人工智能技術在醫學影像診療應用中的倫理審視

摘要：人工智能技術在廣泛應用于醫學影像診斷和治療的同時，也面臨一系列倫理挑戰，包括數據隱私與安全、算法偏見與公平性、責任歸屬與法律問題、患者知情同意的挑戰與應對等。針對這些問題，本文提出制定數據隱私保護政策、建立算法公平性評估機制、明確責任歸屬的法律框架、完善患者知情同意流程、加強倫理審查與監管體系等建議，以確保最大限度地發揮人工智能作用和保護患者權益。

關鍵詞：人工智能技術；醫學倫理；醫學影像

引言

人工智能（artificial intelligence，AI）技術是指信息化技術中編碼的算法具有從數據中學習的能力，這使算法可以執行自動化任務，不必由人類明確地編寫過程中的每一步[1]。AI技術的主旨是通過數字計算機或其所操作的機械，對人類的智慧進行模擬、發展和加固，這包括感知環境、知識的收集，以及使用這些知識達到最佳效果的各種方法、理論、技術和應用框架[2]。AI技術與醫療產業的融合，使得大數據處理和機器學習的算法得到了更為廣泛的利用，提高了服務的效率[3]。但與此同時，AI技術在數據隱私與安全、算法偏見與公平性、責任歸屬與法律問題、患者知情同意的挑戰與應對、監管標準與規范相對滯后等方面都面臨一系列挑戰。

1. 人工智能技術概述

AI技術是以AI為基礎發展而來運用到實踐中的工具。從根本上來講，AI技術是計算機科學領域中一個非常重要的分支，試圖通過了解智能的實質，創造出一類全新且能夠以一種與人類智能相似的方式作出反饋的智能機器，整個過程有語言識別、機器人、專家系統等的支持，可以為社會各領域的發展賦能[4]。AI技術使用廣泛，其所涉及的關鍵技術包括如下要點：（1）知識的表示和獲取技巧，這構成了AI實踐的根本，該技術的內容是如何在計算機中進行知識的描述，使得機器能夠正確理解和操作；（2）知識表達與推斷技術，這項技術使得AI可以根據目前已掌握的知識進行邏輯分析和處理難題；（3）關于模式的辨識及機器學習，這項技術允許計算機從數據集中獲取模式并進行識別。

2. 人工智能技術在醫學影像診療中的應用

在醫學圖像分析領域，AI技術的核心使用主要集中在6個方面：（1）對于影像的準確鑒別和分析，利用精湛的技術，可以精準確定醫學圖像中的異常情況；（2）計算機輔助診斷（CAD）技術，CAD系統依靠基于圖像特性的分析來識別X光片中的微鈣化點以及數字胸片中的肺結節，為影像學醫生提供了有價值的CAD信息，幫助其作出準確的診斷決策；（3）在疾病的診斷和預測方面，AI技術能通過學習眾多的醫學圖像數據來預估某種疾病發生的可能性；（4）生成智能影像的報告系統；（5）針對個體患者的治療策略；（6）涉及數據的維護、管理以及解析。在醫療實踐中可以加強醫生工作的高效性與準確性，還有助于大幅降低醫療開銷。

2.1 腫瘤診斷與治療

數字病理學與AI技術的深度融合是一個重要發展方向，其中卷積神經網絡（convolutional neural network，CNN）在圖像分類和提供有效的學習方法中具有巨大潛力。研究者們基于CNN開發了多種模型用于腫瘤分類、腫瘤分割和高危區域分割部分，對于骨腫瘤的診斷治療，區分良惡性的準確率高達91.6%[5]。AI不僅能輔助診斷，還能在精準治療中發揮關鍵作用。據報道，哈佛大學醫學院團隊研發的CHIEF模型不僅能診斷19種癌癥，還能定位腫瘤微環境。阿里巴巴達摩院研發的胰腺癌早期檢測模型PANDA，判斷存在病變的準確率高達92.9%[6]。日本九州大學科研人員研發出一種機器學習模型能夠精確測量出經過治療生存下來的腫瘤細胞的密度，進而能夠較好地對預后進行預測[7]。

2.2 心血管疾病檢測

AI技術可應用于心血管疾病早期篩查中，Zhang運用卷積神經網絡算法，對14035幅超聲心動圖實施訓練，開發出全自動化的超聲心動圖分析系統[8]。這一系統具備識別各種視角的精準度，并能準確地測定左心室舒張末期的容積、左心房的容量以及射擊的血液比例等核心參數。回顧性研究中顯示，在檢測超過2萬例的非心力衰竭患者中，AI技術通過心電圖對心室功能不全的檢測率相比常規方法提高了32%[9]。隨著AI技術逐漸成為研究焦點，越來越多的研究開始利用其算法，以預測心血管手術后的死亡風險、術后所需住院時間、ICU的停留期限。

2.3 神經系統疾病診斷

AI技術具有分析各種生物標志物和成像數據的能力，這有助于對神經系統的病癥進行早期的診斷。范向民團隊研發出一種多模態神經系統疾病智能輔助診斷系統，在診斷帕金森病、阿爾茨海默病等神經系統疾病中，一個測試僅需3分鐘，將臨床效率提高到90%以上[10]。Mohammed構建了一個以卷積神經網絡（CNN）為基礎的模型框架，該模型利用2723例單光子發射計算機斷層成像（SPECT）圖像數據，將帕金森病（PD）患者與對照組區別開來[11]。基于這一發現，我們推測，運用CNN的深度學習方法可能引領中樞神經系統退行性疾病診斷與管理模式的革新。

3. 人工智能技術在醫學影像診療中的倫理問題

我國AI技術在醫療方面雖然起步較晚，但發展速度相當快，臨床應用中大大提高了醫療質量和準確性，但這也帶來了AI技術在臨床應用中常見的問題和與醫療相關的倫理議題。

3.1 數據隱私與安全

醫學影像包含患者的敏感信息，因此數據隱私泄露和濫用風險不容忽視[12]。在使用AI技術進行數據分析時，如何確保患者信息的隱私安全成為一大挑戰。在醫療保健領域，員工、醫院或軟件公司將數據出售給第三方，導致患者隱私泄露。在最為嚴重的場合，當數據被黑客侵入或影響計算機系統以獲取或損害公共衛生部門的安全設施時，情況則更為嚴峻。因此，為了保護個人隱私，必須進行數據加密、確保匿名性，并嚴格按照相關的法律條文行事[13]。

3.2 算法偏見與公平性

AI技術高度依賴其數據的質量和多樣性。理想的數據需要客觀、真實反映臨床實踐，在一些用于疾病診斷的醫學影像AI模型中，如果訓練數據集中年輕患者的影像數據較多，老年患者的數據相對較少，就可能導致該模型在對老年患者的疾病診斷中準確性降低，性別因素、地區因素都有此種情況[14]。因而，保障訓練數據的完整性與獨特性，對于防止算法產生歧視是至關重要的。

3.3 責任歸屬與法律問題

法律責任的本質是答責，不具有可解釋性的AI技術不能自我答責，因此，其無法承擔法律責任[15]，但在AI技術被卷入診斷決策導致的誤診或其他狀況中時，責任應該落在哪些人身上？關于這個問題，目前還沒有一個統一的解答，但有幾個關鍵因素與此有關。（1）開發者必須為AI技術因其設計瑕疵或編程不當引起的錯誤而承受法律后果。（2）由醫生或醫療機構成員承擔最終醫療保健決策的責任。盡管AI技術提供了若干意見，但決策權仍然完全由醫生所控制。（3）如果醫療單位在購置或者操作AI技術時沒有遵守相關的法律規定，那么應該對此種行為追究法律責任。

3.4 患者知情同意的挑戰與應對

AI技術是基于深度學習的模型，其內部工作原理對于普通患者甚至是部分醫生而言都是難以理解的。這種不透明性增加了患者對AI技術診斷結果的信任難度，尤其是缺乏詳細解釋[16]。因此，在采用AI輔助治療前，是否需要得到患者同意，以及患者是否有權力決定不使用AI技術輔助的醫療服務，這些都是核心問題，需要相關政策加以規定。

3.5 監管標準與規范相對滯后

AI技術發展迅速，新的醫學影像深度學習模型不斷涌現，但與之相適應的監管標準和規范卻相對滯后，技術應用容易出現“真空地帶”，同時，由于醫學影像領域的應用場景不不斷由院內向院外延伸擴展，在缺乏充分監管的情況下進入市場，可能產生潛在的倫理風險。

4. 人工智能技術在醫學影像診療中的倫理規范建議

4.1 制定數據隱私保護政策

在醫學影像診療中應用AI技術時制定數據隱私保護政策是極為關鍵的。以下是制定該政策的一些建議：（1）堅持精確收集，只收集完成醫療任務所需的最少數據，不應過度收集不必要的數據，以減少數據泄露的風險。（2）數據存儲需要使用先進的加密技術對機密數據加密，并確保存儲期間不被盜取。（3）明確授權，如果數據必須與其他機構或第三方共享，則必須明確界定授權范圍，以確保數據只能用于授權的目的。上述隱私政策的嚴格制定和實施，可以確保AI技術在醫療圖像診斷和治療中的應用符合道德要求，從而充分保護患者數據的隱私和安全。

4.2 建立算法公平性評估機制

在醫學的放射學診療背景下，利用AI技術以確保算法公平運行變得尤其關鍵。這一點與消除算法決策中的偏頗息息相關。以IBM推出的AI Fairness 360和Google推出的What-If工具集為例[17]，這兩套工具都具有助力開發者更好地識別算法偏差并減少偏見的特性，以提升算法的公正性。應當建立一套包括公平性標準、算法透明度、多學科協作和持續監測評估在內的有效算法公平性評估機制，來確保各環節的公平。

4.3 明確責任歸屬的法律框架

在醫療領域，AI技術的法律定位是作為醫生的實用工具，還是具有某個核心身份？假如AI技術被當作一個手段，那么其行為上的責任往往會歸于操作該技術的醫生或相關醫療組織；當認為AI技術處于某種主體位置時，就有必要對其權益和責任進行更為明確的界定[18]。因此，提議建立一種賠償制度，如優化或加強現行的保險條款，以確保針對AI醫療設備可能造成的損傷的患者可獲得充分的賠償支持。

4.4 完善患者知情同意流程

在醫學影像領域中引入AI技術診療時，創建一套完整且明確的患者知情與同意程序尤為關鍵，因為這直接關聯到患者的權益保障。醫院必須加深病患對AI技術的了解，醫生必須明確AI技術在關鍵決策過程中的角色，以及病患如何與醫生緊密合作，為患者提供治療或疾病的建議，這樣病人才能確切地知道在產生困惑的時候，他們有權選擇與醫生或醫療團隊最有效的互動方式。

4.5 加強倫理審查與監管體系

建議成立一個專門的道德審計委員會來對擬議的AI技術進行全面的道德審查，并且確保其設計、開發、測試和使用符合道德標準。國家應建立健全的信息披露機制，邀請相關人員立即向社會分享涉及重要倫理問題的AI技術應用信息，還應繼續鼓勵社會各方參與AI技術的倫理管理，形成合力，提高公眾對AI技術相關倫理問題的認識，促進其參與倫理審查和監管過程。

上述策略不只是為了推進AI技術在醫學影像學領域的倫理審查和規范，還能夠推進醫療技術的進一步發展，確保不侵害病患權益，并有助于實現社會的公平公正。同時，通過創建以“人”為中心的道德評估和相應的管理措施，能夠確保AI技術在醫療界中的應用獲得更為深入與全面的推動。

結語

AI技術在醫學影像診療領域的應用帶來了前所未有的機遇，極大地提升了醫療服務的質量和效率。然而，隨之而來的倫理挑戰也不容忽視，相應問題需要被高度關注并采取有效措施加以解決。為確保這一先進技術能健康、可持續地發展，社會各界需要共同努力，最大程度發揮其在醫療領域的積極作用，同時避免潛在的風險和倫理問題，最終實現技術進步與倫理道德的和諧共生。

在不斷探索和實踐的過程中，隨著相關技術和政策框架的不斷完善，AI技術將在保障患者權益、促進醫療公平性和提高整體醫療水平等方面發揮更加重要的作用。

參考文獻：

[1]王濤，宋海波，王青，等.WHO《衛生健康領域人工智能倫理與治理》指南簡述與啟示[J].中國藥物警戒，2024，21（8）：906-909.

[2]中國電子技術標準化研究院．人工智能標準化白皮書（2018）[EB/OL].（2018-01-24）[2024-11-20].http：//www.cesi.cn/201801/3545.html.

[3]王肖，李晶，李天然.骨關節醫學影像在人工智能中的研究與應用[J].影像技術，2022，34（4）：76-80.

[4]路致遠，蘇芊予.簡述人工智能技術在先進制造業領域中的發展與應用[J].中國科技縱橫，2023（14）：42-44.

[5]焦辰波，劉璐，劉巍峰.人工智能在骨和軟組織腫瘤影像診斷與治療中的應用[J] .中華腫瘤雜志，2024，46（9）：855-861.

[6]荊曉青.AI如何助力重塑腫瘤診療模式[N].科技日報，2024-10-28（6）.

[7]KAWAGUCHI K，MIYAMA K，ENDO M，et al.Viable tumor cell density after neoadjuvant chemotherapy assessed using deep learning model reflects the prognosis of osteosarcoma[J].npj Precision Oncology，2024，8（1）：16.

[8]高宇晨，敖虎山.人工智能在心血管手術圍術期應用的研究進展[J].心肺血管病雜志，2022，41（11）：1201-1204.

[9]周伊恒，楊梓鈺，呂垚，等.美國心臟協會指南解讀系列——《人工智能在心血管疾病中的應用科學聲明》解讀[J].中國全科醫學，2024，27（35）：4353-4357.

[10]中關村U30.范向民：人工智能上陣 機器看病又快又準[EB/OL].（2024-03-04）[2024-12-18].http：//www.u30.net.cn/index.php？m=contentamp;c=indexamp;a=showamp;catid=45amp;id=431.

[11]Mohammed F，He XJ，Lin YG.An easy-to-use deep-learning model for highly accurate diagnosis of Parkinson's disease using SPECT images[J].Comput Med Imaging Graph，2021，（87）：101810.

[12]葉冠成，陳佳祺，張少輝，等.中醫互聯網醫療發展現狀、問題及應對策略探究[J].中國醫院，2023，27（11）：34-39.

[13]倪炯，王培軍.醫學影像人工智能的現狀與未來[J].中華醫學雜志，2021， 101（7）：455-457.

[14]仝媛媛，鄭婉婷，黃珊蓉，等.健康公平：醫療人工智能中的偏見與治理[J]. 醫學與哲學，2024，45（7）：36-41.

[15]劉艷紅.人工智能的可解釋性與AI的法律責任問題研究[J].法制與社會發展， 2022，28（1）：78-91.

[16]彭運朋，徐毅華.醫療人工智能對知情同意的挑戰與應對[J].醫學與哲學，2023， 44（10）：25-29.

[17]THOMPSON J.Mental Models and Interpretability in AI Fairness Tools and Code Environments[C]//HCI International 2021 - Late Breaking Papers： Multimodality， eXtended Reality， and Artificial Intelligence.23rd HCI International Conference，HCII 2021，Virtual Event，July 24-29，2021，Proceedings.Berlin：Springer，2021：574-585.

[18]劉夢祺.人工智能醫療應用的現實難題及法律對策探析[J].中華醫學雜志，2022， 102（32）：2479-2482.