張敬 中韓醫療機器人產業發展協會秘書長COGPM 中國婦產科心身醫學協作中心主任
以下是張敬的演講實錄：
我國醫療衛生一個現狀是優質醫療資源供不應求，人均職業醫師人數，和美國、英國、俄羅斯存在一定差距。大醫院人滿為患，小醫院沒有人，基層醫師水平有待提高。醫生培養週期很長，醫療誤診率偏高，美國的整體誤診率包含用藥錯誤在 15%，我國大概在 28% 以上。疾病譜變化快，治療技術日新月異，醫生自身的知識儲備和學習速度逐步接近極限。
Gartner 新技術發展曲線中，CDSS、新藥發現、虛擬助手智能化器械等這些分別處在不同產業發展節點，CDSS 人工智能決策系統有了極大的發展機會。
2018 年電子病歷系統功能應用水平，分級評價方法和標準試行發佈。臨床決策支持已經成為電子病歷系統要求核心部分，國家衛建委要求到 2019 年所有三級醫院要達到電子病歷系統應用三級以上，醫院內不同部門間數據交換；到 2020 年，所有三級醫院要達到電子病歷系統應用的四級，即醫院實現全信息共享，並且具備決策支持功能。
中國 CFDA 對醫療人工智能產品審批剛剛開始，截止目前沒有一個深度學習的產品得到批准上市。CFDA 目前建立了兩個樣板庫，一個是肺結節，一個是糖眼，但是臨床決策支持系統還沒有一個標準。國家食品藥品監督管理總局藥品審評中心即將公佈《深度學習輔助決策醫療器械軟件審評要點》，相信我們一定會向 FDA 評審人工智能標準靠攏。
FDA 目前對人工智能醫療系統也批准了一些產品，FDA 批准的人工智能傾向於疾病預測而不是診斷。海外目前基於人工智能的臨床決策支持系統不同項目對比分析，有單病種的，有專家知識庫的系統。
臨床醫生在整個患者，就診完整流程中經歷不同決策節點。從入院、診療、手術、門診到術後康復，在每個階段都需要做一些決策。人工智能臨床決策支持系統最大的挑戰就是高質量數據的獲取，第一是電子病歷結構化處理，我們主流醫院信息化已經接近尾聲，絕大多數醫院都使用了 HIS，但是國內有近千家 HIS 供應商，數據信心並不能流通和共享，很多數據處於孤島的狀態。第二就是多元異構數據的挖掘和處理，標註的質量決定了數據庫質量。
數據處理的流程，人工智能處理層主要包含兩個層面，一個是自然語言處理；另外一個是神經網絡算法。臨床支持系統，就是臨床決策的預測、非臨床決策預測、臨床決策洞見和優化。目前 CDSS 分成三種類型，第一種是知識庫查詢類型；第二種是基於知識規則結合部分數據做的推薦類型，典型的就是 IBM Waston。第三種是這兩年興起的真實世界數據驅動性。前兩種類型在真實臨床中實踐有很大障礙，知識庫型在知識方面偏碎片化，只能在醫生決策系統中做一個支持補充查詢，對提升醫療效率和質量效果微弱。第二種知識規
則推薦型，比如像 IBM waston 有很大爭議。
更加貼近臨床實際應用場景的基於海量真實世界病例數據的臨床決策支持系統是未來的方向。CDSS 有一些不同應用類型，第一個就是單病種或者單疾病輔助診療系統，也有多病種醫生工作站，相似病歷和患者診療方案的推薦，如疾病圖譜、臨床科研、流行病學研究和疾病預測。
我和大家分享一個美國案例。這個項目目前已經收集了 5 500 萬高質量患者電子病歷，其中美國電子病歷將近 3 500 萬，歐洲、俄羅斯和亞洲大概接近 2 000 萬，這裡面相應是 2 億次診療方案、10 年連續有效數據，同時它也能調用 2 700 萬全球臨床的文獻。它有幾個不同應用方向，第一個就是基於真實數據的診療方案推薦，它不做診斷，診斷永遠是醫生做，你輸入診斷結果或者 ICD10 的代碼，再輸入患者基礎特徵（如他的年齡、病史），系統從5500 萬患者中調取最接近的。例如，2 000 患者，採用 A 方案診療結果是什麼？採用 B 方案結果是什麼？ 第二個產品外科。外科手術參數推薦，它調用所有真實數據中最接近的患者，採用不同的手術參數所得到的診療結果進行對比，選擇方案的還是醫生。第三個產品，醫院經營效率管理、患者風險分層管理。在美國 5% 的患者超過了美國40% 的醫療費用，怎樣對小比率高風險患者進行識別和分層管理，進而提高醫院效率降低管理成本。
這個項目過去兩年在美國做的大樣本臨床實驗，參與有兩家醫院，其中一家醫院大概是 200 多名醫生，另外一家醫院大概400 多名醫生。一家醫院使用臨床決策支持系統，一家不使用，結果是使用 AI+CDSS的醫院和醫生治療週期降低 10%，病發率降低 15%，醫院成本降低 7%。臨床決策支持系統還存在一些挑戰。挑戰主要來自於高質量臨床數據，這是最大的一個壁壘。缺乏大型醫學知識庫有效支持、可移植性差、醫學倫理，以及法律問題和註冊問題。人工智能人才非常稀缺。臨床決策支持系統如何商業化；最終支付方能否出現。目前和未來相當長的一段時間，人工智能臨床支持系統的臨床應用定位是非常清晰的，它是醫生的效率工具和助手。
（本報告根據速記整理）
CAAI原創 丨 作者張敬
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請註明轉自中國人工智能學會
