郝晨幸 周娜 張曉春

(青島大學(xué)附屬醫(yī)院腫瘤精準(zhǔn)醫(yī)學(xué)中心，山東 青島 266071)

人工智能是在計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)、語言學(xué)等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來的一門綜合性的交叉性的學(xué)科，是集新思想、新觀念、新理論、新技術(shù)于一體的新興學(xué)科[1]。

人工智能又分為弱人工智能、強(qiáng)人工智能及超級(jí)人工智能。弱人工智能是指幫助人類完成某些任務(wù)的工具或助手，雖然看起來像是智能的，并不是真正的擁有智能，目前的主流研究還仍然集中于這一層次，且已取得了可觀的成就[2]。本文就人工智能在醫(yī)學(xué)領(lǐng)域的發(fā)展和實(shí)踐做一簡要概述。

1 人工智能在醫(yī)學(xué)領(lǐng)域的發(fā)展簡史

“人工智能”概念最早出現(xiàn)在1950年圖靈的《計(jì)算機(jī)與智能》一書，但直到1956年的達(dá)特茅斯會(huì)議上才被正式提出并且日益受到重視。在醫(yī)學(xué)領(lǐng)域，1974年在斯坦福大學(xué)成立了醫(yī)學(xué)實(shí)驗(yàn)計(jì)算機(jī)研究項(xiàng)目，其重要的目標(biāo)即為促進(jìn)人工智能在醫(yī)學(xué)中的應(yīng)用[3]，但是由于那時(shí)候計(jì)算機(jī)還不能完成大規(guī)模數(shù)據(jù)和復(fù)雜任務(wù)的處理及分析，計(jì)算能力也有待突破，很多設(shè)想無法實(shí)現(xiàn)，從而使人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用一直處于低谷期。直到上世紀(jì)八十年代，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展及5代計(jì)算機(jī)的誕生，使醫(yī)學(xué)人工智能步入了快速發(fā)展時(shí)期[4]。1985年召開了第一屆歐洲醫(yī)學(xué)人工智能會(huì)議[5]，1986年BP神經(jīng)網(wǎng)絡(luò)算法得以發(fā)明和應(yīng)用，1989年《醫(yī)學(xué)人工智能》雜志在意大利創(chuàng)立[6]，直接促進(jìn)了人工智能在醫(yī)學(xué)領(lǐng)域的全面發(fā)展。進(jìn)入21世紀(jì)以來，隨著科技的進(jìn)步、算法的提升、深度學(xué)習(xí)等認(rèn)知技術(shù)的發(fā)展，人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用逐漸走向成熟，由實(shí)驗(yàn)室研究進(jìn)入了臨床實(shí)踐。

2 人工智能在醫(yī)學(xué)領(lǐng)域的實(shí)踐

2.1

專家系統(tǒng)是指在某個(gè)領(lǐng)域內(nèi)具有專家水平的人工智能系統(tǒng)，醫(yī)學(xué)專家系統(tǒng)就是運(yùn)用專家系統(tǒng)的設(shè)計(jì)原理與方法，收集大量的資料與數(shù)據(jù)，模擬醫(yī)學(xué)專家的思維活動(dòng)與推斷過程，來達(dá)到和醫(yī)學(xué)專家同等的診療水平[7]。

最早的醫(yī)學(xué)專家系統(tǒng)是1976年由斯坦福大學(xué)的肖特列夫等研制的MYCIN,該系統(tǒng)用于診斷和治療細(xì)菌感染類疾病[8]。而隨著大數(shù)據(jù)、自然語言處理、深度學(xué)習(xí)等技術(shù)的發(fā)展，由IBM公司與紀(jì)念斯隆-凱特琳癌癥中心(MSKCC)歷時(shí)4年訓(xùn)練而成的沃森腫瘤(WFO)醫(yī)學(xué)專家系統(tǒng)日漸成熟，通過提供個(gè)性化、有優(yōu)先順序的治療方案來幫助腫瘤醫(yī)生做出治療決策[9]。IBM提供的資料顯示，WFO可以在17 s內(nèi)閱讀3 469本醫(yī)學(xué)專著、24.8萬篇論文、69種治療方案、61 540份實(shí)驗(yàn)數(shù)據(jù)、10.6萬份臨床報(bào)告，并根據(jù)醫(yī)生輸入的病例，提取患者的屬性，再根據(jù)這些屬性查找臨床指南來確定候選治療方案，然后搜索證據(jù)數(shù)據(jù)庫，查找每個(gè)選項(xiàng)的支持證據(jù)，最后再根據(jù)最佳證據(jù)，用沃森算法給出最佳的和可供考慮的治療方案，并在其后給出具體參考文獻(xiàn)[10-11]。目前WFO在各國的一致性研究都得到了很大的肯定。2016年的圣安東尼奧會(huì)議上，采用雙盲法比較WFO和印度Manipal癌癥中心對(duì)638例乳腺癌患者做出的治療建議，符合率達(dá)到了93%[12]。由青島大學(xué)附屬醫(yī)院腫瘤精準(zhǔn)醫(yī)學(xué)中心一項(xiàng)400例患者參加的研究也表明，WFO提供的治療建議與腫瘤科專家在某些癌種方面取得了高度的一致性，比如卵巢癌、肺癌等，但胃癌、宮頸癌等癌種一致性則相對(duì)較低(卵巢癌96%，肺癌80%，乳腺癌80%，直腸癌74%，宮頸癌64%，胃癌12%)[13]。從上面的數(shù)據(jù)可以看出，WFO具有如下的優(yōu)勢：①WFO可以幫助醫(yī)生制定最佳治療方案，減少醫(yī)生查閱及了解最新文獻(xiàn)資料所耗的時(shí)間，提高臨床工作效率，縮短年輕醫(yī)生培養(yǎng)的年限；②WFO可以使世界各地的患者得到國際上最權(quán)威、實(shí)時(shí)、前沿的診療方案，使其治療更加規(guī)范化、標(biāo)準(zhǔn)化；③WFO不會(huì)疲倦，可以連續(xù)工作，彌補(bǔ)醫(yī)生因疲勞而產(chǎn)生的差錯(cuò)。但在實(shí)踐中也逐漸發(fā)現(xiàn)，其在某些方面還具有一定的缺陷：①目前的指南和文獻(xiàn)都是基于國外的最新數(shù)據(jù)整理而成的，因?yàn)槿狈ξ覈谋就翑?shù)據(jù)，使其在我國臨床上的應(yīng)用受到一定的限制。②WFO應(yīng)用還是比較局限的，如使用說明書中明確表明不支持多線化療失敗后的、18歲以下的以及妊娠的患者等。而且所涉及的幾類癌種中每一類也明確標(biāo)明了適用與不適用的范圍，在多種情況下WFO也難以準(zhǔn)確把握適用與不適用的度。③WFO雖然吸收了大量的數(shù)據(jù)資料，但據(jù)有關(guān)研究表明，其所做出的治療建議可能并不完全是基于最好最全面的證據(jù)，有可能是由人類監(jiān)督員或者操作者來為WFO決定的，這些人都來自于MSKCC，即使有時(shí)支持這些治療建議的證據(jù)很薄弱，由于人為輸入給了WFO，便使診療建議帶有了MSKCC偏向，甚至有時(shí)候會(huì)出現(xiàn)錯(cuò)誤[14]。

幾乎所有使用過WFO的專家都一致認(rèn)為，它將會(huì)是醫(yī)生聰明能干的助手，可以更好地幫助醫(yī)生進(jìn)行診斷與學(xué)習(xí)。但WFO畢竟不是人，沒有人類的思維及情感，在臨床實(shí)踐中，醫(yī)生對(duì)疾病的判定是一個(gè)復(fù)雜的過程，有時(shí)候不僅僅要解決患者生理上的問題，大多時(shí)候可能需要解決的是患者心理上的問題[15]，醫(yī)生會(huì)根據(jù)和患者及家屬在情感上的溝通與交流來給出委婉的解釋或最適合的治療選擇，而這是WFO不可能做到的，因此目前WFO是不可能取代醫(yī)生的。

2.2

在臨床工作中，醫(yī)生的診斷依據(jù)主要是患者的主訴、癥狀、影像資料等，臨床病理更是診斷的金標(biāo)準(zhǔn)[16]。雖然目前仍未有一款像WFO這樣成熟的產(chǎn)品市場化，或者說被大家所熟知，但是基于人工神經(jīng)網(wǎng)絡(luò)(ANN)到卷積神經(jīng)網(wǎng)絡(luò)(CNN)而做出的各種人工智能模型已經(jīng)在圖像識(shí)別領(lǐng)域發(fā)展了很多年了[17]。首先，圖像識(shí)別技術(shù)可以分析X射線、CT掃描、MRI、病理切片等圖像資料[18]。如一張病理切片通常包含數(shù)百萬個(gè)細(xì)胞，一個(gè)病理醫(yī)師一天需要分析很多張病理切片，疲勞閱片現(xiàn)象非常普遍，影像科醫(yī)生同樣也是如此。許多研究人員發(fā)現(xiàn)，即便是對(duì)于同一例患者，不同影像科醫(yī)生或病理學(xué)家給出的診斷也往往會(huì)有很大不同。 2017年的一項(xiàng)研究發(fā)現(xiàn)，不同病理學(xué)專家對(duì)乳腺癌診斷的一致率只有75.3%，甚至在某些異型乳腺癌中，診斷的一致率竟下降到48%。可想而知，不少患者面臨著誤診的風(fēng)險(xiǎn)。而隨著人工智能技術(shù)的興起，人工智能在影像、病理讀片速度及準(zhǔn)確度方面已經(jīng)達(dá)到了可以媲美醫(yī)生的程度。ESTEVA等[19]通過用近13萬張痣、皮疹和其他皮膚病變的圖像訓(xùn)練以CNN為基礎(chǔ)的人工智能系統(tǒng)識(shí)別其中的皮膚癌，在與21位皮膚科醫(yī)生的診斷結(jié)果進(jìn)行比對(duì)后，發(fā)現(xiàn)其診斷準(zhǔn)確率與醫(yī)生不相上下，達(dá)91%以上。CICERO等[20]用CNN深度學(xué)習(xí)了35 038張胸部X線片，對(duì)胸腔積液、心影增大、肺實(shí)變、肺水腫、氣胸進(jìn)行了標(biāo)記，人工智能系統(tǒng)判斷這些疾病的特異度和靈敏度都很高，最高可達(dá)91%。HAZLETT等[21]采用了3層深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)315個(gè)參數(shù)(包括性別、不同腦區(qū)的體積、面積、厚度等)進(jìn)行降維，預(yù)測自閉癥高危嬰兒患自閉癥的可能性，準(zhǔn)確率也達(dá)到了94%；除此之外，在肺結(jié)節(jié)[22]、乳腺癌[23]、腦瘤[24]、前列腺癌[25]的分級(jí)分類問題上也都達(dá)到了90%左右的準(zhǔn)確率。但人工智能在運(yùn)用于傳統(tǒng)的眼底鏡影像診斷時(shí)遇到了一個(gè)問題，傳統(tǒng)的眼底鏡不同于CT、MRI等，即不同的人拍攝出來的眼底鏡照片在曝光程度、偏心程度、視野范圍等方面都存在較大差異，如何在預(yù)處理時(shí)消除這些差異，是一個(gè)難題，但人工智能判斷視網(wǎng)膜病變的程度還是達(dá)到與人類專家持平的程度，特異度和靈敏度很高，達(dá)到90%以上，但其算法的可行性還有待在以后的臨床實(shí)踐中進(jìn)一步完善[26]。

人工智能的圖像識(shí)別技術(shù)原理是在分割圖像基礎(chǔ)上，檢測、提取圖像特征[27]，最后進(jìn)行診斷預(yù)測，基本上都是采用深度學(xué)習(xí)的方法。深度學(xué)習(xí)是一種基于ANN數(shù)據(jù)進(jìn)行特征學(xué)習(xí)的算法的泛稱[28]，如果說人工智能在醫(yī)療領(lǐng)域的哪個(gè)方面會(huì)率先取得突破，那一定會(huì)是在圖像識(shí)別這一領(lǐng)域。目前，國內(nèi)的人工智能+醫(yī)學(xué)也大多集中在醫(yī)療影像方面，其中最具代表的就是騰訊的“覓影”，通過圖像識(shí)別技術(shù)和深度學(xué)習(xí)的方法對(duì)各類醫(yī)學(xué)影像(內(nèi)窺鏡、CT、眼底照相、病理切片、鉬靶X線、超聲、MRI等)進(jìn)行訓(xùn)練，從而達(dá)到對(duì)病灶的智能識(shí)別，目前主要用于輔助醫(yī)生臨床診斷和疾病的早期篩查。也許在將來臨床工作中，對(duì)于一些繁重的工作，如病理診斷、實(shí)驗(yàn)室檢查單診斷或影像學(xué)診斷，人工智能可以起到輔助醫(yī)生診斷的作用，甚至有替代醫(yī)生進(jìn)行獨(dú)立診斷的可能。

2.3

減少患者的手術(shù)創(chuàng)傷，一直是現(xiàn)代外科醫(yī)學(xué)努力的一個(gè)目標(biāo)。20世紀(jì)20年代，由腹腔鏡開啟了外科手術(shù)的“微創(chuàng)化”時(shí)代，但腹腔鏡也有其局限：由于手術(shù)器械轉(zhuǎn)動(dòng)角度受限從而產(chǎn)生了一些手術(shù)盲區(qū)，且只能給外科醫(yī)生二維的手術(shù)視野，從而限制了腹腔鏡技術(shù)向更復(fù)雜外科手術(shù)的發(fā)展，也成為當(dāng)前腹腔鏡技術(shù)發(fā)展中的瓶頸。進(jìn)入21世紀(jì)，為了克服腹腔鏡技術(shù)的不足，手術(shù)機(jī)器人得以開發(fā)并迅速投入臨床應(yīng)用，外科機(jī)器人手術(shù)逐漸成為微創(chuàng)外科手術(shù)的主流，因其全新的理念以及治療效果被認(rèn)為是外科手術(shù)史上的一次革命，也預(yù)示著第三代外科手術(shù)時(shí)代的來臨。2000年7月通過美國的FDA認(rèn)證后，“達(dá)芬奇”手術(shù)機(jī)器人系統(tǒng)成為世界上首套可以正式在手術(shù)室中使用的機(jī)器人手術(shù)系統(tǒng)。目前“達(dá)芬奇”手術(shù)機(jī)器人系統(tǒng)已經(jīng)廣泛地在多學(xué)科得到應(yīng)用，如泌尿外科、心胸外科、胃腸外科、肝膽外科、婦科等[29-32]。目前全球已有33個(gè)國家、800多家醫(yī)院成功開展了60多萬例機(jī)器人手術(shù)，三維立體和高清顯像可以準(zhǔn)確清晰定位手術(shù)部位，操作安全穩(wěn)定、創(chuàng)傷小、恢復(fù)快，使得“達(dá)芬奇”手術(shù)機(jī)器人倍受廣大外科醫(yī)生的認(rèn)可和推崇。雖然“達(dá)芬奇”手術(shù)機(jī)器人已經(jīng)運(yùn)用得如此廣泛，但是其缺陷還是不容忽視，主要在于觸覺反饋體系的缺失，術(shù)者雙手不能直接接觸手術(shù)部位，無觸覺感知，無法判斷組織的質(zhì)地、彈性、有無波動(dòng)等性質(zhì)；其次，技術(shù)復(fù)雜，學(xué)習(xí)曲線較長，醫(yī)師與系統(tǒng)的配合需要長時(shí)間的磨合；還存在安裝復(fù)雜，價(jià)格昂貴等問題。但隨著“達(dá)芬奇”機(jī)器人的發(fā)展，膠囊機(jī)器人、微型手術(shù)機(jī)器人等的到來，以后的手術(shù)方式會(huì)越來越微創(chuàng)化、智能化，同時(shí)也會(huì)促進(jìn)人工智能在其他醫(yī)療領(lǐng)域的發(fā)展。

2.4

除上述應(yīng)用之外，人工智能在醫(yī)療領(lǐng)域其他方面的研究也正在飛速發(fā)展著。比如智能制藥，通過人工智能來進(jìn)行藥物篩選，對(duì)早期藥物的設(shè)計(jì)進(jìn)行指導(dǎo)[34]；再比如智能外骨骼，可以幫助癱瘓的患者行走[35]；以及智能健康管理等等，在這里就不一一贅述了。

目前人工智能在臨床方面還處于試用研究階段，還沒有真正有歷史性突破的研發(fā)。其發(fā)展也處在平臺(tái)期(緩慢上升期)，正在累積能量。任何事情，包括全世界文明，都是呈現(xiàn)指數(shù)的規(guī)律發(fā)展。那么人工智能也一定是如此，毋庸置疑的是，未來人工智能將會(huì)遍布醫(yī)療領(lǐng)域的方方面面。

3 小結(jié)

綜上所述，人工智能將會(huì)是未來人類醫(yī)療的一個(gè)發(fā)展方向及發(fā)展趨勢，但目前在醫(yī)療領(lǐng)域人工智能仍不會(huì)取代醫(yī)生。不可否認(rèn)，人工智能正在非常快速地、不以個(gè)人意志為轉(zhuǎn)移地進(jìn)入我們的日常生活。人工智能就像PET-CT、MR、CT等醫(yī)療儀器的應(yīng)用一樣，隨著這些新技術(shù)的發(fā)展，醫(yī)生對(duì)患者病情的了解可以更加的精準(zhǔn)，也可以盡早發(fā)現(xiàn)早期病變，醫(yī)生的認(rèn)知、業(yè)務(wù)能力也會(huì)隨之提高。可以說，未來醫(yī)療的新時(shí)代是人工智能的時(shí)代，會(huì)更好地輔助醫(yī)生進(jìn)行工作。勿庸置疑的是未來的醫(yī)療，將會(huì)在人工智能的輔助下更加精準(zhǔn)化、規(guī)范化、智能化。