人工智能在心脏疾病诊疗中的应用
来源:用户上传
作者:
摘 要 文章首先介绍了人工智能的概念及其在医疗领域的发展情况，阐述了其在心脏病诊疗中的应用价值，之后从心脏病发病预测、心电图自动诊断以及心脏手术治疗3个方面论述了其应用现状，最后讨论了其面临的数据采集与隐私保护、法律问题并提出针对性建议。
关键词 人工智能；心脏疾病；预测；自动诊断；辅助手术
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2019）229-0141-02
在信息技术快速发展的当代，将人工智能技术与医学相结合，辅助医护人员对进行疾病的诊疗工作一直是研究的热点问题。人工智能（Artificial？ Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉学科，其研究领域包括机器人、语音识别、自然语言处理等[ 1 ]。为促进、规范人工智能技术的发展，2017年，国务院印发了《新一代人工智能发展规划》，其中提出要推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系。
心脏病是心脏疾病的总称，包括冠心病、风湿性心脏病、心肌炎、先天性心臟病、肺心病等多种类型。过去20年来，心脏病发病率在中国一直呈上升趋势。中国卫生统计提要指出，2013年城市居民死亡原因中心脏病位于第三位，占比为21.45%[2]。因此，越来越多的人们开始关注心脏病，特别是在心脏病的预防和治疗方面。人工智能技术可以通过信息处理、算法辅助等方式辅助医生进行心脏病的诊疗，如帮助医生进行心脏病的预测，辅助医生进行高难度的心脏手术等，本文将对人工智能在心脏病诊疗中的应用进行介绍、讨论，以期为其未来发展提供参考。
1 应用现状
1.1 心脏病预测
许多风险因素决定了人们患冠心病的风险，例如饮食方式、吸烟、遗传原因、高度肥胖、高血脂、糖尿病、缺乏锻炼等。对这些患病风险进行调查，就能帮医生对个体的患病风险进行评估，进而考虑针对性的干预措施，降低其患病风险，达到预防的目的。
一般来说，冠心病的发病风险预测会使用心脏病预测模型。传统的冠心病预测模型是对冠心病的风险因子进行一系列处理后得出的，这些预测模型过度简化了风险因素之间的关系，导致预测准确率不高。借助人工智能技术能够考虑更多的危险因素，从而更加准确地评估冠心病的发病风险。2018年，微软推出了一种由人工智能技术支持的冠心病风险评分模型，该模型基于印度一家医院提供的40万印度人的健康数据，考虑了21种风险因素，包括饮食、吸烟、呼吸率、高血压、血压可以快速、准确识别每位患者的风险水平。该评分模型将风险分为高、中、低，并能提供可以干预的最大风险因素，从而帮助医生以更全面的方式咨询患者，同时为患者提供改善生活方式、降低风险水平的建议。目前该评分工具还在印度医院进行试验，其真正的临床效果还有待进一步评价。
美国谷歌公司的科学家们设计了一种借助眼底图像评估个体患心脏病风险的方法。借助人工智能技术，该方法能够从病人眼底图像中准确地推断多项包括年龄、血压以及是否吸烟等心脏病风险因素数据。之后就可以利用这些数据预测个体心脏病的发病风险。该方法预测的准确率可以达到70%以上，与传统的评分模型相当，但该方法数据采集简单，可以使医生更快、更容易地分析病人的心脏病风险，而不再需要其它临床检验数据。之所以可以通过眼底图像判断个体的心脏健康状况，主要是因为眼底充满了血管，能够反映个体整体健康。现阶段，该方法还需要更彻底的测试后才能用于临床。
1.2 心电图自动诊断
心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术，它是心血管疾病（包括心律失常、心室心房肥大、心肌缺血损伤、心肌梗死等）最简单、快捷、经济的临床检查方法，在临床上应用较为广泛[3]。患者在进行心电图检查后，医生进行判读，并给出检查报告，这种人工心电图诊断的流程。由于心电图是一种连续时间信号，而异常信号是隐藏在其中的，判读时需要医生非常细心，医生在长时间工作后漏诊的风险较大，且有些心脏病异常并不一定在检查中表现出来，需要长时间的心电监测，这进一步增大了医生判断的难度与工作量。为解决人工判断的问题，借助人工智能技术的心电图自动诊断的研究与应用越来越多。
深圳市凯沃尔电子有限公司研发了一款基于人工智能技术的心电图自动分析和诊断系统，称为AI？ ECG？Platform？，该系统既能够对常规的静态心电图进行自动分析并给出诊断报告，也能够处理动态心电图，系统覆盖了主要的心血管疾病，通用性较高。系统的构建是基于约2？500万份心电图的大数据样本，利用深度学习模型训练完成的。该模型经过试验表明其在心律失常事件和心脏激动传导异常事件的诊断能力已经达到专业医生水平，准确性达到95.0%以上，对一些复杂病例的分析诊断，甚至超过专科医生的诊断水平。
人工心电图分析准确性很大程度依赖于医生的专业水平、经验，而基于人工智能技术的自动诊断模型一旦训练成功，其分析水平是一定的，不会受其它因素的干扰，且能够24小时工作，这对于移动医疗、远程诊断都十分重要。当诊断水平达到甚至超过心脏专科医生水平时，则可以推广到大量基层医院、个体诊所、体检中心、养老机构等缺乏专业的心电医生的医疗机构以及进入普通的家庭，使得心电图检查就像测血压、血糖一样方便、准确。
1.3 手术治疗
心脏手术是一种时间长、难度大、风险高的治疗方法。传统的心脏手术需要医生精神高度集中，一旦出现差错其后果可能是致命的；另一方面，心脏手术创口较大，患者在手术过后往往需要很长时间恢复且容易留下后遗症。近年来，手术机器人发展迅速，在许多外科手术中都已经开始应用，其中就包括心脏手术。
目前大多数临床中心使用的手术机器人都是由美国直观医疗器械公司研发的？“达芬奇”系统。“达芬奇”机器人手术系统具有操作精细、微创等优势，已被广泛应用于临床诊疗活动中[4]。在心脏外科，二尖瓣修补/置换术、冠状动脉搭桥术、房间隔/室间隔缺损修补术等手术均可在达芬奇机器人辅助下进行，现阶段已经有许多成功案例。达芬奇机器人能够完成人手不能触及的狭小空间的精细手术操作，对于长时间复杂的心脏手术十分有利于，同时能够大幅缩短病人的康复时间。目前达芬奇机器人辅助手术也存在一些缺点，比如触觉感不如人手灵敏、价格昂贵等，一定程度上制约了手术机器人的发展与应用。 2 面临的挑战
虽然人工智能在心脏病诊疗上带来了许多好处，但其面临的挑战也是不容忽视的。
首先是数据采集与隐私保护问题。不管是微软还是谷歌其设计的心脏病预测模型都需要海量的临床数据，如何获取数据是相关企业面临的难题。现阶段，人工智能模型预测的准确性往往依赖数据的规模，即数据越多预测结果越准确，但临床数据中涉及患者各方面的隐私信息，监管要求较高，企业要想采集海量数据难度较大。此外，企业在分析数据的同时需要对其中的隐私信息进行去除，或是进行严格的监管，防止数据被不法分子窃取。对于数据采集问题，应该由政府部门制定严格的数据监管制度，对企业在使用数据的全过程进行监管，此外，企业应在数据去隐私方面进行攻关，研发出能够既能保证模型训练准确性又能保证患者隐私的相关？技术。
其次是人工智能应用过程中的法律问题。虽然人工智能在心脏病诊疗过程中的準确性很高，但也不能保证不出现错误判断，利用机器人进行手术的责任是由医生、制造商、医疗机构单独承担，还是共同承担，这些都需要在发展过程中引起重视[5]。为此，立法部门应针对人工智能在医疗领域应用过程中出现的新问题进行超前研究，制定相应的法律法规，规范其发展与应用；医疗机构在现阶段应用时，应充分与患者沟通，说明其可能存在的风险，签订知情同意书。
3 结论
文章介绍了人工智能在心脏病诊疗中的应用现状，包括发病预测、心电图诊断以及心脏手术，并指出其面临的数据保护与法律问题。未来，随着信息技术的不断发展，人工智能将在在医疗领域有越来越广泛的应用。无论是疾病诊断还是治疗，人工智能在给我们提供便利的同时也带来了一系列隐私、法律等问题。因此，在医疗领域发展与应用人工智能的初期，就要重视这些问题，尽早采取相应的防范措施，只有这样才能保证人工智能在医疗领域持续健康方法以及应用过程中的安全和规范。
参考文献
[1]杨泽华，田侃，殷婷，等.浅谈人工智能在我国卫生健康领域的应用[J/OL].卫生经济研究，2018（11）：7-9，12.
[2]王冬菊.心脑血管疾病流行概况及主要影响因素[J].预防医学论坛，2016，22（1）：71-75.
[3]刘鸣.远程心电大数据和心电图智能化诊断[J].实用心电学杂志，2018，27（3）：157-161.
[4]杨苏民，王清江，于霄霖.机器人心脏外科手术浅谈[J].临床外科杂志，2017，25（5）：327-330.
[5]曹艳林，陈璞.人工智能：美好前景面临法规空缺[J].中国卫生，2018（8）：76-77.
转载注明来源:https://www.xzbu.com/8/view-15168258.htm
