2014 年，斯坦福大學(xué)啟動(dòng)了“AI100”項(xiàng)目，即“人工智能百年研究”。該項(xiàng)目集結(jié)了各領(lǐng)域頂尖的研究人員，旨在研究并預(yù)測人工智能將如何發(fā)展，及其對(duì)人類和社會(huì)的影響。

“人工智能＋醫(yī)療保健”一直被視為極具發(fā)展?jié)摿Φ男屡d領(lǐng)域。未來幾年，基于人工智能的應(yīng)用程序有望改善數(shù)百萬人的健康狀況和生活質(zhì)量，并改進(jìn)醫(yī)務(wù)工作者和患者之間的交流方式。

動(dòng)脈網(wǎng)編譯了AI100報(bào)告中與醫(yī)療有關(guān)的部分，本文的主要內(nèi)容包括：

臨床環(huán)境：AI助手幫助自動(dòng)化問診流程；

醫(yī)療分析：管理臨床記錄和患者數(shù)據(jù)、自動(dòng)圖像解譯；

醫(yī)療機(jī)器人：人機(jī)工程學(xué)＋智能自動(dòng)化；

數(shù)字醫(yī)療：利用生物識(shí)別技術(shù)，提供個(gè)性化建議；

老年護(hù)理：多項(xiàng)創(chuàng)新技術(shù)為居家生活提供便利。

“AI＋醫(yī)療”的主要應(yīng)用領(lǐng)域包括：臨床決策支持、患者監(jiān)控和指導(dǎo)、輔助手術(shù)、患者護(hù)理的自動(dòng)化設(shè)備以及醫(yī)療保健系統(tǒng)的管理等。例如，利用社交媒體來推測可能存在的健康風(fēng)險(xiǎn)，利用機(jī)器學(xué)習(xí)來預(yù)測疾病以及通過機(jī)器人來輔助手術(shù)。

然而，如何獲取醫(yī)生、護(hù)士和患者的信任，如何消除政策、法規(guī)以及商業(yè)上的阻礙，這些都是需要解決的問題。與在其他領(lǐng)域一樣，數(shù)據(jù)都是關(guān)鍵的推動(dòng)者。

從個(gè)人監(jiān)控設(shè)備加上移動(dòng)應(yīng)用程序、臨床環(huán)境中的電子健康記錄（EHR）到醫(yī)療機(jī)器人，研究人員不斷創(chuàng)新，在收集有用醫(yī)療數(shù)據(jù)方面，取得了巨大進(jìn)步。

但事實(shí)證明，相關(guān)人員很難利用這些數(shù)據(jù)為單個(gè)患者和患者群體提供更精準(zhǔn)的診斷和治療。過時(shí)的規(guī)章制度和激勵(lì)機(jī)制都阻礙了產(chǎn)品的研發(fā)和上市。

在龐大且復(fù)雜的醫(yī)療系統(tǒng)中，人機(jī)交互方式不完善以及技術(shù)應(yīng)用存在困難和風(fēng)險(xiǎn)，都為人工智能應(yīng)用于醫(yī)療領(lǐng)域帶來了挑戰(zhàn)。通過減少或消除這些阻礙，加上不斷的創(chuàng)新，數(shù)百萬人的健康狀況就能得到改善。

臨床環(huán)境：AI助手幫助自動(dòng)化問診流程

幾十年來，人工智能驅(qū)動(dòng)的臨床醫(yī)生助理這一概念不斷被提起。盡管有些“AI＋醫(yī)療”的試點(diǎn)項(xiàng)目取得了成功，但目前的醫(yī)療系統(tǒng)在結(jié)構(gòu)上仍然不能適應(yīng)這一技術(shù)。

平價(jià)醫(yī)療法案中的激勵(lì)措施加速了電子健康記錄（EHR）在臨床實(shí)踐中的應(yīng)用，但實(shí)施效果不佳，也讓臨床醫(yī)生對(duì)其有效性產(chǎn)生了質(zhì)疑。其中存在的問題包括，一小部分公司控制著EHR市場，以及公眾普遍認(rèn)為用戶界面不符合標(biāo)準(zhǔn)，比如醫(yī)生通常會(huì)忽略的彈出窗口。

由于以上問題以及監(jiān)管方面的要求，通過人工智能，利用EHR的數(shù)據(jù)進(jìn)行分析的愿景，在很大程度上仍未實(shí)現(xiàn)。

在未來15年，如果人工智能發(fā)展迅速，加上足夠多的數(shù)據(jù)以及合適的系統(tǒng)，就有望改善臨床醫(yī)生的工作效率。目前，按照固定流程，患者會(huì)先對(duì)癥狀進(jìn)行口頭描述，然后醫(yī)生們?cè)賹�癥狀與已知疾病的臨床表現(xiàn)聯(lián)系起來。

如果以上流程實(shí)現(xiàn)了自動(dòng)化，那么醫(yī)生可以監(jiān)督問診過程，運(yùn)用經(jīng)驗(yàn)和直覺來指導(dǎo)輸入過程，并評(píng)估機(jī)器的智能輸出。醫(yī)生的“實(shí)踐”經(jīng)驗(yàn)仍將至關(guān)重要。而其中，最大的挑戰(zhàn)在于，如何將人性化的護(hù)理與自動(dòng)化推理過程結(jié)合起來。

為了達(dá)到最佳效果，臨床醫(yī)生必須在一開始就參與進(jìn)來，以確保系統(tǒng)的正常運(yùn)行。目前，新一代醫(yī)生已經(jīng)精通這些技術(shù)，并開始在移動(dòng)設(shè)備上使用專門的應(yīng)用程序。與此同時(shí)，初級(jí)保健醫(yī)生的工作量會(huì)大幅度地增加。

但是，只要解決監(jiān)管、法律和社會(huì)方面的問題，就能極大地改善臨床的分析，其中包括開發(fā)新的學(xué)習(xí)方法、通過自動(dòng)分析科學(xué)文獻(xiàn)來創(chuàng)建結(jié)構(gòu)化的推理模式、通過自由對(duì)話的形式來創(chuàng)建認(rèn)知助手等。

醫(yī)療分析：管理臨床記錄和患者數(shù)據(jù)、自動(dòng)圖像解譯

人工智能可以分析數(shù)百萬條患者臨床記錄，從而實(shí)現(xiàn)更準(zhǔn)確、更個(gè)性化的診斷和治療。隨著全基因組測序成為患者的常規(guī)檢查，基因型－表型的相關(guān)性分析也將成為可能。

比如，可以通過類似群組分析，即找到“相似患者”，來決定治療方案。通過社交平臺(tái)以及傳統(tǒng)或非傳統(tǒng)的醫(yī)療數(shù)據(jù)，來決定患者分組。而每一組都有一個(gè)專門的系統(tǒng)進(jìn)行管理，系統(tǒng)由醫(yī)療服務(wù)提供者以及自動(dòng)推薦和監(jiān)控系統(tǒng)組成。如果將這一技術(shù)應(yīng)用于數(shù)億人的臨床記錄，就可能從根本上改善醫(yī)療服務(wù)。

此外，人工智能技術(shù)也可以提供個(gè)性化的醫(yī)療服務(wù)，比如，通過可穿戴設(shè)備自動(dòng)獲取個(gè)人環(huán)境數(shù)據(jù)，以產(chǎn)生個(gè)性化的分析和建議。目前，ShareCare等公司正在將這一技術(shù)應(yīng)用于醫(yī)療場景。

然而，想要實(shí)現(xiàn)快速創(chuàng)新，仍然需要克服許多困難。FDA在批準(zhǔn)創(chuàng)新診斷軟件方面進(jìn)展緩慢；HIPAA法案（健康保險(xiǎn)攜帶和責(zé)任法案）要求保護(hù)患者隱私，這就為通過人工智能技術(shù)使用患者數(shù)據(jù)設(shè)置了法律障礙。批準(zhǔn)的藥物或產(chǎn)品可能會(huì)出現(xiàn)意料之外的負(fù)面影響，比如，用于分析藥物相互作用的移動(dòng)應(yīng)用程序會(huì)被禁止從患者記錄中提取必要的信息。

總的來說，由于缺乏普適的隱私保護(hù)方法和標(biāo)準(zhǔn)，醫(yī)療領(lǐng)域的人工智能研究和創(chuàng)新受到了阻礙。FDA遲遲沒有批準(zhǔn)創(chuàng)新軟件，部分原因是無法權(quán)衡這些系統(tǒng)的成本與效益。如果監(jiān)管機(jī)構(gòu)（主要是FDA）意識(shí)到，上市后報(bào)告可以有效避免某些安全風(fēng)險(xiǎn)，那么它們可能會(huì)更快地批準(zhǔn)新的治療方式和干預(yù)措施。

幾十年來，自動(dòng)圖像解譯一直是一個(gè)極具發(fā)展?jié)摿Φ念I(lǐng)域。而這一領(lǐng)域取得的進(jìn)展都引發(fā)了極大的關(guān)注，比如解譯大量標(biāo)記較弱的圖像（如從網(wǎng)絡(luò)上截取的大型照片）。在此之前，醫(yī)學(xué)圖像的解譯并未取得如此大的進(jìn)展。因?yàn)榇蠖鄶?shù)醫(yī)學(xué)成像方式（CT、MR、超聲）本質(zhì)上都是數(shù)字化的，圖像都進(jìn)行了存檔，而且有大型的、技術(shù)成熟的公司（如西門子、飛利浦、通用電氣等）專門從事成像研究。

但到目前為止，仍然存在一些障礙，限制了這一領(lǐng)域的發(fā)展。大多數(shù)醫(yī)院的圖像檔案在過去十年才數(shù)字化。更重要的是，解決醫(yī)學(xué)問題，依靠的并不僅僅是識(shí)別圖像中的東西，而是對(duì)其作出準(zhǔn)確的判斷。而這些高風(fēng)險(xiǎn)的判斷都會(huì)受到嚴(yán)格的監(jiān)管。

即使有了最先進(jìn)的技術(shù)，放射科醫(yī)生可能還是需要查看圖像，因此其判定的結(jié)果仍不具有說服力。此外，醫(yī)療保健法規(guī)禁止跨機(jī)構(gòu)的數(shù)據(jù)共享。因此，只有像Kaiser Permanente這樣的大型綜合醫(yī)療機(jī)構(gòu)才能解決以上問題。

盡管如此，自動(dòng)／增強(qiáng)圖像解譯這一領(lǐng)域仍發(fā)展迅速。在未來15年，可能不會(huì)出現(xiàn)完全自動(dòng)化的放射學(xué)，但對(duì)于圖像“分流”或二級(jí)檢查的初步嘗試，有望提高醫(yī)學(xué)成像的速度和成本效益。

結(jié)合電子病歷系統(tǒng)，機(jī)器學(xué)習(xí)技術(shù)可大規(guī)模地應(yīng)用于醫(yī)學(xué)圖像數(shù)據(jù)。例如，幾個(gè)大型的醫(yī)療系統(tǒng)都存有數(shù)百萬名患者的檔案，每個(gè)檔案都有相關(guān)的放射學(xué)數(shù)據(jù)。另一方面，相關(guān)文獻(xiàn)表明，深度神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練分析放射學(xué)的數(shù)據(jù)，并且具有較高的可信度。