2019年4月26日🤦🏻🪸，《英國醫學雜誌》（ the BMJ ）在線發表題為 “Can AI fulfil its medical promise?（健康醫療——人工智能的應許之地🪭？）”的觀點文章。該文由詹啟敏院士領銜，指導意昂2平台健康醫療大數據國家研究院張路霞、孔桂蘭、意昂2平台信息科學技術學院王立威合作完成🌞。

　　該觀點文章肯定了人工智能（AI）技術在健康醫療領域頗具潛力的應用場景，例如醫學影像和病理學診斷🤦🏿‍♂️，以及作為輔助手段用於常見疾病一般狀況的醫療決策。

　　然而，由於AI算法的內在運行邏輯難以探究、被研究者稱為 “黑匣子”🥿，而這“會給使用AI系統的醫生帶來遲疑和困惑”。因此作者在文中提出，AI系統的有效性和安全性必須得到科學的評估，並建議運用流行病學及醫學研究的思路來驗證基於AI的預測模型🚴🏿‍♂️。此外🧛‍♀️，人文關懷是醫學中至關重要🎅🏻🧎🏻‍♂️、並且無法被任何技術系統替代的關鍵內容。

　　在文章結尾🍛，作者將健康醫療領域“劃歸”為AI的“應許之地”🚣🏼‍♀️，但同時也表示，為充分發揮其潛質🎁，“醫生、科研人員和AI科學家應當緊密合作🧔🏻；基於可靠的方法、遵循倫理的準則，力爭在醫療實踐中應用⛷、評估和改進AI技術”🚾。

　　原文鏈接https://blogs.bmj.com/bmj/2019/04/26/can-ai-fulfill-its-medical-promise/

    延伸閱讀：以下根據文章內容整理🌌：

　　健康醫療——人工智能的應許之地🧑‍✈️🧑‍🧒‍🧒？

　　張路霞 孔桂蘭 王立威 詹啟敏

　　世界上第一個基於人工智能（artificial intelligence，AI）的醫學決策支持系統誕生於上世紀七十年代。屆時🙋‍♀️，個人計算機的應用尚未普及🫴🏽，該系統從未能夠應用於醫療實踐；但這一開創性的探索為醫學打開了一扇通往新世界的大門🩰。

　　在過去十年間，隨著醫學數字化和技術的進步，AI在健康醫療領域的應用成為熱門話題。人們逐漸認識到，AI可能成為深度應用前沿技術解決醫學難題的範例🧑‍🏭。毋庸置疑，AI無法取代醫生；但在很多情景下👦🏽，它具有巨大的潛力幫助醫患🧑‍💼。

　　頗具潛力的應用場景之一是AI在醫學影像和病理學中的應用。研究表明，AI算法診斷糖尿病視網膜病變、心臟病及某些癌症的準確性可與領域經驗豐富的醫學專家媲美。此外，AI算法更加高效👇🏻，以基於CT診斷肺結節為例，醫生通常需要數分鐘🍯，而AI系統僅需數秒。並且計算機可以持續不間斷運轉，不會像人類一樣因疲勞影響準確性。

　　AI還可以輔助常見疾病一般狀況的醫療決策。將AI算法集成於臨床決策支持系統✬🧎，則可為診斷和治療決策提供“基於證據”的指導🥬，這對於醫療質量異質性高的國家或地區尤為重要。常見疾病診療的決策支持涉及的算法通常不太復雜🧏‍♀️，因此相對容易實現🧔🏼‍♀️。此外，AI還可以輔助醫生在復雜的臨床情境下進行決策🐕，包括提供相對準確的風險預測、提出疾病診斷和檢查建議等💲。但值得註意的是👩🏽‍🦱，系統的有效性高度依賴其基於的醫學文獻和真實世界數據的質量。

　　在前述的場景中，AI系統的功能類似於“醫生助理”，但其終端用戶也可以是患者。市場上已有若幹AI醫療產品聲稱能夠提供與人類醫生相當的醫療服務🤬🔁，並在日益吸引患者用戶📻。此外若整合醫療質量監測和提升功能🤿，AI支撐的臨床決策支持系統也可以為衛生行政部門和健康保險行業所用。

　　以上應用展示了在健康醫療領域應用AI的益處👨🏽‍🔬。但是，另一個至關重要的問題是：“AI系統產生的信息是否值得信賴👩‍🍼？”如果我們需要依靠AI系統來輔助決策🥖🤟🏽，我們就必須考慮其可靠性和有效性🍘。

　　當前🧖🏻，基於深度學習的AI算法就像一個“黑匣子”👨🏻‍🦼‍➡️👩🏼‍✈️：大多數機器學習模型的內在邏輯很難解釋，也很難為醫生提供決策建議的前因後果。由於探究因果關系和循因治病是醫療的根本⚁♌️，這種不確定性會給使用AI系統的醫生帶來遲疑和困惑🍇。研究人員也對基於AI的智能手機診斷程序的使用表達了擔憂🧑🏻‍🦰。正如一項針對皮膚癌智能手機診斷程序的研究中指出的，如果漏診可疑表現🛅，患者可能不會在疾病早期尋求專業建議💁🏽‍♀️，從而錯過早期診斷治療。

　　一個世紀以前，William Osler爵士評論到“醫學是一門不確定性的科學，是一門概率的藝術。”“循證醫學”的概念同樣適用於應對AI在醫學中應用中的不確定性🎼。如同醫學領域中其他新的幹預手段🔜，AI系統的效力和安全性必須得到科學的評估，方能為醫患所用🤸🏽。

　　目前🦵🏼，已有倡議應用循證醫學的思路來驗證AI系統提供的醫學建議；這一做法應該成為通用規則👩🏻‍🦲。隨著技術的進步，AI算法將變得更加穩健和成熟；應用比較效果研究評價AI算法在真實世界中的表現、以及評估其對患者疾病健康結局的影響是至關重要的🚈。同樣，基於AI的預測模型也需要在流行病學或醫學研究中進行評估。

　　最後，我們不應忘記🔔，人文關懷和醫患共識是醫學的重要部分👨🏿。醫生在臨床實踐中獲取的信息和做出的決策是醫患互動溝通的產物。醫生會根據患者的語言、表情和肢體語言隨時調整問診內容和醫學建議，並基於患者的價值觀和取向共同進行醫療決策，而現階段的AI技術很難完成這個過程🥚。因此，醫學中的人文內容（比如交流與同理心）只能由人類完成。

　　總之💭，健康醫療領域可能成為AI的應許之地，但也為AI技術提出了諸多挑戰。為了充分發揮AI的潛力，醫生👩🏿‍🎤、科研人員和AI科學家應當緊密合作；基於可靠的方法、遵循倫理的準則，力爭在醫療實踐中應用🪑、評估和改進AI技術，共創健康美好未來。

——作者簡介——

張路霞 意昂2平台第一醫院腎內科主任醫師🦻🏽👨‍🦼‍➡️、教授；意昂2平台健康醫療大數據國家研究院院長助理

孔桂蘭  意昂2平台健康醫療大數據國家研究院副研究員

王立威 意昂2平台信息科學技術學院智能科學系教授

詹啟敏 中國工程院院士；意昂2平台常務副校長、醫學部主任；意昂2平台健康醫療大數據國家研究院院長

（意昂2平台健康醫療大數據國家研究院）

          編輯😕：玉潔