不到閱片的需求量。

就美國與中國對比來看，美國的人工影像閱片誤診人數(shù)為1200萬/年，而在中國則達(dá)到了5700萬/年。在中國，誤診率高且主要發(fā)生在基層，這也更好地說明，人口基數(shù)巨大的中國，醫(yī)學(xué)影像業(yè)務(wù)更需要人工智能技術(shù)的支持，以此來提升基層的診斷質(zhì)量與效率。

數(shù)字科技推動(dòng)基層醫(yī)療發(fā)展

總而言之，無論是對患者、醫(yī)師還是醫(yī)院而言，數(shù)字健康的運(yùn)營平臺(tái)需要把智能、供應(yīng)鏈、財(cái)務(wù)運(yùn)營和人才管理有機(jī)整合起來。數(shù)字健康管理平臺(tái)不僅能夠讓患者更快速地完成健康檢查，還能獲得更精準(zhǔn)的診斷建議與個(gè)性化治療方案。對醫(yī)師來說則削減了讀片時(shí)間，降低了誤診概率，根據(jù)人工智能的輔助診斷還能提高診斷質(zhì)量。而對醫(yī)院來說，采用數(shù)字健康管理平臺(tái)不僅降低了醫(yī)院成本，還能夠建立一個(gè)多元數(shù)據(jù)庫，這是對分級診療和遠(yuǎn)程診療的一大技術(shù)性幫助，讓醫(yī)院更好地響應(yīng)國家政策，真正有效地做到“資源下沉”。

雖然從目前情況來看，智能醫(yī)療還處于剛剛萌芽階段，“AI+醫(yī)療影像”才剛開始，但不難想象，隨著人工智能和醫(yī)學(xué)影像大數(shù)據(jù)在醫(yī)學(xué)影像領(lǐng)域的逐漸普及和應(yīng)用，醫(yī)學(xué)影像所面臨的準(zhǔn)確度和大缺口的問題便可以迎刃而解。

“AI+醫(yī)療”的應(yīng)用未來已在不遠(yuǎn)處，人工智能將為整個(gè)醫(yī)療服務(wù)生產(chǎn)力的提高做出貢獻(xiàn)，也會(huì)被寫入歷史。