AI醫(yī)療到底是現(xiàn)實還是虛妄

技術(shù)專家們曾經(jīng)承諾，人工智能（AI）與機器學(xué)習(xí)（ML）將徹底改變醫(yī)療保健行業(yè)的面貌。具體應(yīng)用有望簡化工作流程并減少人為錯誤、加速藥物研發(fā)、協(xié)助手術(shù)操作，同時帶來更好的計費與編碼方法。然而，根據(jù)2017年發(fā)布的一項研究，醫(yī)療保健是一個數(shù)字成熟度落后周期達十年的行業(yè)。面對如此消極的背景，AI技術(shù)的結(jié)合究竟只是一個空洞的承諾，還是真正具有前瞻性與創(chuàng)新性的現(xiàn)實？

技術(shù)專家承諾稱，人工智能（AI）與機器學(xué)習(xí)（ML）將徹底改變醫(yī)療保健行業(yè)的面貌。在網(wǎng)絡(luò)上搜索“醫(yī)療保健中的人工智能（AI）”，我們將得到近10億條結(jié)果。似乎每一位醫(yī)療保健行業(yè)專家都對如何徹底改變患者的治療方案提出了意見——從藥物開發(fā)到臨床決策支持系統(tǒng)（DSS）皆有涵蓋。AI/ML在醫(yī)療保健中的應(yīng)用前景似乎無窮無盡，但在本文中，我們將以撥亂反正的態(tài)度著眼于具體用例，探討這些思路是否真能應(yīng)用于未來實踐。

從發(fā)現(xiàn)到研究再到最終生產(chǎn)，將藥物推向市場的整個過程往往需要經(jīng)過10到15年，平均費用約為26億美元。雖然只有14%的候選藥物能夠進入測試階段并獲得FDA的批準，但藥物研發(fā)企業(yè)與制藥廠已經(jīng)在AI方面投入巨資，希望更快地發(fā)現(xiàn)新的藥物化合物、減少錯誤計算，從而獲得更高的成功率。這一領(lǐng)域的增長也將繼續(xù)保持旺盛的態(tài)勢。

ICD-11即將到來。世界衛(wèi)生組織（WHO）于2018年6月公布了最新的國際疾病分類清單（ICD-11），并于2019年5月向各成員國提交了這份清單。該清單中包含的條目量達到ICD-10的四倍，計劃于2022年1月1日生效，其中包含1萬份ICD-10修訂提案要。面對這樣龐大的條目數(shù)字，人類根本不可能對其進行正確的解釋與編碼。

根據(jù)醫(yī)療保險與醫(yī)療補助服務(wù)中心（CMS）公布的數(shù)據(jù)，當(dāng)ICD-10于2015年10月正式實施時，其條目數(shù)量由之前的1萬3千條（ICD-9-CM）增長至6萬8千條（ICD-10-CM）。雖然一部分醫(yī)療機構(gòu)開始早期應(yīng)用并引入某種形式的自然語言處理（NLP）或者ML技術(shù)，但大多數(shù)醫(yī)療機構(gòu)仍然單純依靠人類進行條目編碼。

這通常會導(dǎo)致解釋提供者在進行注釋時引發(fā)錯誤，特別是在處理唯一代碼與修飾語時。舉例來說，“被火雞啄傷”編碼為ICD-10 code W61.43，而“被大雞啄傷”的編碼為code W61.43，人類編碼人員極易把二者混淆起來。在提供者輸入自己的注釋之后，AI/ML將能夠更好地確定正確編碼并提供建議賠付理由。

隨著ICD-11編碼數(shù)量的不斷增加，AI/ML已經(jīng)成為協(xié)助編碼員轉(zhuǎn)錄備注，以及向付款者提供驗證編碼的必要前提。

雖然ICD-11將以用戶友好度更高的電子版本形式發(fā)布，但電子病歷記錄（EHR）供應(yīng)商仍將投入大量開發(fā)資源，以確保最終用戶能夠使用正確的編碼。通過引入AI/ML技術(shù)，系統(tǒng)將能夠掃描提供方的注釋，確定正確的編碼，并驗證修飾語部分。目前還不確定是否所有機構(gòu)都能廣泛采用AI技術(shù)進行編碼與計費，但對于那些希望以更準確的方式對疾病進行分類的醫(yī)療機構(gòu)而言，現(xiàn)在無疑是引入AI的絕佳時機。

Pega在最近一項調(diào)查中發(fā)現(xiàn)，有52%的患者對醫(yī)生利用AI做出醫(yī)療保健決策的作法感到滿意，29%的患者對付款方使用AI技術(shù)的作法感到滿意。這個結(jié)論可能讓不少朋友大吃一驚。利用人工智能對患者進行診斷，并制定治療計劃——這怎么可能是假的？這不正是我們研究AI的目標(biāo)所在嗎？

實際情況是，在沒有任何人為干預(yù)的情況下，目前的人工智能或者機器還無法對患者進行治療。而且坦率地講，即使是擁有最復(fù)雜的算法、數(shù)十億個復(fù)雜數(shù)據(jù)點以及完美的編程，現(xiàn)有技術(shù)方法仍然無法像經(jīng)驗豐富的臨床醫(yī)生、護理人員以及合格的實踐團隊那樣能力合作完成治療過程。

但好消息是，AI/ML確實能夠在患者預(yù)后階段發(fā)揮關(guān)鍵作用。通過從實踐管理（PM）與健康信息系統(tǒng)（HIS）中收集到的患者數(shù)據(jù)，現(xiàn)有臨床決策支持與規(guī)則引擎確實能夠提供令人滿意的建議。此外，分析測試結(jié)果、X光片、CT掃描影像以及數(shù)據(jù)輸入等重復(fù)性任務(wù)都是當(dāng)前程序化介入工作的主要方向。例如，心臟病學(xué)與放射學(xué)就是兩個需要分析大量數(shù)據(jù)的專業(yè)，這往往給技術(shù)人員帶來巨大的時間與精力負擔(dān)。心臟病專家與放射科醫(yī)師現(xiàn)在可以利用AI/ML讀取測試結(jié)果并發(fā)現(xiàn)其中的趨勢，同時配合人類間的交流確定治療方法，并與患者溝通以提供維持健康所必需的護理與支持計劃。

數(shù)據(jù)管理、虛擬助手、人臉識別、手術(shù)機器人——這份關(guān)于在醫(yī)療保健領(lǐng)域以有意義且可行方式采用AI/ML技術(shù)的方法清單一直在不斷擴展。雖然我們還無法完全確定更適合在何時采取何種應(yīng)用方式，但對于整體融合趨勢，我們抱有非常確定的態(tài)度。