“人工智能医生”来了( 二 )


“吃”了海量数据后 , 机器不仅可以当医生 , 而且可以做科研、教学、管理等 , 帮助医生和医院提升科研水平 , 提高诊疗能力 。
在四川大学华西医院 , 依图医疗纳入该院2009年至今收治的肺癌患者的全维度脱敏临床数据 , 打通临床门诊、住院、病历、病理等多个系统数据 , 建立了国内首个肺癌临床科研智能病种库 。 有了这个病种库 , 医院多个与肺癌诊疗相关的科室研究能力大大提升 , 其他医联体机构也受益匪浅 。
阿里健康人工智能医疗升级到了2.0版本 , 除了临床 , 还有文本科研、影像科研平台功能 , 提供虚拟病人、VR模拟手术用于教学 。
在河南郏县任庄村卫生室 , 采访人员看到了微医人工智能辅诊系统——全科辅助诊疗系统、悬壶台中医智能诊疗系统 。 村医张巧芬简单输入患者的基本症状、病史等 , 马上就能看到相关危重病、常见病可能提示 。 “我们平时很少接触到危重病 , 但心里还是担心万一误诊了 , 会耽误村民治疗 。 ”
据介绍 , 这一全科辅助诊疗系统通过学习超过500万份文献、千万份病历和健康档案 , 目前已覆盖2000多个病种、5000多个症状 , 命中率达到90% 。 悬壶台中医智能诊疗系统累计辅助开方量已超过200万张 。
“基层医生服务能力不强 , 人工智能辅助诊疗能弥补资源不足的问题 , 提升医生服务水平 。 ”中国社科院人口与劳动经济研究所社会保障研究室主任陈秋霖认为 , 医疗人工智能可以提高医疗诊断的精准程度 , 也可以替代一些高精尖手术中的操作 , 还可以在一些医疗服务中替代部分人力资源 , 从而降低医疗费用 。
人工智能学习的数据从临床来 , 还得转换成结构化格式 , 然后做出模型 , 按照临床诊疗思维训练、学习 , 算出结果 。 数据是关键 , 各个学科数据的标准化程度 , 影响着人工智能的应用程度 。
依图医疗总裁倪浩告诉采访人员 , 医疗数据不标准是一个普遍性的问题 。 虽然影像是标准化较好的一批数据 , 但不同医院还是差别很大 。 各个医院设备不一样 , 数据维度也不一样 。 高质量的数据非常少见 , 需要花费更多的算法 , 先将数据结构化才能使用 。
2018年 , 中国工程院院士、上海交通大学医学院附属瑞金医院副院长宁光带领团队与阿里健康人工智能实验室共同研发“瑞宁助糖”人工智能医生 。 在推进过程中 , 宁光也发现了数据的问题 , 如标准数据缺乏 , 疾病诊断标准不统一 , 随访数据散落在各个医院 , 数据普适性较差等 。
数据标准化程度与学科成熟程度、诊断所需外部条件有关 。 比如影像领域从起步就是统一标准 , 数字化发展程度也比较高;皮肤科诊断比较依赖于图片和视频识别病灶等等 , 这些学科人工智能发展较快 。
机器与医生协同看病
医疗并不只是诊断和治疗 , 还涉及医生和患者之间的互动 , 尤其是医生对患者的安慰具有不可替代的作用
人工智能医用 , 是否会代替医生?可以肯定 , 目前还不会 。
2017年 , 国务院新一代人工智能规划提出 , “开发人机协同的手术机器人、智能诊疗助手”“研发人机协同临床智能诊疗方案” 。 这意味着 , 人工智能只是医生的助手 。
一些人工智能研发人员提出 , 只有了解医生的心理和临床思维 , 让人工智能学会这种思维 , 才是真正的医疗人工智能 。 然而 , 这个难点似乎不好突破 。
“我对完全由机器来进行诊断 , 持一定的怀疑态度 , 未来还需要进一步检验 。 因为医疗并不只是诊断和治疗 , 还涉及医生和患者之间的互动 , 尤其是医生对患者的安慰具有不可替代的作用 。 ”陈秋霖说 。

推荐阅读