ICU會(huì )是醫療AI走出邊緣的切入點(diǎn)嗎？

我們曾經(jīng)關(guān)注過(guò)很多關(guān)于人工智能在醫療領(lǐng)域的應用，比如運用得非常成熟的醫療影像診斷，用于醫療器械的研發(fā)，醫療數據的整理與分析，或是醫院日常管理等方面。在這些領(lǐng)域，人工智能確實(shí)起到了一定程度上的積極效果。

但仍然有一些關(guān)鍵性的領(lǐng)域，人工智能的診療卻依然難以叩開(kāi)大門(mén)。比如ICU，由于在這里的每一步操作都事關(guān)人命，因此在現階段，人工智能幾乎不可能進(jìn)入它的診療。

如果沒(méi)有記錯的話(huà)，上一個(gè)引起廣泛熱議的人工智能ICU應用，是它能夠根據病人的身體數據預測死亡時(shí)間。這個(gè)功能唯一有效的作用，或許就是極度方便了醫院關(guān)于緊張的ICU病房的排隊事宜。

但這并不意味著(zhù)ICU的大門(mén)永遠對人工智能緊閉著(zhù)。作為被證明足以改變世界的跨時(shí)代技術(shù)，人工智能已經(jīng)被證明在醫療領(lǐng)域的巨大應用潛力。與其說(shuō)人工智能要進(jìn)軍ICU，不如說(shuō)ICU更需要人工智能。

這份需求，或許可以從一劑止痛劑開(kāi)始。

ICU里的人工智能給藥突破

對ICU病人而言，因病情較重且多不具備明顯的意識，因此準確的給藥劑量顯得極為重要。而在所有的ICU常見(jiàn)藥物當中，止痛藥的作用又更加突出。因為在大多數情況下，能住進(jìn)ICU，往往伴隨著(zhù)重大手術(shù)的進(jìn)行。

然而重癥監護室的止痛劑使用，卻又是一件非常復雜的問(wèn)題。護理人員需要患者反饋自己的疼痛強度，以調整藥物的劑量；但ICU的患者往往伴隨著(zhù)意識的昏迷，因此這種反饋并不能持續。對護理人員來(lái)說(shuō)，給藥過(guò)量很容易導致患者成癮，而用量不足則又無(wú)法達到預期的鎮痛效果，增加病人的痛苦；更有甚者，還很容易引發(fā)疼痛致死。

根據2016年美國衛生局發(fā)布的消息，美國每年平均有上萬(wàn)人死于阿片類(lèi)鎮痛藥物過(guò)量；2017年全球頂級醫學(xué)雜志《柳葉刀》的研究報告顯示，全球每年約有2500萬(wàn)人死于疼痛。這些只是全場(chǎng)景下的數據統計，如果單純統計ICU里由于阿片類(lèi)鎮痛藥物的不合規使用而導致的死亡病例，恐怕情況也不會(huì )樂(lè )觀(guān)到哪兒去。

那么，如何為臨床醫生提供更好和更個(gè)人化的疼痛管理護理，便成為了人工智能進(jìn)一步挺進(jìn)ICU的突破口。

今年7月份，來(lái)自哈佛-麻省理工學(xué)院健康科學(xué)技術(shù)部門(mén)、麻省理工學(xué)院媒體實(shí)驗室和哥倫比亞大學(xué)的研究人員組建了一個(gè)人工智能團隊，并創(chuàng )建了一個(gè)人工智能深度強化學(xué)習算法模型，以用于重癥監護室的疼痛管理。這項算法的主要目標，就是能根據不同病人的情況，提供可量化的精準止痛劑給藥。

為此，他們結合了40000多例患者在接受了醫生使用止痛劑之后的效果，包括積極的和消極的。在此基礎上，其用人工智能算法確定了對每個(gè)病人而言的最佳劑量，以適應不同病人個(gè)性化的止痛劑需求，從而達到了借助人工智能來(lái)實(shí)現ICU病人止痛劑量化給藥的目的。

這種方法沿襲了人工智能解決問(wèn)題的一貫套路，即以大規模的數據喂養來(lái)對模型進(jìn)行訓練，然后反哺到現實(shí)應用。但與其他場(chǎng)景下的數據+模型訓練相同，ICU里的人工智能，更依賴(lài)于精準而豐富的數據。在這項算法訓練中，最大的問(wèn)題，仍是數據。

第一是數據量的不足。

人工智能算法模型的訓練需要大量的數據，但對ICU病人而言，平均ICU住院天數在10天左右，而發(fā)達國家效率更高，平均住院時(shí)長(cháng)不到一天。較短的住院時(shí)間，意味著(zhù)止痛劑給藥次數不會(huì )很多。那么，這么少的樣本數據，是否足夠喂養一個(gè)人工智能算法模型？

第二是數據的廣度不足。

對一位ICU病人而言，影響其止痛劑使用劑量的因素有很多，比如年齡、性別、身體素質(zhì)特征、體重等各個(gè)方面，除了性別之外，這些大部分因素都是變量。但這項算法里所采用的數據，則來(lái)自病人的既往給藥史。在此基礎上，給出最佳決策。問(wèn)題是顯而易見(jiàn)的，ICU病人身體變化速率要遠異于常人，因此如果只看歷史的死板數據，而不把時(shí)時(shí)存在的變量加入進(jìn)去，那么對于一些未知風(fēng)險也就形成了天然的抵抗缺陷。

另一方面，單純采用止痛劑的歷史使用記錄，意味著(zhù)其余其他藥物配合的剝離。醫生在開(kāi)出止痛劑劑量的時(shí)候是否考慮到了同時(shí)多樣給藥帶來(lái)的相互作用？治療的目標是什么？也就是說(shuō)，止痛劑使用劑量和效果并不是理論上的一一對應，而是要考慮到綜合給藥的復雜性。那么，聯(lián)合使用藥物（如果存在）以及其他可能影響止痛劑效果的數據，均應該納入其中。

在解決這些問(wèn)題之后，如果算法成熟，人工智能ICU量化給藥將會(huì )幫助醫生進(jìn)行臨床決策，同時(shí)提供自動(dòng)指導。

但量化的意義，或許并不僅僅局限于ICU內。

走出ICU：量化與重要醫療場(chǎng)景的AI進(jìn)軍

醫療人工智能在當前仍然算作一個(gè)正在高高飛起的創(chuàng )業(yè)風(fēng)口，并且主要集中在一些相對來(lái)說(shuō)邊緣領(lǐng)域的醫療應用，健康監測、醫療器械、影像診斷、住院管理……過(guò)分集中于這些領(lǐng)域，很容易給人造成一種錯覺(jué)：人工智能對醫療，好像并沒(méi)有什么實(shí)際作用。

對常人而言，所謂看病，最重要的就是醫生診療的過(guò)程，臨床診斷、對癥下藥，最后藥到病除。雖然人工智能在上述范圍內的醫療領(lǐng)域已經(jīng)有了很深的應用，但患者看不見(jiàn)、用不著(zhù)，身體恢復的功勞仍然屬于醫生，在這個(gè)光環(huán)之下，自然AI看似無(wú)用。

而要想讓人工智能從醫療領(lǐng)域的無(wú)用質(zhì)疑之中掙脫出來(lái)，直接參與到極為重要的醫療場(chǎng)景中或許更為是另一條道路。從這個(gè)角度上來(lái)說(shuō)，瞄準緊急醫療場(chǎng)景，真正做到與病人生命同在，或許是人工智能在醫療領(lǐng)域樹(shù)旗立威的不錯選擇。比如在ICU、救護車(chē)、臨床搶救等方面的應用，以生命為第一衡量標準，可以加速人工智能的醫療領(lǐng)域普及。

而要想在這些緊急醫療場(chǎng)景中發(fā)揮出肉眼可見(jiàn)的作用，就需要將上文所構想的人工智能的藥劑量化能力施展出來(lái)。ICU里的每一次謹慎的給藥、救護車(chē)上維持生命的藥液含量、臨床搶救時(shí)恰到好處的麻醉注射，每一次將生命從死神邊緣拉回人間的過(guò)程，都是人工智能在醫療道路上腳步愈加堅定的基石。

因此，人工智能向醫療領(lǐng)域的滲透，可以嘗試去走這樣一條道路：以關(guān)系生死的急救場(chǎng)景為切入，結合可以量化的具體醫療操作，盡可能減少醫療誤差，在此基礎上實(shí)現整個(gè)醫療行業(yè)的全面進(jìn)軍。這樣做，既恰好利用了其擅長(cháng)數據量化處理的優(yōu)勢，又能充分凸顯人工智能的價(jià)值。

讓AI醫療不僅僅是流于表面或者扮演邊緣化的角色，或可自此而始。