AI走向临床未达预期

葛均波院士把人工智能对医疗的引导作用总结为四方面:疾病诊断、疾病诊疗、健康管理和医院管理(如材料、耗材、人力成本的计算)等。目前人工智能已经用在心血管疾病的早筛、预防、诊疗,以及分级诊疗中。

他表示,过去医生给患者就诊,主要通过“望闻问切”,根据病人的主诉结合一些临床检查,但是这种方法会导致对疾病的认识并不全面。“我们知道人是一个很复杂的机器,医生光凭病人的主诉还不行,我们要结合影像学检查等做出准确的诊断,从而给病人提供最好的治疗。”他表示。

葛均波院士非常关注人工智能和大数据对医学界带来的改变,并注意到包括《新英格兰医学杂志》、《柳叶刀》、《JAMA》三大医学杂志近年来对人工智能、深度学习方面的阐述以及在基础研究方面的相关论述。

但他认为,人工智能真正在现实中的应用,到目前为止还不是很完善。“人工智能需要的数据必须是精确的数据,通过学习提供一个诊断,其实人工智能有时比医生能得出更为准确的诊断,但一个前提条件是,你给它的数据必须是准确的。”葛均波院士说道。

他援引2018年谷歌发表的一篇人工智能在眼科应用的文章称,尽管AI比眼科医生更快更准确得出诊断,但是应用到临床学以后,发现并不是这么回事。

“谷歌人工智能在真正的临床当中没有给到我们所期待的期望值,因为当时护士在拍片的时候光线不好,导致数据无法输入,就被人工智能程序拒绝了,反而得出了一些误诊数据。”他说道,“这就是因为数据不精确导致的。

葛均波院士认为,要实现人工智能从实验室到临床的转化,让人工智能真正在临床给到医生辅助,就需要强调人工智能的医疗场景建设。他说道:“场景是连接人工智能供应和需求,研发到产业化的关键环节,没有场景一切都是白搭。”

大数据仍缺乏治理标准

葛均波院士指出,上海已经探索出一条以应用为牵引的人工智能发展道路,从政策扶持、资金投入、推动建设、宣传引导、闭环管理、全程跟踪、严格验收等多方面入手,使人工智能的场景设施达到人工智能医疗的服务高地。

他介绍称,复旦大学附属中山医院和徐汇区中心医院在过去几年里,在人工智能场景建设方面已经做了一些初步工作,从数据的分析到数据的整合以及数据的收集,把心血管大数据整合到人工智能的应用平台,打通了三级医院、二级医院和社区卫生中心的数据。

截至去年7月,这个平台已经收集了80万个患者多达9.5TB的数据,其中包括了20亿的就诊记录。通过大数据分析,葛均波院士和团队得出了包括疾病精选早筛、疾病智能预防、辅助诊疗、智能随访和分级转诊五个场景的结论,分析出哪些疾病可以在社区卫生中心解决,哪些疾病必须要三级医院进行复杂的手术或者治疗才能解决。

葛均波院士表示,数据主要集中在居民端和医生端。通过建立基层的心血管档案,包括人口学特征、年龄、发病危险等因素等等,能够判断病人是否需要转到三级医院。此外,心血管专家的知识库目前已经初步完善,将形成科研创新以及模型孵化的生态框架,并最终形成资源共享管控框架。

他同时指出人工智能医疗建设过程面临的障碍,由于对于数据缺乏标注和治理标准,导致医疗大数据仍然“大而混乱”。“我们20亿就诊数据里面,其实收集的很多信息对疾病诊疗是没有用的,怎么甄别出来?我们缺少统一的标注、治理标准。”葛均波院士说道。

他还呼吁打破信息的壁垒,让患者的信息能在更大的范围实现数据共享。此外,基层医疗和人工智能的交叉型人才仍有待培养。

在新冠疫情期间,远程问诊的人数大幅增长,市场需求驱动了人工智能和远程医疗的发展。对此,葛均波院士表示,远程医疗能加快病人和医生的沟通,降低医疗费用,但真正做起来是一个复杂的工程,要把血液动力学、人口学特征、实验室检查和影像学整合到一起。