當前人工智能在YL領域的應用現狀及未來展望

2018-08-22 10:12:42 13433閱讀次數

掃碼分享

　　摘要：人工智能與控制論思想一脈相承，其實質是知識的自動化。自1956年確立為獨立的研究領域以來，先后經歷過三次發展浪潮，并在本次浪潮中實現了從理論到場景的應用，逐漸上升為多國的國家戰略。當前在YL領域的應用主要有9大類，分別是虛擬助手、疾病診斷與預測、YL影像、病歷/文獻分析、醫院管理、智能器械、新藥研發、健康管理和基因。但是，在數據隱私、數據標準、醫保支付、責任風險等方面還存在許多問題。在準入管理方面，美國已在數據隱私保護、縮短審批流程等方面做出了應對，并組建了專門致力于數字化YL和AI技術審評的新部門。鑒于人工智能能夠彌補人力資源不足、提高YL準確性等優點，我國應在法治、監管、技術、標準等方面做好規范以迎接人工智能時代的帶來。

　　關鍵詞：人工智能； YL；應用；準入；

　　2017年7月，國務院發布了《新一代人工智能發展規劃》（簡稱《規劃》），制定了人工智能三步走發展戰略目標，致力于在2020年、2025年以及2030年分階段完成我國人工智能技術從與世界水平同步到部分領xian、再到總體領xian的發展目標。[1] YL是ZG人工智能戰略的重要領域。然而YL行業的特殊性以及人工智能威脅論的說法使得人工智能在YL領域的應用和準入尤為慎重。本文旨在梳理人工智能的歷史沿革以探尋人工智能的本質，綜述當前人工智能在YL領域的應用現狀、現存問題和準入管理等情況，展望人工智能在YL領域的未來發展。

　　1 人工智能的起源與本質

　　1.1人工智能的起源

　　在“機器智能”的啟蒙爭論中，控制論（cybernetics）與人工智能（Artificial Intelligence）兩詞曾并列候選。1955年，約翰？麥卡錫為區別于諾伯特？維納（控制論之父）的“控制論”一詞而命名為“人工智能”,1956年夏季達特茅斯（Dartmouth）人工智能研討會之后，人工智能開始作為一個獨立的研究領域。

　　1.2人工智能的本質

　　麥卡錫和尼爾斯？尼爾森后來對人工智能進行了另一種解釋，即智能的自動化（AI= Automation of Intelligence），該見解與維納的控制論思想一脈相承，從工程角度看，人工智能的實質即是知識的自動化。[2]

　　斯圖亞特？羅素和彼得？諾維格在《人工智能：一種現代的方法》一書中嘗試對人工智能進行定義：人工智能是有關“智能主體（Intelligent agent）的研究與設計”的學問，而“人工智能主體是指一個可以觀察周遭環境并作出行動以達致目標的系統”[3].

　　人工智能分為弱人工智能、強人工智能和超人工智能三個層級，李開復和奧倫·伊茲奧尼等學者認為，在很長的一段時間里，我們將處于弱人工智能層級，也稱限制領域人工智能/應用型人工智能，指的是專注于且只能解決特定領域問題的人工智能，還沒有到必須分配精力去擔心未來，或為可能的機器威脅做準備的地步。[3]正確并且理性的認識人工智能的本質和所處的發展層級，有利于對當下的把握和對未來趨勢的預判，為更好地發展人工智能做準備。創新工場根據技術成熟度和未來發展趨勢預測人工智能在YL領域的發展將在未來3~5年內走向成熟。[3]因此，結合當前的人工智能所處的層級，我們應致力于將人工智能更好、更快地融入YL，提升人類的健康和生活水平。

　　2 人工智能在YL領域的應用現狀

　　2.1國外的應用現狀

　　當前人工智能的發展迎來了第三次浪潮，其研發應用于各大領域，在YL領域進行人工智能探索已有較長的歷史。1972年，由利茲大學研發的AAP Help是資料記載當中YL領域Z早出現的人工智能系統，該系統主要是用于腹部劇痛的輔助診斷以及手術的相關需求。[4]在隨后的發展過程中，先后出現了匹茲堡大學研發的INTERNISTI,主要用于內科復雜疾病的輔助診斷；斯坦福大學研發的MYCIN[5],能對感染性疾病患者進行診斷，開具抗生素等。20世紀80年代，出現一些商業化應用系統，比如QMR（Quick Medical Reference），還有哈佛醫學院開發的DXplain等。[6]近幾年，國際商業巨頭紛紛涉足YL人工智能。目前，廣為人知的有IBM Watson[7],能夠識別自然語言，在腫瘤ZL方面，能夠在幾秒之內篩選數十年癌癥ZL歷史中的150萬份患者記錄，并為醫生提供可供選擇的循證ZL方案。此外，谷歌DeepMind于2016年公布成立DeepMind Health部門，與英國國家健康體系（NHS）合作，幫助他們輔助決策，提GX率縮短時間。2017年，DeepMind宣稱將區塊鏈技術應用到個人健康數據的追蹤以幫助解決患者隱私問題。[8]

　　2.2國內的應用現狀

　　國內人工智能在YL領域的開發研究始于20世紀80年代初。1978年，北京中醫醫院關幼波教授與計算機科學領域的專家合作開發了“關幼波肝病診療程序”,第1次將醫學專家系統應用到我國傳統中醫領域。近幾年，受到國家政策的鼓勵和科技發展趨勢的影響，國內許多企業紛紛致力于人工智能的開發研究。2017年11月，由15個部委合力確定了首批4家國家創新平臺，分別依托百度、阿里云、騰訊和科大訊飛4家企業，分別開發自動駕駛、城市大腦、YL影像、智能語音等技術。[9] 2016年，百度宣布開啟智能YL新時代，推出百度YL大腦。2017年7月，阿里健康發布YLAI“Doctor You”,并于其后10月份宣布成立承載“NASA計劃”的實體組織--“達摩院”,致力于基礎科學的研究和技術創新，首批公布的研究領域主要涵蓋人工智能的相關研究，如人機自然交互、自然語言處理、機器學習等。而科大訊飛的智能語音識別技術已經走在了世界的前列，從2015年開始著手AI+YL的產業布局，入局兩年以來主要的研發成果是“三款產品+一個平臺”,分別是智醫助理、語音電子病歷、影像輔助診斷系統和一個人工智能輔助診療平臺[10].其中智醫助理參加了2017年臨床執業醫生綜合筆試測試，以高出分數線96分的成績通過了測試。

　　總的來說，國內外大中型企業紛紛在“AI+”領域發力。據動脈網發布的《2017YL大數據與人工智能產業報告》，當前YL人工智能的細分領域主要有9大類，分別是虛擬助手、疾病診斷與預測、YL影像、病歷/文獻分析、醫院管理、智能器械、新藥研發、健康管理和基因。[11]根據蛋殼研究院統計，國內和國外的人工智能+YL的初創企業一共有192家，其ZG內83家，國外109家（未包含基因技術為主的企業數據）。國外的109家企業在幾大YL應用場景有較為均衡的布局，而國內的84家企業中有40家企業涉足YL影像，遠高于其他幾項應用場景，特別在新藥研發、基因等高精技術領域涉足的企業遠少于外國企業。我國YL人工智能的布局不均衡而較多集中在YL影像，大致原因包括以下4個方面：首先是深度學習技術在圖像識別領域取得了突破。2012年，深度學習模型S次被應用在圖像識別大賽（ImageNet），將錯誤率降至16.4%.2017年的ImageNet挑戰賽中，Momenta團隊利用SENet架構取得**的成績，其融合模型在測試集上獲得了2.251% 的錯誤率，而人眼的辨識錯誤率約為5.1%,深度學習模型的識別能力超過了人眼；第二是YL影像數據豐富，YL數據中90%以上是影像數據，且以63%的年增長率遞增，海量的數據資源為模型訓練提供了豐富的數據訓練集，有利于系統的開發；第三是企業的商業定位，YL影像是相對能夠較快實現從試驗向臨床應用突破的分支，有利于新興人工智能企業迅速起步；Z后，由于我國在新藥研發等一些高精技術領域相對國外的研發能力較弱，研發周期較長，相關的研發投入不如國外，因此人工智能的應用與布局也不足。

　　3 人工智能在YL領域的現存問題

　　奇璞研究根據數據有效性和商業模式的發展將YL人工智能應用分為三個階段：**階段為數據整合階段。YL數據標準化低，共享機制弱，AI在YL行業的應用領域和效果受限。第二階段是“數據共享+感知智能”階段。YL數據融合到一定程度，出現輔助診療、圖像識別等各領域的商用產品。第三階段是“認知智能+健康大數據”階段。健康大數據的獲取成本降低，人類將步入個性化YL時代。[4]雖然我國很多企業涉足YL影像并取得一定成果，但總的來說，我國還未完成**階段的數據整合工作，YL數據的標準化程度低，共享機制未健全。有些醫院甚至還未實現數據的電子化，2014年參與電子病歷應用水平分級評價的醫院中，有46.4%未形成電子病歷。[4]此外，在數據隱私保護方面，美國于1996年頒布了《健康保險攜帶和責任法案》（Health Insurance Portability and Accountability Act,HIPAA），規定建立國家電子YL交易保障監督制度，創建YL信息安全和隱私。該法案通過讓YL服務商和YL保險行業接觸健康信息，控制、監督YL健康信息的正當使用，以Zda限度地保護患者的隱私。隨后，美國頒布《安全和創新法案》、《個人可識別健康信息的隱私標準》、《移動YL應用程序指南》等對互聯網時代下的電子YL信息進行更全面的規定。[12]而我國目前在YL信息的隱私和安全問題的制度性保護尚還缺位。

　　除了以上涉及YL數據的電子化、標準化、共享機制和隱私保護的問題，第二個就是YL本身的問題。臨床上很多疾病會呈現相同的癥狀，同一癥狀會對應不同的疾病，臨床診斷的復雜性加大了YL人工智能診斷的難度。同時，現代醫學還有很多未突破的醫學難題，而YL人工智能主要基于全人類現有的知識，對于人類當前未知的問題也不能提供相關的建議。

　　第三個問題是醫保支付的問題，由于YL人工智能的開發和引進對開發者和使用者來說費用較高，YL機構對引進YL人工系統的動力尚不明確。在2017年長江產業論壇（秋季）暨YL健康大數據與人工智能大會上，有YL影像領域的人工智能企業領導表示，很多醫院領導在實際引進人工智能系統中缺乏動機，沒有足夠的動力花費較大的成本以減輕底下人工閱片的繁重，醫保支付的引入可以給予一定的激勵引導。同時，納入醫保的人工智能系統有利于政府部門監督管理，從而有利于醫學數據的保護和利用。

　　此外，還有責任風險問題，主要是在YL人工智能系統安全風險尚不明確的情況下，應用YL人工智能系統的YL診斷結果的簽字權問題。同時，與責任風險相關的技術準入和管理問題上，我國的法律監管還存在缺位。Z后，人工智能大力發展新形勢下，傳統醫學人才培養模式也亟待轉變，業內人士表示在可見的未來，也許AI還未能取代醫生，但是懂AI的醫生將首先取代不懂AI的醫生。

　　4人工智能在YL領域的準入管理

　　得益于算法的增強、算力的提升以及廣泛的大數據資源，人工智能在本次的發展中取得了切實的成果并呈現良好的發展態勢，為此世界各國紛紛制定人工智能的發展戰略暢想未來的發展，同時也探討人工智能可能帶來的挑戰。如聯合國在2016年的人工智能政策報告中探討了自動化機器人的使用帶來的挑戰、機器人技術與機械倫理學、邁向新的責任分擔機制和決策可追溯的重要性四個方面。[13] 2016年，美國推動成立機器學習與人工智能分委會（MLAI）。同年，美國科技政策辦公室發布了《為人工智能的未來做好準備》、《國家人工智能研究和發展戰略計劃》和《人工智能、自動化與經濟報告》。[14]作為在人工智能道德標準及政府監管研究領域的領xian者，英國下議院的科學和技術委員會于2016年10月發布了《機器人技術和人工智能》報告，著重闡述了英國將會如何規范機器人技術與人工智能系統的發展，以及如何應對其發展帶來的倫理道德、法律及社會問題。[15]

　　民間對人工智能監管的問題上主要有兩方觀點，一方如特斯拉及Space X的CEO埃隆·馬斯克堅持的應該嚴格監管；另一方如Facebook的CEO扎克伯格認為的應放寬監管。但是在國家層面上，一些先行國家已經開始著手具體應對人工智能帶來的挑戰。

　　4.1美國的準入管理

　　美國于2016年正式通過《21世紀治愈法案》，規定撥款5億美元資助FDA改革藥物審批程序。法案要求改革并加快對某些抗生素藥物的審批過程，加快YL器械的審批通道，為藥物研發提供全新的指導性文件。一方面，放寬或免檢輔助健康智能軟件和運動保健產品，如智能手環或卡路里監測APP等的審批；另一方面，對那些ZL罕見且威脅生命的疾病的藥物審批可縮小臨床試驗規模。在具體的監管實施上，美國食品藥品監督管理局（FDA）早在1998年以及開始監管計算機輔助識別系統。目前批準使用的有用于乳腺排查的影像系統CAD,研究表明，CAD系統的使用能夠提升放射科醫生的讀片工作。[16] 2012年，FDA公布了一套相對明確的審查指標來審查集成了機器學習算法的軟件，指標包括算法設計、特征、模型、用于訓練和測試算法的數據集以及使用的測試數據“衛生程度”.[17] 2015年，FDA發文將可控制心臟消融導管遠程控制系統定義為Ⅱ類，屬于中等風險。[18] FDA致力于加快患者獲得滿足需求的創新YL設備的機會，把一些在需要在產品開發過程中收集的證據轉移到技術上市之后。目前，大多數YL器械都是在以下兩種途徑中進行審查：高風險設備（也稱為Ⅲ類產品）一般通過上市前批準（PMA）的評估，制造商必須進行至少一次的臨床研究并向FDA提交的相關數據。低風險和中等風險的產品（Ⅰ類和Ⅱ類產品）的審查，通常評估它們是否與已上市的設備相當，這些產品只是偶爾需要臨床試驗數據。FDA的目標是在180天內完成對PMA應用程序的審查（如果評估需要聯邦咨詢委員會則為320天）[19,20].2016年，FDA頒布了對未來醫學創新舉足輕重的三條規范：⑴針對低風險普眾健康產品的法律規范；⑵為支持YL器械監管決策，提供實際循證的法律規范；⑶YL設備準入臨床實驗的適應性設計規范。這三條規范對于未來YL領域的AI創新和創意給予了框架性指導建議。2017年，FDA正式授權Bakul Patel博士組建一個專門致力于數字化YL和AI技術審評的新部門，該部門包括13名軟件工程師和開發人員、AI技術和云計算專家等。[21]該部門的任務是為FDA準備好規范和標準，開始審評越來越多涌入FDA大門的AI產品和有機器學習功能的醫健設備、器械或醫用軟件等。他們將重新規劃智能YL機器人、有機器學習特質的YL設備應當采用哪種途徑監管和審批。

　　4.2我國的準入管理

　　相對于美國政府的快速響應，ZG政府也有相關舉措。2017年2月，國家衛生計生委修訂了15條“限制臨床應用”的YL技術管理規范。其中包括人工智能輔助診斷的技術管理規范和質量控制指標。[22] 2017年10月，中共ZY辦公廳、國務院辦公廳印發了《關于深化審評審批制度改革鼓勵藥品YL器械創新的意見》，指出要完善和落實藥品試驗數據保護制度，給予一定的數據保護期；YL器械上市許可持有人承擔全部法律責任；完善技術審評制度，組建藥品審評團隊負責新藥審評，組建YL器械審評團隊負責創新YL器械審評。[23]ZG國家食品藥品監督管理總局（CFDA）也有一些列監管措施，涉及決策支持、輔助診斷的醫用軟件為Ⅲ類YL器械。在2015年頒布的《YL器械軟件注冊技術審查指導原則》中要求軟件描述文檔包括基本信息、實現過程和核心算法。2017年8月發布了《藥品數據管理規范》意見稿，規范產品生命周期中全部活動的數據管理，要求高層管理人員對藥品數據可靠性負Z終責任。2017年9月，CFDA規定申請人應當通過總局YL器械標準管理ZX分類界定信息系統提出分類界定申請。總的來說，ZG有些政策對人工智能的到來作出了一些響應，但是目前尚未有一個專門致力于數字化YL和AI技術審評的新部門，而美國已經開始著手成立相關部門，展望人工智能的未來發展及其對社會的廣泛影響，成立專職的管理部門刻不容緩。

　　5 未來展望

　　相較于臨床醫生的漫長培養周期，YL人工智能一旦實現機器看病，就能以較少的成本在社區及醫院迅速鋪開，彌補當前人力資源不足的問題。此外，YL人工智能可以實現持續監測，從而能夠做到早發現、早ZL，提升大眾健康。Z后，得益于對海量數據處理能力的優越性，人工智能能夠提高YL的準確度，從而能夠更好地輔助臨床醫生進行診斷ZL。人工智能可以給人類的未來生活帶來光明的前景，同時其不確定的威脅也一直存在。如何將人工智能限制在利好人類的方向發展，需要全人類在法治、監管、技術、標準等方面做好規范，以迎接全新的時代。

　　參考文獻

　　[1] 國務院。國務院關于印發新一代人工智能發展規劃的通知[EB/OL].　

　　[2] 托馬斯·瑞德。機器崛起--遺失的控制論歷史[M]. 機械工業出版社， 2017.　　

　　[3] 李開復，王詠剛。人工智能：李開復談AI如何重塑個人、商業與社會的未來圖譜[M]. 文化發展出版社， 2017.

相關產品