5月25日-26日，由中國人工智能學會主辦，南京市麒麟科技創(chuàng)新園管理委員會與京東云共同承辦的2019全球人工智能技術(shù)大會（2019 GAITC）在南京紫金山莊成功舉行。

在第二天的智能時代新中醫(yī)論壇上，中韓醫(yī)療機器人產(chǎn)業(yè)發(fā)展協(xié)會秘書長、COGPM 中國婦產(chǎn)科心身醫(yī)學協(xié)作中心主任張敬發(fā)表了主題為《人工智能臨床決策支持系統(tǒng)的過去與未來》的精彩演講。

以下是張敬的演講實錄：

我國醫(yī)療衛(wèi)生一個現(xiàn)狀是優(yōu)質(zhì)醫(yī)療資源供不應求，人均職業(yè)醫(yī)師人數(shù)，和美國、英國、俄羅斯存在一定差距。大醫(yī)院人滿為患，小醫(yī)院沒有人，基層醫(yī)師水平有待提高。醫(yī)生培養(yǎng)周期很長，醫(yī)療誤診率偏高，美國的整體誤診率包含用藥錯誤在 15%，我國大概在 28% 以上。疾病譜變化快，治療技術(shù)日新月異，醫(yī)生自身的知識儲備和學習速度逐步接近極限。

Gartner 新技術(shù)發(fā)展曲線中，CDSS、新藥發(fā)現(xiàn)、虛擬助手智能化器械等這些分別處在不同產(chǎn)業(yè)發(fā)展節(jié)點，CDSS 人工智能決策系統(tǒng)有了極大的發(fā)展機會。

2018 年電子病歷系統(tǒng)功能應用水平，分級評價方法和標準試行發(fā)布。臨床決策支持已經(jīng)成為電子病歷系統(tǒng)要求核心部分，國家衛(wèi)建委要求到 2019 年所有三級醫(yī)院要達到電子病歷系統(tǒng)應用三級以上，醫(yī)院內(nèi)不同部門間數(shù)據(jù)交換；到 2020 年，所有三級醫(yī)院要達到電子病歷系統(tǒng)應用的四級，即醫(yī)院實現(xiàn)全信息共享，并且具備決策支持功能。

中國 CFDA 對醫(yī)療人工智能產(chǎn)品審批剛剛開始，截止目前沒有一個深度學習的產(chǎn)品得到批準上市。CFDA 目前建立了兩個樣板庫，一個是肺結(jié)節(jié)，一個是糖眼，但是臨床決策支持系統(tǒng)還沒有一個標準。國家食品藥品監(jiān)督管理總局藥品審評中心即將公布《深度學習輔助決策醫(yī)療器械軟件審評要點》，相信我們一定會向 FDA 評審人工智能標準靠攏。

FDA 目前對人工智能醫(yī)療系統(tǒng)也批準了一些產(chǎn)品，F(xiàn)DA 批準的人工智能傾向于疾病預測而不是診斷。海外目前基于人工智能的臨床決策支持系統(tǒng)不同項目對比分析，有單病種的，有專家知識庫的系統(tǒng)。

臨床醫(yī)生在整個患者，就診完整流程中經(jīng)歷不同決策節(jié)點。從入院、診療、手術(shù)、門診到術(shù)后康復，在每個階段都需要做一些決策。人工智能臨床決策支持系統(tǒng)最大的挑戰(zhàn)就是高質(zhì)量數(shù)據(jù)的獲取，第一是電子病歷結(jié)構(gòu)化處理，我們主流醫(yī)院信息化已經(jīng)接近尾聲，絕大多數(shù)醫(yī)院都使用了 HIS，但是國內(nèi)有近千家 HIS 供應商，數(shù)據(jù)信心并不能流通和共享，很多數(shù)據(jù)處于孤島的狀態(tài)。第二就是多元異構(gòu)數(shù)據(jù)的挖掘和處理，標注的質(zhì)量決定了數(shù)據(jù)庫質(zhì)量。

數(shù)據(jù)處理的流程，人工智能處理層主要包含兩個層面，一個是自然語言處理；另外一個是神經(jīng)網(wǎng)絡算法。臨床支持系統(tǒng)，就是臨床決策的預測、非臨床決策預測、臨床決策洞見和優(yōu)化。目前 CDSS 分成三種類型，第一種是知識庫查詢類型；第二種是基于知識規(guī)則結(jié)合部分數(shù)據(jù)做的推薦類型，典型的就是 IBM Waston。第三種是這兩年興起的真實世界數(shù)據(jù)驅(qū)動性。前兩種類型在真實臨床中實踐有很大障礙，知識庫型在知識方面偏碎片化，只能在醫(yī)生決策系統(tǒng)中做一個支持補充查詢，對提升醫(yī)療效率和質(zhì)量效果微弱。第二種知識規(guī)

則推薦型，比如像 IBM waston 有很大爭議。

更加貼近臨床實際應用場景的基于海量真實世界病例數(shù)據(jù)的臨床決策支持系統(tǒng)是未來的方向。CDSS 有一些不同應用類型，第一個就是單病種或者單疾病輔助診療系統(tǒng)，也有多病種醫(yī)生工作站，相似病歷和患者診療方案的推薦，如疾病圖譜、臨床科研、流行病學研究和疾病預測。

我和大家分享一個美國案例。這個項目目前已經(jīng)收集了 5 500 萬高質(zhì)量患者電子病歷，其中美國電子病歷將近 3 500 萬，歐洲、俄羅斯和亞洲大概接近 2 000 萬，這里面相應是 2 億次診療方案、10 年連續(xù)有效數(shù)據(jù)，同時它也能調(diào)用 2 700 萬全球臨床的文獻。它有幾個不同應用方向，第一個就是基于真實數(shù)據(jù)的診療方案推薦，它不做診斷，診斷永遠是醫(yī)生做，你輸入診斷結(jié)果或者 ICD10 的代碼，再輸入患者基礎(chǔ)特征（如他的年齡、病史），系統(tǒng)從5500 萬患者中調(diào)取最接近的。例如，2 000 患者，采用 A 方案診療結(jié)果是什么？采用 B 方案結(jié)果是什么？ 第二個產(chǎn)品外科。外科手術(shù)參數(shù)推薦，它調(diào)用所有真實數(shù)據(jù)中最接近的患者，采用不同的手術(shù)參數(shù)所得到的診療結(jié)果進行對比，選擇方案的還是醫(yī)生。第三個產(chǎn)品，醫(yī)院經(jīng)營效率管理、患者風險分層管理。在美國 5% 的患者超過了美國40% 的醫(yī)療費用，怎樣對小比率高風險患者進行識別和分層管理，進而提高醫(yī)院效率降低管理成本。

這個項目過去兩年在美國做的大樣本臨床實驗，參與有兩家醫(yī)院，其中一家醫(yī)院大概是 200 多名醫(yī)生，另外一家醫(yī)院大概400 多名醫(yī)生。一家醫(yī)院使用臨床決策支持系統(tǒng)，一家不使用，結(jié)果是使用 AI+CDSS的醫(yī)院和醫(yī)生治療周期降低 10%，病發(fā)率降低 15%，醫(yī)院成本降低 7%。臨床決策支持系統(tǒng)還存在一些挑戰(zhàn)。挑戰(zhàn)主要來自于高質(zhì)量臨床數(shù)據(jù)，這是最大的一個壁壘。缺乏大型醫(yī)學知識庫有效支持、可移植性差、醫(yī)學倫理，以及法律問題和注冊問題。人工智能人才非常稀缺。臨床決策支持系統(tǒng)如何商業(yè)化；最終支付方能否出現(xiàn)。目前和未來相當長的一段時間，人工智能臨床支持系統(tǒng)的臨床應用定位是非常清晰的，它是醫(yī)生的效率工具和助手。