我們曾經(jīng)關(guān)注過很多關(guān)于人工智能在醫(yī)療領(lǐng)域的應(yīng)用，比如運(yùn)用得非常成熟的醫(yī)療影像診斷，用于醫(yī)療器械的研發(fā)，醫(yī)療數(shù)據(jù)的整理與分析，或是醫(yī)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大門。比如ICU，由于在這里的每一步操作都事關(guān)人命，因此在現(xiàn)階段，人工智能幾乎不可能進(jìn)入它的診療。

如果沒有記錯(cuò)的話，上一個(gè)引起廣泛熱議的人工智能ICU應(yīng)用，是它能夠根據(jù)病人的身體數(shù)據(jù)預(yù)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(yī)院關(guān)于緊張的ICU病房的排隊(duì)事宜。

但這并不意味著ICU的大門永遠(yuǎn)對人工智能緊閉著。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(yī)療領(lǐng)域的巨大應(yīng)用潛力。與其說人工智能要進(jìn)軍ICU，不如說ICU更需要人工智能。

這份需求，或許可以從一劑止痛劑開始。

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(zhǔn)確的給藥劑量顯得極為重要。而在所有的ICU常見藥物當(dāng)中，止痛藥的作用又更加突出。因?yàn)樵诖蠖鄶?shù)情況下，能住進(jìn)ICU，往往伴隨著重大手術(shù)的進(jìn)行。

然而重癥監(jiān)護(hù)室的止痛劑使用，卻又是一件非常復(fù)雜的問題。護(hù)理人員需要患者反饋?zhàn)约旱奶弁磸?qiáng)度，以調(diào)整藥物的劑量；但I(xiàn)CU的患者往往伴隨著意識的昏迷，因此這種反饋并不能持續(xù)。對護(hù)理人員來說，給藥過量很容易導(dǎo)致患者成癮，而用量不足則又無法達(dá)到預(yù)期的鎮(zhèn)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(jù)2016年美國衛(wèi)生局發(fā)布的消息，美國每年平均有上萬人死于阿片類鎮(zhèn)痛藥物過量；2017年全球頂級醫(yī)學(xué)雜志《柳葉刀》的研究報(bào)告顯示，全球每年約有2500萬人死于疼痛。這些只是全場景下的數(shù)據(jù)統(tǒng)計(jì)，如果單純統(tǒng)計(jì)ICU里由于阿片類鎮(zhèn)痛藥物的不合規(guī)使用而導(dǎo)致的死亡病例，恐怕情況也不會(huì)樂觀到哪兒去。

那么，如何為臨床醫(yī)生提供更好和更個(gè)人化的疼痛管理護(hù)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，來自哈佛-麻省理工學(xué)院健康科學(xué)技術(shù)部門、麻省理工學(xué)院媒體實(shí)驗(yàn)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(tuán)隊(duì)，并創(chuàng)建了一個(gè)人工智能深度強(qiáng)化學(xué)習(xí)算法模型，以用于重癥監(jiān)護(hù)室的疼痛管理。這項(xiàng)算法的主要目標(biāo)，就是能根據(jù)不同病人的情況，提供可量化的精準(zhǔn)止痛劑給藥。

為此，他們結(jié)合了40000多例患者在接受了醫(yī)生使用止痛劑之后的效果，包括積極的和消極的。在此基礎(chǔ)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(yīng)不同病人個(gè)性化的止痛劑需求，從而達(dá)到了借助人工智能來實(shí)現(xiàn)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題的一貫套路，即以大規(guī)模的數(shù)據(jù)喂養(yǎng)來對模型進(jìn)行訓(xùn)練，然后反哺到現(xiàn)實(shí)應(yīng)用。但與其他場景下的數(shù)據(jù)+模型訓(xùn)練相同，ICU里的人工智能，更依賴于精準(zhǔn)而豐富的數(shù)據(jù)。在這項(xiàng)算法訓(xùn)練中，最大的問題，仍是數(shù)據(jù)。

第一是數(shù)據(jù)量的不足。

人工智能算法模型的訓(xùn)練需要大量的數(shù)據(jù)，但對ICU病人而言，平均ICU住院天數(shù)在10天左右，而發(fā)達(dá)國家效率更高，平均住院時(shí)長不到一天。較短的住院時(shí)間，意味著止痛劑給藥次數(shù)不會(huì)很多。那么，這么少的樣本數(shù)據(jù)，是否足夠喂養(yǎng)一個(gè)人工智能算法模型？

第二是數(shù)據(jù)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(xiàng)算法里所采用的數(shù)據(jù)，則來自病人的既往給藥史。在此基礎(chǔ)上，給出最佳決策。問題是顯而易見的，ICU病人身體變化速率要遠(yuǎn)異于常人，因此如果只看歷史的死板數(shù)據(jù)，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(xiǎn)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，意味著其余其他藥物配合的剝離。醫(yī)生在開出止痛劑劑量的時(shí)候是否考慮到了同時(shí)多樣給藥帶來的相互作用？治療的目標(biāo)是什么？也就是說，止痛劑使用劑量和效果并不是理論上的一一對應(yīng)，而是要考慮到綜合給藥的復(fù)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(shù)據(jù)，均應(yīng)該納入其中。

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

但量化的意義，或許并不僅僅局限于ICU內(nèi)。

走出ICU：量化與重要醫(yī)療場景的AI進(jìn)軍

醫(yī)療人工智能在當(dāng)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說邊緣領(lǐng)域的醫(yī)療應(yīng)用，健康監(jiān)測、醫(yī)療器械、影像診斷、住院管理……過分集中于這些領(lǐng)域，很容易給人造成一種錯(cuò)覺：人工智能對醫(yī)療，好像并沒有什么實(shí)際作用。

對常人而言，所謂看病，最重要的就是醫(yī)生診療的過程，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(nèi)的醫(yī)療領(lǐng)域已經(jīng)有了很深的應(yīng)用，但患者看不見、用不著，身體恢復(fù)的功勞仍然屬于醫(yī)生，在這個(gè)光環(huán)之下，自然AI看似無用。

而要想讓人工智能從醫(yī)療領(lǐng)域的無用質(zhì)疑之中掙脫出來，直接參與到極為重要的醫(yī)療場景中或許更為是另一條道路。從這個(gè)角度上來說，瞄準(zhǔn)緊急醫(yī)療場景，真正做到與病人生命同在，或許是人工智能在醫(yī)療領(lǐng)域樹旗立威的不錯(cuò)選擇。比如在ICU、救護(hù)車、臨床搶救等方面的應(yīng)用，以生命為第一衡量標(biāo)準(zhǔn)，可以加速人工智能的醫(yī)療領(lǐng)域普及。

而要想在這些緊急醫(yī)療場景中發(fā)揮出肉眼可見的作用，就需要將上文所構(gòu)想的人工智能的藥劑量化能力施展出來。ICU里的每一次謹(jǐn)慎的給藥、救護(hù)車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程，都是人工智能在醫(yī)療道路上腳步愈加堅(jiān)定的基石。

因此，人工智能向醫(yī)療領(lǐng)域的滲透，可以嘗試去走這樣一條道路：以關(guān)系生死的急救場景為切入，結(jié)合可以量化的具體醫(yī)療操作，盡可能減少醫(yī)療誤差，在此基礎(chǔ)上實(shí)現(xiàn)整個(gè)醫(yī)療行業(yè)的全面進(jìn)軍。這樣做，既恰好利用了其擅長數(shù)據(jù)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(yī)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。

來源：硅谷密探