我們曾經關(guan)注過很多關(guan)于(yu)人工智能在醫(yi)療(liao)領域(yu)的應(ying)用(yong)，比如運(yun)用(yong)得非(fei)常(chang)成熟的醫(yi)療(liao)影像(xiang)診斷(duan)，用(yong)于(yu)醫(yi)療(liao)器械的研發，醫(yi)療(liao)數據的整理與分析，或是醫(yi)院(yuan)日(ri)常(chang)管理等方面(mian)。在這些(xie)領域(yu)，人工智能確實起到了(le)一(yi)定程度(du)上的積極效果。

　　但仍(reng)然有一些(xie)關鍵性的領域，人(ren)工智(zhi)(zhi)能的診(zhen)療(liao)卻依然難以叩開大門(men)。比(bi)如ICU，由于在(zai)(zai)這里的每一步操作都(dou)事關人(ren)命，因此在(zai)(zai)現階(jie)段，人(ren)工智(zhi)(zhi)能幾乎不(bu)可(ke)能進入它的診(zhen)療(liao)。

　　如果沒(mei)有記錯(cuo)的(de)(de)話，上一個引起廣泛熱議的(de)(de)人工智能(neng)ICU應(ying)用(yong)，是(shi)它能(neng)夠根據病人的(de)(de)身體數據預測死亡時間。這個功能(neng)唯一有效(xiao)的(de)(de)作用(yong)，或(huo)許就是(shi)極度方便(bian)了醫院(yuan)關于(yu)緊張的(de)(de)ICU病房(fang)的(de)(de)排隊事(shi)宜(yi)。

　　但(dan)這并不意(yi)味著ICU的大門永遠(yuan)對人工智能(neng)緊(jin)閉著。作為被證明足以改變世界的跨(kua)時代技術，人工智能(neng)已經被證明在(zai)醫療(liao)領域的巨(ju)大應用潛力。與(yu)其說(shuo)人工智能(neng)要進軍ICU，不如(ru)說(shuo)ICU更(geng)需(xu)要人工智能(neng)。

　　這份需求，或許可以從一劑(ji)止痛劑(ji)開(kai)始(shi)。

ICU里的人工智能給藥突破

　　對ICU病人而言，因(yin)病情(qing)較重且(qie)多(duo)不具備(bei)明(ming)顯的(de)(de)(de)意識，因(yin)此準確的(de)(de)(de)給(gei)藥劑量顯得極為重要(yao)。而在所有的(de)(de)(de)ICU常見藥物當中，止(zhi)痛藥的(de)(de)(de)作(zuo)用又更加突(tu)出。因(yin)為在大多(duo)數情(qing)況下(xia)，能住進(jin)(jin)ICU，往(wang)往(wang)伴隨著(zhu)重大手術的(de)(de)(de)進(jin)(jin)行。

　　然而(er)重癥監護室的(de)(de)(de)止(zhi)痛劑使(shi)用，卻又(you)是一件非常復(fu)雜的(de)(de)(de)問(wen)題。護理(li)人(ren)(ren)員需(xu)要(yao)患者反饋自己的(de)(de)(de)疼(teng)痛強(qiang)度，以調整藥物的(de)(de)(de)劑量(liang);但ICU的(de)(de)(de)患者往(wang)往(wang)伴隨著意識的(de)(de)(de)昏迷，因此這種反饋并不能持續。對(dui)護理(li)人(ren)(ren)員來(lai)說，給藥過量(liang)很容(rong)易導致(zhi)患者成癮，而(er)用量(liang)不足則(ze)又(you)無法(fa)達到預期的(de)(de)(de)鎮痛效果，增加病(bing)人(ren)(ren)的(de)(de)(de)痛苦(ku);更有甚(shen)者，還很容(rong)易引發疼(teng)痛致(zhi)死。

　　根據(ju)2016年(nian)美國(guo)衛生局發布的(de)消(xiao)息，美國(guo)每年(nian)平均有(you)(you)上萬(wan)人(ren)死(si)于阿片類鎮痛藥(yao)物(wu)(wu)過量;2017年(nian)全(quan)球頂級醫學(xue)雜(za)志《柳葉刀(dao)》的(de)研究(jiu)報告顯示(shi)，全(quan)球每年(nian)約(yue)有(you)(you)2500萬(wan)人(ren)死(si)于疼痛。這些(xie)只是全(quan)場景下的(de)數據(ju)統計，如果(guo)單純統計ICU里(li)由于阿片類鎮痛藥(yao)物(wu)(wu)的(de)不合(he)規使用而導(dao)致的(de)死(si)亡病例，恐(kong)怕情況也不會(hui)樂(le)觀到(dao)哪兒去(qu)。

　　那(nei)么，如何為臨床醫生提供更(geng)好和更(geng)個人(ren)化的(de)疼痛管理(li)護理(li)，便成為了人(ren)工智能進(jin)(jin)一步挺進(jin)(jin)ICU的(de)突破口。

　　今年7月(yue)份，來(lai)自(zi)哈佛(fo)-麻省理(li)工(gong)學(xue)院(yuan)健康(kang)科(ke)學(xue)技(ji)術部門、麻省理(li)工(gong)學(xue)院(yuan)媒體(ti)實驗室和哥倫比亞大學(xue)的研究人(ren)(ren)員組建了(le)(le)一個人(ren)(ren)工(gong)智(zhi)能團隊(dui)，并創建了(le)(le)一個人(ren)(ren)工(gong)智(zhi)能深度(du)強化學(xue)習算法模型，以用于重癥(zheng)監護室的疼痛(tong)管理(li)。這(zhe)項算法的主要(yao)目標，就是能根據(ju)不(bu)同病(bing)人(ren)(ren)的情(qing)況(kuang)，提供可(ke)量化的精準止痛(tong)劑給藥。

　　為此(ci)，他們結合(he)了40000多(duo)例患者在(zai)接受了醫生使用止痛劑之后(hou)的(de)效果，包括(kuo)積極的(de)和消(xiao)極的(de)。在(zai)此(ci)基礎上，其用人(ren)工智能算法(fa)確定了對每(mei)個(ge)病人(ren)而言(yan)的(de)佳劑量，以適應不同病人(ren)個(ge)性化(hua)的(de)止痛劑需求，從而達到了借助人(ren)工智能來實(shi)現(xian)ICU病人(ren)止痛劑量化(hua)給藥的(de)目的(de)。

　　這種方法沿襲(xi)了人工(gong)(gong)智能解決問題的(de)(de)一(yi)貫套路，即(ji)以大規(gui)模的(de)(de)數據(ju)喂養來對模型進行訓(xun)練，然后反哺(bu)到現實應用。但與(yu)其他場景(jing)下(xia)的(de)(de)數據(ju)+模型訓(xun)練相(xiang)同，ICU里的(de)(de)人工(gong)(gong)智能，更依賴于精準而豐(feng)富的(de)(de)數據(ju)。在這項算(suan)法訓(xun)練中，大的(de)(de)問題，仍是數據(ju)。

　　第(di)一是數據量的不足。

　　人(ren)工智(zhi)能(neng)算法模型的訓練需要大量的數據(ju)，但對ICU病人(ren)而(er)言，平均(jun)ICU住(zhu)院天數在10天左右，而(er)發(fa)達國家效率更高，平均(jun)住(zhu)院時(shi)長不(bu)到一(yi)天。較短的住(zhu)院時(shi)間，意味(wei)著止痛劑(ji)給藥次數不(bu)會很(hen)多。那(nei)么(me)，這么(me)少的樣本數據(ju)，是否足夠喂(wei)養一(yi)個人(ren)工智(zhi)能(neng)算法模型?

　　第(di)二是數據的廣度不足。

　　對一位(wei)ICU病人(ren)(ren)而(er)(er)言，影響其(qi)止痛劑(ji)使(shi)用(yong)劑(ji)量的(de)因素有(you)很多，比如年齡、性(xing)別、身體(ti)(ti)素質特征、體(ti)(ti)重等各個方面，除了性(xing)別之(zhi)外，這些大部分因素都是變(bian)量。但這項算法里所采用(yong)的(de)數(shu)據(ju)，則來自(zi)病人(ren)(ren)的(de)既往給(gei)藥(yao)史(shi)。在此基(ji)礎上，給(gei)出佳決策。問題(ti)是顯而(er)(er)易見(jian)的(de)，ICU病人(ren)(ren)身體(ti)(ti)變(bian)化速率要遠異于(yu)常人(ren)(ren)，因此如果只(zhi)看歷史(shi)的(de)死(si)板(ban)數(shu)據(ju)，而(er)(er)不把時時存在的(de)變(bian)量加入進去，那么對于(yu)一些未知(zhi)風險也就形成了天然的(de)抵抗缺陷(xian)。

　　另一(yi)方(fang)面，單純采(cai)用(yong)止痛(tong)(tong)劑(ji)的(de)(de)歷史使(shi)用(yong)記錄，意(yi)味著其余其他藥(yao)(yao)(yao)物(wu)配合的(de)(de)剝離。醫生在開出止痛(tong)(tong)劑(ji)劑(ji)量的(de)(de)時(shi)候是否(fou)考慮到了(le)同時(shi)多樣給藥(yao)(yao)(yao)帶來(lai)的(de)(de)相互作用(yong)?治(zhi)療(liao)的(de)(de)目標是什么?也就是說，止痛(tong)(tong)劑(ji)使(shi)用(yong)劑(ji)量和(he)效果并不(bu)是理論上的(de)(de)一(yi)一(yi)對(dui)應(ying)，而是要考慮到綜合給藥(yao)(yao)(yao)的(de)(de)復雜性(xing)。那么，聯合使(shi)用(yong)藥(yao)(yao)(yao)物(wu)(如果存在)以及其他可能(neng)影(ying)響止痛(tong)(tong)劑(ji)效果的(de)(de)數(shu)據(ju)，均應(ying)該納入(ru)其中。

　　在解決這(zhe)些問題之后，如(ru)果算法成熟(shu)，人(ren)工(gong)智能ICU量化給藥(yao)將會幫助醫生進行臨床決策，同時提供自(zi)動指導(dao)。

　　但量化的(de)意義，或許(xu)并不僅僅局限于ICU內。

走出ICU：

量化與重要醫療場景的AI進軍

　　醫(yi)(yi)療(liao)人(ren)(ren)工智(zhi)能在(zai)當前仍然算作(zuo)一個正在(zai)高高飛起的創業風口，并且主要集(ji)中在(zai)一些相對來說邊緣領域的醫(yi)(yi)療(liao)應用，健康監測、醫(yi)(yi)療(liao)器械、影像診斷、住(zhu)院(yuan)管理……過分集(ji)中于這些領域，很容(rong)易給(gei)人(ren)(ren)造成(cheng)一種錯覺：人(ren)(ren)工智(zhi)能對醫(yi)(yi)療(liao)，好(hao)像并沒有什(shen)么實際作(zuo)用。

　　對常人(ren)而言，所謂看(kan)(kan)病，重要的就是醫生診(zhen)療的過程，臨床(chuang)診(zhen)斷、對癥下藥(yao)，后藥(yao)到病除(chu)。雖然(ran)人(ren)工智(zhi)能在上述范圍內的醫療領域已經(jing)有(you)了(le)很深的應用，但患者看(kan)(kan)不見、用不著，身體恢復的功勞仍然(ran)屬(shu)于醫生，在這(zhe)個光環之下，自然(ran)AI看(kan)(kan)似無用。

　　而要想讓(rang)人(ren)工智能(neng)從(cong)醫療(liao)領(ling)域(yu)(yu)的(de)(de)無用質疑(yi)之中(zhong)掙脫出來(lai)，直(zhi)接參與到極為(wei)重要的(de)(de)醫療(liao)場(chang)景(jing)中(zhong)或許更為(wei)是(shi)另一條道(dao)路。從(cong)這個角度上來(lai)說，瞄準(zhun)緊急醫療(liao)場(chang)景(jing)，真正做到與病(bing)人(ren)生(sheng)命同在(zai)，或許是(shi)人(ren)工智能(neng)在(zai)醫療(liao)領(ling)域(yu)(yu)樹旗(qi)立威的(de)(de)不錯(cuo)選擇。比如在(zai)ICU、救護車、臨(lin)床搶救等方面的(de)(de)應用，以生(sheng)命為(wei)第一衡量標準(zhun)，可(ke)以加(jia)速人(ren)工智能(neng)的(de)(de)醫療(liao)領(ling)域(yu)(yu)普(pu)及(ji)。

　　而(er)要想在(zai)(zai)這些緊急醫療(liao)場景中發揮出肉(rou)眼(yan)可(ke)見的(de)(de)作用，就需要將(jiang)(jiang)上(shang)文(wen)所(suo)構(gou)想的(de)(de)人工智能(neng)的(de)(de)藥劑量(liang)化能(neng)力施展(zhan)出來。ICU里的(de)(de)每一次(ci)(ci)謹慎(shen)的(de)(de)給藥、救護車(che)上(shang)維持生(sheng)命(ming)的(de)(de)藥液(ye)含(han)量(liang)、臨床搶救時恰到好處的(de)(de)麻醉注射(she)，每一次(ci)(ci)將(jiang)(jiang)生(sheng)命(ming)從死神邊緣拉(la)回人間的(de)(de)過程，都是人工智能(neng)在(zai)(zai)醫療(liao)道路上(shang)腳(jiao)步愈加(jia)堅定的(de)(de)基石。

　　因此，人工智(zhi)能(neng)(neng)(neng)向醫(yi)(yi)療領域的滲透，可以(yi)嘗試(shi)去走這樣一(yi)條(tiao)道(dao)路：以(yi)關系生(sheng)死的急(ji)救場景(jing)為切入，結合可以(yi)量化的具體醫(yi)(yi)療操作(zuo)，盡可能(neng)(neng)(neng)減少醫(yi)(yi)療誤差，在此基礎上實現整(zheng)個醫(yi)(yi)療行(xing)業的全面進軍(jun)。這樣做，既恰好利用了其擅長數(shu)據量化處理的優(you)勢，又能(neng)(neng)(neng)充分凸(tu)顯人工智(zhi)能(neng)(neng)(neng)的價值。

　　讓AI醫療不僅僅是流(liu)于表(biao)面或(huo)(huo)者扮演(yan)邊緣化的角色(se)，或(huo)(huo)可自此而始。