李涛教授也介绍了医疗AI应用目前所面临的挑战。他说，关于医疗AI，目前数据安全问题和法规政策需要完善，相关部门需要制定更合适的法规和政策推动AI在医疗领域的发展。此外，尽管医疗AI有很多优势，但医生和患者对其接受程度和信任度并不高。因为人工智能算法是通过大量的数据得出结论，对于医生和患者而言，其数据质量和算法的工作机制并不透明且难以理解。因此，如何提高医生与患者对AI的理解和信任度，是未来需要探索的工作。
中山大学附属肿瘤医院肺癌首席专家龙浩教授：AI在临床应用上为医生提供许多帮助
据国家癌症中心统计，我国每年新诊断约78万肺癌患者，死亡约为63万。美国国家肺癌筛查试验结果，肺癌患者中有35%是10mm以下的肺结节，肺结节筛查可使肺癌病死率下降20%，因此对肺结节的早检测、早诊断及早治疗是降低肺癌死亡率的重要方法。
龙浩教授说，自进入人工智能时代，基于信息大数据处理，AI在临床应用上为医生提供许多帮助。此前中山大学肿瘤医院曾牵头做了一项关于人工智能与肺结节诊断鉴别多中心临床试验，当时AI对万余例肺结节患者进行诊断，发现其准确率高达82%，敏感度达到88%、在肿瘤的浸润分型中准确率达到了80%。在此基础上，来自全国肺癌领域的21位专家在8个方面达成了共识，发布了国内首个《AI肺结节诊治专家共识》。
他说，AI技术还可应用到数字治疗和医生培训，通过线上平台实现对病人的诊后随访、健康管理，为医生提供实际场景的模拟和演练，分析评估培训数据，利于医生不断学习、持续进步。
“AI时代有着它的局限性。”龙浩教授表示，除了医疗方面的信息安全、患者的隐私保护问题，还有医疗安全和信息鸿沟两个难点。如果完全依赖AI进行决策而没有充分考虑医疗安全，可能导致潜在的风险和问题。目前没有相关的法律法规来保护基于AI的临床决策，限制了许多临床工作。同时，不同地区之间的信息交流和交互存在限制，这对于AI时代的应用也造成了困扰。
龙浩教授说，目前行业需要在AI决策的基础上建立相应的安全机制和措施，解决信息鸿沟问题，以更好地应用AI技术，推动医疗行业的发展，确保其在法律和安全的框架下运作。
复旦大学附属中山医院血液科主任刘澎教授：AI可预测肿瘤预后模型，为患者制定个性化诊疗方案
“美国肿瘤学会在AI图像识别应用上，对肿瘤病理的识别准确度达到90%以上。既减少了人工消耗，又能稳定地保持疾病诊疗的准确率。”刘澎教授谈到，人工智能系统在通过深度学习后，可以预测肿瘤预后模型，诊断不同病理亚型，为患者制定个性化的诊疗方案，这对医生管理病人具有非常大的助力。
如果未来要把医疗AI和血液科深度融合，还将面临着许多挑战。刘澎教授表示，数据使用方面，从政策法规层面上讲，我国对患者数据、医疗机构储存数据以及第三方公司之间的界定还不够明晰。换句话说，什么样的数据可以由医疗机构输送到第三方公司开发，病人的授权在什么程度上可以用于这种开发，这些都没有明确的规定。
此外，用AI代替人工诊断，AI诊断目前还做不到百分百的准确率，那么AI诊断误差所产生的后果，法律法规该如何界定责任和补偿等问题，也需要出台配套的政策和措施。AI的应用场景从病理诊断与识别到制定个体化治疗方案，还有很长的路要走。
在AI的使用过程中，面对医院和患者的数据安全问题，还需要政策法规的进一步保障。刘澎教授介绍，其一是原始数据的安全性，根据我国政策法规的规定，病人的就诊资料数据都储存在医疗机构里，但数据的使用应经过患者授权，同时要由我国相应的管理部门核准，以此来保证数据能够用于卫生健康事业，同时保护好患者的个人隐私。什么资质的机构可以参与到这个数据的分析使用，在数据使用之后转化的这种潜在收益，它的归属权问题也有待阐明。
刘澎教授认为，在现有条件下，要申请医学伦理委员会做好患者的知情同意，同时在政策法规方面给出一些明确的可操作规定。另外对于这个转化的权益分配，需要有法规尽快明确，协助AI使用在医疗领域顺利发展。
粤公网安备 44190002000244号