Page 147 - 基于深度学习的人工智能技术研究

第五章 人工智能技术的应用与发展

现已成为一种行之有效的临床模式。
精准医学的重要组成部分是精准诊断，可以为后续的疾病治疗提供支持。
例如通过影像学检查可以观察到的甲状腺结节，是指在甲状腺内细胞增生后出现
的团块。它可由多种因素引起，在当代人群中较为高发。良性的甲状腺结节（如

滤泡腺瘤）对日常工作生活不会有影响，而恶性的甲状腺结节（如滤泡癌）需要
尽早进行医治。临床实践中，约有 30% 的甲状腺结节，缺少行之有效的良恶性
判断方法。为了克服甲状腺结节良恶性诊断的难题，研究人员将人工智能技术应
用到了蛋白质检测上，通过测量不同类型甲状腺结节组织蛋白质分子水平的变化，

对良性结节与恶性结节进行“识别”。通过对 2421 个蛋白质组学数据进行分析，
最终找到了 14 个关键蛋白质的组合，可对甲状腺结节进行良恶性判别。鉴定到
可区分甲状腺结节良恶性的蛋白质分子标志物的组合后，该方法的临床应用准确
率达到了 90%，有望克服当前甲状腺结节良恶性诊断的难题。

但是，由于最先进的诊断和治疗方案在整个人群中通常分布不均，精准医学
在不同种族和民族之间存在较大的医疗差距。多项研究报告表明，在美国，白人
在接受精准治疗的患者中占比过高，通常达到 80%~90%。因此，试验中测试疗
法的临床有效性结论将很难推广到所有种族和民族。由于纳入人群在临床试验和

预防研究中的代表性不足，如何将少数族群纳入研究构成了实施精准医学的挑战，
也是人工智能技术在当前精准医学领域应用客观存在的局限性。
如今，临床数据（包括图像、实时监测的数据）、分子技术（主要是基因组
学）的进步，以及可穿戴设备的普及都将显著增加生物医药数据的来源和可信度，

队列建设目前已呈现大型化、一体化、共享开放的特点。生物医药数据的收集覆
盖多样化人群、全生命周期和健康，这也为精准医学及人工智能技术的进一步发
展奠定了坚实基础。
2. 智能诊断

智能诊断是健康医药的一个重要研究领域。通过非人工的方式干预疾病的诊
断，提升患者的治疗收益，是当前人工智能时代的大势所趋。智能诊断主要涵盖
临床虚拟助手、辅助诊断、疾病风险预测等方面，并正朝着提高医生工作效率和
减少人为错误的方向迈进。其中，临床虚拟助手的原理为将各种病情的诊断标准、

阈值判断、治疗处方、专家经验等以数据库的形式存储在计算机内，利用计算机
强大的计算和逻辑推导能力，去模拟医生的工作过程，从而达到精确诊断与决策

139