下载掌阅APP，畅读海量书库
立即打开
医疗与民生直接相关。目前，人口老龄化严重、疑难重症患病率提升以及医疗资源分配不均等现象是全世界各国面临的共同问题。中国是全世界人口最多的国家，各种疾病发生的可能性相对较高，因此对高可靠性的医疗诊断、治疗的发展需求更加迫切。
医疗的发展，按照是否与现代信息技术（IT）结合划分，经历了从传统医疗，到数字化辅助医疗，再到人工智能赋能医疗（AI+医疗）的发展过程。中医以患者的临床症状和体征，结合患者信息，通过望、闻、问、切的方式了解病情，依靠医生经验给药，治疗病症。但由于优质中医培养周期长导致医疗资源的供需严重不平衡，加上疾病谱变化快，使这种依赖经验的医疗方式误诊率较高，因此这种传统的医疗方式已经远远无法满足患者的需求。
在传统医疗的基础上，医生结合化验结果和影像学评估等数据，应用计算机技术进行分析，可以基本确定治疗药物和使用剂量等，进而发展出“数字化辅助医疗”。然而，从本质上讲，因为计算机只能针对已经出现的症状和体征进行治疗或用药，所以该治疗方式仍然属于被动处理方式，仍属于传统的医疗模式。
在以上两种传统的医疗模式中，医生处于主导地位，而患者不仅处于被动接受的地位，而且他们普遍缺乏事前预防的意识。在诊断治疗的过程中，由于双方形成的不平等关系，常常导致患者体验差；在诊治完成后，由于没有后续服务，医生不能对患者的病情进行长时间有效跟踪，不能很好地把握诊治的效果。
近些年，随着科技的快速发展，人工智能（AI）走进人们的生活，被应用在各行各业。其中，AI在医疗和健康行业的开发应用也发展迅猛，即人工智能赋能医疗。它集成了AI、大数据、物联网、云计算等新型技术和手段，被运用在医疗机构和医疗服务等方面，旨在提高医疗行业运营效率，解决目前医疗行业痛点。
对于医生，人工智能赋能医疗系统可以提供智能分析结果，从而提高医生的工作效率，缓解医生资源紧缺的状况；对于医院，该系统可对一定范围内居民进行有效的健康管理；对于患者，他们可以通过移动医疗手段，对自身的健康数据进行实时监测，从而及时发现自己身体的异常情况，做好防范。此外，该系统可以通过模拟医生诊疗过程，为患者提供合理的诊疗建议，如服用日常药物，或者就近联系医生等，从而满足了常见病咨询的需求，不仅节约患者和医生的时间，而且能够保证患者的生命安全。
我国春秋时期的名医扁鹊医术精湛，据说能手到病除。当人们赞美他时，他却说他的哥哥更厉害，他哥哥在病灶形成前就可以及时发现，并进行调理，无形中就治疗了潜在的重病症。因此，对于个人来说，预防疾病比患病治疗更重要。人工智能赋能医疗有效结合高效的计算能力，通过更精确的检测和诊断，预测潜在疾病的风险，提供更有效、更有针对性的治疗方案，从而预防或干预某种疾病的发生，图2-7列出了这三种医疗模式的主要特征。
图2-7 医疗的3种发展模式
目前医疗资源分配不均是个世界难题，优质诊疗资源大多集中在大型医疗机构和经济发达地区。将AI技术应用于医疗领域的好处非常多：首先，随着网络体系的发展，AI技术让高精度远程诊疗成为可能，这有助于均衡医疗资源，对解决许多民众看病难、看病贵的问题意义重大；其次，对患者而言，高度智能化的医疗辅助能够让普通医生给出专家级的诊疗意见，患者不需要为了找专家看病而特意到大城市，大幅降低患者的看病成本，减轻负担；最后，对医生而言，AI技术可以大幅降低因主观判断或操作误差产生的风险，让诊断更加精准。
人工智能赋能医疗系统（图2-8）目前在医疗临床方面主要包括如下3种：①智能疾病诊断系统，包括医疗影像自动诊断系统、多模态的基于本地或者云端的个性化的精准医疗诊断系统等，如将深度学习应用到医学图像分析诊断中，算法精准度得到大幅提高 ［29］ ；②智能医疗设备系统，包括智能医疗手术机器人、成像设备、医疗设备、导航系统、智能可穿戴设备等，如目前广泛应用于国内外的手术机器人达·芬奇（Da Vinci） ［30］ ，其应用于人体手术的准确率已经远超医生；③智能医疗大数据系统，包括智能临床诊断支持系统、健康数据采集监测及分析、慢性病管理、智能康复系统、基因组分析、安全系统等，其中基于基因、图像和文本信息的多模态融合智能医疗大数据系统，可以有效地提高临床的诊断精度 ［31］ 。
近些年，随着深度学习等技术的快速发展，AI已经渐渐地从开始的前沿技术探索转变为实用领域的应用。其中一个应用是在医疗诊断和疾病检测领域的应用，这个应用不仅提高了医疗诊断准确率，通过提高患者自诊比例，降低患者对医生的需求量进而提高医生的诊疗效率，而且能够辅助医生进行病变检测，实现疾病早期筛查，最终有望从根本上解决目前医疗行业存在的资源不平衡、看病难等问题。
由刘江教授带领的南方科技大学计算机科学与工程系智能医疗影像研究团队（IMED）致力于利用科技人工智能手段解决医疗痛点。该团队特别专注眼科人工智能，并在眼科人工智能世界范围内建立了自己的影响力。
图2-8 人工智能赋能医疗系统
目前全世界拥有2.85亿视障人士、3 900万盲人，而中国作为一个人口大国，有视障人士7 500万、盲人820万。世界卫生组织指出，通过早期对眼科疾病的筛查和诊断，其中80%的视障可以预防或治愈。现在由于医疗资源的短缺，世界上大多数的国家并没有将眼底检查纳入健康体检，无法提供人工智能眼科疾病早期筛查和诊断服务。南方科技大学IMED团队针对特定医疗影像模态，融合眼科专业领域知识，结合深度学习及大数据精准医疗影像组学进展，开发出多维、高准确率、多模态的智能眼科疾病筛查和诊断系统。
同时，南方科技大学IMED团队提出的多模态、多病种、多尺度的人工智能眼科疾病预测模型（图2-9），大幅度提高系统对眼科主要病灶、多疾病的同时诊断和筛查准确度。团队致力于开发出一款通用的眼科疾病人工智能诊断算法，具体来说，就是通过深度学习（特别是神经网络方面的深度学习）来自动诊断眼底疾病，包括白内障、角膜疾病、青光眼、糖尿病性视网膜病变、病理性近视和老年黄斑病变等。人工智能诊断不仅能准确地分辨疾病的种类，而且能够精准定位病灶区域，通过早发现、早治疗，真正为眼科疾病的预防和治疗做出贡献。
图2-9 多模态、多病种、多尺度的人工智能眼科疾病预测模型
刘江，南方科技大学计算机科学与工程系教授，新加坡国立大学博士，新加坡国家眼科研究中心首席科学家。2007年创建了智能医疗影像研究团队（IMED），主要研究方向为眼科人工智能、眼脑联动、精准医疗、手术机器人等。
胡衍，南方科技大学计算机科学与工程系科研助理教授，东京大学博士。智能医疗影像研究团队（IMED）成员，主要研究方向为眼科人工智能、手术辅助等。