摘要：本文綜述了5G技術(shù)在人工智能醫(yī)療應(yīng)用中的研究進(jìn)展。首先，探討了5G技術(shù)對人工智能醫(yī)療的影響，并討論了人工智能對醫(yī)療領(lǐng)域的影響；隨后介紹了卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)療中的應(yīng)用、人工智能在醫(yī)療模擬和預(yù)測方面的應(yīng)用，以及人工智能在手術(shù)中的應(yīng)用和輔助應(yīng)用。此外，還強(qiáng)調(diào)了人工智能在醫(yī)療服務(wù)優(yōu)化、跨學(xué)科醫(yī)療領(lǐng)域人才培養(yǎng)方面的作用。最后，對目前的挑戰(zhàn)和未來的展望進(jìn)行了探討。本文旨在通過對相關(guān)研究進(jìn)展的綜述，展示5G技術(shù)在人工智能醫(yī)療應(yīng)用中的最新發(fā)展，以期為未來相關(guān)研究的發(fā)展提供有益借鑒。

關(guān)鍵詞：5G技術(shù)；人工智能；醫(yī)療應(yīng)用；醫(yī)療服務(wù)

一、引言

在工業(yè)互聯(lián)網(wǎng)、智能交通、自動(dòng)駕駛等多個(gè)行業(yè)，人工智能都發(fā)揮著舉足輕重的作用。在醫(yī)療領(lǐng)域，人工智能的應(yīng)用也日益廣泛，有效地降低了成本、減少了誤診率，并在一定程度上緩解了我國醫(yī)療資源分布不均的問題。此外，人工智能還有助于縮小醫(yī)生之間在診斷技術(shù)、醫(yī)療決策水平等方面的差距。本文將對5G技術(shù)在智能醫(yī)療應(yīng)用中的研究進(jìn)展、5G對智能醫(yī)療的影響、人工智能帶給醫(yī)療的影響以及人工智能對醫(yī)療服務(wù)的優(yōu)化等方面進(jìn)行綜述。

二、5G技術(shù)對智能醫(yī)療的影響

（一）5G的特點(diǎn)

5G技術(shù)可以支持實(shí)現(xiàn)遠(yuǎn)程技術(shù)，其時(shí)延最低要求為一毫秒，連接密度達(dá)到每平方公里100萬個(gè)設(shè)備，速率達(dá)到100mbits。醫(yī)院局域網(wǎng)需要滿足獨(dú)立性需求，確保醫(yī)院設(shè)備信息和用戶信息的安全性，同時(shí)還需要支持網(wǎng)絡(luò)結(jié)構(gòu)的自定義和持續(xù)優(yōu)化，以滿足醫(yī)院大量的上行業(yè)務(wù)，如遠(yuǎn)程超聲、B超等。

（二）5G技術(shù)對醫(yī)療的影響

人工智能與5G通信技術(shù)、超級計(jì)算、腦學(xué)科、算法優(yōu)化等多學(xué)科知識構(gòu)建了全新的智能醫(yī)療體系，有助于改善醫(yī)療領(lǐng)域的信息孤島現(xiàn)象。通過智能算法，將醫(yī)院整個(gè)醫(yī)療系統(tǒng)關(guān)聯(lián)起來，建立獨(dú)立的醫(yī)院信息庫，促進(jìn)醫(yī)院服務(wù)向智慧醫(yī)療的過渡。 將該技術(shù)整合體系應(yīng)用于醫(yī)學(xué)檢索系統(tǒng)中，有助于節(jié)省醫(yī)生查閱時(shí)間，減輕醫(yī)生的工作壓力，實(shí)現(xiàn)醫(yī)療資源的合理分配[1]。

5G技術(shù)促進(jìn)了人工智能在3D打印中的應(yīng)用。3D打印的模擬重建有利于醫(yī)生在手術(shù)時(shí)進(jìn)行判斷和操作。3D打印可以重建受損的人體組織，為醫(yī)療器械提供專屬模型支撐。用新型生物材料制成的3D打印還有特殊作用，例如，Arjunan和他的同事使用純銀材料制造了抗菌骨支架，其可在14個(gè)小時(shí)內(nèi)殺死99.99％的細(xì)菌，包括金黃色葡萄球菌[2]。再如，Wanniarachchi等人研制出鈷-鉻原生物材料骨支架，其具有最高彈性模量、產(chǎn)量和極限強(qiáng)度[3]。

5G的出現(xiàn)加強(qiáng)了人工智能對病人情況的監(jiān)測。將病人手術(shù)前后病情情況通過監(jiān)測和算法實(shí)時(shí)呈現(xiàn)出來，具有顯著的臨床實(shí)踐意義?；?G技術(shù)實(shí)現(xiàn)可穿戴檢測設(shè)備與智能醫(yī)療設(shè)備的相互關(guān)聯(lián)，有助于醫(yī)生及時(shí)、準(zhǔn)確地判斷病情并施以針對性的治療策略，從而大大降低病人的死亡率。

（三）遠(yuǎn)程機(jī)器人手術(shù)

遠(yuǎn)程機(jī)器人手術(shù)的發(fā)展受到了5G技術(shù)的巨大推動(dòng)。愛立信的報(bào)告稱，近61%的人對接受機(jī)器人手術(shù)持開放態(tài)度。在實(shí)際操作中，法國斯特拉斯堡大學(xué)消化研究所的Marescaux等人利用ZEUS TS手術(shù)系統(tǒng)，成功地為一名患者實(shí)施了膽囊手術(shù)，這是遠(yuǎn)程機(jī)器人手術(shù)在臨床實(shí)踐中的一次重要突破[4]。中國的醫(yī)療領(lǐng)域也在積極探索遠(yuǎn)程機(jī)器人手術(shù)，也有成功案例。

三、人工智能對醫(yī)療的影響

人工智能的引入改變了傳統(tǒng)醫(yī)學(xué)模式無法及時(shí)、正確診斷病情的不足之處。通過設(shè)備檢測，能夠快速分析人體相關(guān)指標(biāo)的醫(yī)學(xué)影像，從而在短時(shí)間內(nèi)準(zhǔn)確呈現(xiàn)患者癥狀，有利于醫(yī)生思考并提供解決方案。

同時(shí)，深度學(xué)習(xí)技術(shù)為醫(yī)生提供了輔助方案，其評估和診斷能力與專家水平相當(dāng)。例如，馬依迪麗·尼加提等人通過人工智能與臨床放射醫(yī)生對肺結(jié)核診斷的準(zhǔn)確率相比較發(fā)現(xiàn)，人工智能輔助診斷的準(zhǔn)確率提高了23.5％[5]。Hart利用卷積神經(jīng)網(wǎng)絡(luò)來區(qū)分斯皮茨病和傳統(tǒng)黑色素細(xì)胞病變，取得了極高的精度[6]。

此外，人工智能算法在內(nèi)窺鏡檢查方面也發(fā)揮著重要作用，能夠縮短檢查時(shí)間并顯著提高檢測的準(zhǔn)確性，特別是對于胃腸道疾病的檢查。人工智能在Noonan綜合癥的診斷中也發(fā)揮了顯著作用。對于肺癌診斷來說，傳統(tǒng)的方法主要依賴于CT和組織活檢，但CT容易誤診，而組織活檢是侵入性的。隨著人工智能的出現(xiàn)和算法的優(yōu)化，可以有效解決這個(gè)問題[7]。

（一）卷積神經(jīng)網(wǎng)絡(luò)（CNN）在醫(yī)療領(lǐng)域的應(yīng)用

卷積神經(jīng)網(wǎng)絡(luò)是一種重要的深度學(xué)習(xí)算法，其通過卷積計(jì)算將原始圖像轉(zhuǎn)化為特征圖像，并且能夠?qū)δ繕?biāo)進(jìn)行檢測和分類。CNN在醫(yī)學(xué)成像方面發(fā)揮著重要應(yīng)用。相較于傳統(tǒng)的系統(tǒng)，基于CNN算法的計(jì)算機(jī)輔助診斷系統(tǒng)大幅提高了診斷準(zhǔn)確率。針對不同的疾病領(lǐng)域，人們分別優(yōu)化了CNN模型。例如，在面對臨床常見的心律失常時(shí)，F(xiàn)ujita等人提出了一種能夠有效檢測心律失常且無需對原始數(shù)據(jù)進(jìn)行預(yù)處理的顫振深度神經(jīng)網(wǎng)絡(luò)架構(gòu)[8]。Hosseini-Asi等人提出了一種3D-CNN模型，以提高對阿爾茨海默病的預(yù)測準(zhǔn)確性。其通過提取大腦的通用特征并對測試方法進(jìn)行微調(diào)改進(jìn)，取得了準(zhǔn)確分類的效果[9]。

人工智能的深度學(xué)習(xí)技術(shù)架構(gòu)具有簡單的模塊化結(jié)構(gòu)。大多數(shù)卷積神經(jīng)網(wǎng)絡(luò)使用ResNet及其變體作為骨干網(wǎng)絡(luò)。自從ResGANet提出以來，堆疊的參數(shù)比原始網(wǎng)絡(luò)少1.51-3.47倍，可用于增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的特征表示[10]。

（二）人工智能在醫(yī)療領(lǐng)域的AI模擬和預(yù)測

人工智能在術(shù)前的應(yīng)用一般都是醫(yī)生根據(jù)現(xiàn)有的醫(yī)療記錄和成像來判斷病人的病情，X線、CT、超聲和MRI是對術(shù)前的病情進(jìn)行監(jiān)測時(shí)最常用、也最基本的醫(yī)療方式，但基于醫(yī)學(xué)成像，可以將這個(gè)環(huán)節(jié)概括為解剖分類、檢測、分割和配準(zhǔn)。

分類通常是輸入醫(yī)學(xué)圖像或器官，以及病變的體積，總之，可以理解成人們生病的地方，機(jī)器人則在輸入信息中提取關(guān)鍵信息并且輸出診斷值。目前，高光譜成像技術(shù)因其精細(xì)的光譜特征，往往被用于顯示具有進(jìn)一步分辨率的微觀組織學(xué)圖像，在醫(yī)學(xué)圖像分類中的應(yīng)用特別廣泛，并且逐漸受到人們的關(guān)注。檢測是進(jìn)行空間定位，通常以邊界框和地表的方式進(jìn)行。分割就是對初期的二維圖像進(jìn)行處理，并且對區(qū)域進(jìn)行分割，提取所需區(qū)域并進(jìn)行定量、定性分析。分割作用的實(shí)質(zhì)是鋪墊，比較常用的分割方法是閾值分割法。自深度學(xué)習(xí)CNN出現(xiàn)后一直被用于醫(yī)學(xué)圖像分割，并憑借其出色的提取能力，在輔助性診斷中取得巨大成功?；诂F(xiàn)有的深度學(xué)習(xí)醫(yī)學(xué)分割方法主要有三類：FCN、U-Net和GAN。配準(zhǔn)是指對于一幅醫(yī)學(xué)圖像尋求一種空間變換，使它與另一幅醫(yī)學(xué)圖像的對應(yīng)點(diǎn)達(dá)到空間上的一致。這種一致是指人體的同一解剖點(diǎn)在兩張匹配圖像上有相同的空間位置。

（三）人工智能在手術(shù)中的應(yīng)用

人工智能在手術(shù)中的應(yīng)用一般都是三維重建，這就可以用MRI、CT或超聲三維體積，這三種方式的基本用途是反映組織和器官出血、觀察軟組織、觀察骨骼清晰度等。同時(shí)將深度學(xué)習(xí)引入CT可以識別患者的小腿骨折、顱內(nèi)出血和腦中線偏移等問題，有助于提升診斷的效率和及時(shí)性，特別是ResNet-50自動(dòng)分類診斷，相較于傳統(tǒng)的CT成像手動(dòng)診斷PF（后顱窩）對正常和異常（缺血性）的應(yīng)用，憑借其良好的精度性能和自動(dòng)分類，為改進(jìn)醫(yī)學(xué)診斷提供了方便、高效的工具。當(dāng)手術(shù)中出現(xiàn)突發(fā)狀況時(shí)，這幾種手段建立起來的三維場景更有利于外科醫(yī)生進(jìn)行判斷與決策，從而幫助醫(yī)生更迅速地反應(yīng)和處理。比較典型的是組織追蹤成像技術(shù)在微創(chuàng)手術(shù)中的應(yīng)用。在微創(chuàng)手術(shù)中，對組織結(jié)構(gòu)變形的準(zhǔn)確追蹤、路徑導(dǎo)航至關(guān)重要。在微創(chuàng)手術(shù)中利用醫(yī)學(xué)圖像導(dǎo)航技術(shù)可為醫(yī)生提供全面、精確的人體成像，幫助醫(yī)生制定最佳的醫(yī)療方案。不僅如此，MPR、CPR、三維重建、神經(jīng)認(rèn)知等高級處理分析功能可為臨床應(yīng)用提供精確的診斷依據(jù)。

四、人工智能對醫(yī)療服務(wù)的優(yōu)化

（一）提高藥物研發(fā)效率，降低研發(fā)成本

人工智能對藥物研發(fā)領(lǐng)域起到重要作用。以前，人們通過海量篩選、人工摸排的方式尋找人體內(nèi)的有效藥物靶點(diǎn)，然后進(jìn)行交叉篩選、化合物合成和驗(yàn)證。這導(dǎo)致藥物研發(fā)成本高、工作量大、風(fēng)險(xiǎn)和不確定性高。人工智能的出現(xiàn)可以及時(shí)更新外界信息，并對信息進(jìn)行自動(dòng)篩選、修正，能夠有效評估藥物的作用。例如，van IJzendoorn等人利用機(jī)器學(xué)習(xí)方法和基因表達(dá)數(shù)據(jù)發(fā)現(xiàn)了罕見軟組織肉瘤新的生物標(biāo)志物和潛在藥物靶點(diǎn)[11]。Pantuck等利用AI技術(shù)鑒定藥物劑量和給藥效果，發(fā)現(xiàn)ZEN-3694比初始劑量降低了50%，確定了阻止癌癥蔓延的最佳劑量[12]。人工智能的風(fēng)險(xiǎn)預(yù)測模型結(jié)合疫苗設(shè)計(jì)，有效加快了臨床試驗(yàn)進(jìn)程，降低了研發(fā)成本，縮短了研發(fā)時(shí)間。

（二）培養(yǎng)跨學(xué)科醫(yī)療領(lǐng)域人才

隨著國家對人工智能的重視，人工智能與醫(yī)療服務(wù)的結(jié)合不斷加深，相應(yīng)的保護(hù)政策也漸漸落地，如我國頒布的《新一代人工智能發(fā)展規(guī)劃》《“十四五” 數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》和《數(shù)字中國建設(shè)整體布局規(guī)劃》等政策，推動(dòng)了“互聯(lián)網(wǎng)+智慧醫(yī)療”的發(fā)展。與此同時(shí)，相應(yīng)的法律法規(guī)也不斷完善，如《信息安全技術(shù)健康醫(yī)療數(shù)據(jù)安全指南》和《人工智能安全標(biāo)準(zhǔn)化白皮書（2023版）》。人工智能與智慧醫(yī)療的相輔相成將推動(dòng)醫(yī)療行業(yè)的進(jìn)步，實(shí)現(xiàn)資源利用的最大化。

五、挑戰(zhàn)與展望

目前，人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用仍處于初級階段，存在一些不足之處和法律空白亟待填補(bǔ)。在由人工智能引發(fā)的醫(yī)療事故中，人工智能的生產(chǎn)者應(yīng)承擔(dān)產(chǎn)品責(zé)任，而醫(yī)務(wù)人員則是主要的使用者。醫(yī)務(wù)人員在使用人工智能時(shí)必須盡責(zé)，否則他們也需承擔(dān)過失責(zé)任。因此，生產(chǎn)方和醫(yī)務(wù)方需共同努力，全方位保證人工智能產(chǎn)品質(zhì)量高、醫(yī)務(wù)人員操作熟練，以確保手術(shù)過程的安全性。臨床實(shí)踐中，人工智能在醫(yī)療行為中的作用和責(zé)任往往更為復(fù)雜，一個(gè)醫(yī)療侵權(quán)的損害結(jié)果可能是多個(gè)行為共同促成的，因此責(zé)任主體也呈現(xiàn)多元化特征[13]。目前人工智能更多地是用于輔助治療，5G的出現(xiàn)加速了人工智能與醫(yī)療的融合。未來，以“人為主、AI為輔”的醫(yī)療模式是醫(yī)療領(lǐng)域可持續(xù)發(fā)展的路徑，人工智能的應(yīng)用降低了醫(yī)生的時(shí)間成本，提高診斷準(zhǔn)確率，讓醫(yī)生能夠更專注于治療本身。

六、結(jié)束語

綜上所述，人工智能的應(yīng)用將為醫(yī)療行業(yè)帶來更多便利，能夠有效解決醫(yī)療資源分配不均、服務(wù)供需矛盾、醫(yī)患關(guān)系緊張和信息流通不暢等問題，提升人民的福祉。

作者單位：張榮旭 北部灣大學(xué)電子信息與工程學(xué)院

參考文獻(xiàn)

[1]陳美伊.人工智能技術(shù)在醫(yī)療系統(tǒng)中的應(yīng)用[J].電子技術(shù)， 2023， 52（09）： 313-315.

[2]Robinson J， Stanford M， Arjunan A. Correlation between selective laser melting parameters， pore defects and tensile properties of 99.9% silver[J]. Materials Today Communications， 2020， 25： 101550.

[3]Wanniarachchi C T， Arjunan A， Baroutaji A， et al. Mechanical performance of additively manufactured cobalt-chromium-molybdenum auxetic meta-biomaterial bone scaffolds[J]. journal of the mechanical behavior of biomedical materials， 2022， 134： 105409.

[4]Anvari M. Robot-assisted remote telepresence surgery[C]//Seminars in laparoscopic surgery. Sage CA： Thousand Oaks， CA： Sage Publications， 2004， 11（02）： 123-128.

[5]馬依迪麗·尼加提， 阿里木江·阿卜杜凱尤木， 米日古 麗·達(dá)毛拉， 等. 基于人工智能肺結(jié)核篩查技術(shù)在基層醫(yī)院影像診斷中的應(yīng)用價(jià)值[J]. 新發(fā)傳染病電子雜志， 2021， 6（02）： 138.

[6]Hart S N， Flotte W， Andrew F， et al. Classification of melanocytic lesions in selected and whole-slide images via convolutional neural networks [J]. Journal of Pathology Informatics， 2019， 10（01）： 5.

[7]Pei Q， Luo Y， Chen Y， et al. Artificial intelligence in clinical applications for lung cancer： diagnosis， treatment and prognosis[J]. Clinical Chemistry and Laboratory Medicine （CCLM）， 2022， 60（12）： 1974-1983.

[8]Fujita H， Cimr D. Computer aided detection for fibrillations and flutters using deep convolutional neural network[J]. Information Sciences， 2019， 486： 231-239.

[9]Ehsan Hosseini As， Mohammed Ghazal， Ali Mahmoud， Ali Aslantas， Ahmed Shalaby， Manual Casanova， Gregory Barnes， Georgy Gimel’farb， Robert Keynton， Ayman El Baz. Alzheimer's disease diagnostics by a 3D deeply supervised adaptable convolutional network. Front. Biosci. （Landmark Ed） 2018， 23（03）， 584–596.

[10]Cheng J， Tian S， Yu L， et al. ResGANet： Residual group attention network for medical image classification and segmentation[J]. Medical Image Analysis， 2022， 76： 102313.

[11]van IJzendoorn D G P， Szuhai K， Briaire-de Bruijn I H， et al. Machine learning analysis of gene expression data reveals novel diagnostic and prognostic biomarkers and identifies therapeutic targets for soft tissue sarcomas[J]. PLoS computational biology， 2019， 15（2）： e1006826.

[12]Modulating BET Bromodomain Inhibitor ZEN‐3694 and Enzalutamide Combination Dosing in a Metastatic Prostate Cancer Patient Using CURATE.AI， an Artificial Intelligence Platform[J].Advanced Therapeutics， 2017.

[13]劉克軍，肖月，邱英鵬，等.我國人工智能醫(yī)療技術(shù)臨床應(yīng)用評估指南研究與應(yīng)用[J].醫(yī)學(xué)信息學(xué)雜志， 2023， 44（10）：16-21.