人工智能是指能够从海量数据中学习模式的计算机系统。医学是这项技术最有前景的领域之一,同时也需要最谨慎的对待:运用得当,它可以加快诊断速度并减轻临床医生的工作负担;运用不当,则可能伤害患者。
医学影像
影像学是目前人工智能在医学中应用最广泛的领域。能够标记X光片、CT、MRI和乳房X光检查中可疑发现的系统,优先处理脑出血等紧急情况的系统,以及筛查糖尿病视网膜病变的视网膜照片分析系统,均已投入临床使用。美国食品药品监督管理局(FDA)列出的人工智能医疗器械已超过一千种,其中绝大多数属于放射科领域。
药物研发与AlphaFold
了解蛋白质的三维结构对于理解疾病和开发药物至关重要。由谷歌DeepMind开发的AlphaFold通过氨基酸序列高精度预测蛋白质结构,开辟了新天地。2024年诺贝尔化学奖的一半授予了Demis Hassabis和John Jumper,以表彰他们的这项工作;另一半授予了David Baker,以表彰他在蛋白质设计方面的工作。人工智能也被用于筛选候选药物分子和设计临床试验。
日常临床任务
在医院中,转录患者问诊并起草病历的系统、评估风险的早期预警工具,以及简化预约和文书工作流程的应用程序虽然不太显眼,但正变得越来越普遍。
局限与风险
- 数据偏差:在一个患者群体上训练的模型,在不同年龄、性别或种族背景的患者身上表现可能较差。
- 隐私:健康数据属于最敏感的个人数据之一。
- 过度依赖:临床医生或患者不加质疑地接受系统的建议可能导致错误。
- 问责制:当出现问题时由谁负责,目前仍存在争议。
在2021年发布的指导原则中,世界卫生组织建议卫生领域的人工智能应保护人类自主权,具备透明度和可解释性,并以包容性的方式进行设计。欧盟的《人工智能法案》也将医疗用途的人工智能系统视为高风险,并施加了额外的义务。
给患者的提示
通用聊天机器人可以帮助您了解健康问题,但它们不能进行诊断,且可能出错。请就您的症状咨询医疗专业人士,并阅读您共享健康数据时所使用的应用程序的隐私条款。
获批的人工智能医疗器械用于哪些领域?
美国食品药品监督管理局(FDA)维护着一份其授权上市的人工智能医疗器械的公开清单。截至2025年,该清单上的产品数量已超过一千种,且分布相当不均衡:
- 放射科遥遥领先:清单上约四分之三的设备旨在审查X光片、CT、MRI和乳房X光检查图像。
- 心脏病学位居第二:心电图解读和心律失常检测等应用较为突出。
- 其他领域:神经内科、眼科、病理学和胃肠病学中也有获批的工具,但数量较少。
工具获得批准并不意味着它在每家医院和每个患者群体中都能表现同样出色;批准是针对特定的预期用途和特定条件授予的。
如何评估医疗人工智能的可靠性?
当研究人员和医院评估一种新工具时,他们会关注几个基本问题:
- 外部验证:该工具是否在开发该工具的医院之外,使用来自不同设备和患者群体的数据进行了测试?
- 前瞻性研究:它是否不仅在过去的数据上进行了试验,而且在真实的临床工作流程中进行了试验,如果可能的话,是否进行了随机试验?
- 透明报告:2020年发布的CONSORT-AI和SPIRIT-AI指南旨在标准化涉及人工智能的临床试验的报告方式。
- 持续监测:部署后,是否会跟踪其性能是否随时间下降?
2024年,世界卫生组织还发布了关于在卫生领域使用大型多模态模型(包括基于聊天的系统)的单独指导原则,为各国政府、开发人员和卫生机构提供了40多项建议。
本文仅供一般信息参考,不能替代医疗建议。有关您健康的决定,请咨询您的医生。
来源与延伸阅读
- 世界卫生组织(WHO),“卫生领域人工智能的伦理与治理”(2021年)。
- 美国食品药品监督管理局,“人工智能医疗器械”清单。
- 诺贝尔奖官网,“2024年诺贝尔化学奖”新闻稿。
- Jumper, J. 等,“使用AlphaFold进行高精度蛋白质结构预测”,《自然》(2021年)。
- 美国FDA – 人工智能医疗器械(清单)
- Liu X. 等 – CONSORT-AI扩展,《自然医学》(2020年)
- WHO – 卫生领域人工智能的伦理与治理:关于大型多模态模型的指导原则(2024年)
发表评论
您的电子邮箱地址不会被公开。必填项已用 * 标注