张仲凯:人工智能在医疗的辅助应用之疾病管理

张仲凯 原创 | 2020-07-25 00:38 | 收藏 | 投票

      物质越来越丰富,生活越来越丰富,环境污染、食品安全、生活压力等因素不断侵蚀着我们的健康,忽视健康导致的疾病和死亡每天都在发生,健康正成为人们前所未有的关注热点。慢性病已经成为中国最严重的公共卫生和安全问题。在老龄化严重的我国,慢病管理任重道远。

      目前我国慢病管理的痛点在哪里?

      首先预防意识

      在我国,未病先治的思想没有深入人心,群众对慢性病的防治意识不强,反映了慢性病管理教育工作的失位。

      其次信息需求问题

      慢性病患者有三种需要:信息、交流和互动,这三者不可分割。慢性病病程长、病因复杂的特点,决定了患者需要定期咨询医生;慢性病患者需要持续的专业信息流,以确保对自己身体状况的监测和调节,但现实情况并不乐观。

      再次医疗资源稀缺,人员配置不足

      2015国务院印发了《关于推进分级诊疗制度建设的指导意见》,经过近几年的部署与实践分级诊疗模式初步形成,慢病管理逐渐向基层医疗机构下沉。

      事实上,慢病管理实际上也必须要由基层来完成. 三甲医院已经超负荷运载,现实情况三甲医院很难对慢病患者进行有效管理,但基层医疗的实际情况也不容乐观,如缺乏药品、信息收集困难、人才匮乏,尤其是缺乏专业人才和护理人才在慢性病管理中。据调查显示目前社区慢病管理工作人员最低每人负责0.2万人口监测管理工作,基层慢病管理暴露出动力不足等问题。

      目前,慢病管理存在的问题最终还是人的问题、人手不足和缺乏专业性,导致慢病患者获得医疗服务的效率低下、拥堵或费用高昂,这是制约高效率和高质量慢性病管理的主要原因。

      那么,如何通过使用人工智能技术来帮助解决疾病管理问题呢?

      人工智能可以在以下四个方面提供帮助:疾病诊断、疾病诊疗、健康管理以及人工智能在医院管理、耗材、人力成本的计算等。

      近年来,人工智能一直是医学领域的一个热门话题。在医学三大杂志——新英格兰医学杂志、柳叶刀、JAMA上,对人工智能以及深度学习做了一些阐述,同时在基础研究方面也做了相关的论述。

      然而,人工智能在现实中的实际应用并不十分完美,为什么要这样说呢?

      人工智能有时候可能比医生得出的诊断更准确,前提条件是给它的数据必须是准确的。

      在2018年发表的文章中,谷歌人工智能并没有达到我们在实际应用中的期望,当时护士在拍照片的时候光线不好,错误的数据输不进去,人工智能程序就拒绝接受这个照片,反而得出了一些误诊数据。

      为什么会发生这种情况?正如前面提到的,你给出的数据必须是准确和清晰的。

      人工智能如何从实验室转变为临床,或者人工智能可以为我们提供一些临床帮助。

      首先,现场是把人工智能的供求、研发与工业化的关键环节联系起来,没有场景,一切都是徒劳无功的。

      此外,从政策支持、资金投入、推进建设、宣传引导、闭环管理、全程跟踪、严格验收等方面,进行人工智能场景的搭建,打造人工智能医疗的服务高地。

      近几年来,医院在构建人工智能场景方面做了一些初步工作,从数据分析到数据集成和数据整合,将大数据集成到人工智能应用平台中,并打通了三级医院、二级医院和社区卫生中心的数据。

      最重要的是,我们还可以在居民的日常生活中做一些工作,希望从疾病筛查、预防、诊断和治疗以及康复方面进行全面分析。

      正如刚才提到的,截至去年7月,我们从医院和社区中心收集了800000人的9.5TB数据,其中包括20亿条患者数据。通过大数据的分析,我们得出了以下五个结论。

      一方面,是居民端跟医生端。从疾病的精准早筛,到疾病的智能预防、辅助诊疗、智能随访再到分级转诊,诊断出哪些疾病可以在社区卫生中心解决,哪些疾病必须要三级医院进行复杂的手术或者治疗。这里面的分类治疗分为两端,一个是居民端,一个是在医生端。在居民端,基层可以通过心血管的档案、人口学特征、年龄、发病危险因素等等,借助区域卫生中心提供的影像学资料,到医生端进行辅助诊断和辅助诊疗,决定这个病人需不需要转到三级医院。场景的建设目标,除了我刚才提的五个场景已实现以外,我们基本上还实现了心血管专家库的共享。

      此外,我们还对模型进行了改进,同时初步形成了科研创新和模式孵化的生态框架,最终形成了资源共享的管理和控制框架。

      当然,人工智能在实际建立过程中还存在着一些难点或者目前还难以跨越的一些障碍。

      首先是互联网。我们的网络现在还不是非常的稳定,在通讯、专业数据等信息化方面还存在一些不足。

      其次是医疗大数据,20亿的就诊数据大而混乱。大数据并不代表着数据大,有时候收集的很多信息对疾病诊疗是没有用的,怎么才能甄别出来?缺少统一的标注、治理标准。

      第三,医院管理者有时会形成数据障碍。在信息交流的过程中,与其他医院和医疗机构无法实现数据共享,导致信息孤岛。同时,我们也缺少有基层医疗经验又擅长人工智能的交叉人才。

      此外,还有我们对人工智能的了解不够深刻,以为远程会诊就是人工智能,实际上远远不是这样的。我们的医护人员虽然感兴趣,但是又不能完全参与到人工智能的实施和过程当中。

      展望人工智能应用的医学前景,我们在未来的发展方向是什么?

      2020年年初的新冠肺炎,在疾病爆发期间好多慢性病人不能到医院就诊,好多病人有高血压、心脏衰竭,服用抗磷药物等等,这些病人怎么办?

      新冠肺炎时期,病人在线会诊增加了800%-900%,这表明市场或需求推动了人工智能和远程医疗的发展,远程医疗使患者和医生之间的距离更近。

      此外,远程医疗可以非常及时地向医疗机构发送信息,也可以降低医疗成本。

      远程医疗或远程医疗不仅仅是一个视频电话,或者是一个电话,询问该服用什么药物,但实际上是非常复杂的。

      未来AI可以赋能冠心病等医疗场景。左边是我们的CTA,无创检查以获得冠状动脉狭窄。通过血管模型和功能计算,看看这种狭窄是否是导致心肌缺血的靶血管,如果所有三支血管都生病,请告诉我哪些血管是要干扰的血管。

      同时,根据多模式智能分析,观察心肌是否能在此存活,同时根据病例分析,语音反馈给医生,以决定是否进行药物干预或介入治疗。介入治疗后,我可以一边在外手术一边喝咖啡,手术后我可以对结果进行评估。

      目前,人工智能在医疗领域的应用还处于初步探索阶段,未来人工智能不仅可以帮助我们做出决策,而且可以帮助我们在许多复杂的手术中进行更准确的治疗。

      人工智能可以完成比专家更高水平的任务,但不能实现综合智能。人工智能的诊断和治疗模式与人类专家的结合将超越我们传统的疾病诊断和治疗模式。

      人工智能将具有非常广阔的应用前景,期待着参与一些医生的工作,特别是慢性病管理、病人随访等方面的工作。同时,人工智能提高了我们对疾病的认识,改变了我们对疾病的诊断和治疗、跟踪和慢性疾病管理模式。

      你认同我的观点么?留言告诉我吧,留言有惊喜哦。我在人工智能公司上班,如果您对人工智能有兴趣欢迎关注交流。

 

 

个人简介
专业的投资理财实战经验,教您学习理财,规避投资风险,一起步入投资理财正道
每日关注 更多
张仲凯 的日志归档
[查看更多]
赞助商广告