医疗人工智能和纳米机器人将如何改变诊疗?深度学习诊断、医院管理、期待与挑战
- 借助深度学习,医疗人工智能能在影像中标出异常,但最终判断由医护人员作出。
- 把药物送到肿瘤的纳米机器人前景可期,但大多仍处于实验室和动物实验阶段。
- 审批制度、数据保护、偏倚监测和明确责任齐备,人工智能才能真正造福患者。
目录
比医生更早读完X光片的程序,在血管里穿行、只把药物送到癌细胞的超微型机器人——这是科幻,还是即将到来的现实?人工智能和纳米技术是医疗领域最受关注的两项技术。本文梳理它们目前发展到了哪一步、在中国如何监管,以及护士和患者需要注意什么,帮助读者在期待与谨慎之间找到平衡。
人工智能为什么发展得这么快?
近年人工智能的飞跃,很大程度上要归功于深度学习,也就是让多层人工神经网络在大量数据中自己找出规律和特征的方法。
2016年击败围棋世界冠军的AlphaGo,核心之一就是深度神经网络,不过它同时结合了搜索算法和强化学习,并非只靠深度学习取胜。判断机器能否像人一样思考的经典尝试,可以参阅图灵测试。
医疗领域积累了海量的影像和病历数据,因此常被认为是人工智能最容易发挥作用的领域之一,新的辅助工具也在不断涌现。
人工智能在诊疗中怎么用?
目前大多数工具并不是要取代医护人员,而是充当“第二双眼睛”,把忙碌的人容易漏看的地方标出来,提醒医生再看一眼。
| 领域 | 应用示例 |
|---|---|
| 影像科 | 在胸部X光、CT上标出结节或异常表现 |
| 病理科 | 在组织切片图像中寻找癌细胞区域 |
| 眼科 | 通过眼底照片筛查糖尿病视网膜病变 |
| 临床决策支持 | 分析病历,辅助风险预测和治疗选择 |
在中国,自2020年前后起,国家药品监督管理局陆续批准深度学习辅助诊断软件以第三类医疗器械注册,涉及心血管、肺部、眼底等多个方向,获批产品数量逐年增加。即便如此,最终判断和责任仍在医护人员,这是当前绝大多数应用共同遵循的原则。
阅读长文时,先浏览小标题能更快理清整体脉络。读完后不妨试着提炼一个思考问题来巩固理解。
医院管理也能用上人工智能吗?
最容易见效的往往不是诊室,而是幕后的管理工作。对于每天接诊大量患者的大医院来说,哪怕一点点效率提升,累积起来也很可观。
- 预测门诊预约和候诊时间,改善就诊流程
- 根据住院需求预测安排床位和人员
- 管理药品和耗材库存
- 自动化病历书写和医保结算等工作
不过,前提是先把医院的数据标准化、整理好,这一准备阶段往往决定项目能否真正见效。随着互联网医院和线上复诊的发展,排班、分诊和随访等环节对数据治理的要求也越来越高。
纳米机器人发展到哪一步了?
纳米机器人是比头发丝细得多的装置,研究目标是在血管中移动,把药物送到靶细胞,或感知体内状况。如果抗癌药只送到肿瘤,就有望减少对正常细胞的损伤,这也是人们对它寄予厚望的原因。
研究人员正在测试多种驱动方式,例如用磁场或超声波操控运动,或让装置与体内物质反应后自行前进。但大多数研究仍停留在动物实验或实验室阶段,体内安全性、精确定位和使用后的排出等问题都有待解决,距离日常诊疗还需要时间。
不过,广义上的纳米医学早已起步。脂质体包裹的抗癌药已在临床使用,新冠mRNA疫苗也依靠脂质纳米颗粒把遗传信息送入细胞。能在体内自主导航的真正“机器人”,则是更难的下一步。
医疗人工智能要经过哪些步骤才能进医院?
听起来好像算法一开发出来就能直接进诊室,但医疗关系到生命安全,实际上必须经过好几道验证和审批程序。
用于读片或预测疾病风险的软件,在法律上属于医疗器械。在中国,这类产品需要按医疗器械管理规定向国家药监局申请注册,监管部门也发布了专门针对人工智能医疗器械的注册审查指导原则,重点关注数据质量、算法性能和临床评价。韩文原文介绍了韩国的同样逻辑:韩国首个获批的人工智能医疗器械出现在2018年,是一款通过手部X光判断儿童骨龄的软件。
获批并不意味着结束。还要明确医保如何支付、医护人员如何核对结果、怎样融入现有诊疗流程。再精准的工具,如果使用不便或费用得不到补偿,也很难在临床落地。
数据是另一个大问题。中国《个人信息保护法》自2021年11月起施行,医疗健康信息属于敏感个人信息,处理时需要取得个人的单独同意并采取严格保护措施,同年施行的《数据安全法》也对重要数据提出了要求。韩国则在2020年修订个人信息保护法,允许出于统计、科学研究和公益档案保存目的,在未经本人同意的情况下使用假名信息,同时禁止再识别。
评估医疗人工智能时要问的问题
- 用哪些患者群体的数据训练,与我们的患者是否相似
- 在其他医院的数据上表现是否同样好
- 结果是否以医护人员能理解和解释的形式呈现
- 出错时由谁、如何核查和纠正
- 患者信息如何得到保护
数据偏倚尤其受关注:如果训练时某些人种、性别或年龄段的数据不足,人工智能在这些人群中的准确率就可能下降。此外,医院更换影像设备或患者构成发生变化,性能也可能改变,因此上线后持续监测真实使用数据、必要时重新训练,正变得越来越重要。
人工智能出错了,责任由谁承担?
目前大多数医疗人工智能是作为辅助医生判断的工具获批的,因此一般认为,作出最终决定的医护人员承担相应责任。
但随着人工智能的作用越来越大,开发企业、医院和医护人员之间如何分担责任,讨论仍在继续。这对护士来说同样不是旁观的问题。当预测跌倒或脓毒症风险的人工智能警报进入病房,核实警报、亲自评估患者的正是护士。警报响得太频繁会让人变得麻木,出现“警报疲劳”,所以在根据病房实际调整警报阈值时,护士的意见不可或缺。
向患者解释也变得重要。得知自己的片子也被人工智能看过,患者可能会不安,也可能反过来过度信任。用通俗的话说明人工智能是帮助医疗团队的工具、最终判断由人作出,就能增进理解与信任。护理专业的学生不妨提前了解风险评分依据什么计算、灵敏度和特异度代表什么,这样才能既不盲信也不一概排斥,平衡地使用新技术。
医疗人工智能的主要争议点一览
把期待和挑战放在一起看就会发现,技术要真正发挥作用,离不开配套的制度和人的角色,两者缺一不可。
| 争议点 | 核心问题 | 中国的应对方向 |
|---|---|---|
| 安全性和有效性 | 在真实临床环境中是否准确 | 国家药监局注册审查、多中心临床验证 |
| 个人信息 | 训练用的患者信息如何保护 | 个人信息保护法、敏感信息单独同意、去标识化与访问控制 |
| 偏倚 | 在特定人群中性能是否下降 | 获取多样化数据、持续监测 |
| 责任 | 出错时谁来负责 | 辅助工具原则、责任分担的持续讨论 |
如果要在作业中写医疗人工智能的前景与挑战,同时提到审批制度、数据保护和责任问题,文章会平衡得多。技术的价值,终究要在病床边得到证明。
本文由CampusDown编辑部根据韩文的医疗人工智能与纳米机器人文章改写,并结合国家药品监督管理局对人工智能医疗器械的注册管理、《个人信息保护法》《数据安全法》以及纳米药物等公开信息整理。参考文献:Topol, E. J. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. 2026年11月核对。本文为一般性信息,不构成医疗或法律建议。
常见问题
医疗人工智能会取代医生吗?
不会。大多数产品作为辅助工具获批,用来提示异常,最终判断和责任仍在医疗团队。
在中国,医疗人工智能由谁审批?
用于诊断的人工智能软件属于医疗器械,需要向国家药品监督管理局申请注册,高风险产品按第三类管理。
医疗健康信息受什么法律保护?
《个人信息保护法》将医疗健康信息列为敏感个人信息,处理时需单独同意并采取严格保护措施。
什么是警报疲劳?
警报响得过于频繁,医护人员会逐渐麻木而漏掉重要警报,因此需要结合一线意见调整阈值。
纳米机器人已经在医院使用了吗?
还没有进入日常治疗,多数研究处于实验室或动物实验阶段,但脂质体药物等纳米药物已在临床使用。