人工智能助力中医药开启现代化发展新篇章

 中医药学是中国古代科学的瑰宝。传承创新发展中医药是新时代中国特色社会主义事业的重要内容。近年来，随着“大数据”“人工智能”等新技术嵌入中医药诊疗与服务等多个环节，“人工智能+中医药”的产业赛道逐渐升温，相关应用场景相继出现。《经济参考报》从即日起推出“中医数智化”系列报道，以飨读者。

  历经探索与沉淀，中医药凝聚数千年民族智慧。近年来，中医药在预防、保健、康复等方面的特色优势得到进一步彰显，大众对中医药“治未病”“未病先防”等方面的关注持续升温。与此同时，现代信息技术的不断突破，推动中医技术与方法的革新，中医药已今非昔比，加上了“大数据”“人工智能”等新技术的中医药，正在迈入发展的新阶段。

  “+AI” 从传统中医药迈向智慧中医药

  随着养生保健观念深入人心，“未病先防，既病防变，愈后防复”的中医之道，与现代人进行日常健康管理的需求不谋而合。然而，基于其属性特点，中医要想适应新时代健康需求，再度焕发出新的活力，如若仍旧遵循传统发展模式，不可避免地会面临不小的问题和挑战。

  在浩如烟海的中医药典籍中，不乏艰涩难懂之著作，仅靠人力，无法完整、高效地学习，而且不同流派间存在一定壁垒，学术方面的交流与碰撞因此被削弱，诸多成果和经验很难进行有效迁移与转化，亟须一股作用力将精华融会、将派系打通。

  此外，传统中医临床诊断以系统论和整体观为根基，经由“望、闻、问、切”四诊合参，辨证论治，重点依靠医生个人知识经验积累，诊断过程发挥主观性较强，诊断结果可能受到局限，精准性在一定程度上也容易有所欠缺。手段、体系、人才、资源等多方面的难题，都是制约中医药创新发展的症结。

  早在20世纪70年代，专家学者就作出了将人工智能技术引入中医的初次尝试，获得成果较为有限。经过层层迭代、升级、创新，新一代人工智能技术在存储、推理、计算等方面的能力都渐趋成熟。2017年7月，国务院印发的《新一代人工智能产业发展规划》中提出，围绕医疗加快人工智能创新应用。运用AI等现代化信息技术助推智慧中医药建设也被不断写入国家纲领性文件。

  复旦大学复杂体系多尺度研究院院长马剑鹏表示，人工智能在中医药领域有着广阔的应用发展前景。凭借AI在数据挖掘与采集、数据处理与分析、深度学习等方面的卓越能力，有助于实现海量古籍文献和临床诊治经验的结构化、科学化表达，帮助中医诊疗建立客观化标准与评价体系，弥补中医药高质量人才短缺与资源不均，拓宽中医药互联网应用场景，更好地传承并发展中医药文化。

  由此可见，通过人工智能与中医药的深入结合，“中医药+AI”无疑是未来提高中医药群众普惠度，推动中医药事业发展的密钥。

  AI赋予当代中医诊疗和服务多重智慧内涵

  医疗大数据的积累以及多样化先进技术的发展，推动中医诊疗方式不断向数字化、信息化、智能化迈进，为中医药的传承与革新创造了巨大空间。硬件设施、平台搭建、系统管理……当下，AI已经成功嵌入中医诊疗与服务过程的多个环节。

  马剑鹏认为，数字化中医智能诊断设备能够帮助实现中医智慧问诊。不论是病前诊断，还是病后治疗，人工智能都能有所作为。在日常化的健康管理中，利用设备收集人体基本信息，智能化评估健康状态，为使用者在未病时提供个性化的养生攻略。中医药智能诊疗系统与临床医生的相互配合，有助于中医辨证体系与人工智能技术“强强联合”。

  中医智能镜就是数字化问诊的典例之一。该设备利用人工智能图像识别技术，提取面部特征参数，运用深度学习等方法进行精准化、定量化分析，建立健康状态模型。据了解，上海市以蒋家桥社区卫生服务站为代表的诸多基层中医服务点内，就配备有四诊仪、功法镜等智能设备，推动中医药资源下沉，真正便民惠民。

  智慧中医医院建设也是提升中医药基层服务能力的主要抓手。公共卫生信息、健康档案和电子病历互联互通，极大扩充了信息库。借助高效的人机对话，群众足不出户就能进行病症自查，后台健康大数据的收集和更新，也便利了病后复查与跟踪随访。

  2020年4月，上海中医药大学附属龙华医院互联网医院正式开通，这是上海首家互联网中医医院。此后，各大中医类医疗卫生机构相继开放智慧平台，设立智慧就医通道，致力于提升基层中医药诊疗服务质量，不断加强中医药服务能力。

  智慧共享中药房整合线下线上资源，以集约化的思维，综合依托区块链、人工智能、物联网、大数据等技术，改革中药药事服务。建立覆盖中药仓储、调剂、煎煮、包装、配发等全流程的信息追溯系统后，根据中药材样本，AI进行数据识别分析和比对，能够有效甄别中药材真伪、溯源产地、预测品质等，取代过往眼看、鼻闻、手摸、嘴尝的传统鉴别方式。目前患者可在网上自助查询代煎药加工制作信息。

  考验与机会并存

  “中医药+AI”如何更好地面向未来

  以中医药传统理论为根基，以诊疗实践案例为循证，以人工智能等技术为支撑，三者有机结合，赋能中医药传承创新发展。

  “中医药+AI”不能止步于简单的要素叠加或范式挪用。马剑鹏认为，只有在透彻理解中医药基本特点的前提下，找到现代科技与传统文化的契合点，加强技术的适应性转化与利用，才能让人工智能“为我所用”。

  马剑鹏介绍，近期爆火的ChatGPT就中医药进行对话会发现，这款新兴的人工智能程序在虽然在中医药客观基础知识方面对答如流，但在临床诊断方面还存在着很大的不足，而且也容易产生医学伦理问题，未来还有很长的路要走。

  层出不穷的新技术创造出新的生产力，带来新的生产工具的同时，也引发思考甚至担忧。它们将会为中医药发展带来怎样的机遇或威胁，还是一个未知数。

  既要应对外部变化的压力，又要面对内部升级的需求，建设新型中医药体系任重道远。要把握中医药的不可替代性，在技术发展的各个阶段寻求平衡点与最优解。业内专家认为，未来推动中医药和人工智能协同发展，加强顶层规划是必要也是首要条件。“中医+AI”涉及中医学、计算机、数学等多学科知识，中医类高校也应积极培养复合型中医药人才，为中医药事业输送力量。

  加快中医药与人工智能技术深度融合，更进一步揭示中医药奥秘，不断提升中医药维护健康的能力，最终落脚点是为群众谋福祉。（记者 赵逸赫 实习生 朱锦怡 ）

在人工智能的帮助下，所有学科的医生可能很快就能够在所有医疗保健数据和每篇在线发表的医学文献的背景下快速查阅患者的整个医疗档案。由于最新一代的人工智能模型，医生办公室的这种潜在的多功能性现在才成为可能。

“我们看到医疗人工智能领域的范式转变即将到来，”斯坦福大学工程学院计算机科学教授Jure Leskovec说。“以前，医疗人工智能模型只能解决医疗保健难题中非常小、狭窄的部分。现在我们正在进入一个新时代，在这个高风险领域，更多的是关于更大的拼图。

斯坦福大学的研究人员及其合作者将通才医疗人工智能（GMAI）描述为一类新的医疗人工智能模型，这些模型知识渊博、灵活且可在许多医疗应用程序和数据类型中重复使用。他们对这一进展的看法发表在12月<>日的《自然》杂志上。

Leskovec和他的合作者记录了GMAI将如何解释来自成像，电子健康记录，实验室结果，基因组学和医学文本的不同数据组合，远远超出了ChatGPT等并发模型的能力。这些GMAI模型将提供口头解释，提供建议，绘制草图和注释图像。

“由于人类医生的高度专业化以及信息流动缓慢而参差不齐，今天医学中发生的许多低效率和错误，”共同第一作者Michael Moor说，他是一名医学博士，现在是斯坦福工程学院的博士后学者。“通才医疗人工智能模型的潜在影响可能是深远的，因为它们不仅仅是自己狭窄领域的专家，而且在各个专业领域拥有更多能力。

医学无国界

在FDA批准的500多种临床医学AI模型中，大多数只执行一两个狭窄的任务，例如扫描胸部X光片以寻找肺炎的迹象。但基础模型研究的最新进展有望解决更多样化和更具挑战性的任务。“令人兴奋和突破性的部分是，通才医疗人工智能模型将能够摄取不同类型的医疗信息 - 例如，成像研究，实验室结果和基因组学数据 - 然后执行我们指示他们执行的任务在飞行中完成，”Leskovec说。

“我们希望看到医疗人工智能的运作方式发生重大变化，”摩尔继续说道。“接下来，我们将拥有设备，而不仅仅是执行一项任务，可以完成一千项任务，其中一些任务在模型开发过程中甚至没有预料到。

作者还包括哈佛大学的Oishi Banerjee和Pranav Rajpurkar，耶鲁大学的Harlan Krumholz，多伦多大学的Zahra Shakeri Hossein Abad和斯克里普斯研究转化研究所的Eric Topol，概述了GMAI如何应对各种应用，从与患者的聊天机器人到笔记，一直到医生的床边决策支持。

作者提出，在放射科，模型可以起草放射学报告，直观地指出异常，同时考虑到患者的病史。放射科医生可以通过与GMAI模型聊天来提高他们对病例的理解：“你能突出显示任何新的多发性硬化症病变吗？

在他们的论文中，科学家们描述了将GMAI发展成为值得信赖的技术所需的其他要求和能力。他们指出，该模型必须消耗所有个人医疗数据以及历史医学知识，并且仅在与授权用户交互时才引用它。然后，它需要能够与患者进行对话，就像分诊护士或医生一样，以收集新的证据和数据或建议各种治疗计划。

对未来发展的关注

在他们的研究论文中，合著者讨论了能够完成1项医疗任务的模型的含义，该模型有可能学到更多。“我们认为医学通才模型的最大问题是验证。我们怎么知道模型是正确的，而不仅仅是编造的？”莱斯科维奇说。

他们指出了ChatGPT语言模型中已经发现的缺陷。同样，人工智能生成的教皇穿着设计师蓬松外套的图像也很有趣。“但是，如果存在高风险的场景并且AI系统决定生死，那么验证就变得非常重要，”摩尔说。

作者继续认为，保护隐私也是必要的。“这是一个巨大的问题，因为对于像ChatGPT和GPT-4这样的模型，在线社区已经确定了越狱当前保护措施的方法，”摩尔说。

“破译数据和社会偏见也给GMAI带来了巨大的挑战，”Leskovec补充道。GMAI模型需要能够专注于给定疾病的因果信号，而忽略仅与结果相关的虚假信号。假设模型大小只会变大，Moor指出，早期研究表明，较大的模型往往比较小的模型表现出更多的社会偏见。“这些模型和供应商的所有者和开发商有责任，特别是如果他们在医院部署它们，真正确保这些偏见在早期得到识别和解决，”摩尔说。

“目前的技术非常有前途，但仍有很多缺失，”Leskovec同意。“问题是，我们能否确定当前缺失的部分，例如事实验证，对偏见的理解以及答案的可解释性/合理性，以便我们为社区提供一个议程，说明如何取得进展以充分发挥GMAI的巨大潜力？”

上海国际服务贸易网