人工智慧驱动了数位医疗

时间:2020-06-16

人工智慧驅動了數位醫療

人工智慧 (AI) 最近在许多领域中都已超越人类的表现,也为医疗保健带来希望,AI也许会比现代医学更能预防、侦测、诊断和治疗疾病,有研究预测在2053年AI执行手术的能力将会胜过人类。虽然很多人担心AI会取代人类的工作,或破坏医病关係,但只要拥抱数位医疗并互助共存,相信AI可以帮我们减少重複性质高的工作,并运用人类的特质来关怀病患、针对不同病患规画适合的疗程,守护健康,让医生在有限的时间中发挥最大的功用。

深度学习不同以往的是,无须人类输入规则,即可自行分析资料,开发出複杂的计算功能,找出资料的特徵进行预测,但也因此导致大众无法信任,尤其是当运用AI于医疗保健时。无论如何,在解析这个黑盒子前,在AI的帮助下,的确可减轻医生的工作量,如:自动化电子病例的AI系统,确实提升了医疗体验,虽然此类的技术尚需更多的临床验证,但在此先分享其中几个运用AI的指标性研究:

皮肤癌检测

人工智慧驱动了数位医疗

图1:显微镜下的黑色素瘤 (图片来源:wiki)

皮肤癌是最常见的癌症,在美国每年约有540万的新病例与一万多人死亡,由于皮肤癌大多可早期发现,若无提早发现将会提高致命率。然而,检测皮肤并确诊是否罹癌是一项非常困难且耗时的工作,需要皮肤科医生才能执行,但人力长期短缺,让检测变得更加困难。

2017年Esteva等人打造了一个卷积类神经网路 (Convolutional Neural Network) 来区分皮肤的良性与恶性肿瘤,其性能可和一群美国皮肤科医生相媲美。用以训练模型的资料是数千张来自于医师团队所策画的开放资料集,以及史丹佛医院所提供的皮肤病理影像,而测试资料是使用具病理证实的黑色素瘤影像,并将结果与21位皮肤科医生的诊断比较。经测试评估后,其表现相当出色,分别在敏感度和特异度得到了0.91和0.96的结果 (注1)。

此研究的表现为实践数位医疗于皮肤诊断带来很大的希望,未来可协助医生诊断,并深入到缺乏医疗资源的区域,提升医疗服务。虽然现仅在实验阶段,但相信在不久的将来会被实作于移动装置或临床检验设施中,有了这样的技术,可大幅降低医生临床检验皮肤癌的时间,皮肤科医生将会专注在病人的治疗上,建立更紧密的医病关係。

糖尿病视网膜病变

人工智慧驱动了数位医疗

图2:糖尿病视网膜病变的眼底摄影影像 (图片来源:wiki)

高达三千万的美国人患有糖尿病,另外还有几千万人患有糖尿病前期,如何有效控制糖尿病成长的趋势是相当重要的,其中28.5% 的美国糖尿病患者患有糖尿病视网膜病变,甚至导致失明,使得眼睛护理更加重要。糖尿病患者一年需进行1-2次的眼底摄影检查,依视网膜病变的程度,定期追蹤,而目前是由医生进行眼底检查并诊断。

2016年Gulshan等人开发了一个深度类神经网路 (Deep Neural Network) 来评估糖尿病视网膜病变的眼底影像,採用经54位美国眼科医生和一群资深的眼科住院医生评估的128, 175 张眼底影像作为模型的训练资料,并在另两组资料上作测试─分别有9963 和1748张影像,经评估后模型的成果高达0.97-0.99 (注1) 。

透过这项技术,在未来也能提升视网膜病变筛检的速度和準确性,并让此项筛检转变为即时检测 (point-of-care,注2) ,同时提高早期发现和治疗的机率,但此实验尚未作临床测试,也无法判读出其他可能出现的病灶,如:黄斑部病变等。这类研究能让医生更着重于其他眼部治疗和诊断,并致力于照护糖尿病患的眼部健康。

服药遵从性

考量到医疗保健的成本上涨,服药遵从性成为一个重要的医疗问题,因不佳的服药遵从性而导致死亡的人数每年高达125, 000人,带来了千亿美元的医疗费用,有研究指出,在开立的处方籤中,约有一半的病患未按指示服药,也有20%-30%未配合领药。

2017年Labovitz等人使用智慧型手机部署AI平台来评估病患在口服抗凝血剂的服药遵从性,他们应用电脑视觉类神经网路 (Neural Network) 于智慧型手机的相机镜头,来识别患者并确认是否服用药物,将此实验组与对照组作比较,比较的指标为药片数和血液採样。经12周在28位病患的实验后,发现使用智慧型手机监控的患者服药遵从性将近100%,相较于对照组仅有50%。

此外,Bain等人在同年也执行了类似的研究于一种精神分裂症治疗药物的服药遵从性,在24周的实验后,结果显示AI组的遵从性比直接观察的对象高出17.9%,并发现AI平台能更快发现并预测未遵守服药的情况。从这两个研究,可想像未来人工智慧能广泛地被应用在评估各种药物的服药遵从性,突破目前研究服药遵从性影响因素的瓶颈。

从上述应用AI于医疗保健的数位医疗研究中,可以发现在实践前仍有许多因素需考量,在此归纳出几点建议,让我们在迈向数位医疗时代前能谨记于心:

    病患照护为首要目标。
    数位医疗主要是希望提升照护的品质,因此在发展技术的同时,别忘了将重点摆在「人」,深入了解患者情况并拉近医病关係。迎接医疗型态的改变。
    别担心AI会取代人类的工作,我们应该要和新技术相互合作,透过数位医疗会降低临床检验的时间,增强医疗体验。最后尤其是要给医生一个忠告:记得投资自己的人际关係能力与技巧。
    在迎接数位医疗时代的来临前,记得要检视自己在这方面的缺点,重新培养软实力,以深入理解、获得病患的信任,对患者提出更好的医疗建议。

    随着重複性质高的工作逐渐被自动化后,人类能更专注于只有我们能执行的任务:建立关係、运用同理心,并利用人的判断来给予指导和建议,也许AI会将医疗保健变得更佳人性化!

    编译来源:Alexander L. Fogel & Joseph C. Kvedar. Artificial intelligence powers digital medicine. Nature

    注解:

    注[1] :评估模型的性能标準为AUC (Area Under Curve)。
    注[2] :即时检测 (point-of-care) 为可在医院以外的各个地方进行检测,可减少往返医院和人事检测的时间成本。


    参考文献

      [1] Esteva, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 542, 115–118 (2017).[2] Gulshan, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA 316, 2402–2410 (2016).[3] Labovitz, D. L., Shafner, L., Reyes Gil, M., Virmani, D. & Hanina, A. Using artificial intelligence to reduce the risk of nonadherence in patients on anticoagulation therapy. Stroke 48, 1416–1419 (2017).标题图片来源:Brother UK
      http://www.brother.co.uk/business-solutions/healthcare/future-of-hospital-technology https://www.flickr.com/photos/brother-uk/31501281374/in/album-72157677501372361/

相关推荐