智能“閱片”、臨床決策、護理機器人……近年來，隨著人工智能的蓬勃發(fā)展，人工智能與醫(yī)學結合的相關技術開發(fā)也進行得如火如荼。

近日，人工智能在藥物研發(fā)領域邁出重要一步，澳大利亞研究團隊將全球首個AI設計藥物——“渦輪增壓”流感疫苗推入人體試驗階段，這款藥物開發(fā)用時兩年時間。

就像“互聯(lián)網+”一樣，“人工智能+”的模式必然會給我們的生活帶來翻天覆地的變化，但在涉及生理和生命的醫(yī)學領域，人工智能落地還將面臨哪些挑戰(zhàn)?

質與量并重 基礎數據仍需“精煉”

不論在何種領域，數據都是讓機器聰明起來的根本。

“人工智能若想在醫(yī)學領域長足發(fā)展，數據質量、數據量和標準化方面還有待改進和完善。” 8月6日，天津市腫瘤醫(yī)院副院長徐波在接受科技日報記者采訪時表示。

“醫(yī)療大數據如何‘降噪’是個關鍵問題。”徐波指出，醫(yī)療大數據涉及的類型近年來呈多模態(tài)發(fā)展。而病例數據覆蓋面廣，服務用戶多樣，如何構建以病人、醫(yī)生、醫(yī)院和政府等多中心的數據治理體系，進而面向不同的用戶提供不同的數據視圖和分析結果，是醫(yī)療大數據采集及研究中亟待解決的問題。

自改革開放以來，我國醫(yī)學領域發(fā)展迅速，信息化程度也在逐漸提高。但是隨著醫(yī)療設備更新迭代，數據的格式和錄入的內容也在不斷變化。以慢性病為例，即便是同一位病人在同一家醫(yī)院治療，幾年前后的數據內容和形式也可能會大有不同。更何況我國醫(yī)學領域在病種分類、名稱方面也有部分尚未統(tǒng)一，還有一些醫(yī)生會采用口語、簡稱，如“乳腺癌”和“乳癌”就是不同醫(yī)師對同一種病癥的不同叫法，這也會給人工智能在臨床決策或影像分析時平添困擾。

“盡管我國醫(yī)院的數據龐大, 但由于疾病的復雜性，數據維度、特性各不相同, 質量參差不齊,導致很多細分的病種實際可用數據量少，尤其是較為罕見的疾病類型。如果是多學科交叉的病癥可使用的數據量就更加有限了。”徐波表示。

此外，數據共享也存在壁壘。我國當前醫(yī)院與醫(yī)院、同一家醫(yī)院內科系互不相連, 沒有統(tǒng)一標準的臨床結構化病歷報告,不同地域甚至不同醫(yī)院之間的數據庫無法通用。

我國人口數量龐大，醫(yī)學數據體量也很大，但在某種程度上，人工智能發(fā)展卻陷入了“無數據可用”的尷尬境地，怎樣才能將這座“富礦”充分挖掘出來呢?

“數據標準化和規(guī)范化是解決該問題的必經之路。”在徐波看來，應加快醫(yī)療數據電子化、標準化的進程, 打破醫(yī)療機構的數據壁壘, 建立數據共享機制,進一步“精煉”醫(yī)學領域數據。

醫(yī)工結合 學科交叉人才緊缺

“既懂醫(yī)療又懂AI技術的復合型、戰(zhàn)略型人才極其短缺, 其中10年以上資深人才尤為缺乏。同時, 醫(yī)務人員對AI的接納度不足, 部分醫(yī)務人員甚至對AI抱有抵觸心理。”上海市衛(wèi)生和健康發(fā)展研究中心(上海市醫(yī)學科學技術情報研究所)健康科技創(chuàng)新發(fā)展部執(zhí)行主任何達曾在相關期刊發(fā)表文章時提到，AI技術的使用需要對醫(yī)務人員進行專業(yè)化規(guī)范培訓, 在此背景下, 建立完善的人才培養(yǎng)和人才引進機制是重中之重。

徐波告訴科技日報記者，智能醫(yī)學領域是人工智能和醫(yī)療健康這兩個專業(yè)性極強領域的結合，如今二者都能深入研究的人才是“香餑餑”。而正是因為二者專業(yè)性極強，人才培養(yǎng)的模式才更加復雜、更值得深入探討。

去年，南開大學和天津大學首次在本科開設智能醫(yī)學工程專業(yè)，開啟了培養(yǎng)人工智能+醫(yī)學領域專業(yè)人才的新征程。今年，包括重慶大學、東北大學在內的7所院校也成功申報獲批開設相關專業(yè)。南開大學醫(yī)學院相關負責人曾表示，該專業(yè)是掛靠在學校醫(yī)學院下的一個工科專業(yè)，為了滿足學生學科交叉的學習需求，會邀請外院的教師上課教學。

在徐波看來，智能醫(yī)學領域發(fā)展時間短，能大范圍推廣的培養(yǎng)模式尚需一定的時間摸索。但歸根結底，如果讓部分有興趣的醫(yī)學生在校期間就能接觸到一些人工智能相關的工科基礎知識，將會對其后續(xù)向著智能醫(yī)學方向發(fā)展起到一定的引導和輔助作用。

雖然現(xiàn)階段交叉人才缺口很大，但值得慶幸的是，家長和學生對智能醫(yī)學工程專業(yè)高度認可。2018年，天大、南開智能醫(yī)學工程專業(yè)首批招生投放涵蓋全國十幾個省市，招生期間，民眾的相關咨詢持續(xù)火爆，未投放省市同樣反響熱烈。

市場良性發(fā)展 監(jiān)管體系亟須加強

除了數據和人才兩大基礎方向，新興的智能醫(yī)學在商業(yè)模式和法律監(jiān)管等方面也需要人們投注目光。

以目前人工智能與醫(yī)學最常見的結合點——醫(yī)學影像為例，現(xiàn)階段該領域的AI產品在國內主要采用免費試用的合作方式，雖然短期來看，醫(yī)院是獲益的，但長遠計算，優(yōu)質AI企業(yè)會因長期無法盈利而難以為繼，無法持續(xù)為醫(yī)院提供更好的產品。

合理的商業(yè)化模式尚在“摸著石頭過河”的階段，而相配套的監(jiān)管機制也亟須完善。清華大學法學院院長申衛(wèi)星此前在接受科技日報記者采訪時表示，目前只有《民法總則》第127條提出，“法律對數據、網絡虛擬財產的保護有規(guī)定的，依照其規(guī)定”。但具體如何保護數據，并沒有詳細說明。

以往，機器被歸為工具一類，工具造成的損害責任通常是產品設計者、制造者來承擔，但如果工具經過人工智能深度學習，成為自主型產品后造成損害，這到底是誰的責任?依舊是產品的責任還是智能系統(tǒng)開發(fā)單位的責任?這些疑問都需要明確的法條來解答。

記者了解到，我國不僅對智能醫(yī)學數據的隱私保護、責任規(guī)范、安全性等沒有明確的法律指示，人工智能在醫(yī)療健康領域應用的質量標準、準入體系、評估體系也未設置詳細的準則, 無法對AI數據和算法進行有效驗證和評價。

“目前國際上也沒有成功的案例經驗可供借鑒，發(fā)展出一套符合我國國情、相對完善的智能醫(yī)學監(jiān)管體系還需要一定的時間和多學科、多行業(yè)的研究者和實踐者共同努力。”徐波表示，較為科學的監(jiān)管體系之下，人工智能企業(yè)在符合各項標準和法規(guī)的范圍內探索良性的商業(yè)化營收模式，各院所、高校、醫(yī)院等單位合理利用各自資源，進行有效合作，有助于整個智能醫(yī)學領域的健康、穩(wěn)步發(fā)展。

關鍵詞： 醫(yī)學領域 人工智能 挑戰(zhàn)