前沿丨人工智能在大健康领域的应用展望

以上对未来大健康领域的设想涵盖了个人健康管理、辅助诊断和治疗、。

随着深度神经网络技术在人脸识别等图像识别方面取得了突破，最近几年掀起了人工智能技术的第三次热潮。自然也延伸到了大健康领域，尤其是带来了医疗影像技术的突飞猛进。展望未来，人工智能不会局限于医疗影像相关的技术科室，而是会对整个大健康领域带来深远的影响，本文重点从医生、患者和医疗卫生相关机构三个方面浅析人工智能的应用前景。

20世纪70年代就开始出现人工智能辅助医生进行诊断的医学专家系统相关研究，四十多年来出现过各种医学专家系统，但尚无产品得到临床广泛应用，即便像IBM沃森也只是在肿瘤癌症等疾病诊断中进行演示性应用；科大讯飞“智医助理”机器人因其以超过合格线96分的成绩通过国家执业医师资格考试综合笔试评测，成为全国第一个通过国家执业医师资格考试的人工智能机器人，目前也仅仅在做一些试点应用。由此可见，人工智能辅助诊断一类的综合性应用研究起步很早，却至今没有得到普及应用。究其原因，笔者认为是技术与医疗场景的最后一公里没有打通，从技术研究的角度看医学专家系统早就远远超过普通医生的医学知识水平，而医学诊断过程中医患对话本身是按照医生的诊断思路采集患者病情，一般来说医生根据患者主诉能够有意识地采集病情，那么医生就能和专家系统一样做出合理的诊断，反之医生采集病情不够准确，专家系统也就无法获得正确的输入，自然无法做出合理的诊断。这最后一公里无法逾越，再强大的人工智能对医生来说也毫无用武之地。为了打通这最后一公里，笔者参与的一项发明专利“基于关联症状推导的病情采集方法”，即是基于诊断学的原理像医生一样根据患者主诉快速、有效、准确地采集病情，用技术手段模拟了医生的主观诊断过程。相信随着业界对该专利成果的重视，将会为人工智能辅助诊断的普及应用扫清最后一公里的障碍。

除了前述人工智能辅助诊断综合性应用外，人工智能辅助医生进行诊断和治疗的一些关键点上的应用研究不断取得突破，尤其在医学影像方面，比如食管癌、肺癌、糖网病变、乳腺癌、结直肠癌、宫颈癌的医学影像筛查识别的准确率都已超过了医学专家水平。随着更多关键点上的突破，人工智能辅助诊断综合性应用的智能化程度也会越来越高。

随着各种生命体征传感器技术的不断发展，家用医疗设备及可穿戴电子设备产品不断涌现出来，提供了采集多种人体健康数据的便捷方式，为人工智能在健康评估和健康管理上的应用打开了想象的空间。

不过目前市场上应用广泛的还是计步器和电子秤等这类运动减肥方面应用，另外还有一些慢病管理用的家用医疗设备如电子血压计、体温计等，目前的多数家用医疗设备都是单一采集功能的设备，而且需要用户主动使用来采集数据，大多都没有完成数据云端同步，部分产品已经能够做到蓝牙与手机同步数据，甚至进一步通过手机完成数据云端同步，做一些简单的统计分析，能够长期跟踪分析并利用人工智能技术进行健康评估和健康管理的系统已经开始出现但还没有出现爆品促进市场普及。

如此市场现状究其原因，笔者认为有两方面的因素：

一是客观的市场需求因素，当前互联网和移动互联网的原住民以80后、90后和00后为主，健康问题还不是刚需。笔者调研分析过移动应用和微信公众号排名前100的产品，产品类别集中在吃喝玩乐和衣食住行，大健康类的产品仅有与运动相关的极少数产品拥有较大的用户群，这与前述网民的年龄结构相对应。值得一提的是随着80后逐渐步入中年，大健康类的移动应用用户数在快速增长。

二是目前有网络接入功能的家用医疗设备研发起步较晚，移动互联网普及时间较短，而物联网IoT技术市场应用在国内才刚刚开始，造成家用医疗设备的研发厂商没有充分的时间探索产品形态，只是在原有的传统医疗设备上扩展一点网络接入功能，使用方式上都还需要用户主动使用，以致还没有出现突破性的产品做到系统主动智能采集多种健康数据并基于人工智能技术进行健康评估和健康管理。笔者认为其中的关键的创新点是找到合适的应用场景进行有效的数据采集。据笔者了解目前运动可穿戴电子产品在心率监测上难以取得突破，无法做到便携小型，而市面上常见的有健康功能的手环、戒指和手表等产品，核心的健康应用还是在运动计步和睡眠监测，大多医疗类便携式传感器还无法做到在运动中准确有效。因此笔者认为当前阶段将应用场景放在可穿戴电子设备进行实时健康监测的条件尚不成熟，技术成熟度还仅适用于娱乐休闲领域。

为了探索合适的应用场景笔者所在的研究团队进行了深入探讨，认为马桶在每天日常生活中必须使用是刚需，是良好的健康数据采集的应用场景，从而提出了健康马桶的产品构想，在现有智能马桶盖的加热、冲洗和烘干功能基础上，将血压、体重、体温和生物电等传感器集成到马桶盖中，可以做到每天无需用户配合即可采集用户健康数据进行健康评估和健康管理，其中非接触式血压监测和体重测量在智能马桶上的应用已形成相关专利成果。

医疗卫生机构天然积累了大量数据，由于信息孤岛以及对数据价值缺乏认知，以致医疗卫生机构中的实验数据、医疗影像、诊断处方和医保报销等数据大多都是单一用途，这和医院根据患者的主诉进行诊断治疗的逻辑一致，头痛医头脚痛医脚，对症下药有针对性地解决问题的处理方式有其优势，但对于人体这一复杂系统并不总是有效。

基于统计学习的方法比人脑处理高维数据的能力强大的多，因此医疗卫生机构天然积累的数据为人工智能在医疗上的进步提供了良好的基础，尤其在早期疾病筛查和预防方面有着可观的社会效益，试想一个患者因为感冒去医院做检查和治疗，结果人工智能预测该患者十年后冠心病发病风险很高，于是帮助患者进行了生活习惯和饮食习惯上的调整，从而无形中有效规避和消解了各种冠心病发病因素，不止冠心病，其他任何由发病因素长期积累造成的疾病，人工智能都能提前发现蛛丝马迹。这绝不是主观臆断，笔者就专门研究过冠心病患者发病前、发病中的大量血液检查数据，结果使用机器学习能有效预测超过86%的冠心病患者。另外随着全基因测序的成本逐渐下降，人工智能基于基因组数据对一些疾病的预测会更加准确。

人工智能在大健康领域的广泛应用，使人们更加有效地管理身体健康，同时由于早发现早介入，以极低的成本高杠杆化解重大疾病风险，使很多家庭免于因病致贫，同时从整个社会的角度看节约了大量医保资金，从而使医保基金能够有更充裕的资源为社会提供更好的医疗保障。展望未来人工智能在大健康领域的应用将会不断取得突破实现跨越式发展，。（作者系中国科学技术大学软件学院教师、孟想智能CTO兼医学人工智能实验室主任）

配图来自百度图片

推动高校聚焦“新一代人工智能”研究和人才培养

▪医学前沿丨人工智能挑战皮肤科医生 诊断皮肤癌准确率或更高

▪教育信息化丨人工智能如何与教育携手同行

▪观点丨人工智能：新技术的“双刃剑”

▪人工智能与教育丨教师篇：人工智能下的教师职业