首页 > 淘吧 > 正文

这些问题不解决 在医疗领域AI只能“打下手”

核心提示: 随着人工智能的蓬勃发展,人工智能与医学结合的相关技术开发也进行得如火如荼。

智能“阅片”、临床决策、护理机器人……近年来,随着人工智能的蓬勃发展,人工智能与医学结合的相关技术开发也进行得如火如荼。

近日,人工智能在药物研发领域迈出重要一步,澳大利亚研究团队将全球首个AI设计药物——“?#26032;?#22686;压”流感疫苗推入人体试验阶段,这款药物开发用时两年时间。

就像“互联网+”一样,“人工智能+”的模式必?#25442;?#32473;我们的生活带来翻天覆地的变化,但在涉?#21543;?#29702;和生命的医学领域,人工智能落地还将面临哪些挑战?

质与量并重 基础数据仍需“精炼”

不论在何种领域,数据都是让机器聪明起来的根本。

“人工智能若想在医学领域长足发展,数据质量、数据量和标准化方面还有待改进和完善。” 8月6日,天津市肿瘤医院副院长徐波在接受科技日报记者采访时表示。

“医疗大数据如何‘降噪’是个关键问题。”徐波指出,医疗大数据涉及的类型近年来呈多模态发展。而病例数据覆盖面广,服务用户多样,如何构建以病人、医生、医院和政府等多?#34892;?#30340;数据治理体系,进而面向不同的用户提供不同的数据视图和?#27835;?#32467;果,是医疗大数据采集及研究中亟待解决的问题。

自改革开放以来,我国医学领域发展迅速,信息化程度也在逐渐提高。但是随着医疗设备更新迭代,数据的格式和录入的内容也在不断变化。?#26376;?#24615;病为例,即便是同一位病人在同一家医院治疗,几年前后的数据内容和?#38382;?#20063;可能会大有不同。更何况我国医学领域在病种分类、名称方面也有部分?#24418;?#32479;一,还有一些医生会采用口语、简称,如“乳腺癌”和“乳癌”就是不同医师对同一种病症的不同叫法,这?#19981;?#32473;人工智能在临床决策或影像?#27835;?#26102;?#25945;?#22256;扰。

“尽管我国医院的数据庞大, 但由于疾病的复?#26377;裕?#25968;据维度、特性各不相同, 质量参差不齐,导致很多细分的病?#36136;导?#21487;用数据量少,尤其是较为罕见的疾病类型。如果是多学科交叉的病症可使用的数据量就更加有限了。”徐波表示。

此外,数据共享也存在壁垒。我国当前医院与医院、同一家医院内科系互不相连, 没有统一标准的临床结构化病历报告,不同地域甚至不同医院之间的数据库无法通用。

我国人口数量庞大,医学数据体量也很大,但在?#25345;?#31243;度上,人工智能发展?#32874;?#20837;了“无数据可用”的?#38480;尉车兀?#24590;样才能将这座“富矿”充分挖掘出来呢?

“数?#33660;?#20934;化和规范化是解决该问题的必经之路。”在徐波看来,应加快医疗数据电子化、标准化的进程, 打破医疗机构的数?#33660;?#22418;, 建立数据共享机制,进一步“精炼”医学领域数据。

医工结合 学科交叉人才紧缺

“既懂医疗又懂AI技术的复合型、战略型人才极其短缺, 其中10年以上资深人?#24222;?#20026;缺乏。同时, 医务人员对AI的接纳度不足, 部分医务人员甚?#28860;訟I抱有抵触心理。”上海市卫生和健康发展研究?#34892;模?#19978;海市医学科学技术情报研究所)健康科技创新发展部执行主任何达曾在相关期刊发表文章时提到,AI技术的使用需要对医务人员进行专业化规范培训, 在此背景下, 建立完善的人才培养和人才引进机制是重中之重。

徐波告诉科技日报记者,智能医学领域是人工智能和医疗健康这两个专业性极强领域的结合,如今二者都能深入研究的人才是“香饽饽”。而正是因为二者专业性极强,人才培养的模式才更加复杂、更值得深入?#25945;幀?/p>

去年,南开大学和天津大学首次在本科开设智能医学工程专业,开启了培养人工智能+医学领域专业人才的新征程。今年,包括重庆大学、东北大学在内的7所院校也成功申报获批开设相关专业。南开大学医学?#21512;?#20851;负责人曾表示,该专业是挂靠在学校医学院下的一个工科专业,为了满足学生学科交叉的学习需求,会邀请外院的教师上课教学。

在徐波看来,智能医学领域发展时间短,能大?#27573;?#25512;广的培养模式?#34892;?#19968;定的时间摸索。但归根结底,如果让部分?#34892;?#36259;的医学生在校期间就能接触到一些人工智能相关的工科基础知识,将会对其后续向着智能医学方向发展起到一定的引导和辅助作用。

虽然现阶段交叉人才缺口很大,但值得庆幸的是,?#39029;?#21644;学生对智能医学工程专业高度认可。2018年,天大、南开智能医学工程专业?#30528;?#25307;生投放涵盖全国十几个省市,招生期间,民众的相关咨询持续火爆,未投放省市同样?#32874;?#28909;烈。

市场良性发展 监管体?#22320;叫?#21152;强

除了数据和人才两大基础方向,新兴的智能医学在商?#30340;?#24335;和法律监管等方面也需要人们投注目光。

?#38405;?#21069;人工智能与医学最常见的结合点——医学影像为例,现阶段该领域的AI产品在国内主要采用免费试用的合作方式,虽然短期来看,医院是获益的,但长远计算,优质AI企业会因长期无法盈利而难以为继,无法持续为医院提供更好的产品。

合理的商业化模式尚在“摸着石头过河”的阶段,而相配套的监管机制也亟须完善。清华大学法学院院长申卫星此前在接受科技日报记者采访时表示,目前只?#23567;?#27665;法总则》第127条提出,“法律对数据、网络虚拟财产的保护有规定的,依照其规定”。但具体如何保护数据,并没有详细?#24471;鰲?/p>

以往,机器?#36824;?#20026;工具一类,工具造成的损害责任通常是产品设计者、制造者来承担,但如果工具经过人工智能深度学习,成为自主型产品后造成损害,这到底是谁的责任?依旧是产品的责?#20301;?#26159;智能系统开发单位的责任?这些疑问都需要明确的法条来解答。

记者了解到,我国不仅对智能医学数据的隐私保护、责任规范、安全性?#35753;?#26377;明确的法律指示,人工智能在医疗健康领域应用的质量标准、准入体系、评估体系也未设置详细的准则, 无法对AI数据和算法进行?#34892;?#39564;证和评价。

“目前国际上也没有成功的案例经验可供借鉴,发展出一套符合我国国情、相对完善的智能医学监管体系还需要一定的时间和多学科、多行业的研究者和?#23548;?#32773;共同努力。”徐波表示,较为科学的监管体系之下,人工智能企业在符合各项标准和法规的?#27573;?#20869;探索良性的商业化营收模式,各?#26680;?#39640;校、医院等单位合理利用各自?#35797;矗?#36827;行?#34892;?#21512;作,有助于整个智能医学领域的健康、稳步发展。

  • 微笑
  • 流汗
  • ?#21387;?/span>
  • 羡慕
  • 愤怒
  • 流泪
责任编辑:赵文源
0
波斯波利斯足球队
稳赚买法北京pk10 时时彩一期一计划大小单双 时时彩万能6码使用方法 宾利娱乐彩app 极速赛车计划全天精准版 足球比分直播500 福彩电子投注单怎么用 天津新时时走势图 玩三公扑克牌赢钱产品 加拿大pc软件下载 金尊国际代理 重庆时时彩专家杀号 期期期准幸运飞艇计划 安徽时时结果查询 重庆时时开奖走势 问鼎注册网站