人工智能在心臟疾病診療中的應用

曹敦煜

摘 要 文章首先介紹了人工智能的概念及其在醫療領域的發展情況，闡述了其在心臟病診療中的應用價值，之后從心臟病發病預測、心電圖自動診斷以及心臟手術治療3個方面論述了其應用現狀，最后討論了其面臨的數據采集與隱私保護、法律問題并提出針對性建議。

關鍵詞 人工智能；心臟疾病；預測；自動診斷；輔助手術

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2019）229-0141-02

在信息技術快速發展的當代，將人工智能技術與醫學相結合，輔助醫護人員對進行疾病的診療工作一直是研究的熱點問題。人工智能（Artificial？ Intelligence）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門交叉學科，其研究領域包括機器人、語音識別、自然語言處理等[ 1 ]。為促進、規范人工智能技術的發展，2017年，國務院印發了《新一代人工智能發展規劃》，其中提出要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。

心臟病是心臟疾病的總稱，包括冠心病、風濕性心臟病、心肌炎、先天性心臟病、肺心病等多種類型。過去20年來，心臟病發病率在中國一直呈上升趨勢。中國衛生統計提要指出，2013年城市居民死亡原因中心臟病位于第三位，占比為21.45%[2]。因此，越來越多的人們開始關注心臟病，特別是在心臟病的預防和治療方面。人工智能技術可以通過信息處理、算法輔助等方式輔助醫生進行心臟病的診療，如幫助醫生進行心臟病的預測，輔助醫生進行高難度的心臟手術等，本文將對人工智能在心臟病診療中的應用進行介紹、討論，以期為其未來發展提供參考。

1 應用現狀

1.1 心臟病預測

許多風險因素決定了人們患冠心病的風險，例如飲食方式、吸煙、遺傳原因、高度肥胖、高血脂、糖尿病、缺乏鍛煉等。對這些患病風險進行調查，就能幫醫生對個體的患病風險進行評估，進而考慮針對性的干預措施，降低其患病風險，達到預防的目的。

一般來說，冠心病的發病風險預測會使用心臟病預測模型。傳統的冠心病預測模型是對冠心病的風險因子進行一系列處理后得出的，這些預測模型過度簡化了風險因素之間的關系，導致預測準確率不高。借助人工智能技術能夠考慮更多的危險因素，從而更加準確地評估冠心病的發病風險。2018年，微軟推出了一種由人工智能技術支持的冠心病風險評分模型，該模型基于印度一家醫院提供的40萬印度人的健康數據，考慮了21種風險因素，包括飲食、吸煙、呼吸率、高血壓、血壓可以快速、準確識別每位患者的風險水平。該評分模型將風險分為高、中、低，并能提供可以干預的最大風險因素，從而幫助醫生以更全面的方式咨詢患者，同時為患者提供改善生活方式、降低風險水平的建議。目前該評分工具還在印度醫院進行試驗，其真正的臨床效果還有待進一步評價。

美國谷歌公司的科學家們設計了一種借助眼底圖像評估個體患心臟病風險的方法。借助人工智能技術，該方法能夠從病人眼底圖像中準確地推斷多項包括年齡、血壓以及是否吸煙等心臟病風險因素數據。之后就可以利用這些數據預測個體心臟病的發病風險。該方法預測的準確率可以達到70%以上，與傳統的評分模型相當，但該方法數據采集簡單，可以使醫生更快、更容易地分析病人的心臟病風險，而不再需要其它臨床檢驗數據。之所以可以通過眼底圖像判斷個體的心臟健康狀況，主要是因為眼底充滿了血管，能夠反映個體整體健康。現階段，該方法還需要更徹底的測試后才能用于臨床。

1.2 心電圖自動診斷

心電圖是利用心電圖機從體表記錄心臟每一心動周期所產生的電活動變化圖形的技術，它是心血管疾病（包括心律失常、心室心房肥大、心肌缺血損傷、心肌梗死等）最簡單、快捷、經濟的臨床檢查方法，在臨床上應用較為廣泛[3]。患者在進行心電圖檢查后，醫生進行判讀，并給出檢查報告，這種人工心電圖診斷的流程。由于心電圖是一種連續時間信號，而異常信號是隱藏在其中的，判讀時需要醫生非常細心，醫生在長時間工作后漏診的風險較大，且有些心臟病異常并不一定在檢查中表現出來，需要長時間的心電監測，這進一步增大了醫生判斷的難度與工作量。為解決人工判斷的問題，借助人工智能技術的心電圖自動診斷的研究與應用越來越多。

深圳市凱沃爾電子有限公司研發了一款基于人工智能技術的心電圖自動分析和診斷系統，稱為AI？ ECG？Platform？，該系統既能夠對常規的靜態心電圖進行自動分析并給出診斷報告，也能夠處理動態心電圖，系統覆蓋了主要的心血管疾病，通用性較高。系統的構建是基于約2？500萬份心電圖的大數據樣本，利用深度學習模型訓練完成的。該模型經過試驗表明其在心律失常事件和心臟激動傳導異常事件的診斷能力已經達到專業醫生水平，準確性達到95.0%以上，對一些復雜病例的分析診斷，甚至超過專科醫生的診斷水平。

人工心電圖分析準確性很大程度依賴于醫生的專業水平、經驗，而基于人工智能技術的自動診斷模型一旦訓練成功，其分析水平是一定的，不會受其它因素的干擾，且能夠24小時工作，這對于移動醫療、遠程診斷都十分重要。當診斷水平達到甚至超過心臟專科醫生水平時，則可以推廣到大量基層醫院、個體診所、體檢中心、養老機構等缺乏專業的心電醫生的醫療機構以及進入普通的家庭，使得心電圖檢查就像測血壓、血糖一樣方便、準確。

1.3 手術治療

心臟手術是一種時間長、難度大、風險高的治療方法。傳統的心臟手術需要醫生精神高度集中，一旦出現差錯其后果可能是致命的；另一方面，心臟手術創口較大，患者在手術過后往往需要很長時間恢復且容易留下后遺癥。近年來，手術機器人發展迅速，在許多外科手術中都已經開始應用，其中就包括心臟手術。

目前大多數臨床中心使用的手術機器人都是由美國直觀醫療器械公司研發的？“達芬奇”系統。“達芬奇”機器人手術系統具有操作精細、微創等優勢，已被廣泛應用于臨床診療活動中[4]。在心臟外科，二尖瓣修補/置換術、冠狀動脈搭橋術、房間隔/室間隔缺損修補術等手術均可在達芬奇機器人輔助下進行，現階段已經有許多成功案例。達芬奇機器人能夠完成人手不能觸及的狹小空間的精細手術操作，對于長時間復雜的心臟手術十分有利于，同時能夠大幅縮短病人的康復時間。目前達芬奇機器人輔助手術也存在一些缺點，比如觸覺感不如人手靈敏、價格昂貴等，一定程度上制約了手術機器人的發展與應用。

2 面臨的挑戰

雖然人工智能在心臟病診療上帶來了許多好處，但其面臨的挑戰也是不容忽視的。

首先是數據采集與隱私保護問題。不管是微軟還是谷歌其設計的心臟病預測模型都需要海量的臨床數據，如何獲取數據是相關企業面臨的難題。現階段，人工智能模型預測的準確性往往依賴數據的規模，即數據越多預測結果越準確，但臨床數據中涉及患者各方面的隱私信息，監管要求較高，企業要想采集海量數據難度較大。此外，企業在分析數據的同時需要對其中的隱私信息進行去除，或是進行嚴格的監管，防止數據被不法分子竊取。對于數據采集問題，應該由政府部門制定嚴格的數據監管制度，對企業在使用數據的全過程進行監管，此外，企業應在數據去隱私方面進行攻關，研發出能夠既能保證模型訓練準確性又能保證患者隱私的相關？技術。

其次是人工智能應用過程中的法律問題。雖然人工智能在心臟病診療過程中的準確性很高，但也不能保證不出現錯誤判斷，利用機器人進行手術的責任是由醫生、制造商、醫療機構單獨承擔，還是共同承擔，這些都需要在發展過程中引起重視[5]。為此，立法部門應針對人工智能在醫療領域應用過程中出現的新問題進行超前研究，制定相應的法律法規，規范其發展與應用；醫療機構在現階段應用時，應充分與患者溝通，說明其可能存在的風險，簽訂知情同意書。

3 結論

文章介紹了人工智能在心臟病診療中的應用現狀，包括發病預測、心電圖診斷以及心臟手術，并指出其面臨的數據保護與法律問題。未來，隨著信息技術的不斷發展，人工智能將在在醫療領域有越來越廣泛的應用。無論是疾病診斷還是治療，人工智能在給我們提供便利的同時也帶來了一系列隱私、法律等問題。因此，在醫療領域發展與應用人工智能的初期，就要重視這些問題，盡早采取相應的防范措施，只有這樣才能保證人工智能在醫療領域持續健康方法以及應用過程中的安全和規范。

參考文獻

[1]楊澤華，田侃，殷婷，等.淺談人工智能在我國衛生健康領域的應用[J/OL].衛生經濟研究，2018（11）：7-9，12.

[2]王冬菊.心腦血管疾病流行概況及主要影響因素[J].預防醫學論壇，2016，22（1）：71-75.

[3]劉鳴.遠程心電大數據和心電圖智能化診斷[J].實用心電學雜志，2018，27（3）：157-161.

[4]楊蘇民，王清江，于霄霖.機器人心臟外科手術淺談[J].臨床外科雜志，2017，25（5）：327-330.

[5]曹艷林，陳璞.人工智能：美好前景面臨法規空缺[J].中國衛生，2018（8）：76-77.