2014 年，斯坦福大學(xué)啟動了“AI100”項目，即“人工智能百年研究”。該項目集結(jié)了各領(lǐng)域頂尖的研究人員，旨在研究并預(yù)測人工智能將如何發(fā)展，及其對人類和社會的影響。

“人工智能＋醫(yī)療保健”一直被視為極具發(fā)展?jié)摿Φ男屡d領(lǐng)域。未來幾年，基于人工智能的應(yīng)用程序有望改善數(shù)百萬人的健康狀況和生活質(zhì)量，并改進醫(yī)務(wù)工作者和患者之間的交流方式。

動脈網(wǎng)編譯了AI100報告中與醫(yī)療有關(guān)的部分，本文的主要內(nèi)容包括：

臨床環(huán)境：AI助手幫助自動化問診流程；

醫(yī)療分析：管理臨床記錄和患者數(shù)據(jù)、自動圖像解譯；

醫(yī)療機器人：人機工程學(xué)＋智能自動化；

數(shù)字醫(yī)療：利用生物識別技術(shù)，提供個性化建議；

老年護理：多項創(chuàng)新技術(shù)為居家生活提供便利。

“AI＋醫(yī)療”的主要應(yīng)用領(lǐng)域包括：臨床決策支持、患者監(jiān)控和指導(dǎo)、輔助手術(shù)、患者護理的自動化設(shè)備以及醫(yī)療保健系統(tǒng)的管理等。例如，利用社交媒體來推測可能存在的健康風(fēng)險，利用機器學(xué)習(xí)來預(yù)測疾病以及通過機器人來輔助手術(shù)。

然而，如何獲取醫(yī)生、護士和患者的信任，如何消除政策、法規(guī)以及商業(yè)上的阻礙，這些都是需要解決的問題。與在其他領(lǐng)域一樣，數(shù)據(jù)都是關(guān)鍵的推動者。

從個人監(jiān)控設(shè)備加上移動應(yīng)用程序、臨床環(huán)境中的電子健康記錄（EHR）到醫(yī)療機器人，研究人員不斷創(chuàng)新，在收集有用醫(yī)療數(shù)據(jù)方面，取得了巨大進步。

但事實證明，相關(guān)人員很難利用這些數(shù)據(jù)為單個患者和患者群體提供更精準(zhǔn)的診斷和治療。過時的規(guī)章制度和激勵機制都阻礙了產(chǎn)品的研發(fā)和上市。

在龐大且復(fù)雜的醫(yī)療系統(tǒng)中，人機交互方式不完善以及技術(shù)應(yīng)用存在困難和風(fēng)險，都為人工智能應(yīng)用于醫(yī)療領(lǐng)域帶來了挑戰(zhàn)。通過減少或消除這些阻礙，加上不斷的創(chuàng)新，數(shù)百萬人的健康狀況就能得到改善。

臨床環(huán)境：AI助手幫助自動化問診流程

幾十年來，人工智能驅(qū)動的臨床醫(yī)生助理這一概念不斷被提起。盡管有些“AI＋醫(yī)療”的試點項目取得了成功，但目前的醫(yī)療系統(tǒng)在結(jié)構(gòu)上仍然不能適應(yīng)這一技術(shù)。

平價醫(yī)療法案中的激勵措施加速了電子健康記錄（EHR）在臨床實踐中的應(yīng)用，但實施效果不佳，也讓臨床醫(yī)生對其有效性產(chǎn)生了質(zhì)疑。其中存在的問題包括，一小部分公司控制著EHR市場，以及公眾普遍認為用戶界面不符合標(biāo)準(zhǔn)，比如醫(yī)生通常會忽略的彈出窗口。

由于以上問題以及監(jiān)管方面的要求，通過人工智能，利用EHR的數(shù)據(jù)進行分析的愿景，在很大程度上仍未實現(xiàn)。

在未來15年，如果人工智能發(fā)展迅速，加上足夠多的數(shù)據(jù)以及合適的系統(tǒng)，就有望改善臨床醫(yī)生的工作效率。目前，按照固定流程，患者會先對癥狀進行口頭描述，然后醫(yī)生們再將癥狀與已知疾病的臨床表現(xiàn)聯(lián)系起來。

如果以上流程實現(xiàn)了自動化，那么醫(yī)生可以監(jiān)督問診過程，運用經(jīng)驗和直覺來指導(dǎo)輸入過程，并評估機器的智能輸出。醫(yī)生的“實踐”經(jīng)驗仍將至關(guān)重要。而其中，最大的挑戰(zhàn)在于，如何將人性化的護理與自動化推理過程結(jié)合起來。

為了達到最佳效果，臨床醫(yī)生必須在一開始就參與進來，以確保系統(tǒng)的正常運行。目前，新一代醫(yī)生已經(jīng)精通這些技術(shù)，并開始在移動設(shè)備上使用專門的應(yīng)用程序。與此同時，初級保健醫(yī)生的工作量會大幅度地增加。

但是，只要解決監(jiān)管、法律和社會方面的問題，就能極大地改善臨床的分析，其中包括開發(fā)新的學(xué)習(xí)方法、通過自動分析科學(xué)文獻來創(chuàng)建結(jié)構(gòu)化的推理模式、通過自由對話的形式來創(chuàng)建認知助手等。

醫(yī)療分析：管理臨床記錄和患者數(shù)據(jù)、自動圖像解譯

人工智能可以分析數(shù)百萬條患者臨床記錄，從而實現(xiàn)更準(zhǔn)確、更個性化的診斷和治療。隨著全基因組測序成為患者的常規(guī)檢查，基因型－表型的相關(guān)性分析也將成為可能。

比如，可以通過類似群組分析，即找到“相似患者”，來決定治療方案。通過社交平臺以及傳統(tǒng)或非傳統(tǒng)的醫(yī)療數(shù)據(jù)，來決定患者分組。而每一組都有一個專門的系統(tǒng)進行管理，系統(tǒng)由醫(yī)療服務(wù)提供者以及自動推薦和監(jiān)控系統(tǒng)組成。如果將這一技術(shù)應(yīng)用于數(shù)億人的臨床記錄，就可能從根本上改善醫(yī)療服務(wù)。

此外，人工智能技術(shù)也可以提供個性化的醫(yī)療服務(wù)，比如，通過可穿戴設(shè)備自動獲取個人環(huán)境數(shù)據(jù)，以產(chǎn)生個性化的分析和建議。目前，ShareCare等公司正在將這一技術(shù)應(yīng)用于醫(yī)療場景。

然而，想要實現(xiàn)快速創(chuàng)新，仍然需要克服許多困難。FDA在批準(zhǔn)創(chuàng)新診斷軟件方面進展緩慢；HIPAA法案（健康保險攜帶和責(zé)任法案）要求保護患者隱私，這就為通過人工智能技術(shù)使用患者數(shù)據(jù)設(shè)置了法律障礙。批準(zhǔn)的藥物或產(chǎn)品可能會出現(xiàn)意料之外的負面影響，比如，用于分析藥物相互作用的移動應(yīng)用程序會被禁止從患者記錄中提取必要的信息。

總的來說，由于缺乏普適的隱私保護方法和標(biāo)準(zhǔn)，醫(yī)療領(lǐng)域的人工智能研究和創(chuàng)新受到了阻礙。FDA遲遲沒有批準(zhǔn)創(chuàng)新軟件，部分原因是無法權(quán)衡這些系統(tǒng)的成本與效益。如果監(jiān)管機構(gòu)（主要是FDA）意識到，上市后報告可以有效避免某些安全風(fēng)險，那么它們可能會更快地批準(zhǔn)新的治療方式和干預(yù)措施。

幾十年來，自動圖像解譯一直是一個極具發(fā)展?jié)摿Φ念I(lǐng)域。而這一領(lǐng)域取得的進展都引發(fā)了極大的關(guān)注，比如解譯大量標(biāo)記較弱的圖像（如從網(wǎng)絡(luò)上截取的大型照片）。在此之前，醫(yī)學(xué)圖像的解譯并未取得如此大的進展。因為大多數(shù)醫(yī)學(xué)成像方式（CT、MR、超聲）本質(zhì)上都是數(shù)字化的，圖像都進行了存檔，而且有大型的、技術(shù)成熟的公司（如西門子、飛利浦、通用電氣等）專門從事成像研究。

但到目前為止，仍然存在一些障礙，限制了這一領(lǐng)域的發(fā)展。大多數(shù)醫(yī)院的圖像檔案在過去十年才數(shù)字化。更重要的是，解決醫(yī)學(xué)問題，依靠的并不僅僅是識別圖像中的東西，而是對其作出準(zhǔn)確的判斷。而這些高風(fēng)險的判斷都會受到嚴(yán)格的監(jiān)管。

即使有了最先進的技術(shù)，放射科醫(yī)生可能還是需要查看圖像，因此其判定的結(jié)果仍不具有說服力。此外，醫(yī)療保健法規(guī)禁止跨機構(gòu)的數(shù)據(jù)共享。因此，只有像Kaiser Permanente這樣的大型綜合醫(yī)療機構(gòu)才能解決以上問題。

盡管如此，自動／增強圖像解譯這一領(lǐng)域仍發(fā)展迅速。在未來15年，可能不會出現(xiàn)完全自動化的放射學(xué)，但對于圖像“分流”或二級檢查的初步嘗試，有望提高醫(yī)學(xué)成像的速度和成本效益。

結(jié)合電子病歷系統(tǒng)，機器學(xué)習(xí)技術(shù)可大規(guī)模地應(yīng)用于醫(yī)學(xué)圖像數(shù)據(jù)。例如，幾個大型的醫(yī)療系統(tǒng)都存有數(shù)百萬名患者的檔案，每個檔案都有相關(guān)的放射學(xué)數(shù)據(jù)。另一方面，相關(guān)文獻表明，深度神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練分析放射學(xué)的數(shù)據(jù)，并且具有較高的可信度。