人工智能在眼科醫(yī)療管理過程中的應(yīng)用：挑戰(zhàn)與展望

王曉暉，Bryan Spencer,2 綜述 程文 審校

[1.中山大學(xué)嶺南 (大學(xué)) 學(xué)院，廣州 510275；2.Department of Management,Frankfurt School of Finance &Management,Frankfurt,Germany；3.中山大學(xué)嶺南(大學(xué))學(xué)院中國(guó)企業(yè)環(huán)境、健康與安全管理研究中心，廣州 510275]

據(jù)Ophthalmology發(fā)布的數(shù)據(jù)顯示：到2050年，將近50億人會(huì)患有不同程度的近視，覆蓋了全球一半的人口，占比49.8%，其中高達(dá)10億人面臨著眼睛失明的高風(fēng)險(xiǎn)，占比達(dá)9.8%。這預(yù)示著數(shù)以億計(jì)的人類將面臨著眼病的困擾，中國(guó)的情況將更為嚴(yán)重[1]。

而中國(guó)的醫(yī)療資源依然呈現(xiàn)短缺態(tài)勢(shì)，尤其是在農(nóng)村地區(qū)，患者獲得高質(zhì)量醫(yī)療服務(wù)的機(jī)會(huì)更是有限。以前的“赤腳醫(yī)生”成為中國(guó)農(nóng)村地區(qū)6億多人的醫(yī)療衛(wèi)生防線[2-3]，即使是這樣較低質(zhì)量的醫(yī)療服務(wù)，仍然不能滿足廣大民眾的就診需求。目前，基層醫(yī)生數(shù)量呈現(xiàn)下降態(tài)勢(shì)，并且明顯出現(xiàn)了供不應(yīng)求加劇的狀況。2015年，基層醫(yī)療機(jī)構(gòu)的診斷率比所有城市醫(yī)院的診斷率加起來還要多8.39億人次。同樣，在中國(guó)人口較為密集的中東部地區(qū)，也面臨著治療需求增加和醫(yī)務(wù)人員短缺的矛盾。在2003年至2014年的10年間，全國(guó)問診數(shù)量增加了83%，每年約有73億人次，住院人數(shù)增加了200%，達(dá)到1.4億人次[3]。眼科醫(yī)療資源短缺和分布不均的情況更為嚴(yán)重，例如在近視防控方面，據(jù)中華醫(yī)學(xué)會(huì)眼科分會(huì)統(tǒng)計(jì)，到2014年底，我國(guó)眼科醫(yī)師約3.6萬名，視光師不足4 000人，而且全國(guó)70%的眼科醫(yī)生集中在大中型城市，基層眼科醫(yī)生數(shù)量很少，遠(yuǎn)不能滿足患者需求[4]。

人工智能(artificial intelligence，AI)被認(rèn)為是一個(gè)緩解醫(yī)療專業(yè)人員短缺的方案。AI作為一個(gè)新興領(lǐng)域，其相關(guān)的研究工作主要集中在技術(shù)本身的研發(fā)和應(yīng)用上。雖然研究重點(diǎn)逐漸轉(zhuǎn)向了AI的臨床應(yīng)用，但其作為解決醫(yī)療供需失衡的重要措施，其中遇到的管理問題，目前尚未被研究人員所重視。尤其是在眼科醫(yī)療領(lǐng)域，AI應(yīng)用范圍的逐漸擴(kuò)大，在越來越多患者有機(jī)會(huì)接受高水平診療的同時(shí)，管理上的問題也愈發(fā)凸顯，從而阻礙了AI在醫(yī)療領(lǐng)域的進(jìn)一步應(yīng)用和發(fā)展。鑒于此，本文具體針對(duì)因AI在醫(yī)療領(lǐng)域應(yīng)用而凸顯出來的交接問題進(jìn)行了分析和探討。強(qiáng)調(diào)醫(yī)療管理者在AI應(yīng)用時(shí)，應(yīng)重視交接流程的標(biāo)準(zhǔn)化和溝通的有效性。同時(shí)，也對(duì)AI在眼科醫(yī)療、乃至在所有醫(yī)療領(lǐng)域中的應(yīng)用進(jìn)行了展望。

1 AI 的應(yīng)用現(xiàn)狀

A I 是一個(gè)快速增長(zhǎng)的行業(yè)，市場(chǎng)情報(bào)公司Tractica的數(shù)據(jù)顯示，2018年醫(yī)療AI技術(shù)領(lǐng)域的投入為21億美元，預(yù)計(jì)到2025年這一數(shù)據(jù)將超過340億美元[4]。在很短的時(shí)間內(nèi)，中國(guó)已經(jīng)成為AI技術(shù)的先行者，引領(lǐng)了從語音識(shí)別到癌癥診斷等多項(xiàng)應(yīng)用技術(shù)的發(fā)展。這些成就離不開政府大力的支持、企業(yè)高額的研發(fā)投入以及龐大的市場(chǎng)需求[5]。

AI在醫(yī)療服務(wù)中的應(yīng)用可以分為兩大類：虛擬和物理的應(yīng)用[6-7]。虛擬應(yīng)用中的解決方案通常基于云，并使用機(jī)器學(xué)習(xí)(machine learning，ML)算法。它們具有診斷和篩查能力，它們可以部署在一定規(guī)模的醫(yī)院，幫助醫(yī)生篩查、診斷或治療患者，也可以部署在可能沒有高級(jí)別專家的地區(qū)(如農(nóng)村診所或社區(qū)醫(yī)院)[8]。例如，AI系統(tǒng)“CCCr uiser”，它能夠診斷先天性白內(nèi)障，并提供合理的治療方案[9]。物理應(yīng)用中的AI方案可以被理解為醫(yī)學(xué)機(jī)器人，比如達(dá)芬奇系統(tǒng)“DaVinci System”，這類機(jī)器人協(xié)助外科醫(yī)生進(jìn)行復(fù)雜的手術(shù)，而其他類型的機(jī)器人則可用于更簡(jiǎn)單的任務(wù)，比如應(yīng)用在掛號(hào)、導(dǎo)診、送藥等場(chǎng)境。在實(shí)踐中，醫(yī)療機(jī)器人已被證明可以影響醫(yī)生對(duì)診療方案的選擇。

雖然AI正在快速發(fā)展，并逐漸在醫(yī)療領(lǐng)域應(yīng)用，但它的應(yīng)用對(duì)于醫(yī)療管理人員的影響如何，其未來發(fā)展方向如何，仍然有待探索。關(guān)注眼科AI的原因有以下三方面：第一，中國(guó)的眼科醫(yī)生嚴(yán)重短缺，數(shù)據(jù)表明，每百萬人只有26名眼科醫(yī)生[10]，這意味著使用新的技術(shù)解決眼科醫(yī)生數(shù)量嚴(yán)重短缺的問題是迫切需求的；第二，眼科疾病相較于其他疾病，如果能做到早發(fā)現(xiàn)，會(huì)更容易預(yù)防和治療，所造成的經(jīng)濟(jì)損失和治療成本也可以被有效控制，而據(jù)中國(guó)國(guó)家衛(wèi)健委的數(shù)據(jù)顯示，超過50%的人沒有接受常規(guī)的眼科檢查，超過90%的人發(fā)病后才進(jìn)行治療，對(duì)于這些眼科疾病是可以進(jìn)行早期干預(yù)的；第三，在醫(yī)學(xué)領(lǐng)域，AI在眼科的應(yīng)用已經(jīng)積累了一定的成果，未來的應(yīng)用前景會(huì)更加多樣化[11-12]。同時(shí)，本文著重關(guān)注AI在交接環(huán)節(jié)的應(yīng)用挑戰(zhàn)是因?yàn)锳I在醫(yī)療管理領(lǐng)域應(yīng)用非常廣泛，能夠及時(shí)監(jiān)控社區(qū)群體的公共衛(wèi)生狀況，為患者提供快速便捷的初步診療。在以往醫(yī)療條件不發(fā)達(dá)的階段或地區(qū)，疾病難以被“早發(fā)現(xiàn)早治療”，因此AI在預(yù)防、初診中的廣泛應(yīng)用，大幅增加了潛在患者的就醫(yī)需求，患者從AI初診到醫(yī)療機(jī)構(gòu)復(fù)診的平穩(wěn)交接便成為了醫(yī)療管理日益凸顯的問題。

2 常規(guī)交接

醫(yī)療管理過程中的交接指把患者從一個(gè)衛(wèi)生專業(yè)人員轉(zhuǎn)交到另一個(gè)衛(wèi)生專業(yè)人員的切換。在醫(yī)療管理中，研究者主要關(guān)注這些移交工作對(duì)患者安全和治療質(zhì)量的影響。常規(guī)交接的一個(gè)具體例子是：患者在住院時(shí)主治醫(yī)生的每日值班輪換，在此期間醫(yī)生如何交換患者的信息，包括身份、過去的事件、當(dāng)前的問題以及未來的診療計(jì)劃[13-14]。交接是醫(yī)療管理研究領(lǐng)域的一項(xiàng)具有重要意義的話題。雖然研究[15]表明一些與交接有關(guān)的醫(yī)療培訓(xùn)項(xiàng)目可以顯著減少醫(yī)療事故的發(fā)生，但我國(guó)的大部分衛(wèi)生專業(yè)人員僅接受了最低限度的培訓(xùn)。

3 AI 應(yīng)用在交接過程中的挑戰(zhàn)

A I 的應(yīng)用，尤其是能夠進(jìn)行遠(yuǎn)程診療的A I應(yīng)用，可能會(huì)導(dǎo)致從基層醫(yī)療機(jī)構(gòu)交接到上級(jí)醫(yī)院的患者數(shù)量激增，這使得交接過程變得尤為重要。傳統(tǒng)的遠(yuǎn)程醫(yī)療服務(wù)增加了患者獲得較高水平醫(yī)療服務(wù)的機(jī)會(huì)，通過采取早期的干預(yù)措施，改善治療效果。隨著AI在醫(yī)療領(lǐng)域的普及，有更多的患者獲得初診的機(jī)會(huì)，此舉將使接受篩查和轉(zhuǎn)診的患者數(shù)量成倍增加，患者的交接成為了一個(gè)不可或缺且至關(guān)重要的環(huán)節(jié)。例如，使用虛擬AI對(duì)患者進(jìn)行青光眼早期檢測(cè)，意味著患者可以在病情惡化之前轉(zhuǎn)到大型醫(yī)院或?qū)？七M(jìn)行預(yù)防性治療。從患者角度來看，潛在的疾病風(fēng)險(xiǎn)被及時(shí)發(fā)現(xiàn)，AI的應(yīng)用使他們獲得正規(guī)醫(yī)療服務(wù)的可能性增大，而從醫(yī)院管理角度看，這些帶有初期病灶的患者被發(fā)現(xiàn)后，醫(yī)院就診人數(shù)會(huì)隨之增加，平順的交接成為保證醫(yī)療質(zhì)量的重要工作。

患者從AI系統(tǒng)初診到醫(yī)院就診，這種人機(jī)交接的過程會(huì)出現(xiàn)兩個(gè)嚴(yán)重的挑戰(zhàn)，這兩個(gè)挑戰(zhàn)在一定程度上增加了醫(yī)生治療的不確定性，也可能使患者的健康和安全無法得到保障。

第一個(gè)挑戰(zhàn)，與交接的溝通流程有關(guān)。當(dāng)AI接管衛(wèi)生專業(yè)人員的角色和任務(wù)時(shí)，或衛(wèi)生專業(yè)人員從AI處接收患者時(shí)，這種“人機(jī)交接”模式獲取和生成有效信息的方式與常規(guī)的“人人交接”模式所采取的語言文字溝通方式有所不同。在有效的交接中，溝通是一種雙方信息交換，而不僅僅是單向的信息傳遞。并且以往診療交接過程中信息傳遞方式是通過計(jì)算機(jī)書寫 和閱讀診療報(bào)告，然而由于醫(yī)療人員的專業(yè)背景、個(gè)人經(jīng)歷、用詞習(xí)慣等不一，導(dǎo)致診療報(bào)告出現(xiàn)以下兩點(diǎn)問題，其一是用語不統(tǒng)一，診療報(bào)告呈現(xiàn)出個(gè)人特點(diǎn)；其二是計(jì)算機(jī)檢索查詢文本數(shù)據(jù)時(shí)，由于缺少上下文情景限制，容易出現(xiàn)統(tǒng)計(jì)錯(cuò) 誤情況[16]。為了確保AI和衛(wèi)生專業(yè)人員溝通的有效性，需要自然語言處理(natural language processing，NLP)技術(shù)的支持。這是因?yàn)镹LP在醫(yī)學(xué)領(lǐng)域最早的應(yīng)用方向是醫(yī)學(xué)數(shù)據(jù)和文本處理。如一體化醫(yī)學(xué)語言系統(tǒng)(Unified Medical Language System，UMLS)和人類與獸類醫(yī)學(xué)系統(tǒng)術(shù)語(Systematized Nomenclature of Medicine，SNOMED)，還有MedLEE、MetaMap、cTAKES、MedEx、KnowledgeMap等多種多樣的數(shù)據(jù)庫(kù)[16]，雖然這些庫(kù)能夠一定程度上的幫助NPL在交接環(huán)節(jié)中溝通的有效性，但是種類繁多的數(shù)據(jù)庫(kù)的選取、注入和識(shí)別增加了NPL技術(shù)本身的復(fù)雜性和交接工作的復(fù)雜性。這種復(fù)雜性一定程度上限制了AI在交接環(huán)節(jié)的應(yīng)用。

第二個(gè)挑戰(zhàn)，與交接的標(biāo)準(zhǔn)化有關(guān)。與交接相關(guān)的培訓(xùn)通常是為了將溝通流程標(biāo)準(zhǔn)化，從而保證交接的有效性。然而，交接是一個(gè)復(fù)雜的環(huán)節(jié)，關(guān)乎到醫(yī)療質(zhì)量和患者健康[17]，在這個(gè)過程中，常規(guī)的交接通常包括口頭和書面的溝通，交接內(nèi)容需要根據(jù)交接雙方的具體工作進(jìn)行精心地調(diào)整，這種方式比較靈活，適應(yīng)性較強(qiáng)[18]。然而這種特性，對(duì)于AI在醫(yī)療領(lǐng)域的應(yīng)用，卻是一個(gè)獨(dú)特的挑戰(zhàn)。例如，當(dāng)患者從AI診療處轉(zhuǎn)移到一家醫(yī)院時(shí)，每家醫(yī)院都有自己的交接協(xié)議和規(guī)則，他們的交接標(biāo)準(zhǔn)流程也可能互不相同，若AI采用僵化、固定的流程完成交接工作，很可能會(huì)導(dǎo)致通信中斷，交接失敗。這意味著，醫(yī)療服務(wù)管理要統(tǒng)一各種交接標(biāo)準(zhǔn)，實(shí)施標(biāo)準(zhǔn)化的交接方案。目前，這項(xiàng)工作是國(guó)內(nèi)外專家學(xué)者們共同面臨并研究的問題，林浩添等提出了一個(gè)可行的思路，即形成一個(gè)有效的可共享的數(shù)據(jù)庫(kù)；其思路是，許多單位都掌握一定的數(shù)據(jù)，但這些數(shù)據(jù)并不可以直接使用，還需要通過多方協(xié)作花費(fèi)精力收集更多數(shù)據(jù)，并根據(jù)一定的技術(shù)手段將其標(biāo)準(zhǔn)化，最終形成一個(gè)完整有效且可共享的數(shù)據(jù)庫(kù)，以推動(dòng)解決AI交接的標(biāo)準(zhǔn)化問題[19]。

4 討論與展望

AI的應(yīng)用能夠極大地緩解醫(yī)療資源短缺的問題。然而，這并非沒有新的困難，在實(shí)施交接過程中，為了減輕AI應(yīng)用所帶來的問題且要確保醫(yī)療質(zhì)量，需要仔細(xì)規(guī)劃交接流程。在傳統(tǒng)醫(yī)療服務(wù)情境中，標(biāo)準(zhǔn)化和有效溝通是有效交接的兩個(gè)重要保證。在引入AI的情境中，這兩個(gè)原則也是同樣重要的。特別是，交接計(jì)劃必須同時(shí)考慮虛擬性和物理性AI的技術(shù)特點(diǎn)，如何將二者聯(lián)合起來以便共同解決溝通流程和標(biāo)準(zhǔn)化問題，需要更多的領(lǐng)域研究者、醫(yī)務(wù)管理者、醫(yī)生、企業(yè)等多方的努力。

此外，相比之下A I 在眼科醫(yī)療領(lǐng)域具有更好的發(fā)展空間和態(tài)勢(shì)。我國(guó)現(xiàn)有的眼科醫(yī)療資源分布不均衡，服務(wù)機(jī)構(gòu)數(shù)量呈現(xiàn)出“地區(qū)集中，全國(guó)分散”的形 態(tài)，服務(wù)質(zhì)量呈現(xiàn)出“集中地區(qū)診療質(zhì)量高，分散地區(qū)診療質(zhì)量低”的情形。AI在眼科醫(yī)療的引入、應(yīng)用和發(fā)展，能夠有效緩解我國(guó)眼科醫(yī)療資源分布所面臨的困境。原因有三點(diǎn)：其一，AI具有超于人類的記憶存儲(chǔ)量，快速記憶能力，配合ML的技術(shù)手段，使得AI具有較高水平的診療能力。例如，中山大學(xué)中山眼科中心林曉峰指出，“AI眼科醫(yī)生”診療決策準(zhǔn)確率超過90%，診斷技能已達(dá)“專家級(jí)眼科醫(yī)師”水平[20]；其二，眼科手術(shù)對(duì)醫(yī)生的操作精細(xì)度要求極高，例如玻璃體切割、角膜移植和視網(wǎng)膜手術(shù)均呈現(xiàn)操作空間小，精細(xì)度要求高的特點(diǎn)[21]。AI手術(shù)機(jī)器人在微力感知、精密運(yùn)動(dòng)與控制等技術(shù)的加持下，能夠極大可能地克服人類生理顫抖，緩解醫(yī)生手術(shù)疲勞，提高眼科手術(shù)的成功率；其三，基于目前的科技水平，AI的制造過程遠(yuǎn)比培養(yǎng)一名優(yōu)秀眼科醫(yī)生的過程耗時(shí)短、費(fèi)用低，能夠快速布局到各個(gè)級(jí)別的醫(yī)療機(jī)構(gòu)。具有診療能力的AI系統(tǒng)一方面能夠快速填補(bǔ)基層醫(yī)療機(jī)構(gòu)眼科醫(yī)生的短缺，另一方面其多樣化應(yīng)用還能夠優(yōu)化大型醫(yī)院的就診流程，減少患者排隊(duì)、預(yù)約、就診的等待時(shí)間，并配合專家進(jìn)行快速診療。此舉為建立合理分級(jí)診療模式提供了重要的技術(shù)保障，使得“基層首診、雙向轉(zhuǎn)診、急慢分治、上下聯(lián)動(dòng)”就醫(yī)模式變?yōu)榭赡埽罱K推動(dòng)形成“小病在基層小型醫(yī)院，大病到城市大型醫(yī)院、康復(fù)回社區(qū)醫(yī)療服務(wù)機(jī)構(gòu)”合理就醫(yī)格局。AI的醫(yī)療應(yīng)用能夠推進(jìn)醫(yī)藥衛(wèi)生體制改革，緩解看病難、看病貴的問題。

最后，雖然A I 在眼科醫(yī)療甚至整個(gè)醫(yī)療服務(wù)領(lǐng)域的應(yīng)用中都擁有諸多優(yōu)勢(shì)，但醫(yī)療管理者仍然不能盲目地應(yīng)用。法律監(jiān)管、倫理道德、患者隱私等問題仍然需要給予足夠的重視。AI可以快速存取患者數(shù)據(jù)信息，并給出有價(jià)值的診斷結(jié)果，但對(duì)于診療過程背后的藥理學(xué)、病理學(xué)知識(shí)并沒有深刻的認(rèn)知。因此，在可預(yù)見的未來里，人類醫(yī)生仍將是為患者診病的主力。成熟、合理地應(yīng)用AI技術(shù)，會(huì)使診療的過程更準(zhǔn)確、高效。

總而言之，AI的應(yīng)用能夠在緩解地區(qū)醫(yī)療資源不均，提升基層醫(yī)生水平，緩解“看病難、看病貴”現(xiàn)象，促進(jìn)分級(jí)診療格局的形成，以至推進(jìn)我國(guó)醫(yī)療衛(wèi)生體制改革等方面都發(fā)揮出積極的作用。