第七章
智能醫療

近年來，智能醫療在國內外的發展熱度不斷提升。有人提出，“盡管安防和智能投顧最為火熱，但AI在醫療領域可能會率先落地。”根據CB Insights 2017年8月發布的《人工智能全局報告》，醫療健康是人工智能最熱的投資領域，從2012年至今已經有270起交易。一方面，圖像識別、深度學習、神經網絡等關鍵技術的突破帶來了人工智能技術新一輪的發展，大大推動了以數據密集、知識密集、腦力勞動密集為特征的醫療產業與人工智能的深度融合。另一方面，隨著社會進步和人們健康意識的覺醒，人口老齡化問題的不斷加劇，人們對于提升醫療技術、延長人類壽命、增強健康的需求也更加迫切。而實踐中卻存在著醫療資源分配不均，藥物研制周期長、費用高，以及醫務人員培養成本過高等問題。對于醫療進步的現實需求極大地刺激了以人工智能技術推動醫療產業變革升級浪潮的興起。

智能醫療的主要應用場景

“從全球創業公司實踐的情況來看，智能醫療的具體應用包括洞察與風險管理、醫學研究、醫學影像與診斷、生活方式管理與監督、精神健康、護理、急救室與醫院管理、藥物挖掘、虛擬助理、可穿戴設備以及其他。”總結來看，目前人工智能技術在醫療領域的應用主要集中于以下五個領域：

醫療機器人

“機器人技術在醫療領域的應用并不少見，比如智能假肢、外骨骼和輔助設備等技術修復人類受損身體，醫療保健機器人輔助醫護人員的工作等。”目前實踐中的醫療機器人主要有兩種：

一是能夠讀取人體神經信號的可穿戴型機器人，也稱為“智能外骨骼”；

二是能夠承擔手術或醫療保健功能的機器人，以IBM開發的達·芬奇手術系統為典型代表。

智能藥物研發

智能藥物研發是指將人工智能中的深度學習技術應用于藥物研究，通過大數據分析等技術手段，快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破；在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。

智能診療

智能診療就是將人工智能技術用于輔助診療中，讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。人工智能能夠更快地處理海量數據，通過深度學習從大數據中總結、發現規律，歸納總結出帶有規律性的差異，從而進行疾病的診斷。

智能醫學影像

智能醫學影像是將人工智能技術應用在醫學影像的診斷上。人工智能在醫學影像上的應用主要分為兩部分：一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。

智能健康管理

智能健康管理是將人工智能技術應用到健康管理的具體場景中。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。

（1）風險識別：通過獲取信息并運用人工智能技術進行分析，識別疾病發生的風險及提供降低風險的措施。

（2）虛擬護士：收集病人的飲食習慣、鍛煉周期、服藥習慣等個人生活習慣信息，運用人工智能技術進行數據分析并評估病人整體狀態，協助規劃日常生活。

（3）精神健康：運用人工智能技術從語言、表情、聲音等數據進行情感識別。

（4）移動醫療：結合人工智能技術提供遠程醫療服務。

（5）健康干預：運用AI對用戶體征數據進行分析，定制健康管理計劃。

智能醫療產業應用典型案例

醫療機器人

一是智能外骨骼。俄羅斯ExoAtlet公司生產了兩款“智能外骨骼”產品：ExoAtletⅠ和ExoAtlet Pro。前者適用于家庭，后者適用于醫院。ExoAtletⅠ適用于下半身癱瘓的患者，只要上肢功能基本完整，它能幫助患者完成基本的行走、爬樓梯及一些特殊的訓練動作。ExoAtlet Pro在ExoAtletⅠ的基礎上包括了更多功能，如測量脈搏、電刺激、設定既定的行走模式等。日本厚生勞動省已經正式將“機器人服”和“醫療用混合型輔助肢”列為醫療器械在日本國內銷售，主要用于改善肌萎縮側索硬化癥、肌肉萎縮癥等疾病患者的步行機能。

二是手術機器人。世界上最有代表性的做手術的機器人就是達·芬奇手術系統。“達·芬奇手術系統分為兩部分：手術室的手術臺和醫生可以在遠程操控的終端。手術臺是一個有三個機械手臂的機器人，它負責對病人進行手術，每一個機械手臂的靈活性都遠遠超過人，而且帶有攝像機可以進入人體內手術，因此不僅手術的創口非常小，而且能夠實施一些人類一生很難完成的手術。在控制終端上，計算機可以通過幾臺攝像機拍攝的二維圖像還原出人體內的高清晰度的三維圖像，以便監控整個手術過程。目前全世界共裝配了3000多臺達·芬奇機器人，完成了300萬例手術。”

智能藥物研發

“效率是藥物開發的關鍵”。美國硅谷公司Atomwise通過IBM超級計算機，在分子結構數據庫中篩選治療方法，經評估選出820萬種藥物研發的候選化合物。2015年，Atomwise基于現有的候選藥物，應用人工智能算法，在不到一天時間內就成功地尋找出能控制埃博拉病毒的兩種候選藥物。

除挖掘化合物研制新藥外，美國Berg生物醫藥公司通過研究生物數據研發新型藥物。“Berg通過其開發的Interrogative Biology人工智能平臺，研究人體健康組織，探究人體分子和細胞自身防御組織以及發病原理機制，利用人工智能和大數據來推算人體自身分子潛在的藥物化合物。這種利用人體自身的分子來醫治類似于糖尿病和癌癥等疑難雜癥，要比研究新藥的時間成本與資金少一半。”

智能診療

國外最早將人工智能應用于醫療診斷的是MYCIN專家系統。我國研制基于人工智能的專家系統始于20世紀70年代末，但是發展很快。早期有北京中醫學院研制成的“關幼波肝炎醫療專家系統”，它是模擬著名老中醫關幼波大夫對肝病診治的程序。80年代初，福建中醫學院與福建計算機中心研制了林如高骨傷計算機診療系統。其他如廈門大學、重慶大學、河南醫科大學、長春大學等高等院校和研究機構開發了基于人工智能的醫學計算機專家系統，并成功應用于臨床。

在智能診療的應用中，IBM Watson是目前最成熟的案例。IBM Watson可以在17秒內閱讀3469本醫學專著、248000篇論文、69種治療方案、61540次試驗數據、106000份臨床報告。2012年Watson通過了美國職業醫師資格考試，并部署在美國多家醫院提供輔助診療的服務。目前Watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。Watson實質是融合了自然語言處理、認知技術、自動推理、機器學習、信息檢索等技術，并給予假設認知和大規模的證據搜集、分析、評價的人工智能系統。

智能影像識別

貝斯以色列女執事醫學中心（BIDMC）與哈佛醫學院合作研發的人工智能系統，對乳腺癌病理圖片中癌細胞的識別準確率能達到92%。

美國企業Enlitic將深度學習運用到了癌癥等惡性腫瘤的檢測中，該公司開發的系統的癌癥檢出率超越了4位頂級的放射科醫生，診斷出了人類醫生無法診斷出的7%的癌癥。

智能健康管理

一是風險識別。風險預測分析公司Lumiata，通過其核心產品——風險矩陣（Risk Matrix），在獲取大量的健康計劃成員或患者電子病歷和病理生理學等數據的基礎上，為用戶繪制患病風險隨時間變化的軌跡。利用Medical Graph圖譜分析對病人做出迅速、有針對性的診斷，從而使病人的分診時間縮短30%～40%。

二是虛擬護士。Next IT開發的一款APP慢性病患者虛擬助理（Alme Health Coach），“是專為特定疾病、藥物和治療設計配置。它可以與用戶的鬧鐘同步，來觸發例如‘睡得怎么樣’的問題，還可以提示用戶按時服藥。這種思路是收集醫生可用的可行動化數據，來更好地與病人對接”。該款APP主要服務于患有慢性疾病的病人，其基于可穿戴設備、智能手機、電子病歷等多渠道數據的整合，綜合評估病人的病情，提供個性化健康管理方案。美國國立衛生研究院（NIH）投資了一款名為AiCure的App。這款App通過將手機攝像頭和人工智能相結合，自動監控病人服藥情況。

三是精神健康。2011年，美國Ginger. io公司開發了一個分析平臺，通過挖掘用戶智能手機數據來發現用戶精神健康的微弱波動，推測用戶生活習慣是否發生了變化，根據用戶習慣來主動對用戶提問。當情況變化時，會推送報告給身邊的親友甚至醫生。Affectiva公司開發的情緒識別技術，通過網絡攝像頭來捕捉記錄人們的表情，并能分析判斷出人的情緒是喜悅、厭惡還是困惑等。

四是移動醫療。Babylon開發的在線就診系統，能夠基于用戶既往病史與用戶和在線人工智能系統對話時所列舉的癥狀，給出初步診斷結果和具體應對措施。AiCure是一家提醒用戶按時用藥的智能健康服務公司，“其利用移動技術和面部識別技術來判斷患者是否按時服藥，再通過APP來獲取患者數據，用自動算法來識別藥物和藥物攝取”。

五是健康干預。Welltok通過旗下的Café Well Health健康優化平臺，運用人工智能技術分析來源于可穿戴設備的Map My Fitness和Fit Bit等合作方的用戶體征數據，提供個性化的生活習慣干預和預防性健康管理計劃。

國內智能醫療發展情況

根據方正證券發布的互聯網醫療深度報告，“中國互聯網醫療發展經歷了三個階段：信息服務階段，實現人和信息的連接；咨詢服務階段，實現人和醫生的連接；診療服務階段，實現人和醫療機構的連接。”在實際的產業發展中，中國智能醫療仍處于起步階段，但由于資本的追捧，多家智能醫療創業公司已順利獲得融資。在未來的發展中，國內公司應當加強數據庫、算法、通用技術等基礎層面的研發與投資力度，在筑牢基礎的同時進一步拓展智能醫療的應用領域。

智能醫療發展中面臨的挑戰

政府監管障礙。醫療領域本身屬于政府高度監管的行業領域，在醫療行業領域引入人工智能技術以及深度推廣智能醫療的應用，都會引起政府監管政策的調整。推進智能醫療的縱深發展，應當首先符合政府的監管要求。如近期我國國家衛計委辦公廳發布的《關于征求互聯網診療管理辦法（試行）》（征求意見稿）和《關于推進互聯網醫療服務發展的意見》（征求意見稿）中即提出，我國將對互聯網診療服務實行嚴格管理，強調依法依規保證質量和安全。

醫療數據的獲取限制。由于醫療數據本身具有的敏感屬性（如涉及個人基因數據、患病信息等），許多國家對醫療數據的收集、存儲、使用都做了比一般數據更為嚴格的規定。如澳大利亞規定，除列舉的特殊情況外，境內的醫療數據不得傳輸到境外。美國也要求醫療信息的商業化應用必須嚴格符合HIPPA和HITECH兩個法案的規定。而智能醫療想要獲得長足發展，必須依賴大量醫療數據的積累。正如德勤醫療負責人Rajeev Ronanki所說，只有三股強大力量的結合，才能推動機器學習向前發展，這三股力量是：數據的指數級增長、更快速的分布式系統，以及更智能的能夠處理和理解數據的算法。醫療數據獲取和使用的限制，也會在一定程度上阻礙智能醫療的發展。

與傳統醫院業務兼容困難。實際上，目前傳統醫院已經具備了一定的信息化水平，推進智能醫療的應用，需要從根本上更新傳統醫院的IT系統和信息化業務，這不僅需要更新設備設施，也需要對相關人員進行培訓教育，成本較高，且會對傳統業務造成沖擊。與傳統業務的兼容也會滯緩智能醫療的發展與應用。