當人工智慧遇上傳統中醫 數據模型能夠預測危急重症
近日，美國梅奧醫學中心呼吸重症研究室主任Ognjen Gajic正式開啟他的第二次中國之旅。在參觀北京多家醫院之後，Ognjen Gajic心生疑惑：國外ICU平均住院日在2天左右，而國內醫院卻達到了十幾天。
Ognjen Gajic認為，這一現象與患者沒有堅持做好慢病管理具有直接關聯。帶著他的疑惑與答案，一場關於慢病管理與人工智慧的討論在首屆慢病管理中醫診療會議上正式上演。
理論：中醫+人工智慧=高效管理慢病
我國目前具有3.5億慢病患者，其中，73.5%為循環性疾病，15.9%為代謝性疾病，急需進行高效管理。廣安門醫院慢病管理中心主任王師菡建議，在管理慢病過程中，應該堅持中西醫結合與體醫結合的原則，貫穿中醫治未病、動靜結合的理念，防止慢病轉化為危重疾病，進而提高慢病患者生活質量，降低疾病死亡率與醫療費用。
在世界中醫藥聯合會計算機學會會長李光熙看來，中醫本身自帶很強的數學理論與模型思想，與人工智慧的理論基礎一脈相承。將人工智慧與中醫理論運用於慢病管理，能夠提高醫生管理效率。「醫生的精力有限，藉助人工智慧手段，可以管理更多慢病患者。」
其實，醫療領域具有典型的大數據特徵。一是數據量巨大。例如，中國中醫科學院2012年4所醫院全年的門診量達到698萬，僅廣安門醫院1天的門診量就超過1萬人次；每年還有將近6萬多的住院患者。如果將這些患者的診療過程全部數據化，每人次就診產生的醫學數據以10M計算，那麼每年產生的數據量將高達70TB。如果把全國中醫院的臨床數據都匯聚起來，其規模之大可想而知。
二是數據類型複雜。在中醫醫院，每個患者不但要經過辨證論治的個體化診療，還會經過各種理化檢測進行疾病及其預後診斷，所以不光有病歷資料中包含的信息，還會有生化檢查、多種影像或病理切片檢查的生物學信息。收集這些龐大、多類別的數據，通過分析處理將其盤活，可以產生讓人意想不到的價值。
「但中醫數據採集歷史尚有一定欠缺，慢病管理需要很長過程，採集大量數據需要較長時間。」Kindle Beyond Technology Ltd 總裁李智遠強調，梅奧中心的數據比較完整，而ICU是在短期內完整收集數據最好的科室。「從患者進入ICU，到出院或者死亡，就診數據比較密集，能夠在短時間內收集。」
（從左到右依次為：國家體育總局體育科學研究所研究員郭建軍、廣安門醫院慢病管理中心主任王師菡、世界中醫藥聯合會計算機學會會長李光熙、美國梅奧醫學中心呼吸重症研究室主任Ognjen Gajic、Kindle Beyond Technology Ltd總裁李智遠）
實踐：中醫+人工智慧=解決三大難題
人工智慧興起後，關於「人工智慧+醫療將取代醫生」的言論從未終止。但在李智遠看來，技術僅僅是醫療生態環境中的一環，其作用更多是醫生的工具。「對於一件工具而言，不能發揮主導作用，只能起到支撐作用。」李智遠補充道，醫生精力有限，技術恰巧能夠發揮提高工作效率、輔助醫生工作的作用，幫助醫生管理更多患者。
李光熙同樣認為，無論是慢病患者，還是正常人，都很難做到隨時隨地通過人工智慧手段控制自己的生活。而醫生首先需要做的事情也是與患者面對面交流，隨後，可以通過各種信息化手段，對患者康復情況進行跟蹤隨診。
但無可否認，人工智慧確實能夠為醫療帶來顛覆性的改變。李智遠在負責美國梅奧醫學中心ICU醫學大數據人工智慧開發項目時提出，借鑒西醫大數據人工智慧開發經驗，可以相對有效地解決傳統中醫在傳承、推廣應用和發展三個比較大的痛點。
知名中醫的傳承主要採取設立流派傳承基地或名老中醫工作室，通過『人傳人』的方式進行，但是成長周期長、人為因素太大。無法複製、形成規模化則是阻礙推廣應用的最大問題：一個老師3-5年只能帶幾個徒弟，推廣應用受到限制。對於發展來說，中醫沒有足夠的臨床數據，因而只能停留在「傳承不易、發展更難」的階段。
通過人工智慧技術將知名老中醫的診療思想、辨證邏輯和處方經驗進行整合，形成在線的輔助學習和輔助診療系統，使更多普通醫師能夠進一步融入到名老中醫的思維過程，幫助普通醫生提升診療能力。在患者受益的同時，也可以幫助中醫的傳承及推廣應用。隨著診斷的病例數增加，雲端產生大量臨床數據，通過標籤化及數據清洗使數據更具有價值，也為中醫的發展提供數據基礎。
二是構建名老中醫診療思維模型，幫助小醫生開出大處方。全國的名老中醫數量極少，地域分布也較為集中，一位名老中醫每日診療的患者數目有限並且覆蓋範圍較小，大家對名老中醫的認可度遠高於普通中醫師。而名老中醫與普通中醫師的差距主要在辨證分型和方劑的使用。
因此，小醫生可以通過望聞問切採集患者相應的信息，將獲取到的信息通過規範化處理上傳到後台，後台通過人工智慧模擬名老中醫的辨證治療的方式，給出一定的方劑建議，從而使小醫生也可以開出相對更有效的大處方。
線上輔助診療系統只是「複製名老中醫」其中的一環，不同地域、不同流派、不同病程等情況的病人用藥往往是不同的，系統輸出的參考處方可以根據具體情況進行修改。每個中醫師在應用人工智慧軟體的時候，也同時為人工智慧提供了更多學習的素材，隨著中醫藥大數據豐富，線上輔助診療系統可以更加完善有效。
三是構建新型中西醫融合數據模型，預測急危重症。如今，西醫AI研究如火如荼，利用大數據挖掘技術預測急危重症變化極有可能成為臨床AI使用的典型範例。據Ognjen Gajic介紹，第一代人工智慧通過將病歷電子化，產生了大量數據，但無序雜亂；第二代人工智慧解決了從數據中挑選價值指標的難題；第三代人工智慧希望解決的問題就是，從數據中發現潛在的醫學知識。
然而，在當前的模型研究中，利用西醫的細化分析理論研究方法已經遇到了嚴重的發展瓶頸。中醫的整體觀念、辨證思想體系極有可能成為與西醫體系在AI研究中實現創新融合。李光熙指出，在梅奧中心的危重症模型研發項目中，他已經開始引入中醫陰陽五行理論體系與西醫的密集數據進行融合，形成創新的數學模型，以更好地預測判斷病情，提供實時決策支持，做到早診斷、早治療。
