人工智能正加速医疗模式变革

来自版块：智能科技

133

科技创新是医学进步的持久动力。近年来，脑科学与类脑智能、干细胞与再生医学、人工智能、基因治疗等技术在疾病诊疗中显示出巨大潜力。与此同时，得益于前沿技术的发展和融入，针对众多疾病的诊疗手段和方案在不断提 ...

科技创新是医学进步的持久动力。近年来，脑科学与类脑智能、干细胞与再生医学、人工智能、基因治疗等技术在疾病诊疗中显示出巨大潜力。与此同时，得益于前沿技术的发展和融入，针对众多疾病的诊疗手段和方案在不断提质提速、升级增效。

这些技术的应用，意味着什么？它们离普通人到底有多远？有了这些技术，人们的生命健康保障会发生哪些变化？健康报“前沿访谈”专栏邀请医学科研、临床领域的权威专家解密前沿技术，点评科研进展，揭示临床应用，预测健康未来。

人工智能正加速医疗模式变革

本期访谈嘉宾：黄天荫

美国国家医学院外籍院士，清华大学副教务长、清华大学医学院主任。主要从事黄斑病变和视网膜疾病相关的临床工作，并致力于视网膜疾病治疗方法和眼部成像（含人工智能）的研究和创新。2010年，与其团队在新加坡启动糖尿病视网膜病变国家远程医疗筛查计划，通过视网膜影像研究表明，检测视网膜血管变化可能成为无创检查心血管疾病风险的有效方法。开启并推动新型成像软件研发，团队研发的软件已应用于30多个国际临床、科研、行业合作机构。

健康报：

当前，人工智能在医疗领域的研究呈现出怎样的趋势？未来，人工智能将如何赋能诊疗过程？

黄天荫：近年来，医学人工智能模型的研究重点已从以特定任务、疾病为中心的专用模型转向通用医学人工智能（GMAI）。由此，我和多位同道提出了两个医学人工智能新范式：通用医学人工智能（UMAI）和通用健康人工智能（UHAI）。二者的区别主要在于：UMAI模型能够模拟临床实践中的人类智能，特别是医生的同理心和直觉；UHAI模型则进一步扩展了UMAI模型的应用场景，不再局限于疾病治疗，而是涵盖了健康保持和疾病预防，从单纯地依赖传统临床数据转变为整合更广泛的非临床数据，从而实现对人类健康和疾病的全面理解。

我向来主张将更多精力放在充分了解临床问题而非单纯地提供解决方案上。从我的观察来看，临床中存在应转未转或过度转诊、就诊环节繁复且等待时间过长、眼科医生数量和质量不足等情况。未来，人工智能有望赋能健康管理、早期筛查、疾病诊断、康复护理、患者教育等诊疗全程的多个环节，加速传统医疗模式的变革。以糖尿病视网膜病变为例，人工智能可用于居家监测，引导糖尿病患者控制血糖，维持当前的视力状况；当患者出现糖尿病视网膜病变需要眼科医生介入时，人工智能可进行辅助诊断，提供个体化治疗方案；在明确诊断后，人工智能可开展患者教育，将病情进展、护理常识充分告知患者，并对复诊时机作出提示。

健康报：

人工智能走向临床，面临哪些挑战？

黄天荫：人工智能在医疗领域的应用，有无限潜力，也充满挑战。第一，算法够不够精准？目前，人工智能更接近一名全科医生，在处置常见病、多发病方面表现不俗，但在亚专科疾病诊治方面尚有提升空间。第二，判断失误怎么办？人工智能基于数据学习和整合，存在因数据来源单一而造成医疗错误的可能。比如，一些模型依赖从发达国家收集的数据，忽略了缺少数据的发展中国家的临床问题。第三，人工智能与医护人员的关系是替代还是补充？一方面，人工智能可能引起医护人员的本领恐慌，加剧他们对职业的担忧；另一方面，也可能颠覆现有的医学人才培养模式，如过去需要培养100名医生，而未来或许培养10名医生就已足够。第四，医疗信息系统能否兼容人工智能？多数医疗机构的内部运行更接近半数字化，部分工作仍需依靠纸质表单，而人工智能以全数字化形态进入，难免会产生冲突。第五，人工智能应用于医疗需要更明确的政策和标准。由谁来评判人工智能技术能否实施、实施效果如何，这些似乎未能达成共识。

健康报：

年龄相关性黄斑变性是全球范围内引起视力损伤的主要原因之一。随着抗血管内皮生长因子的问世，患者迎来视功能改善的可能。然而，频繁就诊和玻璃体腔内注射，给这些患者造成治疗负担。未来，是否有更理想的治疗方案？

黄天荫：今年3月，我组织的一项全球多中心研究在医学期刊《柳叶刀》上发表了一篇题为“玻璃体腔内注射8毫克阿柏西普治疗新生血管性年龄相关性黄斑变性（PULSAR）：一项随机、双盲、非劣效性、3期临床试验48周结果报告”的研究论文。研究结果表明，玻璃体腔内注射高剂量的阿柏西普（8毫克）延长了给药间隔，视力提高效果并不亚于2毫克阿柏西普，解剖结构改善效果也更显著，且没有发现新的安全性问题。基于人工智能算法，我们可以期待的是：未来，不同患者将不必遵循于同一份治疗指南，有望实现精准给药，进一步延长给药间隔或减少注射次数。

健康报：

“眼底一张照，疾病早知道。”借助人工智能技术，预判疾病发生风险将有哪些突破？

黄天荫：“眼睛是心灵之窗，也是疾病之窗”，部分眼底病变可能是全身系统疾病的局部表现。但在过去相当长的一段时间里，凭借眼底照片，眼科医生仅能对身体相关系统“健康”和“极不健康”的情况作出判断，而对介于两者之间的模糊地带较难把握。近年来，人工智能深度学习和大语言模型持续发展，“照亮”了中间的盲区，从而能更及时、更准确地预知相关系统疾病的发生风险。目前的问题是，如何对人工智能提供的诊断信息加以利用，进而优化治疗方案。清华大学正在筹建北京视觉科学与转化医学研究中心，将致力于推动视觉科学领域实质性合作和突破性进展。

健康报：

作为外籍专家，您如何看待中国对年轻医生的培养？

黄天荫：我每隔几年来到中国都会发现，中国医学人才培养模式正在日益完善。从一线城市三级医院走出的临床医生完全达到国际先进水平。但也存在一些问题，比如，医学院校与医院之间相对分离，在对医生的培养上没有实现真正的融合。那么，医学生向医生过渡时，就容易出现断层。欧美国家普遍建立的是学术型医疗系统，医学院校与医院通力协作，共同组建教学团队，确保医学教育的连续性和一贯性。这是我在清华大学医学院正在尝试建立的医学人才培养模式。

人工智能正加速医疗模式变革