点击问题下「蓝色名」可快速文章来历：中华内渗出代谢杂志, ,() : -：林紫薇 吴山东 曲伸摘要?人工智能(artificial intelligence，AI)是比来几年成长最快的科学之一，其在医学规模的成长带来了全新的概念，也对传统医学带来了巨除夜的冲击，是借重而为仍是静不美不美观其变是对各学科和医学人的考验。AI在医学记忆等规模已获得了令人凝望标下场。今朝，AI在内渗出代谢规模的操作研发也日趋普遍，搜罗在糖尿病及其并发症的诊断和猜想的操作，辅助医治方案的选择和血糖治理，人工胰岛的斥地与治理，在肥胖分类诊疗的试探，在减重手术的疗效和并发症猜想的试探；在骨质松散和骨折风险的猜想，骨龄分化；脂肪肝的无创评估及纤维化猜想；肢端肥除夜症的诊断；甲状腺和垂体肿瘤分子生物学与病理的智能诊断等。AI在临床上的操作仍处于初期和试探阶段，相信在不久的未来，跟着AI手艺的快速成长和临床认可，AI会在内渗出代谢规模阐扬举足轻重的浸染。面临AI时代的惠临，对医学规模来讲是一场悔改悔改的改变。在新闹事物面前，只有积极领受，有机通顺贯通才能得以保留，获得共赢。、人工智能(artificial intelligence, AI)的概念与成长AI是一门专门研究和设计智能代办代办署理的学科，经由过程摹拟人类除夜脑的结构和操作编制，感应扑朔迷离的气象，为最除夜水平地实现方针做出抉择妄图。年，John McCarthy初度提出了AI的概念，在随后的几十年中，AI的迅猛成长使其解决科学问题的速度远超人类[]。智能医学通顺贯通了前进前辈的脑认知、除夜数据、云计较、机械进修等AI及相关规模工程手艺，研究人的生命和疾病素质及其纪律，是一门试探人机协同的智能化诊疗编制和临床操作的新兴交叉学科，其中AI是智能医学的焦点和关头。AI有两种形式的操作：虚拟形式和实体形式。AI的虚拟形式以机械进修(搜罗深度进修)为代表，经由过程经验改良进修算法。搜罗：()无据守进修；()有据守进修；()强化进修(操作奖励奖惩手艺以获得期望功能)[]。例如，在分子遗传学规模，经由过程AI试探单核苷酸多态性及卵白质间彼此浸染，辅助科学家们进行疾病猜想和发现新的医治靶点[]。在临床，经由过程AI电子病历，识别有遗传病家族史和慢性病高风险的患者[]。在心理医治规模，"阿凡达"软件能够检测到患儿初期障碍和倾向，干与干与下场甚至强于人工干与干与，已被用于美国癌症儿童疾苦哀痛治理[]。在医学记忆学规模，操作深度进修识别细微的乳腺钼靶图象特点，辅助临床除夜夫对乳腺癌进行精准诊断[,]。这些手艺在智能医学规模的不竭斥地和操作，提高了临床诊疗的精度，俭仆了除夜量的时刻成本。AI的实体形式搜罗医疗设备，出格是手术、护理、医治机械人。如闻名的外科手术机械人"达芬奇"，可以辅佐除夜夫经由过程微创的编制，实施复杂的外科手术。纳米机械人则能够将医治药物(如化疗药物)靶向送至医治位点(如肿瘤)[]。AI还能够摹拟人类智能，经由过程进修、推理和自我更正，逐步提高其在特定使命上的机能。今朝在众多规模，AI诊断的切确性、快速性、对预后的估算、甚至于某些手术操作的履行，已慢慢比肩或超出人类。年月日，由科除夜讯飞和清华除夜学连络研发的AI机械人"智医助理"以超出分数线(分)分的优良成就，成为我国甚至全球较早经由过程国家医师资格考试评测的机械人。近几年AI在我国卫生医疗健康事业的快速成长，让我们感应传染到医疗界的"阿尔法狗"真的来了！、AI在内渗出代谢规模的初步操作．AI在糖尿病规模的操作：AI在内渗出规模的操作中，今朝成长较成熟和周全的首要为在糖尿病规模的操作，搜罗对糖尿病发生的猜想、筛查、诊断、医治、并发症及血糖的治理。()AI在糖尿病从头分类中的操作：糖尿病的世界卫生组织(WHO)美国糖尿病协会(ADA)分型自年确立至今已年。遵循该分型，.的患者诊断为型糖尿病[]。型糖尿病患者的病发启事迥然不合，今朝这类简单的分型较着没法知足临床上对指导精准医治的需求。跟着AI的成长，经由过程除夜数据分化研究者们对糖尿病的分型进行了新的试探。年，美国Dudley教授团队借用基于拓扑学的无据守进修聚类分化编制，对 例型糖尿病患者的个临床指标进行分化，得出了个具有不合临床表型及遗传特点的分型[]。年瑞典Groop教授团队借用无据守进修的两步聚类分化和k均值聚类分化法，基于项临床指标[病发春秋、体重指数(BMI)、HbAC、β细胞功能、胰岛素招架、谷氨酸脱羧酶(GAD)抗体]，对 例新诊断糖尿病患者进行聚类，将患者分为临床表型和遗传特点差异的类，并评估该分型在猜想并发症和拟定个体化医治方案的效能[]。随后，北京除夜学人平易近病院纪立农教授团队在 例中国糖尿病患者中对该分类编制进行验证，各亚型的首要临床特点在中国及美国人群和不合种族的人群中默示根底一致[]。糖尿病的精准医治已经是除夜势所趋，以患者为中心，合理选择药物，预防并发症，将会成为医治糖尿病的新策略，也是所有慢性病的诊疗标的方针。()AI在糖尿病及其并发症猜想中的操作：年，南京除夜学朱除夜龙教授团队在 例患者中斗劲了不合AI编制(多层感知器，自顺应boosting算法，随机森林抉择妄图树，撑持向量机，梯度boosting抉择妄图树)对糖尿病发生的猜想，模子分化变量搜罗性别、春秋、BMI、血脂、血糖，功能显示受试者工作特点(receiver operating characteristic, ROC)曲线下面积(area under curve, AUC).-.[]。年，以色列Segal教授团队操作梯度boosting抉择妄图示范子分化电子病历，在 名妊妇中猜想妊娠糖尿病的发生，ROC-AUC为.。随后，又操练了一个加倍简纯挚真的梯度boosting抉择妄图示范子，仅需获得病例的个简单病史问题，便可猜想妊娠糖尿病的发生，ROC-AUC为.，仅略低于需分化完全电子病历的模子的默示[]。年新加坡Wong教授团队操作卷积神经汇集进修 张眼底图象，该模子能够切确识别糖尿病视网膜病变、青光眼及急性黄斑变性(ROC-AUC分袂为.，.，.)[]。年，美国食物和药品治理局(FDA)核准基于AI自动诊断糖尿病视网膜病变的IDx系统(Iowa City, IA)上市[]。我国宁光院士已率先在国家尺度化代谢性疾病治理中心(MMC)操作AI手艺，实现糖尿病患者在MMC拍摄眼底照片，系统上传至终端由AI直接阅片并供给可能诊断，辅助临床除夜夫，全数过程仅耗时数分钟，除夜除夜俭仆了除夜夫阅片时刻，提高了精准度。年，日本Suzuki教授团队经由过程卷积自编码器模子，对 名糖尿病患者数据进行时刻序列分化，遵循患者基线资料遴选出进展性糖尿病肾病的高危人群，模子遴选功能切确性达[]。因而可知，AI在协助临床除夜夫对糖尿病及其并发症的猜想上有很除夜辅佐。()AI在辅助医治方案选择及患者血糖治理中的操作：AI也被普遍操作于辅助饮食指导及医治方案的选择。年，以色列的Segal教授团队操作梯度boosting回归示范子，在名健康人群中，经由过水平析患者血液学指标(HbAC，胆固醇，ALT，CRP)、糊口习惯(饮食，步履)、体格搜检(BMI，臀围，血压)、肠道菌群等参数，猜想患者当餐饮食的餐后血糖，并在名健康人中测试，在测试人群中模子的猜想值与现实测量值具有显著相关性(R＝.)。随后，在例健康人中，操作该模子猜想个体化的"健康(餐后血糖较低，血糖平稳)"和"非健康(餐后血糖较高，血糖不服稳)"饮食，猜想功能与专业营养师猜想功能近似[]，该功能被评为昔时的《Cell》杂志的十除夜功能之一。年，美国的Basu教授团队操作梯度森林抉择妄图示范子，在ACCORD研究的 例型糖尿病人群中必定了项影响血糖强化治理下场的成分(春秋，BMI，糖化血红卵白指数)，遵循以上成分揣度一组患者(春秋小，BMI低，糖化血红卵白指数低)更可能从血糖强化治理中获益(削减全因衰亡率)[]。临床上对操作胰岛素的糖尿病患者来讲，遵循自己气象进行胰岛素剂量调剂是一年夜坚苦，而AI在辅助糖尿病患者拟定胰岛素剂量方面有很除夜优势[]。年英国Reddy教授团队操作案例推理模子构建了可在平台上操作的胰岛素剂量计较器，并在例型糖尿病患者中测试[]。年美国Mauseth教授操作恍忽逻辑模子构建闭环人工胰岛，并在例型糖尿病患者中测试[]。往后，不竭有研究者们试图经由过程AI来实现患者胰岛素剂量个体化和人工胰岛[]。当然人工胰岛尚存在必定错误谬误亟待解决(如可能闪现低血糖等)，但相信在不久的未来，人工胰岛将会有更除夜的成长。．AI在肥胖症规模的操作：肥胖症作为一种多发的风行病，病因不明，诊断扑朔迷离难以分型，医治更是窘蹙针对性，反弹率极高，所以肥胖的研究坚苦重重，临床诊疗阻滞不前。AI在这方面除夜有用武之地。AI经由过水平析除夜数据，分类和猜想肥胖风险和医治功能，为临床供给指导。今朝AI在肥胖症的操作仍处于研究初期，前景可期。()AI在肥胖症病因及病发规模的试探：年，雅典的Valavanis教授团队操作连络参数递减编制的多层前馈神经汇集和同化编制操练的多层前馈神经汇集模子，从营养和基因角度试探了肥胖的病因，在 例正常体重及超重患者中，该模子对肥胖猜想在操练集中的ROC-AUC可达到.～.，但在测试集中仅达到.～.[]。年，西班牙的Gonzalez教授团队操作C.抉择妄图示范子，报导了肠道菌群与游离脂肪酸对肥胖症的猜想，在名不合体重(BMI ～ kgm)的人群中，模子敏感性.～.，特异性.～.[]。这些研究代表着对肥胖病因的初步试探，期待AI在此规模的进一步成长。()AI在减重下场及并发症猜想规模的试探：年，美国Ogden教授在美国体重节制注册研究人群中，经由过程暗藏类别模子分化，将 名减重人群分为类，这类人群默示出不合的减重下场、减重步履、体重连结、饮食、步履、心理等特点，这对临床指导减重及体重连结有必定辅佐[]。年，Thomas等[]操作神经汇集模子，对例不合减重术后患者在持久随访中是不是连结减重下场进行猜想，模子ROC-AUC .～.。年，瑞典的Cao教授团队报导操作种根底算法(logistic回归，线性分辩分化，二次分辩分化，抉择妄图树，k最临近算法，撑持向量机，多层感知机，深度进修神经汇集)和种集成算法(自顺应boosting?logistic回归，bagging线性分辩分化，bagging二次分辩分化，随机森林，极端随机树，自顺应boosting极端随机树，梯度boosting树，自顺应boosting梯度树，bagging k最临近算法，自顺应boosting撑持向量机，bagging多层感知机)，在 例减重手术患者中，试探对术后严重并发症的猜想，功能显示当然不合模子的特异性均能达到以上，但模子的敏感性均不容乐不美不美观，还没有找到猜想减重术后严重并发症的较好AI模子[]。是以，实现AI对减重术预后的猜想仍需要进一步的研究试探，以提高其切确性及临床操作。．AI在骨代谢疾病中的操作：骨质松散也是内渗出代谢规模常见的代谢性疾病，病发率高，当进展为骨折后其干与干与成本高，有用率低。可是，采纳AI连络除夜数据则可以很好地协助临床除夜夫进行骨质松散诊断及骨折风险猜想。年，印度的Areeckal教授经由过程操练三层神经汇集分类器模子，在例患者的手及腕部X线图象上分化第三掌骨轴的骨皮质和骨纹理形态特点，初期猜想骨质松散，切确性达.[]。年，澳除夜利亚的Nguyen教授团队经由过程双层前馈神经汇集模子，连络春秋、骨密度、临床成分、糊口编制等，初期猜想 名岁以上女性年骨折风险，模子ROC-AUC高达.[]。该模子在临床上可协助除夜夫对骨折高风险人群进行初期干与干与，以避免发生骨折后再进行干与干与的高医治成本和低有用性。AI也作于骨龄评估，解决了临床上骨龄分化费时吃力且主不美不美观的评价(凡是会遭到评估者间分歧的影响)。年，上海交通除夜学Wang教授团队采纳回归卷积神经汇集模子，在 例患者的手部X线片中评估骨龄。功能显示AI评估骨龄的功能与人工评估功能平均仅相差.～.个月[]。AI模子在骨龄评估上的操作，可以达到和人工评估近似的功能，且效力更高，AI协助除夜夫进行骨龄评估加倍省时省力。．AI在其他内渗出代谢性疾病中的操作：除以上介绍的这些AI操作外，AI在其他内渗出疾病中也有必定操作，但仍处于初步试探阶段。年，日本Kakizaki教授团队操作改良算法的C.抉择妄图示范子，操作谷丙转氨酶、CRP、胰岛素招架、白卵白在例肥胖患者中猜想脂肪肝，与肝穿刺的功能对比，切确性达.，ROC-AUC .[]。当然该切确性离我们所期待的功能对比仍略低，但AI猜想脂肪肝对比金尺度肝穿刺，具有没有创、省时、经济的优势，有着精采的操作前景。年，中国医学科学院的Kong教授团队操作线性回归、k最临近法、撑持向量机、随机森林抉择妄图树、卷积神经汇集，和集成算法(搜罗bagging，boosting，投票法)，从 张人脸部照片中自动识别肢端肥除夜症，敏感性，特异性[]，该简纯挚真而又高切确性的编制未来可能合用于人群肢端肥除夜症的初期筛查。年美国Agar教授团队报导，操作主成分分化法和撑持向量机法对张垂体病理图片进行分化，自动分辩垂体瘤术中质谱病理图象的垂体瘤类别。该手艺使手术除夜夫能在 min内获得术中病理诊断，对术中抉择妄图辅佐很除夜，前景可期[]。、智能医学的前景和挑战智能医学这个新兴的交叉学科在近十年来迅猛成长，为医学供给了良多辅佐。智能医学的首要优势在于：()对临床除夜夫，AI有助于提高诊断的切确性，避免小我成见导致的误差；并协助综合医治和外科手术干与干与；为临床除夜夫供给更切确、靠得住、周全的患者健康数据治理；将医师从几回再三单调的工作中解脱出来，集中精神解决复杂、疑问问题。()对医疗卫生系统，智能医学有助于改良工作流程，削减短处；有助于解决医疗成本窘蹙，出格是医务人员窘蹙的逆境，削减用于医疗的经济成本。()对患者，有益于拟定基于患者怪异的表型和遗传特点的个体化医治方案，和协助患者自我治理，提高患者医治依从性[]。比来几年来，日本学者提出先行医学(pre-emptive medicine)理论，即便用AI、基因组分化和气象彼此浸染数据延缓或预防慢性病(如糖尿病、高血压、肿瘤、痴呆等)的病发[]，干与干与领先于疾病的成长，削减了疾病的风险，闪现了AI介入医疗的巨除夜优势。我们也期待在不远的未来，AI可以在内渗出代谢疾病规模获得更好成长，未来的首要标的方针搜罗(但不限于)：()在疾病病发之前，操作除夜数据分化，遵循小我基因、糊口习惯、今朝健康状况，猜想代谢性疾病(如糖尿病、肥胖、骨质松散)的病发风险，从而进行疾病的风险治理和一级预防。()在疾病发生时，遵循患者的基因、疾病状况等多成分，为患者斗劲和选择个体化的医治方案(如肥胖患者选择减重药物仍是手术医治)；并猜想并发症的病发风险(如糖尿病神经病变、微血管病变、除夜血管病变)。()在疾病晚期，辅助患者进行并发症治理及提高糊口质量(如护理机械人协助糊口不能自理的糖尿病足截肢患者等)。智能医学也面临一些挑战甚至争议。在AI辅助医疗的斥地操作中，出格在伦理方面，还存在良多障碍：()AI认知层面。一方面人类疾病存在纵向成长改变，此外一方面AI斥地基于的数据库的质量和靠得住性不必定，和数据共享方面存在必定坚苦和医疗数据的异质性等。是以AI可能会基于其操练集的不凡性，而对操练集以外的单个病例，给出证据不足的结论，甚至给犯短处的导向。()AI普遍性层面。因为数据的客不美不美观分布分歧，AI可能会更倾向于对某一群体的斥地操作，这可能会对此外一群体(如低收入人群等)存在不公。()短处责任方层面。因为AI的短处导致患者健康受损，很难追诉短处责任方，是以也很难避免近似损害再次发生。()患者隐私问题。跟着医疗除夜数据的爆发增添，操作AI手艺将不合的数据库"对撞"，会很等闲猜想小我的得病隐私，若何保障隐私及在公共益处和小我隐私间达到平衡是AI面临的敏感点。出格对糖尿病等慢病数据库，时程长，数据来历多，出格是糊口编制数据，若何保障小我隐私是一个挑战。为此，良多学者提出，由工程师、临床医师、生物和数据伦理学家、律师、人权专家和患者代表配合组成的委员会参议成立AI斥地操作的国际伦理学尺度，而且提出由经由操练的专业除夜夫对AI的辅助诊断负责[,]。跟着AI的迅猛成长，良多人难免质疑，既然机械在医疗的众多规模都能够做到比人类加倍有用、切确、周全，那么机械能庖代人吗机械与人类事实是伴侣仍是对手[]现实上，医学既是一门科学，也是一门艺术，疾病的界说不是简单的是与非的问题，疾病的医治也不单仅是诊断与医治的简单对应关系。医学是有温度的，出格在慢性代谢性疾病规模，在一些复杂的气象下，AI没法真实的医患互动关系，也没有一种算法能够摹拟随、非措辞沟通、不美不美观、小我欢兴奋乐喜爱、社会气象等多重成分改变的医治抉择妄图，而除夜夫与患者面临面的交流可能会比患者直接面临冰凉的机械更有辅佐。是以，今朝AI的脚色是充任辅助诊断和医治的一部门，还没法孤立成为诊疗过程的整体庖代除夜夫。AI与人交互，有机连络各自的优势才是事实下场前途。、总结综上所述，AI在内渗出的某些规模(出格是糖尿病的诊疗规模)已获得相对成熟的成长，部门手艺(如AI辅助糖尿病患者眼底照片的诊断)已在临床初步操作。而在此外一些规模(如肥胖症、脂肪肝)，尚处于试探初期，仍需要进一步研究。对几何增添的重除夜而复杂的医疗数据，临床医师愈来愈没法直接应付和掌控。是以，依托AI省时省力治理数据，切确分化数据，供给临床抉择妄图，辅助医治，对临床除夜夫尤其首要。我们期待在不远的未来，AI会在内渗出代谢疾病规模阐扬相当紧要的浸染，前景可期。参考文献 （略）下载杂志App