辅助诊断、亚型识别、虚拟聊天……医疗AI的想象力究竟有多大？

▎药明康德内容团队编辑

ChatGPT的火爆，再一次打开了医疗AI的想象力。

事实上，医疗AI在临床领域的尝试探索众多，如影像识别、辅助诊断、药物研发、患教管理、疾病防控等等。此前，《自然》（Nature）曾对以ChatGPT为代表的大模型在医疗临床的应用进行阐述：Nature重磅：医疗人工智能的应用前景与陷阱，提出6大有望早日落地的医疗场景：1）出具影像学报告。2）辅助手术操作。3）床旁决策支持。4）陪伴患者的聊天机器人。5）根据文本提示完成蛋白质序列开发。6）交互式笔记。7）影像AI辅助诊断：提高医生工作效率。

那么，目前医疗AI在哪些方面已经取得了可喜的进展呢？《医学新视点》盘点了最近医疗AI相关研究报道，与您共同了解新技术带来的新变革。

影像AI辅助诊断：提高医生工作效率

eClinicalMedicine发表一项针对中国人群的早期乳腺癌超声辅助诊断回顾性、多中心、队列研究，发现使用基于EDL-BC的AI辅助诊断，可将放疗科医生诊断准确性从0.716提高到0.899，有望避免不必要的活检。

图片来源：eClinicalMedicine

EDL-BC是研究人员开发的一项基于深度卷积神经网络的集成深度模型，用于超声影像识别乳腺癌高风险病变。基于EDL-BC的AI辅助诊断可以提取到乳腺癌早期病变的形态特征，再对图片进行客观分析。

▲AI超声辅助诊断（图片来源：参考文献[1]）

（图a：数据收集来源于常规超声检查为良性的患者；图b：训练集和内部测试集来自于3个医疗中心，从每位患者中选择1~2个病灶，每个病灶包含2个图像；图c：将数据划分为多个组合，生成AI集成模型；图d：AI性能）

另一项发表于JAMA Network Open的研究关注到整合优化医疗AI辅助诊断甲状腺结节策略可以提高临床医师工作效率，减少工作量。

图片来源：JAMA Network Open

传统AI诊断策略为医师根据AI建议对图像结节进行评估，然后做出良性或恶性诊断。在此基础上，研究人员提出了新的优化策略，即有选择性的考虑AI建议，如果图像出现甲状腺结节重要特征时，建议考虑AI辅助诊断；如果未观察到甲状腺结节显著特征，建议医师自行判断。

结果发现，同样采取AI优化策略的前提下，初级医师阅片时间变长了，高级医师阅片时间变短了，但二者在诊断的灵敏度和特异性方面不存在差异。这意味着，AI优化策略可以降低高年资临床医师诊断用时，也不会影响准确性，而低年资医师可以考虑用既往的AI辅助诊断方式。

就本项研究而言，在现有条件下，利用AI技术，优化工作路径达到提升工作效率，节省工作时间也未尝不是一种可尝试的方向。

AI聊天：轻度抑郁症和焦虑症患者的虚拟交流对象

ChatGPT的交互式“聊天”给很多人留下深刻印象，那么AI聊天的这种沟通方式能否应用于治疗心理疾病呢？TranslationalPsychiatry发表的一项研究显示，AI聊天和虚拟助手或有利于抑郁症和焦虑症患者的心理健康治疗。

图片来源：Translational Psychiatry

研究人员开发了一款名为Lumen的虚拟聊天助手，共纳入63例患者，其中2/3的患者使用Lumen进行8次的沟通治疗，剩余患者则暂不使用Lumen。结果显示，使用Lumen的患者抑郁、焦虑和心理困扰评分均有所降低，且患者解决问题的能力也有所提升。

据悉，研究团队未来将考虑在人工智能语音模型（如ChatGPT）方面做更深入的探索，以持续迭代Lumen。

AI语音识别：发现那些容易被忽略的关键信息

迄今为止，阿尔茨海默病尚无有效根治方法，但如果能早期发现并及时干预，可延缓病情进展。事实上，早期发现阿尔茨海默病并不容易，由于多数患者年龄偏大，初始症状并不明显，容易被误认为“年龄大了，记忆力不好也正常”，从而忽略了病情的进展。

InternationalConference on Acoustics, Speech and Signal Processing发表的一项研究显示，利用机器学习（ML）模型可以将70%~75%的阿尔茨海默病患者与健康人群区分开来，有望成为阿尔茨海默病的简单筛查工具。

图片来源：International Conference on Acoustics, Speech and Signal Processing

阿尔茨海默病患者早期可能表现为：说话更慢，讲话过程中有更多的停顿或中断，多使用较短的词语，而且讲话不容易被他人理解。基于这些特点，研究人员开发了一款模型，当一个人开始说话的时候，模型就会开始分析并预测，这个人是否患有阿尔茨海默病。

目前，这个模型适用于英语和希腊语，未来有望应用于其他不同的语种，以及尝试在不同疾病中调整模型，如精神分裂症、抑郁症等。

AI识别疾病亚型：预测疾病风险不稀奇，具体到亚型可还行？

The LancetDigital Health发表的一篇来自英国伦敦大学学院等机构的研究显示，利用机器学习方法AI可以识别5种心衰亚型，以预测个人发生心衰的风险，这5种亚型分别为早发型心衰、晚发型心衰、房颤相关型心衰、代谢型心衰（与肥胖有关但心血管病发病率低）和心脏代谢型心衰（与肥胖与心血管病有关）。

图片来源：The Lancet Digital Health

研究人员还开发了一款APP，临床医师可以用APP协助识别心力衰竭患者的亚型。患者被识别和确诊为早发型心衰、晚发型心衰、房颤相关型心衰、代谢型心衰和心脏代谢型心衰后，1年全因死亡率分别为20%、46%、61%、11%与37%。

更好地区分不同的心力衰竭亚型，更精准地预测疾病的进展趋势。这有望进一步改善对个体未来疾病风险的预测，也有助于临床医生为患者提供更有针对性的治疗。

小结

关于医疗AI的探索从未停止过脚步，本质都是希望能够为患者带来福祉。诚如此前发表于Natrue的文章所言：尽管医疗AI模型前景整体向好，但也面临着诸多挑战，有待进一步解决和完善。