人工智慧輔助診斷技術在醫療領域的作用與挑戰
《中國醫療器械信息》雜誌近幾年的精華文章與您分享，並持續更新中！歡迎訂閱！歡迎投稿！歡迎關注微信公眾號：zgylqxxx
來源： 本文刊登於《中國醫療器械信息》雜誌2018年第16期
作者：祁瑞娟 呂偉通
單位：廣東省醫療器械質量監督檢驗所 （廣東 廣州 510663）
內容提要：近年人工智慧輔助診斷技術取得系列突破，積極推動智慧醫療是我國「十三五」規劃提出的重點任務之一。本文重點分析現階段人工智慧輔助診斷技術的發展現狀與市場驅動力，旨在探討其寶貴价值及存在的問題與挑戰。
關 鍵 詞：人工智慧醫療 人工智慧輔助診斷技術 智慧醫療
近年人工智慧產業迅速發展，在醫療領域的應用日益廣泛，逐漸形成新的技術革命和戰略性新型業態。2017年FDA成立人工智慧與數字醫療審評部並接連批准多款人工智慧輔助診斷決策支持系統。同時國內監管部門也將醫療人工智慧產品的審評機制探究作為一項重要工作。可見醫學領域必因人工智慧發生巨變，其不但利於醫學創新，且還將有力推動醫療體系改革。
1.
人工智慧輔助診斷技術的發展現狀與市場驅動力
1.1 國內外正處於人工智慧醫療的風口
近年來，世界各國在人工智慧醫療領域的投資表現出持續上漲的走勢，其中2016 年的年交易達到90 宗，總額為7.48億美元，此為有史以來的最高水平。國內的相應行業也快速崛起，在2017 年為130 余億元，上漲了40.7 個百分點；2018年將有望達到200 億元[1]。
1.2 國內外科技巨頭在人工智慧醫療領域集中布局
Watson Health 由IBM創立，其循證臨床輔助決策支持系統可深度研究各臨床數據及文獻資料從而提供最優方案，對糖尿病及癌症等的診斷有較大作用，象徵著人類真正跨進認知型醫療時代。TensorFlow（谷歌的開源平台）是使用範圍較廣的深度學習框架，可對腦癌的辨識模型進行訓練。微軟藉助人工智慧技術探尋最優醫療手段及藥品，滿足其醫療保健計劃「漢諾威」的切實需求。我國科技巨頭也將人工智慧醫療領域作為關鍵方向並投入了諸多資源。阿里健康以雲平台為基礎，建立了單獨的機器學習平台PAI2.0，並與各大醫院及醫療成像中心合作建成醫療成像智能診斷平台，提供遠程智能診斷及3D圖像重構等服務。騰訊成立了人工智慧實驗室並向碳雲智能投資1.5億美元，致力於建立人工智慧內核模型，對健康風險進行早期預警，有助於進行精準及個性化治療。
1.3 國家政策利好
2016年10月，國務院頒布《「健康中國2030」規劃綱要》，指出要專門培育一批獨具特色的健康管理服務產業，致力於智能健康電子產品的深度發展[2]。2017 年6 月，科技部發布《「十三五」衛生與健康科技創新專項規劃》，提出要將發展醫療機器人、可穿戴設備及移動醫療產品等作為重中之重的工作[3]。同年9月，新版《醫療器械分類目錄》添設了相關類別的人工智慧輔助診斷產品的詳盡說明。監管部門也將醫療人工智慧產品審批機制的探究作為一項關鍵工作[4]。此外，中檢院也在制定審批規則。中央政府及相關國家部委相繼出台政策及措施鼓勵支持人工智慧醫療的發展，為其發展鋪平了道路。
2.
人工智慧輔助診斷技術在醫療領域的應用及作用
2.1 輔助診斷，提升精準性
我國臨床護理當中每年平均約有5700萬病例被誤診，總誤診率高達27.8%，而器官異位誤診率則為60%。醫學成像供應了九成以上的醫學數據資料，然而具體判定則主要依靠醫生個人經驗及主觀剖析，因而出錯幾率極高。基於圖像識別技術，藉助對諸多醫學圖像的學習，人工智慧輔助診斷產品能夠助力於醫生無誤地對疾病變化區域做出判斷，從而使誤診、漏診現象大大減少。
2.2 高效利用醫療資源，提高醫療診斷效率
我國人平均擁有醫生數僅為0.0021 人[5]，影像和病理學醫生資源短缺現象尤為嚴重。現國內醫學影像數據及放射科醫生數量的年增長率分別為30%、4.1%，後者與前者差距頗大，這意味著放射科醫生人均處理數據量將不斷加大，甚至遠超負荷，供給和需求嚴重不對稱。據統計，我國病理學專業人才缺口已達10 萬，但此類人才培養周期漫長，因此短時間內無法完全解決此問題。而人工智慧的出現則指出了一
個全新的方向。人工智慧輔助診斷技術不但能夠在特定疾病領域得到有效應用，有時還能自動完成疾病篩查，這使醫生的工作重負大為減輕，效率大幅提升，也避免了一些毫無必要的檢查，使病患經濟壓力有所緩解。
2.3 可設立疾病風險預警機制，提供健康顧問服務
大多數疾病都是可預防的，但病徵通常不會在疾病早期階段顯現，因此在病情加重前難以被發現。儘管醫生能夠藉助診斷工具對疾病進行預估，然而人類身體是複雜度極高的機體，加之疾病的發展及變化的多樣性，這些都會對預估的精準性產生極大的干擾。將醫療健康可穿戴設備與人工智慧技術結合在一起，能夠使疾病的風險預估及現實幹預得以達成。其中，風險預估主要涵蓋對個體健康情況的早期預警和對公共衛生事件的監督測試；而干預策略則主要是針對具體病患提供個性化健康管理及諮詢服務。
3.
人工智慧輔助診斷技術所面對的問題及挑戰
3.1 行業發展受制於數據，必須持續積累和創新
對於人工智慧輔助診斷技術而言，數據為一大關鍵要素。將肺結節CT篩查作為範例，一般而言，開發公司通過和部分醫院進行合作從而將後者CT設備的有關數據加以獲取。但是當前市場中此類設備型號及供貨商較多，一旦模型在其他型號設備中被使用，倘若電壓等參數有所區別，那麼就需重新對模型加以培訓。此外，病人受檢測時的姿勢、CT長寬或者像素差別、不同排數機器層厚度和薄層重建演算法的差異都是影響模型訓練的因素。
3.2 人工智慧輔助診斷產品需從試驗到臨床應用取得突破
如今人工智慧輔助診斷產品的診斷準確率都比較高，然而現實應用中卻存在不少問題。企業在對自身模型進行培訓時通常都擁有自備資料庫，但現實應用場景並非那麼簡單，導致以特定或標準數據集為基礎的實驗室檢測結果在未得到臨床檢驗證實前均無價值可言。如醫療影像輔助診斷產品急需優化演算法防止「就圖論圖」的情況。以甲狀腺結節診斷為例，醫生要了解抗體的有關狀況，就必須參考彩色多普勒超聲及甲狀腺功能檢查的相應結果。所以人工智慧輔助診斷產品當前發展的突破點就在於將多模式診斷系統及早建成。
3.3 明確醫療責任主體，清晰權責範圍
儘管人工智慧在輔助診斷方面頗具價值，卻對醫療責任的辨識有諸多不足。如用戶向醫療虛擬助理提出訴求時，可能會遺漏部分信息或闡述不準確，導致虛擬助理提供的方案不能滿足用戶需求。因此，監管部門對使用人工智慧診斷功能有極嚴格的要求。2017年國家食葯監總局發布新版《醫療器械分類目錄》，其中對於人工智慧輔助診斷設備分類做出了如下說明：若診斷軟體藉助演算法提供診斷建議，僅具有輔助診斷功能而不直接提供診斷結論的按Ⅱ類醫療器械進行註冊申報；若對病變部位加以自動識別且能清晰提供診斷提示的按Ⅲ類醫療器械申報且需做臨床試驗[4]。未來應進一步完善人工智慧輔助診斷臨床應用的法律體系，明確判定醫療過失的標準及法律責任主體。
3.4 建立人工智慧醫療人才培養機制，搶佔至優資源
現階段我國人工智慧人才數量極少，不足5 萬，每年各高等院校培養出來的此類技術人員也少於2000人，而整個行業內具備醫療知識的複合型人才更是匱乏。先進國家的此類人才是我國的數倍，美國約有50%工作經驗超過10年的從業者，而我國則不及25%。因此必須先從根源處化解人才問題，產業技術才會有所突破。基於此，我國做了諸多工作，如發布《新一代人工智慧發展規劃》，清晰提出此行業發展的關鍵即為打造出綜合素質偏高的人才隊伍。2017 年11 月科技部聯同多部門設立了人工智慧規劃及推廣辦公室並公開了四個專項開放創新平台。當前，我國藉助對國家級開放平台的建立匯聚了眾多高端人才，助力深層次的跨學科研究，促使產、學、研合作的新模式大範圍應用。
參考文獻
略
TAG:中國醫療器械信息 |