英國：臨床人工智慧數字革命一觸即發？

英國倫敦國王學院的臨床人工智慧和預測分析研究員Hugh Harvey今近日發表文章，創想了一個由人工智慧改變一線臨床診療的世界。

在全科醫生診室，語音識別軟體靜靜地從醫生與患者的對話中抓取關鍵詞，並且發送到信息匯總系統中。患者說話的語調、心跳和呼吸的頻率、體溫、眨眼和其他微小的動作都被診室角落中一個攝像頭捕捉下來，加以分析。同時，患者的病史、用藥和手術史、既往 的精神狀態、家族史、旅行記錄...從呱呱墜地以來的個體數據都會從國家級資料庫調取，而這些數據被持續地處理，分類和編碼。

接診患者的全科大夫一邊進行查體，語音系統一邊實時記錄她的發現，並同步到它的知識庫中去。醫生拿來一個小型攝像頭來分析患者身上的皮疹，在拍照的同時，3D的皮膚表層顯微相片上傳到了識別系統。信息匯總系統開始進行篩選，並且將經過初篩的信息發送至智能伺服器；概率引擎開始計算不同鑒別診斷的幾率，而藥理學演算法開始在上千種治療方法中尋覓最佳組合。

在全科醫生的電腦屏幕上立刻就蹦出了一些建議詢問患者的問題、最可能的診斷和分別的治療措施，而這些全部都是根據患者的情況得出的。隨訪的方式、專科轉診意見、實驗室檢查和推薦的醫學影像學檢查也同時出現，其中必要的信息也會推送到患者本人的設備上，並配有一名人工智慧的護士來跟患者介紹整個診療過程，以及在接下來的幾周時間裡回答患者的問題。

接下來，全科醫生會仔細地跟患者解釋診查結果，並和患者一起討論治療的選擇和合適的方案。患者謝過醫生並滿意地離開了診室。

醫生在整個過程中，沒有費一筆一墨，又接著叫號下一名患者，重複剛才的流程。

以上描述的情境，聽起來好像是對未來不切實際的幻想。

這並不是。

臨床人工智慧自1970年開始「發生」，而數字革命-當其終將到來時-會來的非常緩慢，卻既堅定，又強大。

臨床人工智慧發展步調像蝸牛一樣慢的原因很簡單：把足夠的知識提供給人工智慧系統來處理人身上發生那些雞毛蒜皮的奇怪小事需要海量的數據。這個量級超出了我們以往創造數據的總和，我們根本無法應對，更別提去收集和整理它們了。但即便如此，我們仍然沒有停下追尋的過程。而現在，我們已經從爬行變成馳騁了。

首先，我們需要一門通用的語言。電腦使用的是二進位語言，用這些切實的數據、記錄、數字和測量結果來實現最基礎的功能。而我們人類的身體數據還處於完全模擬的狀態，目前無法被電腦所讀取。人體是一個在不斷變化著的三維生物環境，而我們的內在機制將其演化成生物化學反應的長久舞動。要使人工智慧的大腦來認識我們的第一步，就是把這些生理模擬信號轉變為二進位數據。雖然磕磕絆絆，但我們已經開始踏出最初的幾步了。

從筆記本電腦的出現開始，醫院和診所就開始對患者數據進行分類、梳理和儲存；而大量的臨床編碼人員也一直在把醫生們潦草的記錄和實驗室檢查結果轉換為醫療數據節點，並將之保存在巨型數字存儲系統中。經過認證的臨床編碼語言意味著每一個可能的診療事件、檢查、診斷結果和預後都可以用一個編碼表示，這些編碼被儲存在電子健康檔案中。這些數據雖然只是一些碎片，但也是我們現有能搜集到有效醫療數據了，它們代表著我們的現有知識基礎，也為電腦在人體上開了一扇窗戶。這很可能就是英國醫療體系最強大的工具了。

但是，把人體疾病分門別類到這些數字編碼需要大量的人力：醫生和護士得在表格上不停地打勾，回答一堆看上去毫無意義的選項，還得與跟不斷跳出的提示框妥協。電子病歷系統對用戶並不友好，它們存在的原因只是為了能儲存非常有價值的信息，這也為人工智慧的進展提供了基礎。

在下一個十年間，我們會看到更多的自動化機器來對數據進行採集和歸類，讓醫務工作者騰出更多的時間專註於臨床工作。比如說，語音識別技術和臨床編碼演算法的搭配就可能極大地幫助記錄診療過程，而再也不用手寫病歷了。

遠程患者監測可以自動地記錄我們的生命體征。能採集血液標本和其他生理學樣本的機器人也已經面世。一旦數據收集過程自動化的問題解決了，那麼通往真正人工智慧的路就會以指數級別發展。

目前，全球有成千上萬間公司在訓練機器進行圖像識別、深度學習演算法、自然語言處理、患者遠程監控、視覺圖像分析和醫療數據處理。

解決方案層出不窮，而人工智慧將會通過三個階段而逐漸覺醒：分散式系統將會通過普適的語言相連；將會出現數量豐富、被歸納好的、有組織的臨床數據；而人工智慧將會被允許發展其神經網路。這必將導致一線醫療的改變。

譯文原文：

https://www.kingsfund.org.uk/blog/2017/08/clinical-artificial-intelligence