[[384554]]

人工智能將幫助人類更快、更好地與疾病作斗爭，并過上更健康的生活，降低醫(yī)療費用。過去十年中的大量研究表明，深度學習作為人工智能的一個分支，可以將數(shù)據(jù)模式轉(zhuǎn)化為預測，并在許多具有挑戰(zhàn)性的任務(wù)中成為非常有用的工具，例如診斷不同類型的癌癥，加速藥物開發(fā)，提供精確的治療。

但是，將人工智能技術(shù)應(yīng)用于醫(yī)療保健領(lǐng)域是一個復雜的過程，它涉及到解決大量問題，而不僅僅是創(chuàng)建能夠?qū)⑤斎胗成涞捷敵龅娜斯ぶ悄苣Ｐ汀?/p>

飛利浦公司數(shù)據(jù)科學與人工智能卓越中心和數(shù)字研究部門主管Tina Manoharan對人工智能應(yīng)用于現(xiàn)實醫(yī)療保健應(yīng)用的機遇、挑戰(zhàn)和前景進行了分析和闡述。她在人工智能研究和開發(fā)利用人工智能算法和產(chǎn)品方面具有豐富的經(jīng)驗。她主要從事受監(jiān)督的機器學習和AR/VR模擬領(lǐng)域的研究，擁有碩士和博士學位。并在其博士學位期間擔任研究助理。如今，她正領(lǐng)導利用數(shù)據(jù)科學和人工智能來支持飛利浦集群、業(yè)務(wù)和市場，創(chuàng)建智能連接設(shè)備、服務(wù)和解決方案。

醫(yī)療保健行業(yè)對人工智能的需求

Manoharan認為，醫(yī)療保健行業(yè)需要一場革命。她說：“醫(yī)療系統(tǒng)和醫(yī)療服務(wù)提供者承受著巨大的壓力，由于發(fā)生冠狀病毒疫情，現(xiàn)在承受的壓力比以往任何時候都大，并且正在應(yīng)對醫(yī)療人員短缺、人口老齡化以及與生活方式有關(guān)的慢性病等問題。”

與此同時，數(shù)字化轉(zhuǎn)型正在推動健康數(shù)據(jù)的指數(shù)級增長。隨著數(shù)字化和互聯(lián)互通的普及，組織比以往任何時候都更有能力收集有關(guān)個人和人群健康的信息。但是使用這些數(shù)據(jù)是一個巨大的挑戰(zhàn)。

Manoharan說，“一名臨床醫(yī)生告訴我，‘我們有很多數(shù)據(jù)，但不要負擔過重，我們在決策時需要相關(guān)而精確的信息。’人工智能提供了前所未有的機會來充分利用所有這些數(shù)據(jù)，并幫助臨床醫(yī)生、醫(yī)護人員和患者做出更明智的決策。”

她表示，人工智能使設(shè)備、系統(tǒng)、軟件和服務(wù)具有場景感知、精確、個性化、預測性和主動性。通過將數(shù)據(jù)轉(zhuǎn)化為針對精準健康的切實可行的見解，將在整體上實現(xiàn)精準和個性化的治療和護理。

但是，除了提高醫(yī)療保健的準確性之外，人工智能還可以使醫(yī)療保健體驗更加人性化。在人工智能的幫助下，醫(yī)生將花費更少的時間來研究數(shù)據(jù)和病歷，并更好地為患者提供醫(yī)療服務(wù)。

Manoharan說，“人工智能可以幫助臨床醫(yī)生擺脫繁瑣的工作，從而使他們能夠?qū)Ｗ⒂谧约鹤钌瞄L的領(lǐng)域，并以更加精確和個性化的方式與患者互動，并有可能隨著時間的推移增加價值。”

雖然圍繞人工智能的許多討論都是關(guān)于采用軟件替代人類，但在醫(yī)療保健領(lǐng)域，必須將人工智能視為增強因素。

Manoharan說，“臨床醫(yī)生每天做出的許多決定都非常復雜，不僅需要人工智能或數(shù)據(jù)驅(qū)動的方法，還需要更多。正是在適當?shù)臅r候增強的智能和對決策的支持，有助于對有效的患者管理產(chǎn)生影響。以人為本的人工智能開發(fā)方法很重要。我認為臨床醫(yī)生和人工智能具有獨特的優(yōu)勢，可以相互補充和增強，而不是相互替代。”

人工智能在醫(yī)療保健中的應(yīng)用

Manoharan參與了飛利浦公司的利用人工智能改進臨床操作的幾項計劃。一個例子是使用人工智能來加速醫(yī)學核磁共振成像(MRI)過程。

Manoharan說，“這里的挑戰(zhàn)是核磁共振成像(MRI)具有許多優(yōu)點(例如無輻射)，但是相對比較耗時：進行一次全面的檢查可能需要一個小時，患者活動的風險會導致圖像質(zhì)量較差，并導致必須重做檢查。”

進行核磁共振成像(MRI)掃描時，患者通常會感到疼痛。掃描的持續(xù)時間和狹窄的空間會給就診體驗帶來更大的壓力。除了給患者帶來不舒服的體驗之外，諸如重復掃描之類的問題還增加了成本，并浪費了醫(yī)院核磁共振成像(MRI)工作人員的時間。

在2019年，F(xiàn)acebook 公司的AI Research和紐約大學Langone Health發(fā)起了一個名為fastMRI的挑戰(zhàn)競賽活動，旨在利用人工智能提高核磁共振成像(MRI)掃描速度。競爭參與者使用不同的深度學習架構(gòu)來提高圖像采集能力，減少患者在核磁共振成像(MRI)掃描方面花費的時間。

由飛利浦和萊頓大學醫(yī)學中心(LUMC)的團隊開發(fā)的一個深度學習模型在比賽中表現(xiàn)最好。深度學習模型成功地將重建高質(zhì)量核磁共振成像(MRI)圖像的速度提高了8倍。下一步是將這一研究項目和其他研究項目的結(jié)果整合到產(chǎn)品中，使之能夠在真正的醫(yī)療保健環(huán)境中使用。

Manoharan說，“我們現(xiàn)在正在開發(fā)一套人工智能應(yīng)用程序，可以幫助加快核磁共振成像(MRI)檢查的工作流程，從安排患者到創(chuàng)建報告。”

他表示，其中是一個應(yīng)用程序可以通過使用計算機視覺檢測患者在掃描儀中的呼吸情況來加快核磁共振成像(MRI)檢查設(shè)置階段的系統(tǒng)。原來的方法需要每個患者調(diào)整姿勢，這一過程可能需要幾分鐘。由人工智能驅(qū)動的解決方案稱為VitalEye，它執(zhí)行非接觸式呼吸檢測，并將檢查時間減少到一分鐘以內(nèi)。

飛利浦公司還致力于在時間至關(guān)重要的重癥監(jiān)護病房中使用人工智能技術(shù)，及時做出正確的決定會對患者的生命健康產(chǎn)生深遠的影響。

Manoharan說，“在這里，挑戰(zhàn)在于發(fā)現(xiàn)患者惡化的早期跡象，這時必須在高度動態(tài)和充滿壓力的環(huán)境中檢查更多患者。”

飛利浦公司正在開發(fā)一種解決方案，它使用預測分析來確定在60分鐘內(nèi)可能需要干預的患者。該解決方案使用機器學習模型來評估患者的風險，這些模型是根據(jù)患者住院和門診的歷史數(shù)據(jù)、醫(yī)療記錄和醫(yī)療警報系統(tǒng)訓練的。人工智能的輸出提供給醫(yī)療專業(yè)人員，由他們做出最終決定。這可以使醫(yī)療專業(yè)人員更快地進行干預并改善患者的治療。

該團隊還考慮將人工智能模型與其他工具和技術(shù)相結(jié)合，使醫(yī)療監(jiān)護人員能夠利用遠程醫(yī)療技術(shù)從中央監(jiān)護位置遠程監(jiān)控患者，并在為現(xiàn)場的醫(yī)護人員提供支持。

Manoharan說，“在發(fā)生冠狀病毒疫情之后，希望采用更多的遠程監(jiān)控工具(例如可穿戴生物傳感器)來跟蹤在家患者的健康狀況。對于患有慢性疾病的患者來說，這可能會有所幫助。還可以使用預測分析來預測哪些患者可能需要額外的護理，并主動與他們聯(lián)系。”

將人工智能集成到現(xiàn)有工作流程中

雖然每年都有大量人力和物力投入到醫(yī)療領(lǐng)域的人工智能研究中，但將已經(jīng)開發(fā)的技術(shù)整合到實際應(yīng)用中會帶來一些挑戰(zhàn)。

Manoharan說，“人工智能無疑是改善醫(yī)療保健領(lǐng)域的巨大機會，因為其功能非常強大。但是要產(chǎn)生這種影響，需要深入地融入臨床工作人員的工作流程或患者的日常生活。”

人工智能系統(tǒng)的工程師和開發(fā)人員還必須確保他們的系統(tǒng)能夠順利地融入醫(yī)療保健專業(yè)人員的工作流程，如果人工智能系統(tǒng)被設(shè)計成一個單獨的應(yīng)用程序，在為臨床應(yīng)用中增加額外的步驟，那么它就不太可能具有吸引力。

Manoharan說：“我們需要記住，人工智能算法本身并不是一個解決方案，它是一個需要集成到工作流程中的工具。這意味著需要先了解工作流程，然后設(shè)計一個考慮到人工智能協(xié)作的解決方案。人工智能技術(shù)必須在正確的時間以正確的形式為您提供正確的信息。例如，對于放射科醫(yī)生來說，如果有一個人工智能解決方案可以幫助其解釋圖像，則不必切換電腦來打開另一個應(yīng)用程序來運行算法。”

人工智能需要整合的健康數(shù)據(jù)

運行人工智能系統(tǒng)還必須得到工具的支持，這些工具可以將人工智能系統(tǒng)集成到不同的IT和數(shù)據(jù)系統(tǒng)中。Manoharan說：“要從人工智能的數(shù)據(jù)中獲得有意義的見解，互操作性確實是關(guān)鍵。”

互操作性和集成挑戰(zhàn)是將人工智能的學術(shù)研究與實際應(yīng)用分開的關(guān)鍵因素之一。研究通常圍繞著開發(fā)人工智能模型展開，這些模型對精心策劃的健康數(shù)據(jù)集起作用。然而，現(xiàn)實生活的數(shù)據(jù)雜亂無章，難以訪問。在許多情況下，缺乏適當?shù)臄?shù)據(jù)基礎(chǔ)設(shè)施是將人工智能應(yīng)用于現(xiàn)有應(yīng)用程序的主要障礙。

Manoharan說，“當今的醫(yī)療保健數(shù)據(jù)通常很難交換、分析和解釋。如今已經(jīng)有很多人工智能解決方案，但醫(yī)療保健領(lǐng)域供應(yīng)商環(huán)境高度分散，因此需要將不同供應(yīng)商的創(chuàng)新醫(yī)療技術(shù)整合到一個無縫完整的以患者為中心、以疾病為中心的解決方案中。”

解決這一問題將需要技術(shù)供應(yīng)商、醫(yī)院和醫(yī)療保健組織之間的共同努力。Manoharan補充說，“我們需要采用來自多個供應(yīng)商設(shè)備的數(shù)據(jù)，并連接到醫(yī)院的IT系統(tǒng)，并且我們需要數(shù)據(jù)標準，以使能夠使用一種數(shù)據(jù)語言以統(tǒng)一的方式理解數(shù)據(jù);在這里所連接的數(shù)據(jù)湖至關(guān)重要。”

數(shù)據(jù)湖是大型存儲庫，不會對其中存儲的數(shù)據(jù)帶來限制。數(shù)據(jù)能夠以原始格式存儲，例如文本文件、圖像和視頻，以及結(jié)構(gòu)良好的電子表格，然后需要使用數(shù)據(jù)科學和機器學習工具對數(shù)據(jù)進行挖掘和查詢。

應(yīng)對整合和法律挑戰(zhàn)

Manoharan說，“要建立對人工智能患者的整體看法，數(shù)據(jù)需要跟蹤患者。我們需要將患者可能患有的疾病以及護理過程中的各個點連接起來，將醫(yī)院與家庭、初級保健等聯(lián)系起來。為此，還需要持續(xù)的患者參與和反饋，以了解他們對處方治療的經(jīng)驗，并將患者的報告結(jié)果納入臨床決策。”

當然，這將帶來一些法律挑戰(zhàn)。醫(yī)療數(shù)據(jù)是敏感的，受到不同司法管轄區(qū)的隱私條例的約束。為醫(yī)療保健和醫(yī)藥領(lǐng)域開發(fā)人工智能解決方案的公司如果不謹慎的話，可能會觸犯隱私法規(guī)，并且醫(yī)療保健行業(yè)仍在尋求在提供訪問數(shù)據(jù)和保護敏感健康數(shù)據(jù)之間尋求平衡的方法。

Manoharan說，“當?shù)亓⒎ū仨毚_保安全交換和訪問正確注釋的數(shù)據(jù)，以進行醫(yī)學研究和臨床實踐，同時保護患者的隱私。這項工作還需要醫(yī)療衛(wèi)生技術(shù)供應(yīng)商的新方法，這將簡化人工智能解決方案的開發(fā)。醫(yī)療設(shè)備供應(yīng)商必須通過發(fā)布應(yīng)用程序編程接口(API)，開始支持第三方創(chuàng)建應(yīng)用程序，比如初創(chuàng)企業(yè)或?qū)W術(shù)臨床中心。”

Manoharan強調(diào)，在人工智能驅(qū)動的產(chǎn)品被采用并對醫(yī)療保健產(chǎn)生影響之前，它將面臨其他技術(shù)和非技術(shù)障礙，如貨幣化、實施工作、工作流程改進和信任。Manoharan說：“我們需要考慮一些事情，例如，需要的費用，客戶為人工智能支付的費用，以及補償和收益。”

人工智能在醫(yī)療保健中的未來發(fā)展

Manoharan認為，雖然已經(jīng)存在許多人工智能解決方案，但下一個真正的飛躍是將產(chǎn)品整合到無縫和完整的以患者為中心的解決方案中，這些解決方案可以協(xié)作實現(xiàn)精確診斷和更優(yōu)化的治療路徑。

Manoharan補充說，“在開發(fā)基于人工智能的新技術(shù)時，我們還應(yīng)注意現(xiàn)有和新的挑戰(zhàn)與障礙。”

Manoharan認為，隨著數(shù)字化轉(zhuǎn)型推動健康數(shù)據(jù)的指數(shù)級增長和行業(yè)的快速變化，必須承認，目前還沒有找到所有的答案。

她說：“在采用人工智能這一令人興奮的創(chuàng)新之路上，將會出現(xiàn)新的問題，我們應(yīng)該在處理這些問題的同時保持開放和透明，并將患者和客戶的需求作為工作的首要事項。這樣，我們就可以應(yīng)對和克服一些社會最緊迫的挑戰(zhàn)。我們可以更直接地滿足客戶不斷變化的需求。”