從“望聞問切”到人工智能 仍有四大難點(diǎn)

我是一名心血管臨床大夫。怎么把人工智能應(yīng)用到心血管疾病的早篩、預(yù)防、診療，以及分級(jí)診療當(dāng)中，復(fù)旦大學(xué)附屬中山醫(yī)院跟徐匯中心醫(yī)院做了一些前期的工作。

我跟大家匯報(bào)一下我們目前工作的主要進(jìn)展，主要是關(guān)于AI在醫(yī)療領(lǐng)域中的應(yīng)用、人工智能醫(yī)療場(chǎng)景建設(shè)的實(shí)施以及對(duì)人工智能應(yīng)用場(chǎng)景的展望。

作為臨床大夫，我們通過望聞問切的方式，根據(jù)病人的主訴結(jié)合臨床檢查，給別人進(jìn)行一個(gè)準(zhǔn)確的診斷。但是我們知道，人是一個(gè)非常復(fù)雜的機(jī)器。光憑病人的主訴，光憑望聞問切，對(duì)疾病的認(rèn)識(shí)不是那么全面。

今天提到大數(shù)據(jù)跟人工智能，我們?nèi)梭w可以通過本身的主訴、可穿戴設(shè)備，根據(jù)人口學(xué)的特點(diǎn)以及影像學(xué)檢查等等可以提供更精確的診斷。

人工智能在以下四個(gè)方面可以提供幫助：疾病診斷、疾病診療、健康管理以及人工智能在醫(yī)院管理、耗材、人力成本的計(jì)算等。

這些年，人工智能在醫(yī)學(xué)界是非常熱的話題。在醫(yī)學(xué)三大雜志——新英格蘭醫(yī)學(xué)雜志、柳葉刀、JAMA上，對(duì)人工智能以及深度學(xué)習(xí)做了一些闡述，同時(shí)在基礎(chǔ)研究方面也做了相關(guān)的論述。但是，人工智能真正在現(xiàn)實(shí)當(dāng)中應(yīng)用，并不是非常完善。

人工智能有時(shí)候可能比醫(yī)生得出的診斷更準(zhǔn)確，不過前提條件是給它的數(shù)據(jù)必須是準(zhǔn)確的、清晰的。前不久發(fā)表的一篇文章中，提到了谷歌AI可以比眼科醫(yī)生更快、更準(zhǔn)確地得出診斷，但是應(yīng)用到臨床學(xué)以后發(fā)現(xiàn)并不是這么回事，為什么呢？

2018年發(fā)表的這篇文章中，谷歌人工智能在真正的應(yīng)用當(dāng)中沒有達(dá)到我們的期望值，當(dāng)時(shí)護(hù)士在拍照片的時(shí)候光線不好，錯(cuò)誤的數(shù)據(jù)輸不進(jìn)去，人工智能程序就拒絕接受這個(gè)照片，反而得出了一些誤診數(shù)據(jù)。

場(chǎng)景是連接人工智能需求、研發(fā)以及產(chǎn)業(yè)化的關(guān)鍵環(huán)節(jié)

為什么會(huì)發(fā)生這樣的情況？剛才提到，你給它的數(shù)據(jù)必須精確，而且是清晰的。怎么能實(shí)現(xiàn)人工智能從實(shí)驗(yàn)室到臨床的轉(zhuǎn)化，或者人工智能在臨床上給我們一些輔助。我談一談目前徐匯區(qū)關(guān)于人工智能在醫(yī)療場(chǎng)景建設(shè)方面的實(shí)施工作。

首先，場(chǎng)景是連接人工智能供應(yīng)和需求，研發(fā)到產(chǎn)業(yè)化的關(guān)鍵環(huán)節(jié)，沒有場(chǎng)景一切都是白搭。再者，上海探索出一條以應(yīng)用為牽引的人工智能發(fā)展道路。從政策扶持、資金投入、推動(dòng)建設(shè)、宣傳引導(dǎo)、閉環(huán)管理、全程跟蹤、嚴(yán)格驗(yàn)收方面，進(jìn)行人工智能場(chǎng)景的搭建，打造徐匯區(qū)人工智能醫(yī)療的服務(wù)高地。

在過去幾年里，復(fù)旦大學(xué)附屬中山醫(yī)院和徐匯區(qū)中心醫(yī)院在人工智能場(chǎng)景建設(shè)方面已經(jīng)做了一些初步工作。從數(shù)據(jù)的分析到數(shù)據(jù)的整合以及數(shù)據(jù)的收集，把心血管大數(shù)據(jù)整合到人工智能的應(yīng)用平臺(tái)，打通了三級(jí)醫(yī)院、二級(jí)醫(yī)院和社區(qū)衛(wèi)生中心的數(shù)據(jù)。最主要的是，我們?cè)谌粘Ｉ?、居民端也做了一些工作，希望從疾病篩查、預(yù)防、診療跟康復(fù)幾個(gè)方面進(jìn)行綜合分析。

剛才提到，從復(fù)旦大學(xué)附屬中山醫(yī)院、附屬徐匯醫(yī)院或者是徐匯區(qū)中心醫(yī)院，我們分管了幾個(gè)社區(qū)衛(wèi)生中心。截止到去年的七月份，我們收集了80萬人的9.5個(gè)TB數(shù)據(jù)，這里面包括了20億條病人的就診記錄，我們通過大數(shù)據(jù)的分析得出以下五個(gè)方面的結(jié)論。

一方面，是居民端跟醫(yī)生端。從疾病的精準(zhǔn)早篩，到疾病的智能預(yù)防、輔助診療、智能隨訪再到分級(jí)轉(zhuǎn)診，診斷出哪些疾病可以在社區(qū)衛(wèi)生中心解決，哪些疾病必須要三級(jí)醫(yī)院進(jìn)行復(fù)雜的手術(shù)或者治療。這里面的分類治療分為兩端，一個(gè)是居民端，一個(gè)是醫(yī)生端。

在居民端，基層可以通過心血管的檔案、人口學(xué)特征、年齡、發(fā)病危險(xiǎn)因素等，借助區(qū)域衛(wèi)生中心提供的影像學(xué)資料，到醫(yī)生端進(jìn)行輔助診斷和輔助診療，決定這個(gè)病人需不需要轉(zhuǎn)到三級(jí)醫(yī)院。

場(chǎng)景的建設(shè)目標(biāo)，除了我剛才提到的五個(gè)場(chǎng)景已經(jīng)實(shí)現(xiàn)以外，我們還基本上實(shí)現(xiàn)了心血管專家?guī)斓墓蚕怼Ａ硗?，我們完善了模型，同時(shí)初步形成了科研創(chuàng)新以及模型孵化的一個(gè)創(chuàng)新生態(tài)框架，最后形成資源共享的管控框架。

人工智能在醫(yī)療領(lǐng)域應(yīng)用仍存在諸多難點(diǎn)

當(dāng)然，人工智能在實(shí)際建立過程中還存在著一些難點(diǎn)或者還難以跨越的一些障礙。

第一個(gè)是網(wǎng)絡(luò)。我們的網(wǎng)絡(luò)現(xiàn)在還不是非常的穩(wěn)定，在通信、專業(yè)數(shù)據(jù)等信息化方面還存在一些不足。

第二個(gè)是醫(yī)療大數(shù)據(jù)，20億的就診數(shù)據(jù)大而混亂。大數(shù)據(jù)并不代表著數(shù)據(jù)大，有時(shí)候收集的很多信息對(duì)疾病診療是沒有用的，怎么才能甄別出來？缺少統(tǒng)一的標(biāo)注。

第三個(gè)是各個(gè)醫(yī)院管理者有時(shí)會(huì)形成數(shù)據(jù)壁壘。我們?cè)谛畔⒔涣鬟^程當(dāng)中，目前可以做到徐匯區(qū)共享，但與其他的醫(yī)院和醫(yī)療機(jī)構(gòu)還不能夠達(dá)到數(shù)據(jù)共享，造成信息孤島。同時(shí)，我們也缺少有基層醫(yī)療經(jīng)驗(yàn)又擅長(zhǎng)人工智能的交叉人才。

第四個(gè)是我們對(duì)人工智能的了解還不夠深刻，以為遠(yuǎn)程會(huì)診就是人工智能，實(shí)際上遠(yuǎn)遠(yuǎn)不夠的。另外，我們的醫(yī)護(hù)人員雖然對(duì)人工智能感興趣，但是又不能完全參與到人工智能的實(shí)施和過程當(dāng)中。

對(duì)未來人工智能場(chǎng)景的展望

展望人工智能應(yīng)用醫(yī)療場(chǎng)景，未來我們往哪個(gè)方面發(fā)展？

2020年年初的新冠肺炎疫情爆發(fā)期間，好多慢性病人不能到醫(yī)院就診，好多病人有高血壓、心臟衰竭，服用抗磷藥物等，這些病人怎么辦？

在徐匯區(qū)，首先在行業(yè)之間倡導(dǎo)遠(yuǎn)程會(huì)診，我們開通了E型門診，通過我們的APP使原來每個(gè)星期來門診就診隨訪的病人可以在線上得到及時(shí)的診療。

再看看現(xiàn)在得到的數(shù)據(jù)，在新冠肺炎期間，平安好醫(yī)生新的用戶以及在線患者增加百分之八九百，這就告訴我們，市場(chǎng)或者是需求驅(qū)動(dòng)了人工智能和遠(yuǎn)程醫(yī)療的發(fā)展。遠(yuǎn)程醫(yī)療拉近了病人跟醫(yī)生之間的距離。另外，遠(yuǎn)程醫(yī)療可以非常及時(shí)地把信息傳遞給醫(yī)療機(jī)構(gòu)，還可以降低醫(yī)療費(fèi)用。

遠(yuǎn)程醫(yī)療或者遠(yuǎn)程診療不只是一個(gè)視頻通話，或者打個(gè)電話問問吃什么藥就可以的，實(shí)際是非常復(fù)雜的。剛才提到血液動(dòng)力學(xué)、人口學(xué)特征，是把實(shí)驗(yàn)室檢查，以及影像學(xué)整合到一起的復(fù)雜工程。

前年在美國(guó)，TCT就做了一個(gè)32公里以外的遠(yuǎn)程醫(yī)療案例。這個(gè)病人是一個(gè)冠狀動(dòng)脈狹窄的病例，醫(yī)生通過遠(yuǎn)程手術(shù)可以直接把支架放進(jìn)去進(jìn)行擴(kuò)張。這是手術(shù)后的情況，好多醫(yī)生不需要在手術(shù)室背著這么重的鉗衣，就可以進(jìn)行最好的治療。

另一個(gè)案例是，在美國(guó)的一個(gè)印度醫(yī)生，可以把所有的影像學(xué)資料通過虛擬方式來操作，可以通過語音命令，把圖象放大、縮小、旋轉(zhuǎn)，同時(shí)還可以通過語音控制把圖像變大、變小，從而更清楚地識(shí)別疾病的位置、狹窄程度、血管走形等情況。

我自己的個(gè)人設(shè)想是，未來AI可以賦能冠心病等醫(yī)療場(chǎng)景。通過血管模型和功能計(jì)算，看看這個(gè)狹窄是不是導(dǎo)致心肌缺血的靶血管，如果三個(gè)血管都生病，告訴我哪個(gè)血管是要干預(yù)的血管。

同時(shí)根據(jù)多模態(tài)智能分析，看這個(gè)地方缺血心肌是不是能夠存活，還可以根據(jù)病例分析，語音反饋給醫(yī)生來決定是藥物干預(yù)還是進(jìn)行介入治療。介入治療以后，我可以在外面邊喝咖啡邊操作，操作完以后對(duì)這個(gè)結(jié)果進(jìn)行評(píng)估。

（本文根據(jù)葛均波院士的最新演講整理而成，未經(jīng)本人確認(rèn)。）