論醫療人工智能的未來：醫療網絡

柳奕誠 宋欣陽 李宗友

摘要：醫療人工智能發展受到全球的廣泛關注，其運用正在多個維度地開展，將給人類群體的健康乃至社會結構帶來歷史性的變革。其中，醫療網絡的興起是目前醫療人工智能技術發展直觀的表現形式。本文主要圍繞人工智能醫療網絡，從行業發展的現狀、中醫與醫療人工智能的關系及未來市場的發展等方面進行闡述。

關鍵詞：人工智能；醫療；中醫；未來

DOI：10.3969/j.issn.1005-5304.2018.11.001

中圖分類號：R2-05 文獻標識碼：A 文章編號：1005-5304（2018）11-0001-05

Abstract： The development of medical artificial intelligence （AI） has attracted worldwide attention. Its application is developing in many dimensions and will bring fundamental changes to the human health and community structure. The rise of medical networks is an intuitive manifestation of the development of medical AI technology. This article focused on the AI medical network and discussed from the current situation of industry development， the relationship between TCM and medical AI and the development of future market.

Keywords： artificial intelligence； medicine； TCM； future

目前，人工智能在眾多領域引發關注。從21世紀初繁瑣的數據代碼，到今日簡單明了的人機交互和智能設備，人工智能正在人類生活的各個方面引領著一次全新變革。在醫學方面，人工智能也已進行諸多嘗試，如生化檢測、放射檢查、超聲檢查輔助診療工具正不斷向智能化階段發展。本文結合史料和技術對醫療人工智能進行系統分析，探究發展趨勢與影響變革。

1 亟待發展的行業現狀

推動醫療人工智能發展的催化劑是對醫療資源的需求與人類日益提高的生活標準。如今醫療資源雖已形成體系，但無論是中醫還是西醫，地區間醫療資源分配不均衡，最基本的醫療保障仍無法普及。如患者若在偏僻地區就醫，遇到無法診治的疾病時，不得不選擇轉院等措施，延誤最佳治療時機。即使在醫療資源集中的城區，過載的人流、有限的資源、高昂的價格等問題仍迫在眉睫。與此同時，患者對于更為人性化、個性化醫療護理的需求也日益攀升，有限的資源已無法滿足市場需求。醫療人工智能的誕生，正是為了填補需求的空缺，根據國外《Nature》《Science》等期刊，以及國內中國知識資源總庫、萬方數據等期刊平臺相關信息的整理和研究報告數量的比對，目前已孕育出多種應用產品（詳見表1）。然而僅依賴現階段產品遠無法滿足當今市場需求，人工智能數據處理的可靠性、治療過程的安全性、地區應用的普及性等均受到多方質疑。因此，醫療人工智能發展亟待突破。

2 中醫與人工智能醫療網絡

精準的醫療與智能化的醫療技術常常出現在古代中國的史料和傳說中。尋找出疾病的癥結是有效治療的關鍵，現代技術可通過精密的儀器進行“透視”與量化，然而在古代不具備相應的技術條件。以透視為例，早在扁鵲的傳說中就有其縮影，其具有異于常人的能力，可看到人體通透的五臟六腑，從而對癥下藥。

時至今日，中醫的智能診療化已有一定程度的實現。目前中醫診療技術以望、聞、問、切為主，注重收集和感受人體微妙的變化，而現代人工智能技術發展有四診的精細化、多元化和智能化的趨勢。

從望診的角度而言，最具代表性的技術是面診儀和舌診儀。如李福鳳等[1]利用面部圖像樣本的Harr特征建立一個級聯的Boosted分類器，通過Active Contour Model方法使面部定位分割更為精確；胡志希等[2]研發了GD-3型光電血流面診儀，實現了面部末梢血流灌注情況的精準評價；樊明杰[3]針對有眼睛的人臉面部感興趣區域，使用二值化等方法進行優化，從而實現眼、鼻等局部精確定位。

從聞診的角度而言，在高性能設備的輔助下，機體中的聲音信息可通過空氣動力學方法、頻譜分析方法、聲圖儀方法進行量化[4]。機體的氣味則可通過紅外光譜法、氣相色譜分析法進行分析。但由于個人經驗、主觀性等多種原因影響，尚未能建立客觀的診斷標準。

從問診的角度而言，最具代表性的技術是受到MYCIN啟發所衍生出的一系列中醫專家系統[5]。如今，互聯網、物質網技術使原有中醫專家系統完成階段性改變，從單一的封閉靜態系統，轉變成開放、無限、動態的系統。在上一代系統無法被統籌的中醫臨床經驗大數據中，由于技術的進步、神經元系統的開發、云端網絡的搭設，現代中醫人工智能與人無限接近甚至超越人類?，F階段的中醫人工智能產品尚停留在“學習”階段[6]，以儲備臨床數據來充實數據庫，使人工智能的診療更為精確[7]，同時中醫的不確定性、模糊性、復雜性也是亟待解決的難題[8]。

從切診的角度而言，即脈診智能化的實現。如牛欣等[9]已將B超、多普勒技術與相關技術融合，構建了三部的動脈三維運動，并將它們產品化，實現了“位、形、數、勢”的可視化，提供客觀診斷依據；重慶綠色智能技術研究院研發一款具有石墨烯柔性的傳感器，其高兼容、高靈敏、高通透，使三部脈象的測量更為準確[10]。同時建立在“互聯網+”基礎上的遠程脈診系統也正逐漸萌芽，其普及化、范用化，仍待硬件技術的發展與支持。

除了望聞問切的四診合參，中醫領域的研究者也將人工智能服務于中藥房與臨床針灸。對于中藥房而言，目前信息手段的植入已初具規模，患者信息的核查、藥物的“十八反、十九畏、妊娠禁忌”等均在智能化技術的指導下便于操作。近年來備受矚目的實際運用，莫過于出現在“2010中醫藥國際科技博覽會”上的第五代智能中藥房[11]。第五代較之前四代的自動發藥機，效率在原有基礎上提高了10倍，大約3 s配制1劑，且容錯率高，最多可荷載500味配方顆粒的方藥，過程實現“零干預”，保證配制途中無二次污染。

人工智能在臨床針灸的應用中亦可謂百花齊放。NX-DJO1智能電子針灸系統與華佗牌SDZ-II型電針儀對膝骨性關節炎有較好療效[12]，且前者在安全性、療效上更為突出，已廣泛使用。另外，在治療頸椎病、頸椎痛等方面也有較好療效[13]。數字經絡智能針灸機器人于2017年世界針灸學術大會亮相[14]，在承載傳統經絡腧穴學、腧穴解剖學等理論數據的指導下，結合混沌理論與分析幾何學，完成一系列自動取穴的運算，同時還衍生出APP-AcuAI（智慧針灸）、AcuCloud（無限控制平臺），賦予機器人臨床、科研的雙重能力，助推針灸的發展與進步。

3 頗具規模的醫療人工智能技術

現代醫學研究中，斯坦福機械學習研究團隊（Standford ML Group）的MURA、CheXNet，直觀外科手術公司（Intuitive Surgical Inc.）與麻省理工、IBM和Heartport公司開發的手術機器人DaVincisi，它們的人工智能應用已在影像診斷領域和智能手術領域取得了長足的進步。斯坦福最新研究的MURA和CheXNet對于相關疾病的算法、診斷都建立在卷積神經網絡（CNN）的基礎上。CNN是一種面向視覺處理的前反饋神經網絡結構體系（見圖1），其主體結構由多組單元構成，且它們的權重在空間位置共享，簡單地來說是一種高效的運算網絡[15]。CheXNet中CNN搭建由121層數據神經網絡構成，當輸入一張胸部X光圖像時，該系統將會輸出一張使用熱成像標記的肺炎提示區域。而其數據集ChestX-ray14由14種標簽構成的120張正面胸部X光圖像為系統提供自助判斷的依據，并輸出診斷報告。MURA也是一項用來訓練CNN的數據集，其主要是針對上肢端的疾病進行檢查，并定位X光片的異常位置，與CheXNet呈現結果的方式相近。除此之外，該團隊在心律不齊和姑息療法上也開創了相關模型，且實現了一定的智能化處理。

醫療人工智能在外科領域中有突破性的應用。DaVinci作為一款輔助型的手術機器人已經投入一定的使用，目前該機器的生產、機械臂的供應由一家公司壟斷[16]。手術主要通過DaVinci搭載的4～6條機械臂進行人類雙手無法進行的精細操作，圖像主要以高清攝像進行反饋，幫助主刀醫生判斷，大大縮減了手術所需要的規模及時間。然而這款機器人仍以人為主導。由智能機器人主導的STAR（smart tissue autonomous robot）[17]通過紅外線熒光照亮場景，并使用plenoptic成像[18]技術，通過就近的微相機，構建一個世界三維模型。在手術臺上，該技術已經可完成直線縫合和小腸之間的吻合連接，然而該機器的效率仍需改進，目前花費的時間大約是熟練醫師的5倍。

我國國產的外科機器人近年來發展迅速。如Remebot的神經外科機器人，輔助醫生實現微創、精準、無框架立體定向手術；妙手機器人科技集團的天智航，打造了延伸人體能力與機電一體化技術的人工智能；金山科技則針對消化道疾病開發了第二代視頻膠囊內窺鏡系統。

4 未來：量子糾纏技術整合健康監控與智能化診療

醫療人工智能所呈現的監控網絡與智能診療正由臨床時的助手逐步替代臨床醫師。一是醫療人工智能已形成了搭載產品基礎的監控網絡?，F在的終端已相當成熟，產品層出不窮。未來可能率先建立關聯醫療體系的監控網，如斯坦福姑息療法相關研發，對于患者信息的評估與資源的合理調配；上海中醫藥大學開發的祉云健康，結合四診儀器及臨床大數據，分析給出合理建議，均可視作未來對于所有疾病的監控網絡的雛形。這一與醫療體系實時互通的數據網絡所需要的大數據及云端計算正是當前研究熱點，眾多國內外機構及其科研團隊正大力研發迭代產品，并在優勝劣汰的市場中推出更多人性化的功能。

二是量子糾纏技術使醫療人工智能網絡跨越式提升[19]。信息的互通將更為高效，從終端到云端的大數據傳輸，再到用戶終端收集反饋信息，完成無縫銜接；數據的處理也將為擬定合適的資源分配計劃助力，匹配更為合理、便捷的方案。在量子糾纏技術研發的同時，監控系統所搭載的檢測元件也將日新月異，如目前各類所整合的心跳、睡眠、血壓等收集評估系統，未來可能會搭載諸如CT成像、脈象監控等更為全面的功能（見圖2）。在監控網絡的產品終端，其表現形式也會更為多樣。如近年東芝公司推出的“ApriAttenda”智能陪伴型機器人[20]、深圳光啟合眾科技有限公司的專利陪伴型寵物機器人（企鵝）[21]、蔡昱峰發明的陪伴型智能機器人[22]等，都是對機械伴侶進行定義的理想模型。疾病的表現形式不僅僅是生理的指標變動、體表的異樣等，還涉及患者精神的感受。對于許多心理疾病，一個人性化的陪伴，對改善病患的精神狀態可提供極大幫助。監控在此基礎上也可實現功能的分離，將相關功能移植于陪伴機器人，使其擁有獨立的運行環境，從而提供更優質的服務。

三是智能化診療即行使醫院所有職能的人工智能技術興起。由于機器學習領域的發展，無論是上文提及的斯坦福機械學習研究團隊還是各高校都在聚焦這一學科，投入大量資源，從深度學習、Image Net、CNN等角度著手研究。

智能化診療的到來具有一定的必然性，且相較于之后趨勢的推測，它具備了一定的穩定性。首先，目前前沿領域研究的指向性都與診療智能化理念契合，大數據集的收集搭建，CNN在相關學科的進化，其歸屬皆朝向實現中西智能化診療；再者，醫療資源的緊缺確保其發展的必然性，中西醫學院校的建設、尖端人才的培養都需要國家政府的支持。

人工智能醫療網絡的發展可劃分為兩大主要階段：第一階段將為零散階段。在這一時期，技術、產品會各自進行發展，醫療人工智能的完整體系將借助數據云形成。每一項產品技術各司其職，為醫療人工智能進行統籌分配。當患者進入醫院，就如同流程圖的輸入項，通過數輪判斷分析完成治療過程。此時我們將見到一個由多種單元拼湊起來的集合體。然而，每一個單元獨立運作，在系統中無法避免兼容性差、容錯率低的問題，即面對系統更新、規則重制定、硬件替換等問題時，需花費較長時間重新融入該系統。由此產生第二階段：整合階段。與第一階段的差別為將所有單元融合為整體，進行更替。其最直觀的優勢有二：一是執行功能的體積大為縮小；二是單元間的距離縮小，此處距離有兩層含義，不僅將縮小可測算的物理距離，實現體積的優化，更可統一不同配件的端口，達到匹配“零差異”。在擁有了相同的端口后，醫療人工智能將可進行更為高效的升級與治療，也為未來新技術的搭載提供平臺。

5 討論

綜上，醫療人工智能網絡的普及已成大勢所趨，推動局勢發展的潛在動能包含主觀與客觀兩方面。從主觀而言，人對于便捷的需求是相應產品誕生的初衷，繁瑣的檢查、復雜的體系，為相應技術的產生注入潛在勢能。根據馬斯洛需求層次理論，隨著生活質量的提高，基本物質需求的滿足，使人們追求更高層次的需求，對于理想生活的追求離不開心理與生理的健康，實時監控的醫療網絡將提供解決這一問題的基礎，成為人們生活中不可或缺的環節。從客觀角度而言，計算機設備的發展為科學家提供了一定基礎，足以對機械智能化深入探討。根據摩爾定律，計算機的處理能力每隔18個月就將提升1倍，相應的人工智能、云網絡也將更高速發展[23]。

縱觀現代中醫人工智能的發展，可圈可點。盡管各種產品推陳出新，但相應的核心技術尚無根本性的突破，對于中醫理論科學化、標準化的建設進展遲緩，也是創新性難以落實的阻力。目前國家正大力發展相關領域，2017年7月8日國務院頒布了《新一代人工智能發展規劃》，將對中醫與人工智能信息化的結合起到極大助推作用。相信隨著“一帶一路”的推進，中醫將備受矚目，匯聚全球的焦點探尋其中的規律與奧秘。

醫療網絡的發展前景也并非暢通無阻。首先是工程上的難題，如目前MURA所面臨的精度問題，受到工程界、醫學界的詬病，然而這一類技術阻礙的攻克顯然是時間問題。相對而言，群眾的接受、市場的沖擊、監管的缺位都將成為迫在眉睫的議題。

首先，就群體的接受而言，對于新生事物的接納，無論醫療網絡提供多么便捷的服務，難免受到質疑。同時，由于傳統的“望聞問切”已根深蒂固，群體觀念的轉變、對新技術的認可都需要時間，甚至有可能成為爭端的導火索[24]。

其次，從市場的沖擊角度分析，隨著醫療網絡的引進，對現有醫療資源及衍生行業造成沖擊，如醫生職業存在的必要性、醫院的運營與普及、人用器具存在的必要性等，這些問題將波及各大企業乃至國家。對現有經濟平衡的沖擊，就業市場的波動，對社會平衡的影響，或將成為反對者們爭論的焦點，成為阻礙醫療網絡發展的鴻溝。

最后，監管的缺位是涉及人工智能的領域都將面臨的挑戰，當智能與人的界限模糊時，相應的潛在風險也將呈爆發式增長。在醫療領域中，由于涉及人身安全，數據的絕對隱私、生命的絕對安全、治療的絕對公平等都將成為挑戰[25]，需要工程界、法律界、醫學界的通力合作，才能為人工智能與醫療網絡注入新的活力，讓醫療網絡得以進一步優化，開啟醫療人工智能的全新時代。

參考文獻：

[1] 李福鳳，邸丹，王憶勤，等.基于計算機技術的中醫面色診信息采集與識別研究[J].世界科學技術-中醫藥現代化，2008，10（6）：71-76.

[2] 胡志希，袁肇凱，鄭景輝，等.早發冠心病血瘀證痰濁證面部光電血流容積信息特征及與GMP-140含量的相關研究[C]//全國第十二次中醫診斷學術年會論文集，2011：385-389.

[3] 樊明杰.基于彩色圖像的面色疾病診斷方法研究[D].哈爾濱：哈爾濱工業大學，2010.

[4] 王憶勤.中醫診斷學研究思路與方法[M].上海：上?？茖W技術出版社， 2008：74-75.

[5] 白春清.中醫專家系統三十年[J].醫學信息（上旬刊），2011，24（2）：550-552.

[6] 孔令偉.“阿爾法圍棋”人工智能技術在中醫診療中的應用探討[J].國際中醫中藥雜志，2018，40（4）：292-295.

[7] 施明輝，周昌樂.人工神經網絡在中醫診斷中的應用現狀與趨勢[J].中國中醫藥信息雜志，2007，14（1）：2-5.

[8] 季梅，楊進.計算機技術在中醫領域的應用及思考[J].中國中醫藥信息雜志，2016，23（5）：16-19.

[9] 牛欣，司銀楚.一種可視化脈診儀：CN201431475[P].2010-03-31.

[10] 魏大鵬，尹舒冉.一種基于石墨烯柔性壓力傳感器的脈診儀：CN201610856172.8[P].2017-01-04.

[11] 於紅焰.第五代智能中藥房在成都問世[N].中國醫藥報， 2010-12-06（002）.

[12] 譚其琛. NX-DJ01智能電子針灸系統電針治療膝骨性關節炎的臨床研究[D].廣州：廣州中醫藥大學，2014.

[13] 趙曉燕.NX-DJ01智能電子針灸系統治療頸椎病頸痛的臨床研究[D]. 廣州：廣州中醫藥大學，2014.

[14] 徐天成.數字經絡智能針灸機器人的研發及其應用探討[C]//中國針灸學會年會論文集.北京：中國針灸學會，2017：2.

[15] PRANAV R， JEREMY I， ZHU K L， et al. CheXNet：radiologist-level pneumonia detection on chest X-rays with deep learning[D/OL]. America：Stanford ML Group，2017.[2017-11-04]. https：//stanfordml group.github.io/projects/chexnet/.

[16] 夏曉莉.達芬奇機器人手術室配合經驗分享[C]//第三屆上海國際護理大會論文摘要匯編.上海：上海市護理學會，2017：1.

[17] SHADEMAN A， DECKER R S， OPFERMANN J D， et al. Supervised autonomous robotic soft tissue surgery[J]. Science Translational Medicine，2016，8（337）：337ra64.

[18] 欒銀森，許冰，楊平，等.Wavefront analysis for plenoptic camera imaging[J]. Chinese Physics B，2017，26（10）：230-235.

[19] 舒娜，石際.量子糾纏技術與量子通信[J].數字技術與應用，2012（10）：60.

[20] 東芝開發陪伴型機器人“ApriAttenda”[J].機器人技術與應用， 2005（4）：10.

[21] 深圳光啟合眾科技有限公司.陪伴型寵物機器人（企鵝）： CN201530250494.4[P].2015-12-02.

[22] 蔡昱峰.陪伴型智能機器人：CN201630013609.2[P].2016-08-17.

[23] 涂子沛.大數據及其成因[J].科學與社會，2014，4（1）：14-26.

[24] 王東浩.機器人倫理問題研究[D].天津：南開大學，2014.

[25] 高奇琦，張鵬.論人工智能對未來法律的多方位挑戰[J].華中科技大學學報：社會科學版，2018，32（1）：86-96.