人工智能在醫(yī)學(xué)的應(yīng)用研究進(jìn)展

　　【摘要】人工智能技術(shù)的快速發(fā)展，得益于大數(shù)據(jù)、數(shù)據(jù)庫、算法、算力的巨大進(jìn)步，醫(yī)學(xué)研究是人工智能的重要應(yīng)用方向。人工智能與醫(yī)學(xué)的融合發(fā)展，提高了醫(yī)療技術(shù)水平與醫(yī)療服務(wù)效率，為醫(yī)生與醫(yī)療設(shè)備有效賦能，更好地服務(wù)于患者。特別在此次新冠肺炎疫情中取得的巨大成效，足見人工智能在醫(yī)療領(lǐng)域中發(fā)揮巨大作用，因此吸引了許多研究者不斷深入探索。本文對近年來人工智能在醫(yī)學(xué)方面應(yīng)用的相關(guān)文獻(xiàn)進(jìn)行梳理，基于人工智能技術(shù)與醫(yī)學(xué)研究的發(fā)展背景，重點(diǎn)論述人工智能在藥物研發(fā)、輔助診療、語音識別和語義理解、健康管理、醫(yī)院管理等領(lǐng)域的應(yīng)用進(jìn)展，分析人工智能在醫(yī)療領(lǐng)域應(yīng)用存在的挑戰(zhàn)，最后討論人工智能在醫(yī)療領(lǐng)域的發(fā)展趨勢。

　　【關(guān)鍵詞】人工智能；醫(yī)學(xué)應(yīng)用；技術(shù)挑戰(zhàn)；綜述

　　前言

　　在移動(dòng)智能時(shí)代到來之前，經(jīng)典的醫(yī)療設(shè)備（如假肢、支架、植入物等）被廣泛應(yīng)用。人工智能（ArtificalIntelligence,AI）技術(shù)的到來，使醫(yī)療技術(shù)發(fā)生了顛覆性的變革，如：（1）AI設(shè)備進(jìn)行閱片，在保證準(zhǔn)確率的前提下，效率是普通醫(yī)生的幾十倍甚至更高，還能夠幫助醫(yī)生處理臨床上一些復(fù)雜問題，減輕以上的負(fù)擔(dān)；（2）可穿戴設(shè)備監(jiān)測健康記錄，患者可隨時(shí)了解自身狀況；（3）識別醫(yī)生語音或筆記，精確形成電子健康記錄存儲在病歷數(shù)據(jù)庫中，無需花費(fèi)人力再去整理；（4）陪護(hù)機(jī)器人的研究，既能代替醫(yī)生去輻射高危地區(qū)，又能時(shí)刻陪護(hù)病人，隨時(shí)感受病人健康數(shù)據(jù)與情緒波動(dòng)等。5G時(shí)代的到來，智慧醫(yī)療進(jìn)一步發(fā)展，促進(jìn)AI與病理、診斷、影像、精神醫(yī)學(xué)、眼科學(xué)、中醫(yī)學(xué)等諸多學(xué)科的融合發(fā)展［1-3］。AI在融入醫(yī)療領(lǐng)域發(fā)展的同時(shí)也存在一定的挑戰(zhàn)，在應(yīng)用醫(yī)學(xué)的同時(shí)也在不斷完善自身，促進(jìn)AI技術(shù)的前進(jìn)。

　　1AI在醫(yī)學(xué)的應(yīng)用

　　目前，AI技術(shù)在醫(yī)學(xué)的應(yīng)用主要為以下幾個(gè)方面：智能藥物研發(fā)、智能輔助診療、智能語音識別與語義理解、健康管理和醫(yī)院管理。

　　1.1智能新藥研發(fā)

　　AI在新藥研發(fā)領(lǐng)域取得了不錯(cuò)的成績。為了降低藥物的研發(fā)成本、縮短藥物發(fā)現(xiàn)的時(shí)間，在藥物發(fā)現(xiàn)階段，利用AI技術(shù)加速藥物靶點(diǎn)發(fā)現(xiàn)；在臨床前研究階段，進(jìn)行化合物篩選，分析化合物的構(gòu)效關(guān)系，用于新藥發(fā)現(xiàn)和新藥風(fēng)險(xiǎn)評估；在臨床研究階段，分析藥物重定位，在不斷試驗(yàn)中發(fā)現(xiàn)新的適應(yīng)癥。目前，AI技術(shù)已經(jīng)應(yīng)用于心血管疾病、腫瘤控制等藥物的研究。特別在2019年新冠病毒疫苗及相關(guān)藥物研發(fā)中發(fā)揮著巨大作用［4］。

　　1.2智能輔助診療

　　1.2.1輔助診斷智能影像診斷是AI在醫(yī)療領(lǐng)域中應(yīng)用最熱門的場景之一。一方面，經(jīng)過圖像識別技術(shù)對醫(yī)學(xué)圖像進(jìn)行辨認(rèn)和剖析，快速發(fā)現(xiàn)病灶，并將其與正常組織細(xì)胞分開，提高影像診斷效率；另一方面，構(gòu)建深度學(xué)習(xí)模型，通過對大量的圖像和診斷信息進(jìn)行深入挖掘且不斷訓(xùn)練優(yōu)化，提高模型的診斷能力，降低對復(fù)雜疾病的誤診率。Zhang等［7］研究一種多模態(tài)深度學(xué)習(xí)模型，用于對所采集視頻中兒童的異常行為進(jìn)行分類，并且結(jié)合其他系統(tǒng)模塊所采集的信息，輔助診斷系統(tǒng)能夠自動(dòng)生成標(biāo)準(zhǔn)化的診斷報(bào)告，包括測試結(jié)果、異常行為分析、輔助診斷結(jié)論和治療建議等。文中指出，該系統(tǒng)目前在浙江大學(xué)醫(yī)學(xué)院附屬兒童醫(yī)院心理科，用于臨床輔助診斷，得到醫(yī)生和患者一致好評。Yang等［8］利用密集連接卷積神經(jīng)網(wǎng)絡(luò)（DenseNet）評價(jià)在高分辨率計(jì)算機(jī)斷層掃描（HRCT）上檢測COVID-19特征的診斷效果。數(shù)據(jù)集采用295例患者的數(shù)據(jù)，其中健康人數(shù)：149人；COVID-19患者數(shù)：146人。DenseNet經(jīng)過數(shù)據(jù)集訓(xùn)練和驗(yàn)證后，將圖像分類為感染或正常兩類，最后采用ROC和AUC評價(jià)模型性能。結(jié)果顯示，算法在驗(yàn)證集的AUC為0.99，在測試集的AUC為0.98。閾值選擇為0.8，在驗(yàn)證和測試集的準(zhǔn)確性分別為95%和92%。從中得出結(jié)論，采用DenseNet的深度學(xué)習(xí)可在HCRT上準(zhǔn)確分類COVID-19，可減少漏診誤診。

　　1.2.2輔助治療AI用于輔助治療，主要應(yīng)用為醫(yī)療機(jī)器人。目前應(yīng)用最為廣泛是手術(shù)機(jī)器人和康復(fù)機(jī)器人。手術(shù)機(jī)器人由外科醫(yī)生控制中心、床旁機(jī)械臂系統(tǒng)、高清影像系統(tǒng)3部分組成，具有可增加視野角度、減少手部顫抖、操作精細(xì)等優(yōu)點(diǎn)，輔助醫(yī)生完成臨床手術(shù)。另外，康復(fù)機(jī)器人的使用也發(fā)展迅速，能完成輔助患者行走或者康復(fù)等基本功能。

　　2AI在醫(yī)療領(lǐng)域的應(yīng)用挑戰(zhàn)

　　2.1數(shù)據(jù)來源與質(zhì)量問題

　　涉及到倫理的醫(yī)學(xué)數(shù)據(jù)，一方面獲取方式困難，數(shù)據(jù)多而繁雜，信息的碎片化處理目前還是個(gè)難題；另一方面質(zhì)量高的數(shù)據(jù)少，得到數(shù)據(jù)后要經(jīng)過專家進(jìn)行精準(zhǔn)標(biāo)注，標(biāo)注的數(shù)量與質(zhì)量也直接影響到整個(gè)數(shù)據(jù)集。除此之外，每個(gè)單位都有屬于自己的數(shù)據(jù)庫，每一病種的數(shù)據(jù)及其形式又不同，沒有統(tǒng)一的標(biāo)準(zhǔn)對其進(jìn)行整合，也缺乏大型的公共數(shù)據(jù)庫系統(tǒng)［15］。高質(zhì)量的數(shù)據(jù)是AI發(fā)展的首要前提，這一難關(guān)阻礙了AI前進(jìn)的腳步。

　　2.2AI算法的問題

　　臨床問題的復(fù)雜要求神經(jīng)網(wǎng)絡(luò)層數(shù)加深，模型的復(fù)雜程度與之相對應(yīng)的數(shù)據(jù)量不匹配。模型太過復(fù)雜，學(xué)習(xí)能力過于強(qiáng)大，以至于把訓(xùn)練集中數(shù)據(jù)本身特征學(xué)習(xí)到了，這樣會導(dǎo)致算法過擬合；模型的復(fù)雜程度遠(yuǎn)低于與其匹配的數(shù)據(jù)量，這導(dǎo)致模型學(xué)習(xí)能力低下，產(chǎn)生欠擬合。欠擬合可以通過增加數(shù)據(jù)量和訓(xùn)練次數(shù)來解決，過擬合的解決卻比較困難，是深度學(xué)習(xí)中經(jīng)常會遇到的問題。尤其是在醫(yī)療實(shí)際應(yīng)用中，一定要對AI算法進(jìn)行嚴(yán)格測試評估，否則會導(dǎo)致發(fā)生醫(yī)療事故和糾紛，引發(fā)大規(guī)模醫(yī)源性風(fēng)險(xiǎn)［16］。

　　總結(jié)

　　AI在醫(yī)學(xué)方面的應(yīng)用，主要集中在新藥研發(fā)、輔助診療、語音識別和語義理解、健康管理和醫(yī)院管理等領(lǐng)域。近3年內(nèi)，每個(gè)領(lǐng)域都有不同程度的突破，但在不同領(lǐng)域都有難以攻破、亟待解決的難題。

　　新藥研發(fā)中要經(jīng)過篩選、預(yù)測潛在性質(zhì)、預(yù)測生物活性及毒性、預(yù)測蛋白質(zhì)結(jié)構(gòu)等過程，AI的利用極大減少時(shí)間和人力成本，進(jìn)一步提高藥物研發(fā)的效率。但準(zhǔn)確預(yù)測藥物靶點(diǎn)仍具有一定的挑戰(zhàn)性，目前存在的算法模型的精確度仍然不理想，需要更進(jìn)一步深入探究。輔助診斷是AI應(yīng)用于醫(yī)療行業(yè)最為廣泛的領(lǐng)域，尤其是在智能影像方面，已取得巨大成果，但如何擴(kuò)大共享數(shù)據(jù)庫，提高數(shù)據(jù)質(zhì)量，提高診斷準(zhǔn)確率，減少誤診漏診，是一直要努力的方向。語音識別和語義理解相比影像診斷發(fā)展略微緩慢，歸因于其技術(shù)的復(fù)雜性及數(shù)據(jù)結(jié)構(gòu)多樣性，主要解決手段仍是要繼續(xù)開發(fā)新算法，對不同語言進(jìn)行識別與解讀，除此之外，對元數(shù)據(jù)的處理也是非常重要的手段之一。健康管理與醫(yī)院管理依賴前面3個(gè)領(lǐng)域AI技術(shù)的發(fā)展，更多集中在可穿戴設(shè)備檢測與大數(shù)據(jù)碎片化處理技術(shù)方面，從而更好地服務(wù)患者。綜上所述，AI與醫(yī)學(xué)的融合具有巨大發(fā)展前景，希望有越來越來多的研究者投入其中，致力于AI研究服務(wù)于醫(yī)學(xué)。

　　【參考文獻(xiàn)】

　　［1］KULKARNIS,SENEVIRATNEN,BAIGMS,etal.Artificialintelligenceinmedicine:wherearewenow?［J］.AcadRadiol,2020,27(1):62-70.

　?。?］THANATC,LAFFINLJ,TANGW.Artificialintelligenceandhypertension:recentadvancesandfutureoutlook［J］.AmJHypertens,2020,33(11):967-974.

　?。?］LIUL,LUF,PANGP,etal.Cancomputedtomography-basedradiomicspotentiallydiscriminatebetweenanteriormediastinalcystsandtypeB1andB2thymomas?［J］.BiomedEngOnline,2020,19(1):1-14.

　?。?］CHANDRAKAUSHIKA,RAJU.AI-drivendrugdiscovery:aboonagainstCOVID-19?［J］.AIOpen,2020,1:1-4.

　?。?］PAWARS,LIEWTO,STANAMA,etal.Commoncancerbiomarkersofbreastandovariantypesidentifiedthroughartificialintelligence［J］.ChemBiol,2020,96(3):995-1004.

　　鞏高1，黃文華2，曹石1，陳超敏1，鄭東宏3

《人工智能在醫(yī)學(xué)的應(yīng)用研究進(jìn)展》

上一篇：大突發(fā)疫情防控中急救醫(yī)療設(shè)備運(yùn)行保障機(jī)制的探討

下一篇：基于ASP.NET的醫(yī)療設(shè)備合理化配置信息系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)