?热点

人工智能在医疗领域的应用

朗读牛小黑

相关真题什么是人工智能？人工智能在医疗领域的应用有哪些？（年11月17日浙江省绍兴市医疗卫生面试题）

本篇内容参考来源

内容参考来源于年9月7日，中国信息通信研究院、工业互联网创新中心（上海）有限公司联合36氪研究院共同发布的《人工智能医疗产业发展蓝皮书》。

人工智能结合医疗的应用介绍

依据目前人工智能与医疗的结合现状，其应用主要体现在公共卫生、医院管理、医学影像、医疗机器人、药物研发、健康管理、精准医疗、医疗支付等方面。

公共卫生方面，主要包括重大疾病特别是传染病的预防与控制、健康宣教、卫生监督、疫苗接种等场景。对本次新冠肺炎疫情的防控，包括传染病暴发预测、发展趋势预测、智能测温以及疫苗查询、真假疫苗识别等，都属于典型的公共卫生范畴。

医院管理方面，目前在我国的应用方式为电子病历管理、智能导诊与分诊、质量管理和精细化运营等。有效地缓解了医疗资源不足的问题，医院整体的运行效率，为医院管理者提供了决策支持。之前的云诊疗专题中我们提到了“医院信息化”的概念，人工智能可以通过数字化手段保存、管理、传输和重现病人的医疗记录，就为云诊疗做出了很大贡献。此外，医院器械设备与药品智能化闭环管理、手术等医疗过程的质量管理、智能化病房管理，也需要借助人工智能来实现。

医学影像方面，将人工智能技术应用于医学影像诊断中，目前这一场景在人工智能医疗领域中应用最为广泛。影像数据的相对易获取性和易处理性，使得AI医学影像得以率先爆发与落地应用。具体体现为病灶识别与标注、靶区自动勾画与自适应放疗、影响三维重建等。在本次新冠肺炎防疫中，AI医学影像参与到新冠肺炎病灶定量分析与疗效评价中，成为提升诊断效率和诊断质量的关键力量。

医疗机器人方面，依据国际机器人联合会（IFR）分类，医疗机器人分为手术机器人、康复机器人、辅助机器人、医疗服务机器人四大应用领域。年我国医疗机器人市场中以康复机器人为主，占比47%，其余三类分别在13%-23%不等。

药物研发方面，目前，药物研发的核心困难在于研发过程中存在诸多不确定性因素，如靶点有效性、模型有效性等问题，需要通过大量实验予以确认。而在药物研发过程中引入人工智能技术，利用深度学习技术对分子结构进行分析与处理，在不同研发环节建立拥有较高准确率的预测系统，可以减少各个研发环节的不确定性，从而缩短研发周期，降低试错成本，提高研发成功率。

健康管理方面，即将人工智能技术应用到健康管理的具体场景之中，通常与互联网医疗紧密结合，被视为互联网医疗的深化发展阶段。目前，人工智能技术主要应用于风险识别、虚拟护士、精神健康、移动医疗、可穿戴设备等健康管理领域。其范畴不仅包含识别疾病发生风险，对患者进行个性化护理，还包括识别用户情绪与精神状态，提供在线问诊和慢病管理，以及通过终端硬件采集与分析多维数据等等。

精准医疗方面，主要包括基因测序、细胞免疫治疗、基因编辑三个层次。其中，基因测序是精准医疗的基础；对免疫细胞进行功能强化与缺损修复是精准医疗在疾病治疗领域的常见应用方法；基因编辑技术则为精准医疗的高阶应用层次，技术壁垒较高。

医疗支付方面，“人工智能+医疗支付”的落地与深化受政策导向明显，现阶段主要应用在医保支付、商保支付、众筹互助支付、医疗分期和支付工具等多个领域。我们现在常用的刷脸支付、指纹支付、声控支付和多终端智能硬件支付等形式，就是应用了人工智能的支付工具的具体体现。

人工智能医疗优良的发展前景

一、政策环境认可。十四五期间，国家将重点发展方向从卫生健康信息化建设转向数字化运行、智能化应用，通过加快新型基础设施建设，推动多行业、跨领域共同发展，促进5G、云计算、大数据、人工智能与医疗的融合发展。我国也一直陆续出台相应政策，强调构建基础理论人才与“人工智能+X”复合型人才并重的培养体系的重要性，为人工智能医疗提供了有力的政策支撑。二、市场需求较大。随着老龄化情况加剧以及生活节奏加快，我国现拥有超过3亿的慢性病患者群体，人工智能将在慢病管理领域发挥极大作用，帮助人们更好地进行自身健康管理。不仅如此，后疫情时代，人工智能技术在公共卫生领域仍有较大发挥空间。人工智能医疗在疫情监测分析、防控救治、资源调配等方面都能发挥良好的支撑作用，潜在传染病大数据分析预警系统和疫情排查系统的建立也需要人工智能医疗的参与。三、技术发展支撑。5G、量子计算等新技术的增长为产业发展提供了新动能。其中5G技术的实时高带宽和低延迟访问特性,可以扩展医疗应用程序功能、医疗设备、机器人和移动设备功能所需的性能。四、复合型人才储备。目前我国已经有所高校获批开设人工智能专业。复旦、上海交大、同济、上大、华师大等高校先后成立了以人工智能为主要内容的研究院，着力开展与人工智能相关的科学研究、技术研发和人才培养。经过多年的人才储备和政策引导，医疗人工智能人才井喷的时代即将到来。

人工智能与医疗的结合也存在部分问题，譬如：

单靠技术与算法难以满足临床实际应用需求。随着人工智能在医疗行业各垂直领域的不断深入应用，所面对的临床应用场景愈发复杂多样。基层医生知识储备不够、“人工智能+医疗”复合型人才缺乏。我国广大基层医生因缺乏人工智能相关知识，大病和疑难病诊治经验不足，同时不同科室的医生大多只具有单独的医学背景，知识结构比较单一，极少具备跨学科学习背景。数据格式难以统一、记录完整性不足。我国目前有超过3医院，医院都可能拥有自己的信息管理系统和患者病程记录管理规范。此外，在医生的实际工作过程中，病历数据的记录通常随诊疗流程而在各科室的多重责任人之间进行流转，数据记录是碎片化的、不完整的，利用机器进行数据挖掘的价值有限。AI医疗器械上市前审批严格。面对人工智能医疗新产品与新业态，如何进行规范监管、确立评审细则、建立标准测试数据库，对于监管部门来说是一大挑战。解决方法如下：从实际临床需求出发进行产品开发设计，并推广“AI产品+服务”业务模式。在产品开发阶段，不能仅仅依赖技术人员决策，而需要进一步调研临床一线需求，人工智能算法需要与专家经验、行业需求和业务规则相融合，共同解决问题。在产品运营与推广阶段，则需要改变原有业务模式，打造敏捷灵活的产品与配套服务方式。我国应出台相应政策，制定人工智能医疗产业人才领域的相关标准，完善人才保障制度，降低企业用人成本和招聘压力，建立健全人工智能产业人才培育的生态体系。应实行电子病历规范化并统一数据标准。建立统一的电子病历管理规范及临床用语表述规范，并在全国范围内进行逐级推广，推进医疗数据的电子化与标准化进程，形成规范可用的医疗大数据。建立数据标注规范，推动建设更多高质量、标准化、标注好的单病种基础数据集，建立多病种联通的医疗公共训练数据库。应建立评审细则、鼓励中立第三方机构建立标准数据集并建立动态评价应对机制。包括建立基于不同病种和产品的AI产品标准测试数据集，推动标准化进程，以及持续对AI医疗软件的后续更新与迭代问题进行高效处理。预览时标签不可点文章已于修改收录于话题#个上一篇下一篇