骨質疏松人工智能技術研究進展及發展趨勢

胡曉暉 李英華 錢忠心 洪洋 劉衛東

1.上海市浦東新區浦南醫院，上海 2001252.上海市第五人民醫院，上海200240

隨著我國老齡化的到來，老年群體的高發病的看病難、看病貴的問題越來越突出[1]。盡管國家出臺了關于分級診療、全程醫療、全科醫生等醫療新政策[2-3]。但由于優質醫療資源主要集中在大醫院，社區醫生經驗和醫療條件有限，導致患者在地段醫院診療困難、三級醫院看病難，因此出現就診率低、發病率逐年增加的現狀。隨著信息技術的發展以及大數據、“互聯網+”時代的到來，智慧醫療或許可以成為解決以上醫療問題的關鍵[4-5]。骨質疏松是嚴重影響老年生活質量的一種常見病和多發病，一旦發生骨折，可致死或致殘，高昂的治療及照顧費用給家庭帶來極大的負擔。因此，本文擬從AI技術在醫療領域的應用現狀、骨質疏松的流行病學、骨質疏松AI技術的應用領域及開發中的關鍵因素分析幾個方面闡明骨質疏松AI技術的發展現狀及發展趨勢。

1 智慧醫療的現狀

智慧醫療是醫院信息系統的高級表現形式，是 “一套融合物聯網、云計算等技術，以患者數據為中心衍生的人工智能(artificial intelligence，AI)技術醫療服務模式”[6]。

1.1 國際智慧醫療的現狀

IBM CEO彭明盛2009年提出的“智慧地球”戰略，認為智慧醫療就是利用先進的信息化技術，改善疾病預防、診斷和研究，最終讓醫療生態圈的各個組成部分收益[7]。同一時期，歐盟委員會制定了歐洲各國聯合發展物聯網技術的戰略支持歐盟各國開展物聯網相關技術，實現未來歐洲能在全球的智能基礎設備研究與開發上處于國際領先水平[8]。第一階段歐盟為此投入多達4億歐元用以相關科研項目開發，目前已經啟動的在網絡智能化研究方向的科研項目已達到 90 多個。2011 年度至2013年度歐盟進一步投入新的力量來支持該項目，目前規劃每年新增額度不少于兩億歐元，同時再設立短期物聯網項目國際合作專項資金3億歐元，包括采用新型物聯網技術的醫療信息化系統建設[9]。隨著21世紀后人工智能中各類機器學習算法和醫學進一步結合，特別是深度學習出現后，催生了人工智能+醫療的研究熱點。

1.2 我國智慧醫療的現狀

我國目前也在通過醫療系統信息化的方式逐步推行智慧醫療。2017年7月8日，國務院頒布《新一代人工智能發展規劃》(簡稱“規劃”)指出：人工智能(artificial intelligence technology，AI)成為國際競爭的新焦點。人工智能是引領未來的戰略性技術，世界主要發達國家把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略，加緊出臺規劃和政策，圍繞核心技術、頂尖人才、標準規范等強化部署，力圖在新一輪國際科技競爭中掌握主導權[10]。同時在國務院規劃提出了人工智能+醫療的建設任務，包括推廣應用人工智能治療新模式新手段、建立快速精準的智能醫療體系；探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診；基于人工智能開展大規?；蚪M識別、蛋白組學、代謝組學等研究和新藥研發，推進醫藥監管智能化；加強流行病智能監測和防控等等。將智慧醫療應用主要體現在醫療服務、醫藥產品管理、醫療器械管理、血液管理、遠程醫療與遠程教育等方面。納入AI技術進行慢病管理得到報道的病種有“糖尿病”“高血壓”“盆底疾病”等[11-13]，骨質疏松的AI管理系統尚未見報道。

2 骨質疏松的流行病學

骨質疏松是老年人群的常見病和多發病，女性顯著高發于男性，隨著年齡的增長患病率顯著增加[14]。全球每年大約有超過2億的骨質疏松患者和8 900萬的骨質疏松患者發生骨折[15]。而在我國，按照目前骨質疏松患病率13%計算，每年由于骨質疏松導致的骨折花費高達10億美金。隨著老齡化社會的到來，骨質疏松患病率的增加，預計我國老年人群到2035年因骨質疏松性骨折的醫療費用會翻倍[16]。而對于上海閔行區，根據本課題組對閔行區60歲以上的老年體檢人群的骨質疏松的流調結果，骨質疏松患病率為27.85%，但骨質疏松和骨量減少人群的比例卻達到了67.84%[17]。骨質疏松患者一旦發生骨折，生活質量嚴重下降，可致殘或致死，嚴重影響老年人的生活質量，且高昂的治療及照顧費用給家庭及社會帶來極大的負擔。前期課題組對骨質疏松患者追蹤研究中發現被診斷為骨質疏松人群的患者2年內發生骨折的比例高達63.38%，骨質疏松治療依從性僅為26.65%。對骨質疏松患者調查的結果顯示，治療有效率低、骨折發生率高的原因主要是因為骨質疏松起病隱匿，發現時已經到了骨質疏松階段，疾病發生后難逆轉，而且骨質疏松是多病因疾病，目前診療個體化指導缺乏，治療過程中隨訪依從性差導致疾病的治療有效率低。如果能夠通過大數據采集實現骨質疏松的AI隨訪和診療，形成骨質疏松的早發現、早治療、個體化診療體系，提高治療過程中的隨訪依從性，或許能大大降低骨折發生率。

3 人工智能和醫療結合涉及的技術環節及骨質疏松AI技術開發要素

3.1 醫療領域的人工智能開發技術環節

人工智能和醫療的結合涉及到的技術環節有：自然語言處理、機器學習應用、計算機視覺與圖像、醫療大數據的統計分析等。其中通訊、感知與行動主要是人工智能的主要應用技術，主要圍繞自然語言理解、機器人以及計算機視覺進行分解。自然語言處理探討如何處理及運用自然語言，讓電腦“懂”人類的語言，并進一步把計算機數據轉化為自然語言。自然語言在問答系統、文本分類、信息提取、信息檢索、機器翻譯有廣泛的應用。機器學習又被稱為模式識別、數據挖掘等。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法，這些算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。人工智能的研究經歷了從以“推理”為重點到以“知識”為重點，再到以“學習”為重點。第三次人工智能主要是機器學習取得了重要的進展，特別體現在深度學習領域。人工智能技術的發展決定了其在骨質疏松健康領域有著良好的發展前景。

3.2 骨質疏松智能技術開發技術關鍵在于高質量體檢生物樣本庫建設

骨質疏松領域自然語言處理技術主要涉及到骨質疏松流調風險因素專業術語普通話語言和特定方言采集、骨質疏松診斷過程中的專業術語普通話語言和特定方言采集、骨質疏松治療隨訪過程中的專業術語、普通話語言和特定方言采集。機器學習應用技術主要涉及到流調因素與骨密度高低、骨質疏松發病相關性的學習，血液尿液生化指標與治療措施、治療效果相關性的學習。計算機視覺與圖像主要針對正常的骨密度數據，特殊情況下的骨密度數據，以便確定哪些骨密度數據可以采信，哪些骨密度數據需要結合其他影像學資料和生化指標資料。醫療大數據的分析不僅僅需要骨質疏松臨床診療的大數據，更需要健康檔案的骨質疏松體檢大數據作為AI開發的核心基礎數據，因此這需要大規模、高質量、多中心的骨質疏松體檢生物樣本庫的建設。

4 AI醫療技術開發過程中的限制瓶頸

骨質疏松的醫療信息化是骨質疏松AI技術開發的關鍵，數字衛生標準化技術是實現AI技術應用于骨質疏松防治的前提條件。大規模骨質疏松生物樣本庫的建設及大數據的挖掘是AI應用于骨質疏松臨床領域的重要物質和技術保證。

目前國內外醫療信息化工作已經取得了一定的進展。20世紀八九十年代，美國就開始對“衛生信息標準”戰略技術的研究。美國總統奧巴馬提出了建立惠及全體公民的電子智慧醫療系統，并投入巨額資金用于推進醫療衛生信息化建設[18]。相對于美國的數字醫療技術水平，歐洲的普及面更廣，歐盟準備建立覆蓋整個歐盟的數字醫療體系，且歐洲建立了最大規模的生物樣本庫UKbiobank支撐數字醫療體系的建設[19]。澳大利亞政府提出了圍繞患者建立企業級醫療信息系統，使醫護人員更快捷的查詢到患者病史信息，該系統覆蓋了主要公立醫院，惠及南澳州近80%的人口，同時其他州也在加快區域衛生信息化建設工作[20]。借鑒了國外衛生信息化建設經驗，我國的醫療衛生建設快速地完成了從醫院管理信息化到臨床管理信息化再到區域醫療衛生服務階段的進展。當前，衛生信息化取得突出成效的主要分布在上海、北京、廣東、山東、江蘇南部和浙江等經濟發達地區，不僅建立了局域網，還大規模建設了支撐數字衛生信息化建設的生物樣本庫，包括腫瘤樣本庫、慢病樣本庫、出生隊列樣本庫、張江生物銀行等等[21]。

相對于樣本庫建設和醫療信息標準化建設，數據挖掘技術在醫療衛生行業中的應用尚處在起步階段。數據挖掘技術限制瓶頸與醫學數據的特殊性是分不開的，醫學數據具有隱私性、數據多樣性、不完整性以及復雜性等特點，因此醫學數據挖掘技術受到一定影響。和其他文本相比，醫學數據具有的功能獨特性特征，它是以治愈患者而搜集的，其次才是用于醫院研究的資源。醫學數據的隱私性即醫學數據里面包含大量的病人隱私數據，如果這些數據被泄露出去會給患者帶來很大的困擾，這就產生了醫學數據的隱私問題。隱私性可以被分解為安全性和機密性兩個方面，當未經過授權的個人或是機構設法取得相關醫學數據時，就產生了安全性的問題；經過授權擁有相關醫學數據的科學家和醫務人員與未經過授權的機構共享這些患者信息時，就暴露了機密性的問題。作為醫務人員和相關研究人員有義務和職責在做科學研究的同時保護患者的隱私。作為醫學相關的信息挖掘系統也必須做到一定的數據安全性和機密性，要考慮到倫理因素的設計。醫學數據的多樣性即醫學數據的形式是多種多樣的，從傳統的門診病歷到醫學影像，波形數據。醫學數據包括影像，波形信號，純數據(如體征參數、化驗結果)、文字(包括病人的身份記錄、癥狀描述、檢測和診斷結果的文字表述)等。醫學數據的不完整性，醫學數據的收集和處理過程經常是相互分離的，收集是以治療患者為直接目的，而醫學數據處理則是尋找某些疾病的一般規律，所以收集的信息可能無法涵蓋研究需要的所有信息。這給數據信息挖掘后的算法設計帶來了文本處理困難。盡管如此，隨著標準化電子健康檔案(EHR)和醫院管理信息系統(HIS系統)的廣泛應用，以及生物樣本庫建設的快速發展，倫理學科的相關理論的完善，醫療衛生行業積累了大量的醫學相關數據，包括病人的就診記錄、患者診斷結果、醫學影像數據等。用數據挖掘的方法從這些海量的患者相關數據中抽取的規律、趨勢和模式對醫學研究具有前所未有的意義。對于輔助臨床診斷和醫生科室評估都非常重要。數據挖掘已經成為醫學研究、醫院評估體系中不可缺少的一部分。數據挖掘技術在醫學領域的應用和研究已經取得了很多成果，包括特別護理中的數據驗證、糖尿病人的數據分析以及智能麻醉監控、循證醫學等[22-23]。因此，在基于臨床影像信息的基礎上，數據挖掘可視化可以充分利用人類感官視覺系統，以直觀、易操作的方式挖掘隱藏在數據背后的信息，結合臨床樣本庫管理系統和健康檔案系統，開發醫療數據可視化系統是當前骨質疏松智慧醫療的一個重要發展方向。

5 骨質疏松AI技術的研究展望

雖然AI在護理、糖尿病人數據分析及智能麻醉監控中取得了一定的成果，但在骨質疏松領域尚處于起步階段。在完善骨質疏松患者倫理學因素的前提下，建設高質量、多中心、大規模骨質疏松體檢生物樣本庫，收集大量可供機器人學習及再學習的流調問卷、骨密度信息、疾病史信息、藥物史信息及易感基因信息等優質學習資料，是決定骨質疏松AI技術開發成敗的關鍵。

由于臨床信息管理牽涉到患者的姓名、疾病狀況等，而在研究信息收集時可以將患者的姓名隱匿而直接用編號代表，因此，進行大數據挖掘時需要開發在臨床信息管理系統到數據挖掘系統之間的匿名化轉換技術體系，從而即實現了臨床信息的利用，又保證了研究過程中患者隱私權的保護。

骨質疏松AI技術可以涵蓋個體化預防指導、精準化治療方案制定、智能化隨訪等多個環節，開發后將能夠解決目前疾病發現晚、診療有效率低、病人治療過程中依從性低等問題，提高骨質疏松的就診率和治療有效率，將能夠有效減輕目前老齡化社會進程中骨質疏松性骨折帶來的經濟負擔和社會負擔。