HIT专家网
来源：HIT专家网 记者：谭啸
北京大学肿瘤医院胃肠外科副主任 陕飞博士
【编者按】在4月21日的“医疗大数据服务能力建设研讨会”上，北京大学肿瘤医院胃肠外科副主任陕飞博士发表主题演讲，畅谈临床医生如何看待医疗大数据和人工智能带来的变化，并介绍了他所在科研团队在医疗大数据和人工智能道路上的进展。HIT专家网根据录音将其演讲整理成文，有摘编。
医疗的本质是“匹配”
我所在的团队是北京大学肿瘤医院季加孚院长带领的科研团队，主攻方向是胃癌的综合防控，季加孚院长也是北京大学肿瘤研究中心主任、国际胃癌学会主席。我们拥有国际标准的生物样本库、胃癌转化研究室、肿瘤生物信息中心、分子诊断中心和内镜中心，有相对丰富的科研基础，在胃癌领域居于全国领先水平。
什么是医疗的本来面目？维基百科对“医疗”的定义是：对疾病进行诊断、治疗和预防的科学实践。结合自己从医十多年的体会，我将其归纳为一个词：匹配。医生看病的过程，就是通过提取病人的疾病特征，与所掌握的医学知识进行匹配，形成疾病诊断，再根据诊断与现有治疗手段进行匹配，从而对病人进行治疗，希望病人能够得到预期的治疗结果；然后，根据治疗结果的反馈，再来修正之前治疗的过程。
整个医学的发展可以分为三个阶段：第一阶段是从公元前2500年开始，医学正式出现在人类社会，主要依据是迷信和个人经验，因此这个时代被称为“魔法与经验医学时代”。
第二阶段是从20世纪50年代开始，现代医学正式进入循证医学时代。通过文献这种有效的知识记录和传播方式，把很多医生的个人经验进行整合和分析，从而提供医学证据。在这一时代，诊断已经发生了天翻地覆的变化，从过去的几个特征点发展为几十个。比如胃癌已有二十几个特征点，能对胃癌诊断进行精确描述，治疗也有相对细致的分类组合，希望给病人带来更为个性化的治疗。但这一阶段仍然是个人经验的集合，虽然经过了科学的处理，但仍然存在一些偏差。从大医学的层面看，目前循证医学的治疗效果不错；但对个体来说，并不是完全适用。
第三阶段是智能医学时代。从20世纪80年代开始，人工智能已经开始进入现代医疗，但前期应用不尽如人意，主要原因是技术仍然没有达到医学的需求。近几年，人工智能在医疗中的应用得到了显著进步。医生有望将来看病不再是依靠听诊器，而是依靠丰富的传感器和电脑的系统分析。
医学也在不断进步，对于疾病的划分和分类日益精细化，由此带来治疗的精准化。因此，在智能医学时代，医生对疾病的基本特征有了更深入的认知、更精准的治疗；同时，在大数据和人工智能的辅助下，医疗的技术门槛下降了，可以带来更简单、更优质的医疗服务与研究。
数据是打开智能医疗的钥匙
在大数据和医疗AI发展的浪潮之下，作为一名医生应该如何去应对，才能保持自身的竞争力？第一个问题就是，什么是那把打开未来之门的钥匙？我们认为，数据就是这把钥匙。
假如有了高质量的医疗大数据，我们应该做什么、能做什么？通过对这一问题的回答和总结，可以把人工智能在医疗中的应用大体分为两个部分：一是辅助诊断，二是辅助决策。
1.辅助诊断。希望人工智能通过更细致、更多的医疗特征点的总结和集合，从而带来更精确的个体化诊断和个体化治疗。
传统医学的辅助诊断包括三大部分：临床信息、医学影像、病理检查。万变不离其宗，在智能医疗时代，辅助诊断的发展也离不开这三部分有机扩展和结合，因此，我们团队把这三项列入任务清单。
（1）临床信息：我们找到了自己的路。
我所在团队的临床信息建设大致可以分为三个阶段：第一阶段是1995年-2005年，当时的临床信息主要通过手写病历进行记录，而科研数据记录，就是几张包含了几十个字段的、记录在Excel中的简单的电子表格。那个时候，大家牺牲了所有周末时间，在病案室里对着纸质病历，手工录入数据。所有数据都是单人录入的，几乎没有任何质控，数据准确度非常不理想，但这部分数据却仍然给我们的科研发展带来了非常大的助力。
第二阶段是2005年-2013年。2005年，医院进入电子病历时代。虽然只是非结构化的简单文本数据，但好处在于可以多点录入、多点质控。这一阶段，数据录入的基本途径不仅是电子病历系统，还包括一些小型的专科疾病数据录入界面，例如EpiData、Access等，使得数据质量得到比较大的提升。另外，由于有了电子数据，医院从病历层面提供了简单的质控。因此这个阶段的数据准确度算是中等，这部分数据也是目前科研的主体。
后来，我们引入了专业数据公司，对这部分数据进行了二次后结构化处理，但由于前期的病历书写不够规范，给后结构化带来很多困难。因此我们又实行了人工二次校验，希望形成高质量的人工校验级的临床数据。
2013年以后，我们科室实施了“临床数据的流程化改造”项目。借助这套系统开始对临床流程进行数字化改造。它的好处在于，可在不同的流程点实现实时录入，每一位患者的临床信息是由多个人在多个节点多层录入。而且每个流程点都有质控措施，数据的可信度大大提高。医生查房时带上平板电脑，可以随时访问和补录相关数据。从2017年底开始，我们对数据管理流程体系进行二次升级，希望把流程管理系统和电子病历系统进行有效整合，通过数据引用，减少重复录入和冲突数据，从而进一步提高数据质量。
（2）病理检查：拿到了钥匙，下一步发展预期可待。
在大数据和人工智能时代，病理的概念得到了有效拓展，不再是传统的概念，还包括高质量的生物样本以及背后的多组学数据的整合。我们团队拥有业内先进的高质量的肿瘤生物样本库，负责人张连海教授搭建了一整套自有知识产权的生物样本库的数字化管理系统，采用了非常高效的自动化流程。同时，2016年开始，我们团队引进了专业的生物信息团队，给生物样本库的后续发展提供了非常大的助力。
（3）医学影像：有研究有产出。
医学影像是人工智能在医学领域应用、落地比较快的部分。影像不再仅仅是过去传统的黑白胶片了，而是大量的专业数据集合，这些数据给我们带来的信息远比胶片的信息更加丰富。
比如：在胃癌诊断中有个很大的痛点，就是胃癌腹膜转移的诊断，这是胃癌常见的一种转移形式，病人的治疗难度大效果差，因此我们特别希望能够简单有效地诊断出病人到底有没有腹膜转移。但现实情况是，通过CT等传统诊断方法的准确率不超过一半，必须通过穿刺以及腹腔镜探查等有创检查，才能明确这个问题。通过人工智能和影像组学的新技术能否解决这个问题呢？我们与中科院自动化研究所进行了相关合作，利用影像组学的方法，对传统的胃癌CT片子进行重新学习，提取了485个影像特征，统计发现其中有93项具有分类预测价值。经过机器学习和人工智能处理后发现，机器识别可以把腹膜转移的漏诊率从20%降到4%，这对我们是个极大的鼓舞！
2.辅助决策
人工智能的辅助决策功能可能给我们带来更为精确治疗。大量的精确诊疗信息，可能包含几百个、上千个、甚至上万个特征点，人脑远远不足以有效处理这些数据，必然需要人工智能的辅助。人工智能辅助决策的核心技术是知识库和决策树，这需要三方面的技术条件：一是高质量的有特征标记的数据，这是精准诊断的关键部分；二是专业文献的整合分析，技术相对成熟，但目前主要数据源仍是来自西方人群研究的英文文献；三是医学多模态影像的自动识别和整合，比如：手术视频和医学影像检查，如何在手术过程中进行动态融合并给予术者指导？这对提高手术治疗的精确性和安全性都非常有帮助。
在上述这三方面，我们现在只在第一个模块有所涉足，所以我认为现在构建医学泛专业的知识库和决策树仍为时尚早。我们需要技术的快速成熟和突破，才能有效开展下一步工作。
搭建多中心数据平台的成效与挑战
在季院长的带领下，我们从2015年开始搭建中国胃肠肿瘤外科联盟这一多中心的数据合作平台。我们向全国胃癌、大肠癌得主要诊疗中心发出邀请，希望通过数据共享与整合，开展高维度高质量的数据合作与研究。目前，该平台上的胃癌数据是88000多例，大肠癌的数据是94000多例，但遗憾的是这些数据目前只是核心表征数据的集合，细致化的个案数据仍然缺失，这也是我们下一步工作的主要攻关方向。
在数据合作的推广中，我们确实也遇到很多问题和挑战。
首先，在病历书写过程中，大量的自然语言和非结构化文本给数据质量带来非常大的困扰。比如在部分地区，前列腺增生、前列腺肥大在临床上会被记录位“尿滴滴”这个词，而这样的“自然语言”，通过自然语言处理系统是很难把它归结到标准的结构化数据库里的。
其次，单中心耗费大量人力物力形成的数据模型，它的外延性到底有多好？因为即便是同一医院的同一个科室，对同一种疾病的诊疗路径都是不同的，不同的医院或医疗中心自然差异更大。因此，对单一的数据模型进行外延应用有潜在的困难。
三是在数据采集的过程中，没有有效的数据质量监督机制。即便是在医疗数据建设得比较好的单位，其数据质量也往往没有明确的监督和质控报告。
四是人为形成的“信息孤岛”。这里说的“信息孤岛”并不是技术层面的，因为通过技术和资金，解决不了人的问题。从医生的角度看，数据就是学术价值。但很多医生却又对数据的安全风险缺乏足够的、正确的认知，不愿意将自己的数据共享出去。因此，目前无论是在医院之间，还是在医院内部的医疗团队之间，都缺乏稳定有效的共享互利机制。
最后，在辅助决策的技术方面，仍然需要大量的技术攻关和突破。
电影《普罗米修斯》中有一段临床医生憧憬的场景：首先有系统对患者进行快速的人工智能辅助诊断，发现病灶、找到原发灶和主要问题；然后机器自动进行外科治疗。整个过程快速、准确、有效。
不过，人工智能会替代医疗的一部分，但它能替代的这部分只是技术；而医疗中的精神关怀和人文关怀，是机器替代不了的。
想加入HIT专家网专业交流群吗？请添加“HIT专家网”小助手微信好友后提交你的申请哦
（请注明姓名、单位名称、职务、主管技术或产品领域，以便有针对性加群）
【责任编辑：谭啸】
评论前必须登录！
注册