>首页> IT >

天天头条:AI+医疗:“看病慢”的日子终将告别

时间:2023-06-25 18:02:18       来源:腾讯网

随着科技不断地发展,AI已渗入到我们生活的方方面面,本篇文章,作者分析AI与医疗的结合,能给我们提供的帮助。相信在不久的未来,我们的生活会随着AI变得更美好、更高效。

我们前面有聊到AI+教育、AI+美食、AI+法律、AI+旅游等多种场景的应用畅想,「AI+」似乎是一道魔法,可以将各行各业的场景重新粉刷一遍。


(资料图)

今天,我们来聊聊「AI+医疗」。在这个与人类健康息息相关的领域,AI可以带来怎样的改变?

实际上,AI在医疗领域已经应用得十分广泛:

Google Health使用AI来追踪用户的健康数据(体重、血压、胆固醇水平等)并识别潜在的健康风险。Guardant360使用AI来检测血液中的癌症DNA,用以筛查癌症高危人群,或监测已被诊断患病的人群。Insilico Medicine使用AI来制定新药,它可以筛选数十亿种药物化合物,找到有可能有效对抗特定疾病的药物。

此外,自然语言处理技术——ChatGPT等的出现,也为AI医疗赋予更多的可能性。

现在,我们从普通用户的视角来感受,AI可能给我们生活带来的极大便利。

一、影像学测量的“第二双眼睛”

在体检中,最耗时的是哪个环节?

我想大多数人都会投票给「影像检查」,也就是我们常说的照彩超、照CT等。

相信不少小伙伴都有体验过,每一次在彩超室或CT室门口,都要排队1个小时以上。

那是因为,目前的影像检查大多还依赖于医生。

首先,医生需要用仪器在我们身体上进行缓慢移动,然后用「肉眼」在电脑屏幕上判断是否存在异样。然后,如果医生发现有异样(比如结节),则需要手动测量结节大小,手动标记位置,以致于每一次检查都十分耗时。而且,人工检查还可能会有难以避免的遗漏,有些小异样用肉眼很难分辨出来。

这时候,AI就能发挥显著的作用了。

AI处理图像的速度要比人类快很多,甚至可以并行分析图像,在几分钟内扫描数千张图像。AI算法模型还可以用来识别与疾病相关的图像模式,更容易 “看见” 人类难以发觉的隐匿在图像中的疾病现象。

比如,在视网膜疾病早期,人工检查很难发现其微妙的变化。

因为视网膜是一个非常小而脆弱的结构,它位于眼球后部,厚度不到 0.5毫米。而且医生对于图像解释也有主观性,不同医生对于同一图像的解释可能存在差异。

而AI可以更轻松地“看见”这些细微的变化,帮助医生及早发现患者视网膜病变的迹象。

又如,在多发性硬化症早期,人工检测也难以精确诊断。

因为多发性硬化症的病变组织在大脑MR图像上对比度很低,很难用肉眼去识别。

而且这些病变组织在大小、形状和位置上都有很大差异,有的会位于脑深部结构,不容易被发现。

而AI可以更精准地判断MR图像中的异样,从而提高诊断精准度。

AI如同影像学测量的“第二双眼睛”,能快速对图像进行分割与特征提取,找到正常区域与异常区域的差异。

此外,ChatGPT的出现,进一步增强了医学影像的可解释性。

在没有ChatGPT等自然语言处理技术前,AI读图如同一个“黑匣子”:医生没有办法知道AI是如何判定该区域存在异常的,以及如何认定异常部位恶化的程度。

而有了ChatGPT等自然语言处理技术后,AI读图变得更加透明:医生可以更清楚地了解AI的判定原理,双重检验其判定的合理性。

除了医生,患者也可以通过自然语言提问的方式,了解自己的医学图像。这样将更有利于患者理解医生的决策,并更积极地配合治疗。

ChatGPT将拉近普通人与医疗学术领域的距离,多一份认知,多一份理解,多一份配合。

二、电子病历的“高效记录员”

目前,医生会诊时,仍需要手写病历。

有些病例情况较复杂(例如涉及多个器官系统的慢性疾病),病程较长,病历可能达到上千字。

而AI的自然语言处理能力,可以快速地将医生与患者的对话迅速记录下来,并摘取关键信息。

对于医生来说,问诊过程更加方便快捷,AI只需几秒就能生成电子病历。对于患者来说,诊断过程可追踪可溯源,免去医生字迹难以辨认的麻烦。

AI化的电子病历,可提高会诊的准确率。

比如,一些罕见病(像囊性纤维化、镰状细胞病等)容易被误诊。

这些疾病难以诊断,因为它们的症状可能与常见疾病相似。

AI可以根据电子病历中患者的家族史、基因组成和病史,来识别患罕见疾病的高风险患者。

比如,一些慢性疾病较为复杂,可能涉及多个器官系统。

AI可以提取电子病历中患者的关键信息,例如患者的症状、药物和测试结果。

这些信息可以帮助医生追踪患者的进展,并对现阶段治疗做出明智的决策。

再如,一些多系统疾病(像狼疮、类风湿性关节炎和多发性硬化症等)也较为复杂,需要多位专家共同诊断。

AI可以利用自然语言处理能力,生成标准化患者记录,以便于专家信息共享。

AI也可以运用多学科背景知识,提供初步建议,辅助专家做出有关治疗的协调决策。

AI如同电子病历的“高效记录员”,能自动生成患者报告,让医生可以把更多的时间花在与患者的沟通上,提高会诊的质量。

ChatGPT的出现,有望进一步提高电子病历的普及率。

有些医生可能不熟悉电子病历的使用,甚至可能会出现“打字比写字还慢”的情况。

ChatGPT的多模态输入能力,可以让医生选择擅长的方式进行资料输入,比如语音、图像、视频等。

不管是医生与患者的对话,患者的CT、彩超等医学图像,还是患者的症状和体征视频,都可以被记录下来。

在输入端,数据输入多元化。在输出端,电子病历标准化。

如此,电子病历将得到更大程度的推广,在不同地区和医院之间可以互通互用。

三、疾病风险的“侦查专家”

我们通常最担忧的是,对疾病风险一无所知,以致于疾病突如其来时,焦虑且不知所措。

AI可以通过模型训练,以更快的速度找到大量数据之间的联系,为疾病高风险患者发出尽可能早的风险提示。

比如,AI可以更精准地预测疾病。

AI可能会了解到,年龄超过65岁、有吸烟史、有高血压的患者患心脏病的风险更高;

AI可能会了解到,年龄在65岁左右,有家族患病史、有不良生活习惯(如吸烟、缺乏锻炼等)、有既往病史(如头部受伤、中风、抑郁等)患阿尔茨海默氏症的风险更高。

比如,AI可以预警相关并发症。

在病人住院期间,AI可以通过与可穿戴设备的结合,自动跟踪病人的心率、血压、呼吸频率和体温,及时发现病人潜在的并发症。

AI可能会了解到,肺病患者术后有肺炎、呼吸衰竭和感染等并发症的风险;

AI可能会了解到,肾脏疾病患者术后有发生肾衰竭、感染和电解质失衡等并发症的风险。

又如,AI可以提示药物排斥反应。

AI可以判断一个具有药物过敏史的患者,应尽可能避免服用哪些含有该成分或具有类似化学结构的药物。

即使是新上市的药物、医生不熟悉的药物,也能通过实时更新的数据库提供相关建议。

对于同时服用多种药物的患者来说,AI可以给出更全面的副作用提示;

对于未向医生报告症状的患者来说,AI可以给出更智能的用药跟踪提醒。

再如,AI可以发现不同过敏源之间的联系。

AI可能会了解到,对某种食物有过敏反应史的患者,也有可能对另一种食物过敏。

例如,某些患者报告暴露于某些环境因素后经常会有打喷嚏、咳嗽和气喘等症状,AI可以告诉患者可能对哪些因素过敏;AI还可以通过视觉算法,识别患者皮肤上的荨麻疹或其他过敏反应。

AI如同疾病风险的“侦查专家”,面对多元而复杂的疾病情况,提供尽可能充分的风险提示。

而ChatGPT的出现,可缓解患者的焦虑感。

当知道自己有可能或已经得了某种疾病时,许多人都会因未知而感到焦虑:不知道这个病严不严重,不知道治疗成本高不高、不知道会不会影响生命质量。

针对这些问题,患者可以通过自然语言的方式向AI提问。已经具备了医学知识的AI,可以给出初步建议,并跟你像朋友一样交谈。

在治疗结束后,你也可以用自然语言,询问有关疾病及护理的问题:比如这个药减量服用是否合适,头痛是正常现象吗,肌肉酸软应该如何处理。

ChatGPT能让AI医疗系统具备基本的沟通能力,给予患者情感上的陪伴。

四、写在最后

随着AI+医疗的逐步推广,我们有望看到「看病难」「看病慢」等症结的改善。

1. AI+医疗,可缓解紧张的医疗资源

依据《中国卫生健康统计年鉴2022》统计:2022年我国医疗卫生机构的总数约为103万家,但医院只占其中的2.5%,且作为诊疗首选机构的三级医院数量仅3725个。

从医院技术人员情况看,2022年我国卫生人员总数约为1398万人,执业(助理)医师占比为35%,但该数量仍然难以满足庞大的病患基数的诊疗需求。

AI可以提供远程问诊,减少患者到医院问诊的需求。这对于居住在农村地区等医疗资源相对匮乏的地方,或因身体残疾等原因未能到医院就诊的患者来说,尤为有益。

2. AI+医疗,可提高医疗诊断效率

AI可自动化执行当前一些人工任务,例如数据输入、安排就诊时间、解释测试结果等,为医护人员腾出更多的时间和精力,专注于更复杂的任务,为患者提供更好的服务。

AI可分析大型数据集,识别可能指示特定疾病的模式和趋势,为医护人员增配一个聪明的“大脑”,帮助他们更快做出判断与决策。

当AI的“魔术棒”挥向医疗领域,它就如同按下了加速键,促使医疗诊断、药物研发、健康管理等不同赛道进入“快车道”,实现更多技术突破与创新。

同时,我们也欣喜地看到,随着自然语言处理等技术的成熟与落地,医疗行业也将从学术领域走进寻常百姓家。

有了专业训练的AI小助手,就如同有了一个私人陪伴的医疗咨询师。

相信在不久的将来,我们能看见一个更美好、更高效的医疗生活。

关键词: