文|創(chuàng)瞰巴黎
導(dǎo)讀
隨著技術(shù)飛速發(fā)展、醫(yī)學(xué)數(shù)據(jù)的持續(xù)擴增以及硬件設(shè)備的不斷提升，人工智能（AI）和醫(yī)療的結(jié)合方式越來越多樣化。目前AI在醫(yī)療領(lǐng)域中的落地的應(yīng)用場景繁多，其中在醫(yī)學(xué)影像中的應(yīng)用最為廣泛。長期來看，AI有望在診斷方法、治療手段、患者體驗等方面帶來顛覆。但是，卻難以帶來我們所設(shè)想的“革命”。本期醫(yī)療數(shù)據(jù)創(chuàng)新系列為大家分析，為何AI難以掀起醫(yī)學(xué)革命？
一覽：
- 長期來看，人工智能（AI）有望在診斷方法、治療手段、患者體驗等方面帶來顛覆。
- 然而，迄今為止，醫(yī)療領(lǐng)域的大部分AI應(yīng)用都在因循守舊，并未徹底推翻舊有實踐。
- 由于醫(yī)療行業(yè)較為保守，創(chuàng)新成果推進(jìn)緩慢，因此行業(yè)內(nèi)的機構(gòu)和個人層面都未出現(xiàn)大規(guī)模的AI部署。
- AI的應(yīng)用離不開現(xiàn)存數(shù)據(jù)，這從一定程度上限制了它的影響范圍。
不少人都稱，人工智能（AI）在醫(yī)療領(lǐng)域的應(yīng)用掀起了一場“醫(yī)學(xué)革命”。誠然，機器學(xué)習(xí)，尤其是深度學(xué)習(xí)帶來了很多行為方式的改變，但“革命”一詞的使用無疑具有誤導(dǎo)性。
“醫(yī)學(xué)革命”的想法雖好，但它暗含了一種觀念，即醫(yī)療領(lǐng)域的范式轉(zhuǎn)變只受相關(guān)技術(shù)的影響，而非多方因素綜合作用的結(jié)果。如果上述論點所言屬實，那么所謂的“醫(yī)學(xué)革命”應(yīng)該是持續(xù)幾十年的變化，而非瞬間完成。因此，AI在醫(yī)療領(lǐng)域的應(yīng)用不太可能帶來我們所設(shè)想的“革命”。原因如下：
01 醫(yī)療實踐的改變需要時間
精準(zhǔn)醫(yī)療的概念由來已久，它旨在利用數(shù)據(jù)改善治療效果。這一想法最早由Karl Pearson和Francis Galton 于19世紀(jì)末提出，二人收集數(shù)據(jù)的目的十分明確：通過統(tǒng)計分析得出洞見。自那之后，在多方的努力下，美國國立衛(wèi)生研究院（NIH）于20世紀(jì)下半葉開發(fā)了一系列統(tǒng)計方法，旨在推動精準(zhǔn)醫(yī)療的發(fā)展。因此，2000年的人類基因組計劃（The Human Genome Project），以及為推動AI發(fā)展而開發(fā)的軟硬件均可被視為上述努力的延續(xù)。
“人工智能是舊有技術(shù)的延續(xù)，而非一場直接的革命。”
AI在醫(yī)療領(lǐng)域應(yīng)用廣泛，其中以放射學(xué)尤為矚目。自倫琴于1895年因發(fā)現(xiàn)X射線而獲得諾貝爾獎后，該學(xué)科開始迅猛發(fā)展。在長達(dá)近50年的時間里，X光都是唯一一項非侵入性醫(yī)學(xué)成像技術(shù)。經(jīng)過多年的發(fā)展，X光的便利性和精確度均實現(xiàn)了顯著提升，如今，它已成為醫(yī)護(hù)人員的一大首選診療手段。例如，過去外科醫(yī)生僅通過觸摸來診斷闌尾炎，但現(xiàn)在他們更傾向于使用CT掃描。與精準(zhǔn)醫(yī)療一樣，AI和之前的好幾代技術(shù)都是這些發(fā)展的延續(xù)，而非一場直接的“革命”。
02 醫(yī)院對變革有抵觸情緒
放射學(xué)是首批將新一代AI工具商業(yè)化的醫(yī)學(xué)學(xué)科之一。2010年后，醫(yī)學(xué)界發(fā)表了幾篇論文，首次詳細(xì)介紹了將深度學(xué)習(xí)技術(shù)應(yīng)用于放射科的一些概念驗證。如今，十年過去，市場上已經(jīng)出現(xiàn)了第一批工具。這期間到底經(jīng)歷了什么變化？歸根結(jié)底，除去技術(shù)的成熟外，監(jiān)管層面也出現(xiàn)了一些改變。
其實，部分技術(shù)應(yīng)用早在五年前就已被開發(fā)出來，但技術(shù)的成熟需要時間和資金的支持，且監(jiān)管部門的批準(zhǔn)也至關(guān)重要?，F(xiàn)在，技術(shù)和監(jiān)管層面都對AI的應(yīng)用有了更深的理解，因此監(jiān)管批準(zhǔn)時間也縮短至幾個月。但無論如何，買賣雙方都需要驗證這些技術(shù)工具在實際工作中的應(yīng)用情況，畢竟病人需求和醫(yī)院標(biāo)準(zhǔn)各不相同。
此外，醫(yī)院的現(xiàn)有預(yù)算往往不足以承擔(dān)新的醫(yī)療實踐，因此，他們在AI工具的應(yīng)用上也需要找到資金支持。一家醫(yī)院在采購AI之前，可能需要一年多時間才能走完行政審批，而且，盡管監(jiān)管機構(gòu)已經(jīng)驗證了產(chǎn)品的安全性，但這些設(shè)備購買仍然很少能夠得到報銷。對醫(yī)療行業(yè)而言，安全是核心。因此，某項技術(shù)越是新穎，或者越富“顛覆性”，其使用的阻礙就越大。醫(yī)療體系追求“精準(zhǔn)”，而創(chuàng)新本身則暗含了很多“不確定性”。
03 數(shù)據(jù)的收集和處理十分耗時
AI技術(shù)本身的一些特點可能會限制其在醫(yī)療領(lǐng)域的推廣。首先，AI的使用需要數(shù)據(jù)，而在當(dāng)前的監(jiān)管政策下，數(shù)據(jù)集的創(chuàng)建十分復(fù)雜，且需要大量的時間和資金投入。很多時候，開發(fā)人員會選擇“二次使用”數(shù)據(jù)，即將診斷或行政工作等其他環(huán)節(jié)收集到的數(shù)據(jù)應(yīng)用于AI。在此過程中，數(shù)據(jù)需要得到清理，而《通用數(shù)據(jù)保護(hù)條例》(GDPR)、授權(quán)訪問、數(shù)據(jù)變現(xiàn)等因素都在掣肘這一進(jìn)程。
此外，數(shù)據(jù)集的建立只是開始。技術(shù)開發(fā)人員需要醫(yī)學(xué)專家的幫助才能理解數(shù)據(jù)的含義，并為其貼標(biāo)簽。在得出一個有效的結(jié)論前，需要多次進(jìn)行數(shù)據(jù)處理和建模。經(jīng)驗表明，AI的應(yīng)用是80%的數(shù)據(jù)預(yù)處理和20%的建模。當(dāng)然，監(jiān)管機構(gòu)和用戶也需要相信和接受這門新技術(shù)。
最后，當(dāng)AI應(yīng)用執(zhí)行的任務(wù)數(shù)量較小時，效果最好。應(yīng)用范圍越廣，復(fù)雜性和不確定性就越多。例如，當(dāng)前放射學(xué)中的AI應(yīng)用往往只關(guān)注身體某個特定區(qū)域。即便是這樣，很多時候結(jié)果也都是假陽性，而且無法應(yīng)用于復(fù)雜的案例中。例如，乳房植入物往往會影響到乳房X光檢查的AI分析。
04 人工智能的用途尚不清晰
AI在影像診斷方面有諸多新應(yīng)用。一方面，AI可以部分取代放射科醫(yī)生：當(dāng)沒有放射科醫(yī)生值班，無法對檢測結(jié)果進(jìn)行診斷時，醫(yī)護(hù)人員可能會使用AI工具進(jìn)行急救。另一方面，如果AI的使用是以分診為目的，則可被當(dāng)做參考，避免“假陰性”的出現(xiàn)。根據(jù)AI使用場景的不同，我們可以調(diào)整自身預(yù)期，并相應(yīng)校準(zhǔn)準(zhǔn)確率和召回率等機器學(xué)習(xí)指標(biāo)。
“與AI應(yīng)用相關(guān)的權(quán)責(zé)分工問題仍未得到正式解答?！?/p>
與AI應(yīng)用相關(guān)的權(quán)責(zé)分工問題仍未得到正式解答，而這些答案將最終影響AI的發(fā)展和使用。確實，如果醫(yī)護(hù)人員對AI工具和自動化技術(shù)養(yǎng)成依賴，那么他們的專業(yè)能力可能也會隨之下降。也許資深的放射科醫(yī)生能夠輕松判斷人工智能分析結(jié)果的真?zhèn)危Y歷較淺的醫(yī)生很難做到這一點。年輕一代的醫(yī)生如果過多依賴技術(shù)，可能會有損于對結(jié)果的客觀判斷，這也許會催生一些新技能的培養(yǎng)。
05 “革命”還是“變革”？
我們不應(yīng)為自己的想法設(shè)限，認(rèn)為AI在醫(yī)療領(lǐng)域的應(yīng)用是一場我們難以左右的“變革”。AI的發(fā)展并非緊跟醫(yī)療行業(yè)的最佳實踐，而是會受醫(yī)療行業(yè)人員、資金和資源匱乏的影響。盡管如此，國際社會和不少國家都成立了相應(yīng)的委員會[1]來規(guī)范AI的發(fā)展。此外，部分當(dāng)?shù)孛癖娺€自發(fā)組織了一些社區(qū)活動，以共同決定AI應(yīng)用的走向[2]。
當(dāng)然，上述論點并沒有排除醫(yī)療領(lǐng)域出現(xiàn)AI的顛覆性應(yīng)用，進(jìn)而掀起一場“醫(yī)學(xué)革命”的可能性，但它們的確將AI當(dāng)前的發(fā)展速度，以及醫(yī)療行業(yè)保守的創(chuàng)新環(huán)境納入了考量（通常情況下，醫(yī)療行業(yè)的創(chuàng)新進(jìn)程需要花費幾十年時間）。更重要的是，上述論點指出，技術(shù)發(fā)展不會是轉(zhuǎn)型的唯一決定因素，在其漫長的發(fā)展進(jìn)程中，其他因素的綜合作用也會影響AI在醫(yī)療領(lǐng)域的應(yīng)用前景。
參考資料
1. https://eithealth.eu/opportunity/call-for-applications-external-advisory-group-to-the-european-taskforce-for-harmonised-evaluation-of-digital-medical-devices-dmds/
2. Pragmatism and Organization Studies, 2018, Philippe Lornio, chapter 6, pp.158–188.