如今的醫療保健行業已經十分成熟，可以進行一些重大變革。從慢性病和癌癥到放射學和風險評估，醫療保健行業似乎有著無數的機會利用技術在患者護理方面部署更精確、高效和有效的干預措施。
隨著技術的發展，患者對醫生的要求越來越高，并且可用數據的數量繼續以驚人的速度增長，人工智能將成為推動醫療護理工作持續改進的引擎。
與傳統分析和臨床決策技術相比，人工智能具有許多優勢。當學習算法與訓練數據交互時，可以變得更精確，使醫生對診斷、護理過程、治療變異性和患者結果獲得前所未有的見解。
在由Partners Healthcare舉辦的2018年世界人工智能醫療創新論壇(WMIF)上，醫療研究人員和臨床專家闡述了未來十年內采用人工智能最有可能產生重大影響的醫療行業技術和領域。
2018年世界人工智能醫療創新論壇(WMIF)聯合主席Anne Kiblanksi醫學博士和Partners Healthcare公司首席學術官、醫學博士Gregg Meyer說，這種給每個行業領域帶來的“顛覆性”都有可能為患者帶來顯著的益處，同時具有廣泛的商業成功潛力。
在Partners Healthcare公司專家的幫助下，包括哈佛醫學院(HMS)的教授、合作伙伴首席數據科學官Keith Dreyer博士和馬薩諸塞州總醫院(MGH)研究戰略和運營總監Katherine Andriole博士提出了人工智能將徹底改變醫療服務和科學的12種方式。
1.通過腦機接口統一思維和機器
使用計算機進行通信并不是一個新想法，但是在不需要鍵盤、鼠標和顯示器的情況下在技術和人類思維之間創建直接接口是一個前沿的研究領域，對某些患者具有重要的應用。
神經系統疾病和神經系統創傷會使一些患者喪失與他人及其環境進行有意義的交談、移動和互動的能力。由人工智能支持的腦機接口(BCI)可以為那些擔心永遠失去這些功能的患者恢復那些基本體驗。
馬薩諸塞州總醫院(MGH)神經技術和神經康復中心主任、醫學博士Leigh Hochberg說，“如果我在神經病學重癥監護室看到某位患者突然失去了行動或說話的能力，我希望在第二天恢復其溝通的能力。通過使用腦機接口(BCI)和人工智能，我們可以將與手部運動相關的神經激活，并且我們應該能夠讓這個患者與他人在整個活動過程中至少交流五次的方式進行交流，例如使用平板電腦或手機等無處不在的通信技術。”
對于患有肌萎縮側索硬化(ALS)、中風或閉鎖綜合征的患者，以及全世界每年有50萬人遭受脊髓損傷的患者，腦-機接口可以極大地提高他們的生活質量。
2.開發下一代放射工具
通過磁共振成像機(MRI)、CT掃描儀和X射線獲得的放射圖像提供對人體內部的非侵入性可見性。但是許多診斷過程仍然依賴于通過活體組織檢查獲得的物理組織樣本，取得這些樣本具有導致患者可能受到感染的風險。
專家預測，在某些情況下，人工智能將使下一代放射學工具能夠準確細致，足以取代對活體組織樣本的需求。
布里格姆婦女醫院(BWH)圖像引導神經外科主任醫學博士Alexandra Golby說，“我們希望將診斷成像團隊與外科醫生或介入放射科醫師和病理學家結合在一起，但不同團隊實現合作和目標的一致性是一個巨大的挑戰。如果我們希望放射成像提供目前從組織樣本中獲得的信息，那么我們將必須能夠實現非常接近的標準，以便知道任何給定像素的基本事實。”
在這一過程中取得成功可能使臨床醫生能夠更準確地了解腫瘤的整體表現，而不是根據惡性腫瘤的一小部分屬性做出治療決策。
采用人工智能還可以更好地定義癌癥的侵襲性，并更恰當地確定治療目標。此外，人工智能正在幫助實現“虛擬活檢”，并推進放射醫學領域的創新，該領域致力于利用基于圖像的算法來表征腫瘤的表型和遺傳特性。
3.擴大服務不足或發展中地區的醫療服務
發展中國家缺乏訓練有素的醫療保健提供者，其包括超聲波技術人員和放射科醫生，這將極大地減少了采用醫療服務拯救患者生命的機會。
會議指出，在波士頓著名的朗伍德大道的六家醫院工作的放射科醫生比西非地區所有醫院都要多。
人工智能可以通過接管一些通常分配給人類的診斷職責，幫助減輕臨床醫生嚴重不足的影響。
例如，人工智能成像工具可以通過胸部X光檢查肺結核的癥狀，通常可以達到與醫生相當的精確度。這項功能可通過適用于資源匱乏地區的提供商的應用程序進行部署，從而減少了對經驗豐富的診斷放射科醫生的需求。
馬薩諸塞州總醫院(MGH)神經科學助理兼HMS放射學副教授Jayashree Kalpathy-Cramer博士說，“這項技術可以提高醫療保健的巨大潛力。”
然而，人工智能算法開發人員必須謹慎考慮這樣一個事實，即不同民族或不同地區的人群可能具有獨特的生理和環境因素，這些因素會影響疾病的表現。
她說：“例如，印度受到疾病影響的人口可能與美國的情況非常不同。當我們開發這些算法時，確保數據代表疾病呈現和群體的多樣性非常重要，我們不僅可以開發基于單個群體的算法，而且希望它能夠在其他人群中發揮作用。”
4.減輕電子健康記錄的使用負擔
電子健康記錄(HER)在醫療保健行業的數字化之旅中發揮了重要作用，但這種轉變帶來了無數與認知過載、無休止的文檔和用戶疲勞相關的問題。
電子健康記錄(HER)開發人員現在正在使用人工智能來創建更直觀的界面，并對一些耗費大量用戶時間的例行程序實現自動化。
Brigham Health副總裁兼首席信息官Adam Landman博士說，用戶將大部分時間花在三項任務上：臨床文檔、訂單輸入，以及對收件箱進行分類。語音識別和聽寫有助于改善臨床文檔處理過程，但采用自然語言處理(NLP)工具可能還不夠。
Landman說，“我認為可能需要更大膽一些，考慮一些變化，比如采用視頻記錄臨床治療，就像警察佩戴攝像頭一樣。然后可以使用人工智能和機器學習來索引這些視頻，以便將來檢索信息。就像在家里使用人工智能助理Siri和Alexa一樣，未來會把虛擬助理帶到患者的床邊，讓臨床醫生使用嵌入式智能輸入醫囑。”
人工智能還可以幫助處理來自收件箱的常規請求，例如藥物補充和結果通知。 Landman補充道，它還可能有助于確定真正需要臨床醫生注意的任務的優先順序，使患者更容易處理他們的待辦事項列表。
5.含有抗生素耐藥性的風險
抗生素耐藥性對人類的威脅越來越大，因為過度使用這些關鍵藥物會促使不再對治療產生反應的超級細菌的進化。多重耐藥性的細菌可能在醫院環境中造成嚴重破壞，每年奪去數以萬計患者的生命。僅艱難梭菌每年就為美國醫療保健系統帶來約50億美元的損失，并導致3萬多人死亡。
電子健康記錄數據有助于識別感染模式，并在患者開始出現癥狀之前突出其風險。利用機器學習和人工智能工具來驅動這些分析可以提高其準確性，并為醫療保健提供者創建更快、更準確的警報。
馬薩諸塞州總醫院(MGH)感染控制部門副主任Erica Shenoy博士說，“人工智能工具可以達到對感染控制和抗生素耐藥性的預期。如果他們不這樣做，那么所有人都會失敗。因為醫院擁有大量的電子健康記錄數據，如果沒有充分利用它們，沒有創造更智能、更快的臨床試驗設計的行業，以及沒有使用創造這些數據的電子健康記錄，那么這將面臨失敗。”
6.為病理圖像創建更精確的分析
布里格姆婦女醫院(BWH)病理學系主任、HMS病理學教授Jeffrey Golden醫師表示，病理學家為全方位的醫療服務提供者提供最重要的診斷數據來源之一。
他說，“70%的醫療保健決策都是基于病理結果，電子健康記錄中所有數據的70%到75%之間來自病理結果。而結果越準確，就會越早得到正確的診斷，這就是數字病理學和人工智能有機會實現的目標。”
在超大的數字圖像上深入到像素級別的分析可以使醫生識別可能逃脫人眼的細微差別。
Golden說，“我們現在已經到了可以更好地評估癌癥是否會快速或緩慢發展的階段，以及如何根據算法而不是臨床分期或組織病理分級來改變患者的治療方式的地步。這將是一個巨大的進步。”
他補充說，“人工智能還可以通過在臨床醫生審查數據之前確定幻燈片中感興趣的特征來提高生產力。人工智能可以通過幻燈片進行篩選，并指導我們查看正確的內容，以便我們可以評估哪些內容重要，哪些內容不重要。這提高了病理學家使用的效率，并增加了他們研究每個病例的價值。”
7.為醫療設備和機器帶來智能
智能設備正在接管消費者環境，并且提供從冰箱內部的實時視頻到可以檢測駕駛員分心的汽車等各種設備。
在醫療環境中，智能設備對于監控ICU和其他地方的患者至關重要。使用人工智能來增強識別病情惡化的能力，例如表明敗血癥正在發展，或感覺到并發癥的發展可以顯著改善結果，并可能降低治療成本。
布里格姆婦女醫院(BWH)臨床數據科學中心執行主任Mark Michalski博士說，“當我們談論整合整個醫療保健系統的不同數據，需要進行整合，并產生警報，提醒重癥監護室(ICU)醫生盡早干預，這些數據的匯總不是人類醫生可以做得很好的事情。將智能算法插入這些設備可以減少醫生的認知負擔，同時確保患者盡可能及時地接受護理。”
8.推進免疫療法用于癌癥治療
免疫療法是治療癌癥最有希望的方法之一。通過使用人體自身的免疫系統來攻擊惡性腫瘤，患者可能能夠戰勝頑固的腫瘤。然而，只有少數患者對當前的免疫治療方案有反應，腫瘤學家仍然沒有一種精確可靠的方法來確定哪些患者將從該方案中受益。
機器學習算法及其合成高度復雜數據集的能力可能能夠闡明針對個體獨特基因構成的靶向治療提供新的選擇。
馬薩諸塞州總醫院(MGH)綜合診斷中心計算病理學和技術開發主任Long Le博士解釋說，“最近，最令人興奮的發展是檢查點抑制劑，它阻斷了某些免疫細胞產生的蛋白質。但我們仍然不了解所有的問題，這非常復雜。我們肯定需要更多的患者數據。這些療法相對較新，所以實際上并沒有多少患者服用這些藥物。因此，無論我們是需要在一個機構內還是跨多個機構集成數據，都將增加患者人數以推動建模過程的關鍵因素。”
9.將電子健康記錄轉變為可靠的風險預測指標
電子健康記錄(HER)是患者數據的寶藏，但以準確、及時和可靠的方式提取和分析大量信息一直是提供商和開發人員不斷面臨的挑戰。
數據質量和完整性問題，加上數據格式的混亂、結構化和非結構化輸入以及不完整的記錄，使得人們很難準確理解如何進行有意義的風險分層、預測分析和臨床決策支持。
布里格姆婦女醫院(BWH)緊急醫學助理教授、哈佛醫學院(HMS)助理教授Ziad Obermeyer博士說，“有一些艱難的工作是將數據整合到一個地方。但另一個問題是了解當人們預測電子健康記錄(HER)中的一種疾病時會得到什么。人們可能會聽說人工智能算法可以預測抑郁癥或中風，但發現他們實際上預測的是中風費用增加。這與中風本身有很大不同。”
他繼續說，“依靠核磁共振結果似乎可以提供更具體的數據集。但是現在必須考慮誰能負擔得起核磁共振的成本?所以最終預測的并不是期望的結果。”
核磁共振分析已經產生了許多成功的風險評分和分層工具，特別是當研究人員采用深度學習技術來識別看似無關的數據集之間的新聯系時。
但是，Obermeyer認為，確保這些算法不能確認數據中隱藏的偏見，這對于部署能夠真正改善臨床護理的工具至關重要。
他說：“最大的挑戰是確保在我們開始打開黑盒并觀察如何預測之前，需要確切地知道我們預測到了什么。”
10.通過可穿戴設備和個人設備監控健康狀況
現在幾乎所有的消費者都可以使用帶有傳感器的設備來收集有關健康具有價值的數據。從帶有計步追蹤器的智能手機到能夠全天候跟蹤心跳的可穿戴設備，隨時可以生成越來越多的健康相關數據。
收集和分析這些數據，并通過應用程序和其他家庭監控設備補充患者提供的信息，可以為個人和人群健康提供獨特的視角。
人工智能將在從這一龐大而多樣的數據庫中提取可操作的見解方面發揮重要作用。
但計算神經科學成果中心的聯合主任、布里格姆婦女醫院(BWH)神經外科醫生Omar Arnaout博士說，幫助患者適應這種親密、持續監測的數據可能需要額外的工作。
他說：“以往我們對數字數據的處理方式相當自由。但是，隨著劍橋分析公司和Facebook這些公司發生數據泄露事件，人們將越來越謹慎地考慮與誰共享什么樣的數據。”
他補充說，患者往往更信任他們的醫生，而不是像Facebook這樣的大公司，這可能有助于緩解為大規模研究計劃提供數據的不適。
Arnaout說：“很有可能可穿戴數據將產生重大影響，因為人們的關注是非常偶然的，并且收集的數據非常粗糙。通過連續收集粒度數據，數據更有可能幫助醫生更好地照顧患者。”
11.使智能手機成為強大的診斷工具
專家認為，繼續利用便攜式設備的強大功能，從智能手機和其他消費級資源中獲取的圖像將成為臨床質量成像的一種重要補充，特別是在服務不足的地區或發展中國家。
手機攝像頭的質量每年都在提高，并且可以生成可用于人工智能算法分析的圖像。皮膚病學和眼科學是這一趨勢的早期受益者。
英國的研究人員甚至開發了一種工具，通過分析兒童臉部的圖像來識別發育性疾病。該算法可以檢測離散的特征，例如兒童的下頜線、眼睛和鼻子的位置，以及其他可能表明面部異常的屬性。目前，該工具可以將普通圖像與90多種疾病進行匹配，以提供臨床決策支持。
布里格姆婦女醫院(BWH)的微型/納米醫學和數字健康實驗室主任Hadi Shafiee博士說：“大多數人都配備了功能強大的手機，內置了許多不同的傳感器。這對我們來說是一個很好的機會。幾乎所有行業參與者都已開始在他們的設備中構建人工智能軟件和硬件。這不是巧合。在我們的數字世界中，每天都會生成超過250萬TB的數據。在手機領域，制造商認為他們可以將這些數據用于人工智能，以提供更加個性化、更快捷、更智能的服務。”
使用智能手機收集患者眼睛、皮膚損傷、傷口、感染、藥物或其他受試者的圖像可能有助于服務不足的地區解決專家短缺的問題，同時減少對某些投訴進行診斷的時間。
Shafiee說，“未來可能發生一些重大事件，我們可以利用這個機會來解決一些在護理點進行疾病管理的重要問題。”
12.利用床邊人工智能革新臨床決策
隨著醫療保健行業轉向收費服務，它也越來越遠離被動性醫療。在慢性病、急性病事件和病情突然惡化發生之前進行預防是每個提供者的目標，補償結構最終允許他們開發能夠實現主動、預測性干預的流程。
人工智能將為這一進化提供許多基礎技術，通過支持預測分析和臨床決策支持工具，在提供者認識到采取行動的必要性之前解決問題。人工智能可以為癲癇病或敗血癥等疾病提供早期預警，這通常需要對高度復雜的數據集進行深入分析。
馬薩諸塞州總醫院(MGH)臨床數據主任、醫學博士Brandon Westover說，機器學習還可以幫助支持是否繼續為重癥患者提供護理，例如心臟驟停后進入昏迷狀態的患者。
他解釋說，在通常情況下，醫生必須檢查這些患者的腦電圖數據。這一過程耗時并且主觀性強，其結果可能因臨床醫生的技能和經驗而有所不同。
他說。“在這些患者中，趨勢可能正在緩慢發展。有時當醫生想要查看某人是否正在恢復時，可能查看10秒鐘監控一次的數據。但是，要想從24小時采集的10秒數據中看出它是否發生了變化，就像查看頭發在此期間是否變長了一樣。但是，如果采用人工智能算法和來自許多患者的大量數據，那么就可以更容易地將人們所看到的內容與長期模式相匹配，并且可能會發現一些細微的改進，這些改進會影響醫生在護理方面的決策。”
利用人工智能技術進行臨床決策支持、風險評分和早期預警是這種革命性的數據分析方法最有前景的發展領域之一。
通過為新一代工具和系統提供動力，使臨床醫生更加了解病情的細微差別，更有效地提供護理服務，更可能提前解決問題，人工智能將迎來提高臨床治療質量的新時代，并在患者護理方面取得令人興奮的突破。
京公網安備 11010502049343號