人工智能，從人工關(guān)節開(kāi)始

　　人工智能(AI)無(wú)疑將逐步與醫學(xué)技術(shù)相結合，但目前還不清楚二者將以怎樣的方式，在哪些具體領(lǐng)域，產(chǎn)生最令人矚目的碰撞。而只要找到正確的機器學(xué)習或其它AI成果的應用空間，相信這將幫助我們解決與生命密切相關(guān)的重大醫療保健需求。

　　人工智能與關(guān)節造形術(shù)。

　　醫學(xué)實(shí)踐堪稱(chēng)一門(mén)藝術(shù)，而且擁有著(zhù)傳奇般的發(fā)展歷程，但其中仍存在著(zhù)諸多不足。例如，在當前的現代醫療體系當中，我們面向病人設計的電子健康記錄(簡(jiǎn)稱(chēng)EHR)，實(shí)際上主要用于醫療計費以及降低由醫患矛盾引發(fā)的損失。通過(guò)對EHR當中的數據進(jìn)行匯總，我們雖然能夠得出患者狀況的整體情況，但其傳統的交互界面與繁瑣的操作，實(shí)際上僅僅是建立起一種以病患為中心的錯覺(jué)，而非真正為了貫徹以人為本的診療理念所設計。

　　由于診療計劃的制定過(guò)程根本沒(méi)有融入到實(shí)際患者的期望、想法與感受，因此我們千篇一律地進(jìn)行給藥，如同給每一位工人配發(fā)同樣碼數的工服與鞋子?？梢韵胍?jiàn)，沿著(zhù)這條道路繼續發(fā)展，只會(huì )導致醫生與病患之間的非人化對接方式進(jìn)一步升級。正如Eric Topol在他的新書(shū)《深度醫學(xué)：人工智能如何再次為醫療保健引入人性(Deep Medicine： How Artificial Intelligence Can Make Healthcare Human Again)》中所描述，我們正身處在第四次工業(yè)革命，其中的大數據、人工智能以及機器人等技術(shù)成果，有望徹底改變低下的醫療保健效率，提供定制化護理服務(wù)，并最大限度利用最新證據指導治療方法。

　　人工智能的最早描述出現在1956年。隨著(zhù)大量先進(jìn)計算能力的廣泛普及以及更多大規模數據(通常稱(chēng)為大數據)的收集與存儲成為可能，人工智能終于快步進(jìn)入我們的生活。在進(jìn)行數據研究的過(guò)程中，人類(lèi)可以創(chuàng )建并改進(jìn)復雜的算法，從而識別出有助于診斷或者能夠預測量化指標的各類(lèi)模式。

　　與此同時(shí)，醫學(xué)實(shí)踐也正在改變成以?xún)r(jià)值為基礎的行業(yè)，專(zhuān)注于以最低成本提供最佳患者診療體驗。以整形外科為例，特別是下肢關(guān)節成形術(shù)領(lǐng)域，病患關(guān)節將被由金屬及塑料制成的人造關(guān)節所取代。在這方面，人工智能可以非常高效地評估術(shù)后恢復方案，并提供相關(guān)服藥建議。

　　首先，關(guān)節置換通常屬于選擇性外科手術(shù)。通過(guò)X光片被診斷患有晚期關(guān)節炎的患者可能會(huì )被轉診至專(zhuān)項醫師處以進(jìn)行關(guān)節轉換，且具體手術(shù)細節需要共同商議以滿(mǎn)足諸多要求——例如患者的功能性需求、醫療狀況、生活質(zhì)量以及期望等等。在這方面，人工智能可以檢測出其中的細微差別，并利用質(zhì)量較高的原有患者數據做出未來(lái)預測。具體來(lái)講，其可能利用一種復雜的算法對最終關(guān)節轉換風(fēng)險做出預測、評估住院周期與費用，甚至準確分析出病患的術(shù)后恢復軌跡。

　　當然，要開(kāi)發(fā)這樣的算法，必須首先廣泛收集來(lái)自數十萬(wàn)級患者的診療數據。幸運的是，作為關(guān)節成形術(shù)當中占比最高的子分類(lèi)，髖關(guān)節與膝關(guān)節置換是醫療保險報銷(xiāo)政策當中最為常見(jiàn)的手術(shù)類(lèi)別?？梢钥吹?，患者的術(shù)后恢復情況與診療體驗在很大程度上由報銷(xiāo)額度決定。因此十多年以來(lái)，髖關(guān)節與膝關(guān)節置換外科醫師們在不經(jīng)意間積累到大量與患者息息相關(guān)的數據，這些數據庫足以支撐起機器學(xué)習分析與算法開(kāi)發(fā)。

　　除了協(xié)助分析與算法實(shí)現之外，大規模數據收集還帶來(lái)了另一大獨特的優(yōu)勢——幫助我們評估不斷變化的醫療支付模式所帶來(lái)的實(shí)際影響。醫療保險與醫療補助服務(wù)中心最近決定以“綁定支付”作為替代性支付模式，其中病患可以在手術(shù)完成后90天之內向醫院支付固定費用，而無(wú)需考慮術(shù)前的實(shí)際診療復雜程度。通過(guò)機器學(xué)習分析，我們最終將能夠準確量化各類(lèi)術(shù)前因素，從而提出更為公平的患者定額支付模型。

　　放射學(xué)、機器人輔助手術(shù)以及人體活動(dòng)等都是髖關(guān)節與膝關(guān)節置換診療流程中的日常臨床要素，也各自產(chǎn)生大量相關(guān)數據，可用于基于A(yíng)I類(lèi)算法的研究與表征。以FocusMotion為代表的不少初創(chuàng )企業(yè)正在與整形外科醫師開(kāi)展合作，利用機器學(xué)習算法遠程監控關(guān)節成形術(shù)患者。該算法能夠通過(guò)傳統智能手機中的傳感器準確捕捉患者的運動(dòng)、步態(tài)、治療依從性、阿片類(lèi)藥物依賴(lài)性以及個(gè)人活動(dòng)，由此組成的成千上萬(wàn)個(gè)數據點(diǎn)將快速積累起可觀(guān)的分析素材儲備。

　　人類(lèi)與人工智能在醫學(xué)領(lǐng)域中的會(huì )面令人無(wú)比興奮、充滿(mǎn)期待，而且相關(guān)成果有望通過(guò)提高效率以及重塑醫患關(guān)系等方式得到證實(shí)?？紤]到人工智能在醫學(xué)領(lǐng)域的應用仍然未受監管及檢驗，為了最大限度提高相關(guān)技術(shù)的臨床意義并確保其應用得當，后續深入研究無(wú)疑至關(guān)重要。骨科——特別是關(guān)節成形術(shù)——包含大量子分類(lèi)，其各自擁有細致的護理計劃、易于獲取的臨床數據，以及對于支付模式、政策、設備制造、放射學(xué)、手術(shù)技術(shù)乃至人類(lèi)日?；顒?dòng)等因素的直觀(guān)映射。以這一獨特的領(lǐng)域為出發(fā)點(diǎn)，充分發(fā)揮其巨大的數據源影響力，我們相信人工關(guān)節有望成為評估并利用人工智能醫療方案的理想起點(diǎn)。