AI＋醫療：“看病慢”的日子終将告别

随着科技不斷地發展，AI已滲入到我們生活的方方面面，本篇文章，作者分析AI與醫療的結合，能給我們提供的幫助。相信在不久的未來，我們的生活會随着AI變得更美好、更高效。

我們前面有聊到AI+教育、AI+美食、AI+法律、AI+旅遊等多種場景的應用暢想，「AI+」似乎是一道魔法，可以将各行各業的場景重新粉刷一遍。

今天，我們來聊聊「AI+醫療」。在這個與人類健康息息相關的領域，AI可以帶來怎樣的改變？

實際上，AI在醫療領域已經應用得十分廣泛：

Google Health使用AI來追蹤使用者的健康資料（體重、血壓、膽固醇水準等）并識别潛在的健康風險。Guardant360使用AI來檢測血液中的癌症DNA，用以篩查癌症高危人群，或監測已被診斷患病的人群。Insilico Medicine使用AI來制定新藥，它可以篩選數十億種藥物化合物，找到有可能有效對抗特定疾病的藥物。

此外，自然語言處理技術——ChatGPT等的出現，也為AI醫療賦予更多的可能性。

現在，我們從普通使用者的視角來感受，AI可能給我們生活帶來的極大便利。

一、影像學測量的“第二雙眼睛”

在體檢中，最耗時的是哪個環節？

我想大多數人都會投票給「影像檢查」，也就是我們常說的照彩超、照CT等。

相信不少小夥伴都有體驗過，每一次在彩超室或CT室門口，都要排隊1個小時以上。

那是因為，目前的影像檢查大多還依賴于醫生。

首先，醫生需要用儀器在我們身體上進行緩慢移動，然後用「肉眼」在電腦螢幕上判斷是否存在異樣。然後，如果醫生發現有異樣（比如結節），則需要手動測量結節大小，手動标記位置，以緻于每一次檢查都十分耗時。而且，人工檢查還可能會有難以避免的遺漏，有些小異樣用肉眼很難分辨出來。

這時候，AI就能發揮顯著的作用了。

AI處理圖像的速度要比人類快很多，甚至可以并行分析圖像，在幾分鐘内掃描數千張圖像。AI算法模型還可以用來識别與疾病相關的圖像模式，更容易 “看見” 人類難以發覺的隐匿在圖像中的疾病現象。

比如，在視網膜疾病早期，人工檢查很難發現其微妙的變化。

因為視網膜是一個非常小而脆弱的結構，它位于眼球後部，厚度不到 0.5毫米。而且醫生對于圖像解釋也有主觀性，不同醫生對于同一圖像的解釋可能存在差異。

而AI可以更輕松地“看見”這些細微的變化，幫助醫生及早發現患者視網膜病變的迹象。

又如，在多發性硬化症早期，人工檢測也難以精确診斷。

因為多發性硬化症的病變組織在大腦MR圖像上對比度很低，很難用肉眼去識别。

而且這些病變組織在大小、形狀和位置上都有很大差異，有的會位于腦深部結構，不容易被發現。

而AI可以更精準地判斷MR圖像中的異樣，進而提高診斷精準度。

AI如同影像學測量的“第二雙眼睛”，能快速對圖像進行分割與特征提取，找到正常區域與異常區域的差異。

此外，ChatGPT的出現，進一步增強了醫學影像的可解釋性。

在沒有ChatGPT等自然語言處理技術前，AI讀圖如同一個“黑匣子”：醫生沒有辦法知道AI是如何判定該區域存在異常的，以及如何認定異常部位惡化的程度。

而有了ChatGPT等自然語言處理技術後，AI讀圖變得更加透明：醫生可以更清楚地了解AI的判定原理，雙重檢驗其判定的合理性。

除了醫生，患者也可以通過自然語言提問的方式，了解自己的醫學圖像。這樣将更有利于患者了解醫生的決策，并更積極地配合治療。

ChatGPT将拉近普通人與醫療學術領域的距離，多一份認知，多一份了解，多一份配合。

二、電子病曆的“高效記錄員”

目前，醫生會診時，仍需要手寫病曆。

有些病例情況較複雜（例如涉及多個器官系統的慢性疾病），病程較長，病曆可能達到上千字。

而AI的自然語言處理能力，可以快速地将醫生與患者的對話迅速記錄下來，并摘取關鍵資訊。

對于醫生來說，問診過程更加友善快捷，AI隻需幾秒就能生成電子病曆。對于患者來說，診斷過程可追蹤可溯源，免去醫生字迹難以辨認的麻煩。

AI化的電子病曆，可提高會診的準确率。

比如，一些罕見病（像囊性纖維化、鐮狀細胞病等）容易被誤診。

這些疾病難以診斷，因為它們的症狀可能與常見疾病相似。

AI可以根據電子病曆中患者的家族史、基因組成和病史，來識别患罕見疾病的高風險患者。

比如，一些慢性疾病較為複雜，可能涉及多個器官系統。

AI可以提取電子病曆中患者的關鍵資訊，例如患者的症狀、藥物和測試結果。

這些資訊可以幫助醫生追蹤患者的進展，并對現階段治療做出明智的決策。

再如，一些多系統疾病（像狼瘡、類風濕性關節炎和多發性硬化症等）也較為複雜，需要多位專家共同診斷。

AI可以利用自然語言處理能力，生成标準化患者記錄，以便于專家資訊共享。

AI也可以運用多學科背景知識，提供初步建議，輔助專家做出有關治療的協調決策。

AI如同電子病曆的“高效記錄員”，能自動生成患者報告，讓醫生可以把更多的時間花在與患者的溝通上，提高會診的品質。

ChatGPT的出現，有望進一步提高電子病曆的普及率。

有些醫生可能不熟悉電子病曆的使用，甚至可能會出現“打字比寫字還慢”的情況。

ChatGPT的多模态輸入能力，可以讓醫生選擇擅長的方式進行資料輸入，比如語音、圖像、視訊等。

不管是醫生與患者的對話，患者的CT、彩超等醫學圖像，還是患者的症狀和體征視訊，都可以被記錄下來。

在輸入端，資料輸入多元化。在輸出端，電子病曆标準化。

如此，電子病曆将得到更大程度的推廣，在不同地區和醫院之間可以互通互用。

三、疾病風險的“偵查專家”

我們通常最擔憂的是，對疾病風險一無所知，以緻于疾病突如其來時，焦慮且不知所措。

AI可以通過模型訓練，以更快的速度找到大量資料之間的聯系，為疾病高風險患者發出盡可能早的風險提示。

比如，AI可以更精準地預測疾病。

AI可能會了解到，年齡超過65歲、有吸煙史、有高血壓的患者患心髒病的風險更高；

AI可能會了解到，年齡在65歲左右，有家族患病史、有不良生活習慣（如吸煙、缺乏鍛煉等）、有既往病史（如頭部受傷、中風、抑郁等）患阿爾茨海默氏症的風險更高。

比如，AI可以預警相關并發症。

在病人住院期間，AI可以通過與可穿戴裝置的結合，自動跟蹤病人的心率、血壓、呼吸頻率和體溫，及時發現病人潛在的并發症。

AI可能會了解到，肺病患者術後有肺炎、呼吸衰竭和感染等并發症的風險；

AI可能會了解到，腎髒疾病患者術後有發生腎衰竭、感染和電解質失衡等并發症的風險。

又如，AI可以提示藥物排斥反應。

AI可以判斷一個具有藥物過敏史的患者，應盡可能避免服用哪些含有該成分或具有類似化學結構的藥物。

即使是新上市的藥物、醫生不熟悉的藥物，也能通過實時更新的資料庫提供相關建議。

對于同時服用多種藥物的患者來說，AI可以給出更全面的副作用提示；

對于未向醫生報告症狀的患者來說，AI可以給出更智能的用藥跟蹤提醒。

再如，AI可以發現不同過敏源之間的聯系。

AI可能會了解到，對某種食物有過敏反應史的患者，也有可能對另一種食物過敏。

例如，某些患者報告暴露于某些環境因素後經常會有打噴嚏、咳嗽和氣喘等症狀，AI可以告訴患者可能對哪些因素過敏；AI還可以通過視覺算法，識别患者皮膚上的荨麻疹或其他過敏反應。

AI如同疾病風險的“偵查專家”，面對多元而複雜的疾病情況，提供盡可能充分的風險提示。

而ChatGPT的出現，可緩解患者的焦慮感。

當知道自己有可能或已經得了某種疾病時，許多人都會因未知而感到焦慮：不知道這個病嚴不嚴重，不知道治療成本高不高、不知道會不會影響生命品質。

針對這些問題，患者可以通過自然語言的方式向AI提問。已經具備了醫學知識的AI，可以給出初步建議，并跟你像朋友一樣交談。

在治療結束後，你也可以用自然語言，詢問有關疾病及護理的問題：比如這個藥減量服用是否合适，頭痛是正常現象嗎，肌肉酸軟應該如何處理。

ChatGPT能讓AI醫療系統具備基本的溝通能力，給予患者情感上的陪伴。

四、寫在最後

随着AI+醫療的逐漸推廣，我們有望看到「看病難」、「看病慢」等症結的改善。

1. AI+醫療，可緩解緊張的醫療資源

依據《中國衛生健康統計年鑒2022》統計：2022年大陸醫療衛生機構的總數約為103萬家，但醫院隻占其中的2.5%，且作為診療首選機構的三級醫院數量僅3725個。

從醫院技術人員情況看，2022年大陸衛生人員總數約為1398萬人，執業（助理）醫師占比為35%，但該數量仍然難以滿足龐大的病患基數的診療需求。

AI可以提供遠端問診，減少患者到醫院問診的需求。這對于居住在農村地區等醫療資源相對匮乏的地方，或因身體殘疾等原因未能到醫院就診的患者來說，尤為有益。

2. AI+醫療，可提高醫療診斷效率

AI可自動化執行目前一些人工任務，例如資料輸入、安排就診時間、解釋測試結果等，為醫護人員騰出更多的時間和精力，專注于更複雜的任務，為患者提供更好的服務。

AI可分析大型資料集，識别可能訓示特定疾病的模式和趨勢，為醫護人員增配一個聰明的“大腦”，幫助他們更快做出判斷與決策。

當AI的“魔術棒”揮向醫療領域，它就如同按下了加速鍵，促使醫療診斷、藥物研發、健康管理等不同賽道進入“快車道”，實作更多技術突破與創新。

同時，我們也欣喜地看到，随着自然語言處理等技術的成熟與落地，醫療行業也将從學術領域走進尋常百姓家。

有了專業訓練的AI小助手，就如同有了一個私人陪伴的醫療咨詢師。

相信在不久的将來，我們能看見一個更美好、更高效的醫療生活。