人工智能在医疗保健行业的现状、应用及挑战

人工智能将帮助人类更快、更好地与疾病作斗争，并过上更健康的生活，降低医疗费用。过去十年中的大量研究表明，深度学习作为人工智能的一个分支，可以将数据模式转化为预测，并在许多具有挑战性的任务中成为非常有用的工具，例如诊断不同类型的癌症，加速药物开发，提供精确的治疗。

但是，将人工智能技术应用于医疗保健领域是一个复杂的过程，它涉及到解决大量问题，而不仅仅是创建能够将输入映射到输出的人工智能模型。

飞利浦公司数据科学与人工智能卓越中心和数字研究部门主管Tina Manoharan对人工智能应用于现实医疗保健应用的机遇、挑战和前景进行了分析和阐述。她在人工智能研究和开发利用人工智能算法和产品方面具有丰富的经验。她主要从事受监督的机器学习和AR/VR模拟领域的研究，拥有硕士和博士学位。并在其博士学位期间担任研究助理。如今，她正领导利用数据科学和人工智能来支持飞利浦集群、业务和市场，创建智能连接设备、服务和解决方案。

医疗保健行业对人工智能的需求

Manoharan认为，医疗保健行业需要一场革命。她说：“医疗系统和医疗服务提供者承受着巨大的压力，由于发生冠状病毒疫情，现在承受的压力比以往任何时候都大，并且正在应对医疗人员短缺、人口老龄化以及与生活方式有关的慢性病等问题。”

与此同时，数字化转型正在推动健康数据的指数级增长。随着数字化和互联互通的普及，组织比以往任何时候都更有能力收集有关个人和人群健康的信息。但是使用这些数据是一个巨大的挑战。

Manoharan说，“一名临床医生告诉我，‘我们有很多数据，但不要负担过重，我们在决策时需要相关而精确的信息。’人工智能提供了前所未有的机会来充分利用所有这些数据，并帮助临床医生、医护人员和患者做出更明智的决策。”

她表示，人工智能使设备、系统、软件和服务具有场景感知、精确、个性化、预测性和主动性。通过将数据转化为针对精准健康的切实可行的见解，将在整体上实现精准和个性化的治疗和护理。

但是，除了提高医疗保健的准确性之外，人工智能还可以使医疗保健体验更加人性化。在人工智能的帮助下，医生将花费更少的时间来研究数据和病历，并更好地为患者提供医疗服务。

Manoharan说，“人工智能可以帮助临床医生摆脱繁琐的工作，从而使他们能够专注于自己最擅长的领域，并以更加精确和个性化的方式与患者互动，并有可能随着时间的推移增加价值。”

虽然围绕人工智能的许多讨论都是关于采用软件替代人类，但在医疗保健领域，必须将人工智能视为增强因素。

Manoharan说，“临床医生每天做出的许多决定都非常复杂，不仅需要人工智能或数据驱动的方法，还需要更多。正是在适当的时候增强的智能和对决策的支持，有助于对有效的患者管理产生影响。以人为本的人工智能开发方法很重要。我认为临床医生和人工智能具有独特的优势，可以相互补充和增强，而不是相互替代。”

人工智能在医疗保健中的应用

Manoharan参与了飞利浦公司的利用人工智能改进临床操作的几项计划。一个例子是使用人工智能来加速医学核磁共振成像（MRI）过程。

Manoharan说，“这里的挑战是核磁共振成像（MRI）具有许多优点（例如无辐射），但是相对比较耗时：进行一次全面的检查可能需要一个小时，患者活动的风险会导致图像质量较差，并导致必须重做检查。”

进行核磁共振成像（MRI）扫描时，患者通常会感到疼痛。扫描的持续时间和狭窄的空间会给就诊体验带来更大的压力。除了给患者带来不舒服的体验之外，诸如重复扫描之类的问题还增加了成本，并浪费了医院核磁共振成像（MRI）工作人员的时间。

在2019年，Facebook 公司的AI Research和纽约大学Langone Health发起了一个名为fastMRI的挑战竞赛活动，旨在利用人工智能提高核磁共振成像（MRI）扫描速度。竞争参与者使用不同的深度学习架构来提高图像采集能力，减少患者在核磁共振成像（MRI）扫描方面花费的时间。

由飞利浦和莱顿大学医学中心（LUMC）的团队开发的一个深度学习模型在比赛中表现最好。深度学习模型成功地将重建高质量核磁共振成像（MRI）图像的速度提高了8倍。下一步是将这一研究项目和其他研究项目的结果整合到产品中，使之能够在真正的医疗保健环境中使用。

Manoharan说，“我们现在正在开发一套人工智能应用程序，可以帮助加快核磁共振成像（MRI）检查的工作流程，从安排患者到创建报告。”

他表示，其中是一个应用程序可以通过使用计算机视觉检测患者在扫描仪中的呼吸情况来加快核磁共振成像（MRI）检查设置阶段的系统。原来的方法需要每个患者调整姿势，这一过程可能需要几分钟。由人工智能驱动的解决方案称为VitalEye，它执行非接触式呼吸检测，并将检查时间减少到一分钟以内。

飞利浦公司还致力于在时间至关重要的重症监护病房中使用人工智能技术，及时做出正确的决定会对患者的生命健康产生深远的影响。

Manoharan说，“在这里，挑战在于发现患者恶化的早期迹象，这时必须在高度动态和充满压力的环境中检查更多患者。”

飞利浦公司正在开发一种解决方案，它使用预测分析来确定在60分钟内可能需要干预的患者。该解决方案使用机器学习模型来评估患者的风险，这些模型是根据患者住院和门诊的历史数据、医疗记录和医疗警报系统训练的。人工智能的输出提供给医疗专业人员，由他们做出最终决定。这可以使医疗专业人员更快地进行干预并改善患者的治疗。

该团队还考虑将人工智能模型与其他工具和技术相结合，使医疗监护人员能够利用远程医疗技术从中央监护位置远程监控患者，并在为现场的医护人员提供支持。

Manoharan说，“在发生冠状病毒疫情之后，希望采用更多的远程监控工具（例如可穿戴生物传感器）来跟踪在家患者的健康状况。对于患有慢性疾病的患者来说，这可能会有所帮助。还可以使用预测分析来预测哪些患者可能需要额外的护理，并主动与他们联系。”

将人工智能集成到现有工作流程中

虽然每年都有大量人力和物力投入到医疗领域的人工智能研究中，但将已经开发的技术整合到实际应用中会带来一些挑战。

Manoharan说，“人工智能无疑是改善医疗保健领域的巨大机会，因为其功能非常强大。但是要产生这种影响，需要深入地融入临床工作人员的工作流程或患者的日常生活。”

人工智能系统的工程师和开发人员还必须确保他们的系统能够顺利地融入医疗保健专业人员的工作流程，如果人工智能系统被设计成一个单独的应用程序，在为临床应用中增加额外的步骤，那么它就不太可能具有吸引力。

Manoharan说：“我们需要记住，人工智能算法本身并不是一个解决方案，它是一个需要集成到工作流程中的工具。这意味着需要先了解工作流程，然后设计一个考虑到人工智能协作的解决方案。人工智能技术必须在正确的时间以正确的形式为您提供正确的信息。例如，对于放射科医生来说，如果有一个人工智能解决方案可以帮助其解释图像，则不必切换电脑来打开另一个应用程序来运行算法。”

人工智能需要整合的健康数据

运行人工智能系统还必须得到工具的支持，这些工具可以将人工智能系统集成到不同的IT和数据系统中。Manoharan说：“要从人工智能的数据中获得有意义的见解，互操作性确实是关键。”

互操作性和集成挑战是将人工智能的学术研究与实际应用分开的关键因素之一。研究通常围绕着开发人工智能模型展开，这些模型对精心策划的健康数据集起作用。然而，现实生活的数据杂乱无章，难以访问。在许多情况下，缺乏适当的数据基础设施是将人工智能应用于现有应用程序的主要障碍。

Manoharan说，“当今的医疗保健数据通常很难交换、分析和解释。如今已经有很多人工智能解决方案，但医疗保健领域供应商环境高度分散，因此需要将不同供应商的创新医疗技术整合到一个无缝完整的以患者为中心、以疾病为中心的解决方案中。”

解决这一问题将需要技术供应商、医院和医疗保健组织之间的共同努力。Manoharan补充说，“我们需要采用来自多个供应商设备的数据，并连接到医院的IT系统，并且我们需要数据标准，以使能够使用一种数据语言以统一的方式理解数据;在这里所连接的数据湖至关重要。”

数据湖是大型存储库，不会对其中存储的数据带来限制。数据能够以原始格式存储，例如文本文件、图像和视频，以及结构良好的电子表格，然后需要使用数据科学和机器学习工具对数据进行挖掘和查询。

应对整合和法律挑战

Manoharan说，“要建立对人工智能患者的整体看法，数据需要跟踪患者。我们需要将患者可能患有的疾病以及护理过程中的各个点连接起来，将医院与家庭、初级保健等联系起来。为此，还需要持续的患者参与和反馈，以了解他们对处方治疗的经验，并将患者的报告结果纳入临床决策。”

当然，这将带来一些法律挑战。医疗数据是敏感的，受到不同司法管辖区的隐私条例的约束。为医疗保健和医药领域开发人工智能解决方案的公司如果不谨慎的话，可能会触犯隐私法规，并且医疗保健行业仍在寻求在提供访问数据和保护敏感健康数据之间寻求平衡的方法。

Manoharan说，“当地立法必须确保安全交换和访问正确注释的数据，以进行医学研究和临床实践，同时保护患者的隐私。这项工作还需要医疗卫生技术供应商的新方法，这将简化人工智能解决方案的开发。医疗设备供应商必须通过发布应用程序编程接口（API），开始支持第三方创建应用程序，比如初创企业或学术临床中心。”

Manoharan强调，在人工智能驱动的产品被采用并对医疗保健产生影响之前，它将面临其他技术和非技术障碍，如货币化、实施工作、工作流程改进和信任。Manoharan说：“我们需要考虑一些事情，例如，需要的费用，客户为人工智能支付的费用，以及补偿和收益。”

人工智能在医疗保健中的未来发展

Manoharan认为，虽然已经存在许多人工智能解决方案，但下一个真正的飞跃是将产品整合到无缝和完整的以患者为中心的解决方案中，这些解决方案可以协作实现精确诊断和更优化的治疗路径。

Manoharan补充说，“在开发基于人工智能的新技术时，我们还应注意现有和新的挑战与障碍。”

Manoharan认为，随着数字化转型推动健康数据的指数级增长和行业的快速变化，必须承认，目前还没有找到所有的答案。

她说：“在采用人工智能这一令人兴奋的创新之路上，将会出现新的问题，我们应该在处理这些问题的同时保持开放和透明，并将患者和客户的需求作为工作的首要事项。这样，我们就可以应对和克服一些社会最紧迫的挑战。我们可以更直接地满足客户不断变化的需求。”
责编AJX