(四川省医学科学院;四川省人民医院610072)
【摘要】目的：人工智能技术的发展，加速和推动跨界融合，提升护理辅助系统的认知和人机互动能力。方法：利用文本情感分析系统和深度学习等人工智能方法，实现面向未来的护理辅助系统。结论：基于海量医疗大数据，大大提升人机互动能力，协助医护人员快速做出诊断和实现对疾病的预测，希望能对广大医护工作者和科研人员有所帮助。
【关键词】人工智能；深度学习；辅助系统
Abstract Objective is to improve the ability of cognition and man-machine interaction for the medical care auxiliary system, using the artificial intelligence technology, and the methods of sentiment analysis and deep learning are used. Based on the big data of medical care, the system can be used to assist the medical care employee to make diagnosis and realize the prediction of the disease faster.
Author′s addressSichuan Provincial People's Hospital，Chengdu, P.R.C
Key words Artificial Intelligence; Deep Learning; Auxiliary System
[ 中图分类号 ]R2[ 文献标号 ]A[ 文章编号 ]2095-7165（2018）17-0012-02
1.前言
伴随着云计算、大数据、物联网、5G通讯及人工智能技术的发展，加快了护理服务的数字化进程，推进了以数据密集、知识密集、脑力劳动密集为特征的医疗产业与人工智能的深度融合[1]。并且，随着社会进步和人们健康意识的觉醒，人们对于提升护理水平、延长人类寿命、增强健康的需求也更加急迫。而现实中却存在着医疗护理资源分配不均，药物研制周期长、费用高，以及护理人员培养成本过高等问题。对于医疗进步的现实需求极大地刺激了以人工智能技术推动医疗护理产业变革升级浪潮的兴起。
本文首先阐述了人工智能技术在护理领域的应用和发展现状，提出了基于人工智能技术面向未来护理辅助系统的应用探索，就未来的发展道路和挑战做了展望，希望能够为广大的护理工作者、医疗机构和科研院所提供帮助。
2.人工智能在护理领域的发展现状
图像识别、深度学习、神经网络等关键技术的突破带来了人工智能技术新一轮的发展[2][3]。以医护大数据为基础的人工智能[4]，其在大数据领域与运算速度上的先天优势为医疗护理带来惊人的进步，正试图快速的颠覆传统的医疗护理行业[5]。目前正处在风口浪尖的医疗护理人工智能，已成为全球各大医疗机构和医疗企业及风投的抢滩对象。IDC的预测数据显示，到2020年医疗护理数据量将达40万亿GB，数据生成和共享的速度将迅速增长。IDC认为，未来人工智能技术将在医疗护理领域被广泛应用，尤其在辅助护理及诊断、药物研究、医学影像、基因科学等细分的医疗场景。
在国外，特别是美国政府已把人工智能作为未来主导性战略，从国家战略层面进行整体推进，重点关注前沿基础研究[6]。而以IBM、IntuitiveSurgical、Google、Facebook和苹果等为代表的企业巨头，凭借各自对专业领域坚持不懈的探索，分别在医疗护理诊断、手术、监护等方面引领全球。特别是IBM全球领先的医疗人工智能系统Watson[7][8]，美国IntuitiveSurgical公司研制出医疗手术机器人，Google的辨识视觉疾病的机器学习系统[9]以及Facebook利用自然语言处理和机器学习等人工智能技术筛选医疗护理科学技术论文系统等，都处于世界领先地位，并在医疗护理行业不断探索和实践[10]。
在国内，随着两会上人工智能首次列入李总理的政府工作报告，人工智能成了热议话题。2017年7月份，国务院印发了关于《新一代人工智能发展规划》，并明确提出应用人工智能治疗新模式新手段，建立快速精准的智能护理体系和智能健康及养老管理。同年8月份，北京亦庄世界机器人大会上，与会代表明确提出将人工智能技术与机器人产业紧密结合，重点开展护理与康复机器人示范应用，支撑医疗机器人战略性新兴产业发展。未来医疗护理作为人工智能重要的应用场景，不仅成为大批创业者的创业方向，也成了BAT的重点布局方向[11]。
依托业界领先的百度云，百度医疗大脑通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计，模拟医生问诊流程，从而辅助医生完成问诊。阿里在医疗护理人工智能领域，关注患者虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等领域，从而承担医生及护士助手的角色。腾讯发布了“腾爱医疗”战略广泛地应用人工智能。其目的是要用互联网技术实现医疗信息共享，以开放合作的姿态帮助医疗护理产业实现改革。
与国外的科技巨头相比，中国企业在医疗人工智能领域，仍处于起步阶段，在未来的发展中，中国公司更应当加强数据库、算法、通用技术等基础层面的研发与投资力度，在牢固基础的同时进一步拓展医疗护理人工智能的应用领域。
3.基于人工智能技术面向未来护理系统应用研究
基于人工智能的护理系统，是将人工智能技术用于辅助诊疗中，让计算机“学习”专家及护士的护理知识，模拟医护和护士的思维和诊断推理，从而给出可靠诊断和治疗方案，目前是人工智能在医护领域最重要、也最核心的应用场景，如图1所示。通过可穿戴设备，如智能手环、智能血压仪、智能体脂测量仪等的数据采集和患者通过语音输入来描述病状，利用人工智能技术如自然语言处理，使得机器可以识别患者语音输入，将处理后的语音数据和可穿戴设备采集的数据，与患者特征数据库中数据进行比对，通过深度学习等技术，高效地通过海量数据，快速收集医学和护理知识，进行结构化数据与非结构化数据的处理，凭借超高的诊断准确率，给出护理建议，通过移动终端及APP，为护士、医院、合作方、患者提供服务，从而辅助医护对患者进行诊疗。
目前贫乏的人机交互方法阻碍了人工智能在护理的实践。因此，如何提升人机交互能力，培养机器的情感，从而能够安抚患者，未来能做到对疾病发生的预测？本文提出了利用情感分析系统，通过感知与互动，理解非结构化数据和持续取得数据中学习，让机器成为协助人类沟通交流的不知疲倦的工具，以自然的方式与人类进行对话，通过历史数据和具体情境的推理带到互动中，大大增强人机的互动能力。并且，通过假设、评估、辩证、和建议来进行推理的认知计算，可以大大减少人为的偏见，根据最新的信息、结果和行动不断朝着更高的准确性进行发展，并可以提供可追溯性，作为特定决策的依据，从而提升认知决策的能力。如图1所示。其中，海量医疗护理数据是基础，更长时间的训练是核心。
为了实现基于人工智能技术面向未来的护理辅助系统，采用了图2所示的技术架构图。其中计算能力+基础算法+数据及训练决定了人工智能技术在行业应用的高度和深度。在算法方面，与其他技术相比，spark更适合构建文本情感分析系统。Spark 是一个快速的、通用的集群计算平台，也是业内非常流行的开源分布式技术，主要涉及四个技术关节：数据集的收集，文本表示模型的设计，文本特征和分类默许的选择。同样，DeepLearning（即深度学习）在人工智能领域是不可或缺的核心技术，通过DeepLearning建立、模拟人脑进行分析学习，从而模仿人脑来解释数据，非常适合图像，声音和文本方面的处理。
对于人工智能的智能组件，主要包括感知智能和认知智能。目前研究阶段主要处在感知智能的初级阶段，而认知计算也是人工智能最重要的终极目标。本系统提出在基于海量医疗和护理数据及长期的训练基础上，通过语义分析、对话理解和情绪分析等技术，增强机器与患者间的感知和互动，来实现 疾病发生种类、发生概率等预测。
基于一定的算法和智能组件基础上，可以实现多种医疗护理行业的应用。特别是在诊疗和健康管理中的虚拟护士等方面，可以大大提升工作效率，缓解医疗和护理人员不足的现象。随着人工智能算力、算法的进一步发展，物联网在机器间信息交互和共享的大规模应用，通过大数据云端智能自主学习、推理和进化的深入，未来医疗护理系统会变得更加智能，协助医生和护士对患者病情做出更多的判断和决策。
技术架构
4.机遇和挑战
医疗护理的终极目标是完全根除疾病。虽然随着人工智能等高科技技术不断深入到医疗护理领域，逐渐改善保健服务，提升诊断准确性，帮助医生和护士快速进行诊疗判断、提供建议，但人工智能完全代替医生和护士是不可能的，人工智能算法在深入了解病人感受层面相较人类医生有诸多弱势，疾病诊断治疗还有很多社会人文因素，不能单纯依赖技术环节完成诊疗服务。同时，在医疗护理中实施机器学习和人工智能仍面临一系列的挑战。
（1）观念转变：医护工作者不应拒绝人工智能，而应积极去学习和利用人工智能所带来的好处，从而提升工作效率，腾出更多时间做探索性和创新性工作。（2）行业阻力：数字化转型使得医疗护理行业面临前所未有的颠覆。从不断变化的行业法规到不断上涨的成本，医疗护理提供商均受到系列挑战和干扰。大量医疗保健数据已带来了数据管理和集成的挑战。并且，医疗大数据的使用，势必需要打破各级医院、医疗机构及诊所间的数据保护壁垒，因此对于数据的采集问题，同样面临行业间的阻力。（3）隐私问题：专业数据库是监督式学习训练的人工智能基础，其在宽度和深度上对特定的应用程序进行训练是必不可少的，但是由于隐私问题、记录识别问题以及健康保险流通与责任法案的存在，需要国家医疗机构能够尽快出台相关法案，保护患者的隐私。
（4）监管问题：目前对于人工智能医疗护理大数据及辅助诊疗系统的使用，我国的法规较欧美等发达国家而言还有一些差距，后续需要引起相关部门的重视。
人工智能医疗护理所面临的挑战还有很多，但人工智能发展的趋势已经势不可挡，它正融入到医疗护理及医疗健康相关的各个领域，今后还将在更深更广的程度融合。
5.总结
本文所提出的基于人工智能技术在未来护理领域的应用，希望广大医护工作者能够借助人工智能带来的红利，协助进行临床护理决策和提高运行效率。并且，成功的医疗护理创新工作的开展，需要创业者、投资人、医疗供应商、患者和政策制定和监管人员间的共同协作。当万事俱备之时，人类将会因人工智能技术的应用而获益匪浅，并且离我们所梦想的没有疾病的世界将更进一步。
参考文献:
1．杰夫·霍金斯. 智能时代[M] 北京：中国华侨出版社，2014.7
2．李开复，王咏刚. 人工智能[M] 北京：文化发展出版社，2017.5
3.雷·库兹韦尔. 人工智能的未来[M]杭州：浙江人民出版社，2016.3
4.Picciano, Bob. “Why big data is the new natural resource.” Forbes. June 30, 2014.
5.Harrington, Laurie, and Maria Heidkamp. The Aging Workforce: Challenges for the Health Care Industry Workforce. In Brief, Issue Brief of the NTAR Leadership Center. March 2013.
6.中国信息通信研究院政策与经济研究所编译组，美国国家人工智能研究和发展战略计划[J]，2016.10
7.IBM 商业价值研究院，医疗与健康服务的“强心剂”：医疗健康业的认知未来[J]， 2015 年 9 月。”http://www-01.ibm.com/common/ ssi/cgi-bin/ssialias?subtype=XB&infotype=PM&htmlfid= GBE03689USEN&attachment=GBE03689USEN.PDF
8.IBM press release. CVS Health and IBM Tap Watson to Develop Care Management Solutions for Chronic Disease [J]. July 30, 2015.
9.谷歌DeepMind计划5年内将人工智能用于健康领域
10.全球医疗人工智能实力大PK, http://med.sina.com/article_detail_103_1_33893.html
11.BAT的人工智能产品全部进入医疗行业. https://zhuanlan.zhihu.com/p/29547679
论文作者:潘媛媛
论文发表刊物: 《医师在线》2018年9月17期
论文发表时间:2019/3/11
标签：人工智能论文; 医疗论文; 数据论文; 技术论文; 领域论文; 系统论文; 未来论文; 《医师在线》2018年9月17期论文;