作者：***
来源：《中国信息化》2020年第02期
研究摘要：防控疫情，科技大显身手，其中人工智能基础算法、感知和认知技术赋能病毒检测、新药研发、疫情发现和筛查、辅助诊疗等各项工作，引起各界普遍关注。研究认为，加快技术研发，出台支持，将促使“智能+健康医疗”产业形成更加广泛的发展空间和应用前景。
今天的科学技术尤其是信息技术，较2003年“非典”发生时，已有长足发展。17年前，中国的互联网起步不久，BAT初出茅庐。由于应对“非典”，城市、人群需要隔离，电子商务、网络游戏等一系列互联网服务便应运而生，腾讯、淘宝、京东等由此崛起。经过17年的发展，科技创新能力不断提高，重大成果不断涌现，人工智能、大数据、云计算、5G等技术展现出蓬勃活力，新一代信息技术与传统行业融合发展，成为经济发展的新动能。
人工智能技术经过60多年的演进，在各行各业的应用也进入全新阶段。这一轮的人工智能技术浪潮以机器学习、深度学习算法突破为契机，以海量数据为源动力，以强大的云计算算力为支撑，以应用、场景、需求为导向，推动人类社会进入智能时代。
在医疗健康领域，相对于传统医疗方式，人工智能技术提供了全新的方法进行疾病诊断，创建治疗方案，提高医生和医院效率，减少误诊；同时在基因筛查和药物筛选等方面也有着亮眼的成绩。根据Global Market Insight报告显示，2019年至2025年，人工智能在医疗健康领域市场规模的复合年增长率预计将达到41.7%【1】。
2017年7月，发布《新一代人工智能发展规划》，特别提出要在医疗健康领域发展便捷高效的智能服务。《规划》提出，要“加强群体智能健康管理，突破健康大数据分析、物联网等关键技术，研发健康管理可穿戴设备和家庭智能健康检测监测设备，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变”，“推广应用人工智能治疗新模式新手段，建立快速精準的智能医疗体系。探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊”。有关研究咨询机构预测，2020年我国人工智能核心产业规模将超过1500亿元，而医疗健康领域人工智能技术应用产业将占人工智能总体市场规模的五分之一【2】。
此次新冠疫情防控，众多场合利用人工智能深度学习、图像识别等技术赋能红外热像仪，大幅提高测温效率和异常体温者检出的准确率，并可实现公共场所无人值守的智能体温检测；多家医院采用基于AI的诊断算法用于快速诊断病例，大幅缩短了病例确诊时间，等等；人工智能技术产品成为战“疫”的明星。
此次新冠肺炎病毒非常“狡猾”，潜伏期长，传染性强，因此对疫情防控带来困难。而利用人工智能技术，以其高效、标准、实时的特点，正好可以“迎头痛击”新冠疫情。
人工智能一般可以分为基础层、感知层、认知层技术。基础层包含软硬件框架和人工智能基础算法，如机器学习、深度学习、强化学习、迁移学习等；感知层模拟人类感知世界的能力，主要包括计算机视觉、语音识别与合成、增强现实/虚拟现实等技术；认知层主要包括自然语言处理、知识图谱、规划与决策等技术。这些技术在此次疫情防控过程中，都有不同程度的应用。
1. 人工智能基础算法支撑病毒基因检测和药物研发，展现出广泛应用于疾病预测与精准医疗的巨大潜力
基因测序与检测，是实现疾病风险预测的重要基础。人工智能在基因检测与筛查领域的应用正以惊人的速度发展，为保障人类健康提供了新的发展机遇。基因数据量庞大且受限于遗传学家经验和知识结构，传统基因检测通用算法效果不佳，准确率低，已经遇到了发展瓶颈；而以深度学习为代表的人工智能技术正逐步成为基因组数据分析的主要方法，展现出优异的性能和强大的可扩展能力。2017年底，Google推出了基于深度神经网络的基因测序平台DeepVariant，通过将高通量测序数据转换为完整的基因组图像，从而自动识别测序数据中的插入、缺失突变以及单碱基对突变，在准确率和精度上优于传统算法，并在FDA评测中获得优异成绩。2018年，英国格拉斯哥大学研究团队借助机器学习算法，更高效地从基因层面预测埃博拉和寨卡等病毒的天然宿主，从而采取措施预防这些病毒传播到人类身上。上海交大发布的《中国人工智能医疗》中预测，到2022年，我国基因测序市场规模接近300亿元左右。
另外，利用机器学习算法可以大幅减少药物研发的时间成本，降低失败率。通过计算机模拟，人工智能可以对药物活性、安全性和副作用进行预测，找出与疾病匹配的最佳药物。在临床试验阶段，人工智能算法还可以结合患者真实数据，通过算法建模，进行风险评估和虚拟筛选，有效预测药物效果。高盛曾预测，人工智能与机器学习在新药研发中可以降低风险，每年节约超过280亿美元成本。
目前，全国新型冠状病毒肺炎疫情依然严峻，能够快速精确的诊断，对疫情控制尤为重要。人工智能算法在病毒基因的检测中可以提供有力的支撑，提升病毒筛查效率。在此次疫情防控过程中，浙江省疾控中心上线的自动化全基因组检测分析平台就是一种全新的尝试。该平台采用一项全基因组检测技术，对疑似病例的病毒样本进行全基因组序列分析比对，能够有效防止病毒变异产生的漏检，大幅提高疑似病例的确诊速度和准确率。它利用阿里达摩院研发的AI算法，可将原来数小时的疑似病例基因分析缩短至半小时，大幅缩短确诊时间，并能精准检测出病毒的变异情况。此外，AI算法也可以用于加速预测病毒RNA空间结构。百度研究院近日免费的开放线性时间算法LinearFold，可以将此次新型冠状病毒的全基因组二级结构预测从55分钟缩短至27秒，提速120倍，从而助力疫情防控。
在药物研发方面，全球健康药物研发中心（GHDDI）会同清华大学药学院免费将人工智能药物研发和大数据资料分享开放给科研人员，共同加速新型冠状病毒药物研发。同时，GHDDI团队还根据新型冠状病毒和SARS病毒的同源性建立了多个靶点结构模型并开展了一系列分子动力学模拟，计算化学药物设计，以及人工智能药物设计工作，为进一步探索靶点机制，实现“老药新用”的虚拟筛选，为后续的药物设计和实验开发奠定基础。
2. 人工智能感知技术投入实用，可提升疫情发现、筛查效率
基于视觉、语音等的人工智能感知技术近年来取得了重大突破，在相关研究机构的多项公开测试中，人工智能感知系统在某些特定任务上已经达到甚至超过人类水平。图像识别和语音识别技术也已基本成熟，从实验室走向产业应用阶段，如今已广泛成功运用于安防、教育、医疗等多个领域。
得益于庞大的医疗影像数据、相对成熟的计算机视觉算法和云计算充足的算力资源，智能医学影像被业界认为是人工智能与医疗结合最成熟的领域，也是最有可能率先实现商业化的人工智能医疗赛道。根据Global Market Insight数据显示，我国人工智能医学影像市场增速约为40%，预计2024年市场规模将达到25亿美元，市场占比将达到25%，它也是中国人工智能医疗应用领域中最热门、应用最为成熟领域。
在此次疫情防控工作中，体温检测是排查疫情最基本的方法。在人口稠密的公共场所（地铁、火车站、机场、集中办公区等），需要快速、高效、精准地识别出高温人群。基于图像识别技术和红外成像技术所研发的非接触式远距离人工智能测温系统能够高效、准确、无感知地对大量人流中的高温人员进行筛查，辅助工作人员快速定位体温异常者，与传统体温检测方式相比，具有降低交叉传染风险、节省人力资源、提高检测效率等优势。虽然现在处于疫情防控关键时期，口罩影响了人脸识别的特征，但依托现有人脸识别等成熟的模型可以快速进行有针对性的算法定制开发和数据训练，让人工智能测温系统快速投入疫情排查一线。目前，已经有互联网公司快速响应，百度、旷世科技等分别推出了非接触式远距离体温检测系统解决方案，并已经用在人口密集的地铁、车站等流动场所使用。
另外，面对疫情突發，多地疾控中心和热线咨询量激增，咨询、排查工作繁重，人力资源严重短缺。百度、科大讯飞等公司推出的智能外呼平台可以定向或随机发起拨入居民电话，自动询问并采集居民的疫情信息，对居民进行疾病宣教和防控指导，并根据关键词自行归纳成信息档案，详细记录通话方离返时间、身体健康状况等。外呼平台可以在一秒内拨出一千余个电话，大幅提升了疫情发现、筛查的效率。据公开信息，百度智能外呼平台已经在北京海淀上地、陕西西安、延安、上海宝山、浙江温州瑞安市等十几个地区投入使用，外呼总量已达百万次。
3. 人工智能认知技术逐渐接近医生水平，实现智能辅助诊疗
智能辅助诊疗是将人工智能技术用于辅助诊疗中，让计算机“学习”专业医疗知识，模仿医生的思维和诊断推理，为医生提供可靠的诊断和治疗决策支持。智能辅助诊疗是人工智能未来在医疗领域的重要发展方向，也是最核心的应用场景，对于应对医疗资源分布不均、基层卫生机构医师资源不足，提高医疗服务质量，保障居民医疗健康等，有非常重要的意义。
2018年，美国食品药品监督管理局（FDA）批准了世界上第一款针对糖尿病视网膜病变医疗级的人工智能系统IDx-DR。该系统能够扫描和分析有风险患者的视网膜，并在没有任何人工协助的情况下提供诊断。谷歌的子公司DeepMind、伦敦大学学院和Moorfields眼科医院的研究人员研发了一款基于深度学习的眼科疾病诊断软件，可识别出50多种威胁到视力的眼科疾病，准确率高达94%，超过了人类专家的表现。在国内，广州市妇女儿童医疗中心与依图科技等科研团队设计出基于人工智能的疾病诊断系统，将医学知识图谱加入其中，使计算机可以像人类医生一样根据读取的电子病历来“诊病”，可以自动诊断55种常见儿科疾病和部分危急重症，诊断水平可达到儿科主治医生的专业水准。
在此次疫情的筛查中，科大讯飞开发的“智医助理”已应用于病历分析筛查潜在高危患者。该系统对覆盖范围内的区县，以发热、咳嗽、呼吸困难、流行病学史（武汉相关史）、影像学、血常规六个维度，在线对患者病历内容进行挖掘分析，自动筛选出与感染新冠病毒的肺炎病症相似的患者，并由团队出具专题分析报告交给相关医疗单位，供其决策和参考。
在此次疫情防控中，由依图医疗研发的首款智能评估新冠肺炎的AI影像系统也已在上海市公共卫生临床中心等机构上线并投入使用。该系统使用人工智能图像算法能够在2至3秒内完成CT影像的智能化诊断和定量评价，为临床医护人员提供度的决策帮助，同时极大提升了分析效率，减轻医生的工作负荷，为减缓当前医疗资源短缺压力起到一定的作用。
基于人工智能技术与医疗健康行业融合发展的趋势，以及此次新冠疫情防控中人工智能技术的应用成果，以此为契机，进一步总结经验，尽快出台相关措施，多方促进，必将推动人工智能技术更加广泛深入地应用到医疗卫生与健康领域，从而更好地推动人工智能产业赢得更好更快发展。由此，我们提出如下建议：
1. 积极推动疫情防控过程中的人工智能技术应用成果产业化
为了抗击疫情，我国投入了创新技术应用，产生了一系列创新成果，为推动人工智能技术进步和智能医疗产业进行了有益探索。尽管这些成果用于应急环节，具有很强的针对性和适时性，但是其技术和产品也具有相当大的通用性和实用性，可以将这些应用成果进行完善和转化，可以继续赋能或转移到其他领域或应用场景。建议对此次疫情防控过程中的人工智能技术进行应用经验进行总结，推出具体措施，持续推进这些技术成果落地，形成产业化，使其更好地实现社会和经济效益。
2. 加大“智能+医疗健康”技术与产品研发，利用人工智能技术缓解医疗资源紧张问题
医疗资源分配严重不均是我国医疗领域存在的一大痛点。在当前人口老龄化、慢病高速增长的背景下，为智能医疗健康产业创造了巨大的市场需求。利用人工智能技术，加大“智能+医疗健康”技术与产品研发，建设平台式大型人工智能医院，发展智能医疗健康，既将有助于减轻临床医生负担，提升诊断效率，优化医院运行效率，提升人民群众幸福感，又将更加快速地培育出具有特色的人工智能产业。
3. 鼓励数据开放，加强医疗卫生与健康数据的共享和利用
数据是人工智能技术与应用不断迭代提升的重要基础。机器学习/深度学习算法的效果随着训练数据的增加而提升。流行病学家、病毒学家等科研工作者的努力，也都依赖于病毒和实验数据的及时公开。医疗数据因其特殊性，建议制定相关法律，在保障数据安全和隐私的条件下，鼓励将与疫情有关的数据和成果及时公开，并进一步推动医疗健康数据和信息共享机制。利用技术手段，采用联邦学习等新方法，在不损害用户隐私的情况下共享数据。
4. 弥补人才短板，加快培养智能医疗复合型人才
人才是技术创新发展的重要源动力。目前，人工智能领域本身面临很大的人才缺口，而智能医疗又是人工智能与医疗两个专业性极强领域的融合，培养智能医疗复合型人才是当务之急。建议加大复合型人才培养力度，鼓励“高校-医院-企业”联合培养模式，完善人才培养长效机制。同时，要加强医务人员对智能医疗相关产品的技能培训，增强对人工智能技术和产品的理解，确保人工智能产品更好地应用于实际的临床医疗中。
（刘九如主持研究并统稿审改，宗淙执笔）
【1】 Global Market Insight， 《Healthcare Artificial Intelligence Market Size By Application Industry Analysis Report， 2019 – 2025》，2019年2月.
【2】 德勤，《全球人工智能发展》，2019年9月.下载本文
