醫(yī)療AI走出邊緣的切入點(diǎn)在哪里

我們曾經(jīng)關(guān)注過很多關(guān)于人工智能在醫(yī)療領(lǐng)域的應(yīng)用，比如運(yùn)用得非常成熟的醫(yī)療影像診斷，用于醫(yī)療器械的研發(fā)，醫(yī)療數(shù)據(jù)的整理與分析，或是醫(yī)院日常管理等方面。在這些領(lǐng)域，人工智能確實起到了一定程度上的積極效果。

但仍然有一些關(guān)鍵性的領(lǐng)域，人工智能的診療卻依然難以叩開大門。比如ICU，由于在這里的每一步操作都事關(guān)人命，因此在現(xiàn)階段，人工智能幾乎不可能進(jìn)入它的診療。

如果沒有記錯的話，上一個引起廣泛熱議的人工智能ICU應(yīng)用，是它能夠根據(jù)病人的身體數(shù)據(jù)預(yù)測死亡時間。這個功能唯一有效的作用，或許就是極度方便了醫(yī)院關(guān)于緊張的ICU病房的排隊事宜。

但這并不意味著ICU的大門永遠(yuǎn)對人工智能緊閉著。作為被證明足以改變世界的跨時代技術(shù)，人工智能已經(jīng)被證明在醫(yī)療領(lǐng)域的巨大應(yīng)用潛力。與其說人工智能要進(jìn)軍ICU，不如說ICU更需要人工智能。

這份需求，或許可以從一劑止痛劑開始。

ICU里的人工智能給藥突破

對ICU病人而言，因病情較重且多不具備明顯的意識，因此準(zhǔn)確的給藥劑量顯得極為重要。而在所有的ICU常見藥物當(dāng)中，止痛藥的作用又更加突出。因為在大多數(shù)情況下，能住進(jìn)ICU，往往伴隨著重大手術(shù)的進(jìn)行。

然而重癥監(jiān)護(hù)室的止痛劑使用，卻又是一件非常復(fù)雜的問題。護(hù)理人員需要患者反饋自己的疼痛強(qiáng)度，以調(diào)整藥物的劑量；但I(xiàn)CU的患者往往伴隨著意識的昏迷，因此這種反饋并不能持續(xù)。對護(hù)理人員來說，給藥過量很容易導(dǎo)致患者成癮，而用量不足則又無法達(dá)到預(yù)期的鎮(zhèn)痛效果，增加病人的痛苦；更有甚者，還很容易引發(fā)疼痛致死。

根據(jù)2016年美國衛(wèi)生局發(fā)布的消息，美國每年平均有上萬人死于阿片類鎮(zhèn)痛藥物過量；2017年全球頂級醫(yī)學(xué)雜志《柳葉刀》的研究報告顯示，全球每年約有2500萬人死于疼痛。這些只是全場景下的數(shù)據(jù)統(tǒng)計，如果單純統(tǒng)計ICU里由于阿片類鎮(zhèn)痛藥物的不合規(guī)使用而導(dǎo)致的死亡病例，恐怕情況也不會樂觀到哪兒去。

那么，如何為臨床醫(yī)生提供更好和更個人化的疼痛管理護(hù)理，便成為了人工智能進(jìn)一步挺進(jìn)ICU的突破口。

今年7月份，來自哈佛-麻省理工學(xué)院健康科學(xué)技術(shù)部門、麻省理工學(xué)院媒體實驗室和哥倫比亞大學(xué)的研究人員組建了一個人工智能團(tuán)隊，并創(chuàng)建了一個人工智能深度強(qiáng)化學(xué)習(xí)算法模型，以用于重癥監(jiān)護(hù)室的疼痛管理。這項算法的主要目標(biāo)，就是能根據(jù)不同病人的情況，提供可量化的精準(zhǔn)止痛劑給藥。

為此，他們結(jié)合了40000多例患者在接受了醫(yī)生使用止痛劑之后的效果，包括積極的和消極的。在此基礎(chǔ)上，其用人工智能算法確定了對每個病人而言的最佳劑量，以適應(yīng)不同病人個性化的止痛劑需求，從而達(dá)到了借助人工智能來實現(xiàn)ICU病人止痛劑量化給藥的目的。

這種方法沿襲了人工智能解決問題的一貫套路，即以大規(guī)模的數(shù)據(jù)喂養(yǎng)來對模型進(jìn)行訓(xùn)練，然后反哺到現(xiàn)實應(yīng)用。但與其他場景下的數(shù)據(jù)+模型訓(xùn)練相同，ICU里的人工智能，更依賴于精準(zhǔn)而豐富的數(shù)據(jù)。在這項算法訓(xùn)練中，最大的問題，仍是數(shù)據(jù)。

第一是數(shù)據(jù)量的不足。

人工智能算法模型的訓(xùn)練需要大量的數(shù)據(jù)，但對ICU病人而言，平均ICU住院天數(shù)在10天左右，而發(fā)達(dá)國家效率更高，平均住院時長不到一天。較短的住院時間，意味著止痛劑給藥次數(shù)不會很多。那么，這么少的樣本數(shù)據(jù)，是否足夠喂養(yǎng)一個人工智能算法模型？

第二是數(shù)據(jù)的廣度不足。

對一位ICU病人而言，影響其止痛劑使用劑量的因素有很多，比如年齡、性別、身體素質(zhì)特征、體重等各個方面，除了性別之外，這些大部分因素都是變量。但這項算法里所采用的數(shù)據(jù)，則來自病人的既往給藥史。在此基礎(chǔ)上，給出最佳決策。問題是顯而易見的，ICU病人身體變化速率要遠(yuǎn)異于常人，因此如果只看歷史的死板數(shù)據(jù)，而不把時時存在的變量加入進(jìn)去，那么對于一些未知風(fēng)險也就形成了天然的抵抗缺陷。

另一方面，單純采用止痛劑的歷史使用記錄，意味著其余其他藥物配合的剝離。醫(yī)生在開出止痛劑劑量的時候是否考慮到了同時多樣給藥帶來的相互作用？治療的目標(biāo)是什么？也就是說，止痛劑使用劑量和效果并不是理論上的一一對應(yīng)，而是要考慮到綜合給藥的復(fù)雜性。那么，聯(lián)合使用藥物（如果存在）以及其他可能影響止痛劑效果的數(shù)據(jù)，均應(yīng)該納入其中。

在解決這些問題之后，如果算法成熟，人工智能ICU量化給藥將會幫助醫(yī)生進(jìn)行臨床決策，同時提供自動指導(dǎo)。

但量化的意義，或許并不僅僅局限于ICU內(nèi)。

走出ICU：量化與重要醫(yī)療場景的AI進(jìn)軍

醫(yī)療人工智能在當(dāng)前仍然算作一個正在高高飛起的創(chuàng)業(yè)風(fēng)口，并且主要集中在一些相對來說邊緣領(lǐng)域的醫(yī)療應(yīng)用，健康監(jiān)測、醫(yī)療器械、影像診斷、住院管理……過分集中于這些領(lǐng)域，很容易給人造成一種錯覺：人工智能對醫(yī)療，好像并沒有什么實際作用。

對常人而言，所謂看病，最重要的就是醫(yī)生診療的過程，臨床診斷、對癥下藥，最后藥到病除。雖然人工智能在上述范圍內(nèi)的醫(yī)療領(lǐng)域已經(jīng)有了很深的應(yīng)用，但患者看不見、用不著，身體恢復(fù)的功勞仍然屬于醫(yī)生，在這個光環(huán)之下，自然AI看似無用。

而要想讓人工智能從醫(yī)療領(lǐng)域的無用質(zhì)疑之中掙脫出來，直接參與到極為重要的醫(yī)療場景中或許更為是另一條道路。從這個角度上來說，瞄準(zhǔn)緊急醫(yī)療場景，真正做到與病人生命同在，或許是人工智能在醫(yī)療領(lǐng)域樹旗立威的不錯選擇。比如在ICU、救護(hù)車、臨床搶救等方面的應(yīng)用，以生命為第一衡量標(biāo)準(zhǔn)，可以加速人工智能的醫(yī)療領(lǐng)域普及。

而要想在這些緊急醫(yī)療場景中發(fā)揮出肉眼可見的作用，就需要將上文所構(gòu)想的人工智能的藥劑量化能力施展出來。ICU里的每一次謹(jǐn)慎的給藥、救護(hù)車上維持生命的藥液含量、臨床搶救時恰到好處的麻醉注射，每一次將生命從死神邊緣拉回人間的過程，都是人工智能在醫(yī)療道路上腳步愈加堅定的基石。

因此，人工智能向醫(yī)療領(lǐng)域的滲透，可以嘗試去走這樣一條道路：以關(guān)系生死的急救場景為切入，結(jié)合可以量化的具體醫(yī)療操作，盡可能減少醫(yī)療誤差，在此基礎(chǔ)上實現(xiàn)整個醫(yī)療行業(yè)的全面進(jìn)軍。這樣做，既恰好利用了其擅長數(shù)據(jù)量化處理的優(yōu)勢，又能充分凸顯人工智能的價值。

讓AI醫(yī)療不僅僅是流于表面或者扮演邊緣化的角色，或可自此而始。

來源：硅谷密探