[[384554]]

人工智能將幫助人類更快、更好地與疾病作斗爭，并過上更健康的生活，降低醫療費用。過去十年中的大量研究表明，深度學習作為人工智能的一個分支，可以將數據模式轉化為預測，并在許多具有挑戰性的任務中成為非常有用的工具，例如診斷不同類型的癌癥，加速藥物開發，提供精確的治療。

但是，將人工智能技術應用于醫療保健領域是一個復雜的過程，它涉及到解決大量問題，而不僅僅是創建能夠將輸入映射到輸出的人工智能模型。

飛利浦公司數據科學與人工智能卓越中心和數字研究部門主管Tina Manoharan對人工智能應用于現實醫療保健應用的機遇、挑戰和前景進行了分析和闡述。她在人工智能研究和開發利用人工智能算法和產品方面具有豐富的經驗。她主要從事受監督的機器學習和AR/VR模擬領域的研究，擁有碩士和博士學位。并在其博士學位期間擔任研究助理。如今，她正領導利用數據科學和人工智能來支持飛利浦集群、業務和市場，創建智能連接設備、服務和解決方案。

醫療保健行業對人工智能的需求

Manoharan認為，醫療保健行業需要一場革命。她說：“醫療系統和醫療服務提供者承受著巨大的壓力，由于發生冠狀病毒疫情，現在承受的壓力比以往任何時候都大，并且正在應對醫療人員短缺、人口老齡化以及與生活方式有關的慢性病等問題。”

與此同時，數字化轉型正在推動健康數據的指數級增長。隨著數字化和互聯互通的普及，組織比以往任何時候都更有能力收集有關個人和人群健康的信息。但是使用這些數據是一個巨大的挑戰。

Manoharan說，“一名臨床醫生告訴我，‘我們有很多數據，但不要負擔過重，我們在決策時需要相關而精確的信息。’人工智能提供了前所未有的機會來充分利用所有這些數據，并幫助臨床醫生、醫護人員和患者做出更明智的決策。”

她表示，人工智能使設備、系統、軟件和服務具有場景感知、精確、個性化、預測性和主動性。通過將數據轉化為針對精準健康的切實可行的見解，將在整體上實現精準和個性化的治療和護理。

但是，除了提高醫療保健的準確性之外，人工智能還可以使醫療保健體驗更加人性化。在人工智能的幫助下，醫生將花費更少的時間來研究數據和病歷，并更好地為患者提供醫療服務。

Manoharan說，“人工智能可以幫助臨床醫生擺脫繁瑣的工作，從而使他們能夠專注于自己最擅長的領域，并以更加精確和個性化的方式與患者互動，并有可能隨著時間的推移增加價值。”

雖然圍繞人工智能的許多討論都是關于采用軟件替代人類，但在醫療保健領域，必須將人工智能視為增強因素。

Manoharan說，“臨床醫生每天做出的許多決定都非常復雜，不僅需要人工智能或數據驅動的方法，還需要更多。正是在適當的時候增強的智能和對決策的支持，有助于對有效的患者管理產生影響。以人為本的人工智能開發方法很重要。我認為臨床醫生和人工智能具有獨特的優勢，可以相互補充和增強，而不是相互替代。”

人工智能在醫療保健中的應用

Manoharan參與了飛利浦公司的利用人工智能改進臨床操作的幾項計劃。一個例子是使用人工智能來加速醫學核磁共振成像(MRI)過程。

Manoharan說，“這里的挑戰是核磁共振成像(MRI)具有許多優點(例如無輻射)，但是相對比較耗時：進行一次全面的檢查可能需要一個小時，患者活動的風險會導致圖像質量較差，并導致必須重做檢查。”

進行核磁共振成像(MRI)掃描時，患者通常會感到疼痛。掃描的持續時間和狹窄的空間會給就診體驗帶來更大的壓力。除了給患者帶來不舒服的體驗之外，諸如重復掃描之類的問題還增加了成本，并浪費了醫院核磁共振成像(MRI)工作人員的時間。

在2019年，Facebook 公司的AI Research和紐約大學Langone Health發起了一個名為fastMRI的挑戰競賽活動，旨在利用人工智能提高核磁共振成像(MRI)掃描速度。競爭參與者使用不同的深度學習架構來提高圖像采集能力，減少患者在核磁共振成像(MRI)掃描方面花費的時間。

由飛利浦和萊頓大學醫學中心(LUMC)的團隊開發的一個深度學習模型在比賽中表現最好。深度學習模型成功地將重建高質量核磁共振成像(MRI)圖像的速度提高了8倍。下一步是將這一研究項目和其他研究項目的結果整合到產品中，使之能夠在真正的醫療保健環境中使用。

Manoharan說，“我們現在正在開發一套人工智能應用程序，可以幫助加快核磁共振成像(MRI)檢查的工作流程，從安排患者到創建報告。”

他表示，其中是一個應用程序可以通過使用計算機視覺檢測患者在掃描儀中的呼吸情況來加快核磁共振成像(MRI)檢查設置階段的系統。原來的方法需要每個患者調整姿勢，這一過程可能需要幾分鐘。由人工智能驅動的解決方案稱為VitalEye，它執行非接觸式呼吸檢測，并將檢查時間減少到一分鐘以內。

飛利浦公司還致力于在時間至關重要的重癥監護病房中使用人工智能技術，及時做出正確的決定會對患者的生命健康產生深遠的影響。

Manoharan說，“在這里，挑戰在于發現患者惡化的早期跡象，這時必須在高度動態和充滿壓力的環境中檢查更多患者。”

飛利浦公司正在開發一種解決方案，它使用預測分析來確定在60分鐘內可能需要干預的患者。該解決方案使用機器學習模型來評估患者的風險，這些模型是根據患者住院和門診的歷史數據、醫療記錄和醫療警報系統訓練的。人工智能的輸出提供給醫療專業人員，由他們做出最終決定。這可以使醫療專業人員更快地進行干預并改善患者的治療。

該團隊還考慮將人工智能模型與其他工具和技術相結合，使醫療監護人員能夠利用遠程醫療技術從中央監護位置遠程監控患者，并在為現場的醫護人員提供支持。

Manoharan說，“在發生冠狀病毒疫情之后，希望采用更多的遠程監控工具(例如可穿戴生物傳感器)來跟蹤在家患者的健康狀況。對于患有慢性疾病的患者來說，這可能會有所幫助。還可以使用預測分析來預測哪些患者可能需要額外的護理，并主動與他們聯系。”

將人工智能集成到現有工作流程中

雖然每年都有大量人力和物力投入到醫療領域的人工智能研究中，但將已經開發的技術整合到實際應用中會帶來一些挑戰。

Manoharan說，“人工智能無疑是改善醫療保健領域的巨大機會，因為其功能非常強大。但是要產生這種影響，需要深入地融入臨床工作人員的工作流程或患者的日常生活。”

人工智能系統的工程師和開發人員還必須確保他們的系統能夠順利地融入醫療保健專業人員的工作流程，如果人工智能系統被設計成一個單獨的應用程序，在為臨床應用中增加額外的步驟，那么它就不太可能具有吸引力。

Manoharan說：“我們需要記住，人工智能算法本身并不是一個解決方案，它是一個需要集成到工作流程中的工具。這意味著需要先了解工作流程，然后設計一個考慮到人工智能協作的解決方案。人工智能技術必須在正確的時間以正確的形式為您提供正確的信息。例如，對于放射科醫生來說，如果有一個人工智能解決方案可以幫助其解釋圖像，則不必切換電腦來打開另一個應用程序來運行算法。”

人工智能需要整合的健康數據

運行人工智能系統還必須得到工具的支持，這些工具可以將人工智能系統集成到不同的IT和數據系統中。Manoharan說：“要從人工智能的數據中獲得有意義的見解，互操作性確實是關鍵。”

互操作性和集成挑戰是將人工智能的學術研究與實際應用分開的關鍵因素之一。研究通常圍繞著開發人工智能模型展開，這些模型對精心策劃的健康數據集起作用。然而，現實生活的數據雜亂無章，難以訪問。在許多情況下，缺乏適當的數據基礎設施是將人工智能應用于現有應用程序的主要障礙。

Manoharan說，“當今的醫療保健數據通常很難交換、分析和解釋。如今已經有很多人工智能解決方案，但醫療保健領域供應商環境高度分散，因此需要將不同供應商的創新醫療技術整合到一個無縫完整的以患者為中心、以疾病為中心的解決方案中。”

解決這一問題將需要技術供應商、醫院和醫療保健組織之間的共同努力。Manoharan補充說，“我們需要采用來自多個供應商設備的數據，并連接到醫院的IT系統，并且我們需要數據標準，以使能夠使用一種數據語言以統一的方式理解數據;在這里所連接的數據湖至關重要。”

數據湖是大型存儲庫，不會對其中存儲的數據帶來限制。數據能夠以原始格式存儲，例如文本文件、圖像和視頻，以及結構良好的電子表格，然后需要使用數據科學和機器學習工具對數據進行挖掘和查詢。

應對整合和法律挑戰

Manoharan說，“要建立對人工智能患者的整體看法，數據需要跟蹤患者。我們需要將患者可能患有的疾病以及護理過程中的各個點連接起來，將醫院與家庭、初級保健等聯系起來。為此，還需要持續的患者參與和反饋，以了解他們對處方治療的經驗，并將患者的報告結果納入臨床決策。”

當然，這將帶來一些法律挑戰。醫療數據是敏感的，受到不同司法管轄區的隱私條例的約束。為醫療保健和醫藥領域開發人工智能解決方案的公司如果不謹慎的話，可能會觸犯隱私法規，并且醫療保健行業仍在尋求在提供訪問數據和保護敏感健康數據之間尋求平衡的方法。

Manoharan說，“當地立法必須確保安全交換和訪問正確注釋的數據，以進行醫學研究和臨床實踐，同時保護患者的隱私。這項工作還需要醫療衛生技術供應商的新方法，這將簡化人工智能解決方案的開發。醫療設備供應商必須通過發布應用程序編程接口(API)，開始支持第三方創建應用程序，比如初創企業或學術臨床中心。”

Manoharan強調，在人工智能驅動的產品被采用并對醫療保健產生影響之前，它將面臨其他技術和非技術障礙，如貨幣化、實施工作、工作流程改進和信任。Manoharan說：“我們需要考慮一些事情，例如，需要的費用，客戶為人工智能支付的費用，以及補償和收益。”

人工智能在醫療保健中的未來發展

Manoharan認為，雖然已經存在許多人工智能解決方案，但下一個真正的飛躍是將產品整合到無縫和完整的以患者為中心的解決方案中，這些解決方案可以協作實現精確診斷和更優化的治療路徑。

Manoharan補充說，“在開發基于人工智能的新技術時，我們還應注意現有和新的挑戰與障礙。”

Manoharan認為，隨著數字化轉型推動健康數據的指數級增長和行業的快速變化，必須承認，目前還沒有找到所有的答案。

她說：“在采用人工智能這一令人興奮的創新之路上，將會出現新的問題，我們應該在處理這些問題的同時保持開放和透明，并將患者和客戶的需求作為工作的首要事項。這樣，我們就可以應對和克服一些社會最緊迫的挑戰。我們可以更直接地滿足客戶不斷變化的需求。”