《深度医疗 Deep Medicine》的12个案例

2021-11-04 17:23

每一位战略/合伙人，缺的不是总结归纳和逻辑推演的能力；缺的是信息、缺的是案例，那些能够为他们的猜测加以佐证的案例。

——慕哲说

本书中的案例，重点介绍“人工智能+诊断”的各个方面，案例丰富；但并没有延伸到治疗管理的范围。与“数字疗法”（D igital Therapeutics ，DT x ）所涵盖的内容，有交集，但不完全相同。

线下问诊，怎么更高效？

案例 1 ：医生的语音转文字 – 微软/谷歌

人们都认为，将计算机置于医生的办公室，是一次数字化医疗的关键尝试，但许多人却认为这是一次失败的尝试。我们不得不对人工打字产生怀疑，因为说话要快得多。

另外，将数据输入到庞大的电子病历中，需要花费大量的时间。例如，对于如下的患者的吸烟史：每天3包烟，烟龄长达20年，5年前戒烟——用手输入肯定不如用嘴说出来快。

让患者编辑自己的就诊记录，还可以避免出现困扰医疗问诊及在电子记录中常出现的公认的错误。将整个就诊过程录下来，后续转录成文字，让患者有机会回顾档案，特别是当他们未能完全理解或记住就诊期间所谈论的内容时，这些信息将显得尤为有用。

我在前文提到过， 80%的就诊记录都是复制粘贴的，错误信息在一次次的就诊中不断地被不同的医生传递，如记录上显示的药物处方已经失效，或者所记录的医疗情况不准确等。而在此之前，医生都未曾征求过患者的意见或让其参与其中。事实上，让患者来审阅和编辑，确实会对清理数据非常有帮助。

一些医生担心这会导致一些信息不准确，但与我们目前的情况相比，这种方案可能更有效。斯坦福大学与谷歌联合发起了一项数据录入员的试点项目，他们将自然语言处理（转录诊疗过程中的语音内容）和机器学习（合成整个记录）的方式相结合，致力于开发能够自动生成就诊记录的算法。微软、亚马逊、谷歌、 Nuance等公司，以及Sopris Health、Orbita、CareVoice、Saykara、Augmedix、Sensely、Suki和Notable等许多初创公司，也都在积极跟进。

以前医生忙着草书写病历，现在医生忙着打字点鼠标，以后医生手握麦克风的时候，是不是可以多一点精力来看看病人？

在线问诊，怎么更准确？

在梅奥诊所（ Mayo Clinic）的一项研究中，研究人员对近300名连续转诊的患者进行了调查，结果发现，只有12%的患者的第二诊断意见与转诊医生的诊断一致。更糟糕的是，第二诊断意见通常无法实现，部分原因在于额外费用的产生、诊断预约困难，甚至找不到相关的医学专家。尽管我们还在面对面会诊与通过远程让更多医生参与诊疗意见之间权衡利弊，但远程医疗确实让更多医生参与诊断的过程变得更容易。

案例 2 ：医生群体诊断 - HumanDx

医生希望能与同事一起众包数据，寻求诊断上的帮助，以提高诊断的准确率。近年来，市场上出现了一些针对医生的智能手机应用程序，包括 Figure One、 HumanDx等。

农迪曾参与会诊过一位30多岁的女性患者，该患者身体僵硬，关节疼痛。他对该患者是不是类风湿关节炎不太确定，于是他在HumanDx上发布了如下信息：女性，35岁，双手疼痛及关节僵硬6个月，怀疑是类风湿性关节炎。他还上传了患者发炎的手的照片。几小时内，数名风湿病学家确认了诊断的正确性。到2022年，HumanDx计划至少招募10万名医生，并使用人工智能工具和医生众包结合的方式，加入自然语言处理算法技术，将关键数据定向发送给合适的专家。

案例 3 ：公众群体诊断 – CrowdMed

另一种通过众包来改善诊断模型的方式则是结合了公众科学。 CrowdMed公司开发了一个平台，在医生和外行人之间建立了一种经济激励的竞争关系，让他们来破解疑难杂症。接纳非临床医生一同参与诊断的方法很新颖，而且已经产生了让人意想不到的结果：该公司的创始人兼首席执行官贾里德·海曼（Jared Heyman）告诉我，外行人诊断的准确率有时甚至比参与的医生还高。我们在斯克利普斯研究所的团队还没有机会检查他们的数据及确认最终诊断的准确率。但是，一旦得到证实，我们可能会解释为：外行人通常有更多的时间对病例进行深入研究，从而在复杂的病例中找到正确答案，这充分体现出“慢工出细活”以及深度尽职调查的价值。

医生以前都是王不见王的，这也带来了专断和不准的弊端。如今流行的“在线问诊”，在提供普惠和便捷的同时，也为“准确诊断”提供了一个新的打开方式。作为病患和家属，我肯定有兴趣知道：一样的病历，在不同专家那里能否拿到同样的结论？

医生这个职业，是不是也该内卷一下了？

图像识别，从面部、皮肤到肠胃镜

案例 4 ：罕见病的面部识别 – Face 2 Gene

来自 FDNA公司的Face2Gene应用程序也值得一提，因为它可以帮助诊断4000多种遗传疾病，其中许多疾病目前都很难查明。这款应用程序曾在几秒钟内，通过识别一个孩子独特的面部特征来确诊其患有罕见科芬-西里斯综合征（Coffin-Siris syndrome）；而在一些家庭中，则需要长达16年的医学评估才能做出诊断。该应用程序的开发者通过对患病个体的影像进行深度学习，识别出罕见而独特的面部特征群（综合征的标志），从而确诊。

至今已有60%的遗传学家和遗传咨询师使用过该应用程序，这是件好事，因为它的广泛使用可以不断扩展知识资源，从而更准确地诊断出更多罕见病。由此，我们可以再次看到一种狭义的人工智能工具在改善医学诊断方面所取得的惊人成就。它不但非常聚焦，还对机器处理的速度非常快，且费用更低。据估计，在医学影像处理方面，一台机器 24小时内可以读取超过2.5亿份扫描文件，成本仅约为1 000美元。

案例 5 ：皮肤癌筛查 – GoogleNet

皮肤癌是人类最常见的恶性肿瘤。澳大利亚和新西兰的发病率最高，大约每 10万人中有50例；美国则为每10万人中有30例。这意味着，每年有540多万美国人患皮肤癌，而每年在皮肤癌上的花费超过了80亿美元。20%的美国人在个人的一生中会患上皮肤癌。将无害的细胞生长误认为黑色素瘤，会导致不必要的活检，这在非皮肤科的医生中尤为常见。漏诊的情况则更糟：每年大约有1万名美国人死于黑色素瘤。

皮肤科医生诊断黑色素瘤的经典方法是，使用一种缩写为“ ABCDE”的启发式方法，即皮肤表现为不对称（asymmetry）、边界（border）不规则、颜色（color）不止一种或分布不均、直径（diameter）较大（大于6毫米），且痣不断增大（evolving）。皮肤科医生不仅依靠经验和眼睛，还会使用皮肤镜放大并照亮目标病变。这与在不同光照条件下，以不同的距离和角度拍摄的皮肤病变照片截然不同。而在人工智能时代，迫在眉睫的一个问题是：深度学习是否可以模拟甚至超越这一模式？

2017年，《自然》杂志发表了一篇迄今为止最令人印象深刻的深度学习文章，封面标题是《学习到的病变》，该篇文章是关于皮肤癌诊断的深度学习算法。该算法有两个目标：一是准确地将病变区分为良性或恶性；二是如果病变为恶性，则鉴别其是否为黑色素瘤。

斯坦福大学的安德烈·埃斯特瓦（Andre Esteva）及其同事使用了谷歌卷积神经网络算法GoogleNet Inceptionv3。该算法首先对ImageNet的128万张非医学影像的1 000多个对象类别进行了预训练，再通过代表2 032种皮肤病的129 450张皮肤病变影像对神经网络进行训练（见图6-3）。不过，这些影像中许多都是照片，不是活检，因此还需要对1 942个病变进行基于活检的诊断，从而对影像（包括照片和判断是否为恶性的皮肤镜影像）是否显示为癌症以及癌症是否为恶性进行明确的验证。测试结果经过了20多名董事会认证的斯坦福大学皮肤科医生的检验。参与研究的皮肤科医生在此之前都未看过研究中使用的病变，他们被问及是否会对病变进行活检，或者是否会告诉患者无须测试，让患者放心。在对 135张不同皮肤癌的皮肤镜影像分类任务中，该算法的结果优于任何一位皮肤科医生；而在130张黑色素瘤影像和111张黑色素瘤皮肤镜影像诊断中，该算法的结果同样优于皮肤科医生的平均水平（见图6-3）

案例 6 ：糖尿病性视网膜病变筛查 – IDx

在全球范围内，导致视力丧失的第一大原因是糖尿病性视网膜病变，它影响了全世界一亿多人。据估计，在美国，糖尿病的患病率接近 30%。糖尿病性视网膜病变是一个巨大的公共卫生问题，专家推荐常规筛查，即使目前有效的治疗方法可以帮助延缓疾病发展，防止失明，但筛查的执行情况通常并不理想。

艾奥瓦大学眼科团队成立的 IDx公司，开发了一种深度学习算法，该算法可以使用Topcon视网膜照相机来检测糖尿病性视网膜病变。在美国10几个医疗中心的基层医生办公室内，IDx机器搭配算法对900名糖尿病患者进行了前瞻性的眼科检查。影像被立即传输到云端分析，几分钟后便获得了结果。该算法检测糖尿病性视网膜病变的准确性很高，敏感性为87%，特异性为90% 。需要注意的是，这项前瞻性研究是同类临床试验中的首例，其准确性没有之前的回顾性研究高（之前的回顾性研究对这两个数据集使用了不同算法，AUC=0.99）。

2018 年， IDx获得FDA批准。由于售价超过2万美元，IDx系统的市场接受情况可能受到限制，但是该技术意味着，在不需要眼科医生的情况下，机器已经可以实现准确的诊断，这是机器的一次飞跃。类似的技术，还应用于早产儿视网膜病变和先天性白内障。

案例7：肠胃癌筛查

还有一个领域可以证明癌症能被人工智能击垮：肠胃癌。结肠镜检查过程中，准确诊断结肠息肉和癌症病变比大多数人所了解的还要困难。多项研究表明，至少有20%的患者的癌变被漏诊了，有些报告的漏诊率更高。当病变扁平、较小或在某些特定部位时，更容易漏诊。人眼，甚至是来自训练有素的胃肠科医生的眼睛，也可能不如计算机光学视力好，这是对200多个小息肉进行计算机辅助研究的结果。

在最近一项深度学习研究中，使用人工智能检测这些病变的想法被进一步推进。该研究使用了3万幅放大500倍的结肠镜检查影像中的300个特征，用算法对250名患者中的306处息肉进行测试。该方法的准确性可达86% ，其结果与文献相比要好很多。第一项使用实时人工智能处理影像的结肠镜检查的前瞻性研究，诊断了325例患者的微小息肉，其最终的准确性非常令人激动。采用高倍放大的机器读片模式为我们带来了启发，在一些非常重要的癌症筛查过程中，这种方法最终可能是一种非常有效的辅助手段。

图像识别，用于各类影像数据的处理和辅助诊断，核心在于谁拥有的影像数据多，谁能够做的更准确（敏感性和特异性更高）。人工智能在此处，没有改变临床判断的逻辑。

数字表征，为精神疾病提供新视角

术语“数字表型”（ digital phenotyping）说明，每个特征都可以被数字化，并产生许多不同的相关指标。而其中大多数的特征数据都可以通过智能手机在患者的真实世界中被动获得。通过增加传感器连接，我们还可以连续地、不加干扰地收集更多生理数据。这意味着，我们能从每个人身上获取大量人工智能可处理的数据。

正如美国国家心理健康研究所前负责人托马斯·英塞尔所说：“ 谁能预见到这场由自然语言处理和人工智能带来的革命：通过智能手机收集声音和语音，就能为严重精神疾病做早期预警？ ”

这些指标可用于解决一系列问题。南加州大学的研究人员开发了一款能预测婚姻不和谐的软件，提供 74种声学特征，包括语音质量、微光、音调、音量、抖动、韵律等，该软件的预测结果甚至比专家还好。

案例 8 ：抑郁症筛查 - Instagram滤镜

Instagram上的照片也非常具有启发性。在美国，这一社交媒体平台的增长速度已超过 Facebook。2017年，安德鲁·里斯（Andrew Reece）和克里斯托弗·丹福思（Christopher Danforth）使用深度学习，分析了从166个账号中获取的43 950张照片（已获得本人同意），其中71人有抑郁症史。

他们分析了所有的照片特征来洞察心理：照片中是否有人物、场所在室内还是室外、晚上还是白天、颜色和亮度（按像素）、照片的评论和点赞数，以及用户的发布频率。Instagram的照片能区分心理抑郁和健康的人，可作为临床诊断之前的抑郁症初诊，它与个人的心理健康自评无关。值得注意的是， Instagram的不同滤镜功能也能区分抑郁症患者和正常人，且比想象的要好（见图8-2）。该计算机程序检测抑郁症的准确性为70%，比先前发表的抑郁症诊断误诊率超过50%的全科医生更具优势。

当然，精神科医生的检测结果要好些。但是，绝大多数抑郁症患者都是由初级保健医生进行诊断，他们根本没有看过任何临床医生，更不用说精神科医生了。

案例9：认知功能和情绪障碍识别 – Mindstrong键盘输入

人们使用智能手机键盘的方式，也可以成为一种有用的标记。 Mindstrong公司已从这种行为中分解出45种模式，包括滑动、字符类型间的滚动和延迟时间等。他们的数据与最初研究中的认知功能和情绪的金标准测量值呈正相关（见图8-1）。

伊利诺伊大学的计算机科学家通过深度学习和装有加速计的自定义键盘，进一步证实了这一观点。他们使用自建的DeepMood算法，在一项试点研究中非常准确地预测了抑郁症的发生。这项研究为通过个人的键盘活动追踪消极情绪的观点提供了一些独立证据。

案例 10 ：创伤后应激障碍 – Sonde Health语音

目前，除了对键盘输入和 Instagram照片的研究之外，还有一些集中在语音等日常生物标志物的研究，如Sonde Health的产后抑郁项目及纽约大学的查尔斯·马尔马尔（Charles Marmar）针对创伤后应激障碍的研究等。马尔马尔使用神经网络发现了30种语音特征，这些特征可能区分出创伤后应激障碍的退伍军人和未受影响的退伍军人（或健康对照组），这个方法已被用于一项为期5年的前瞻性大型队列研究。

机器学习算法显示，在250多名患有创伤后应激障碍的个体中，发音中的元音间隔明显缩短。

数字表征，不同于前一类的原因是，TA并不基于原有医疗器械设备产生的数据做加工，而是更加普通的行为，比如表情、说话、眼动、步态、键盘打字等等。目标就是将这些生物表征与特定的生物标志物（Biomarker）建立联系。

比如，Sonde Health的目标是，建立语音和MRI脑白质（抑郁症诊断）之间的关联，Best Covered的目标是，建立语音和海马体萎缩（老年痴呆诊断）之间的关联。

以前，我们总将生理疾病的考虑优先于精神疾病，因为生理疾病更容易被监测和治疗，且不会被污名化。但是现在，我们可以更加开放地看待这场精神健康革命。客观的全新生物标志物可用于精神的“数字化”，且治疗不完全依赖专业人员。

智能手环，随时随地在测量

案例 11 ：预测房颤的智能手环 – AliveCor /Apple Watch

房颤是一种可引发卒中风险的心律失常。我们一生中患房颤的风险超过30%，房颤患者每年发生卒中的概率是3%。因此，诊断一个没有症状的人是否患有房颤非常重要，可以预先知道此人是否需要预防性血液稀释剂。

2015年，AliveCor的创始人之一、心脏病专家戴维·阿尔伯特（David Albert）在一次科学会议上就提出了这一想法，即深入了解一个人在休息和活动期间的预期心率，从而为个体提供一个可能的安全心率范围。比方说，一个人坐着的时候心率通常是 60次／分，但突然间上升到了90次／分，而手表加速计监测到此人是坐着的状态，那么算法就会判断此人出现了异常，提醒此人记录心电图：只需把手指放在测量表带上即可完成。

公司开发了一种名为 SmartRhythm的深度学习算法，它是一种利用一个人最近5分钟活动数据形成的神经网络。第三代苹果手表的电池续航时间得到了改善，可以连续24小时记录心率，而这正是SmartRhythm所需要的。这是人们第一次，至少在醒着的时候，被诊断出房颤，从而降低了卒中的风险。

2017年11月30日，在彼得森和普拉卡什加入公司不到一年半后， FDA批准了AliveCor的Kardia手环，代替了苹果手环，帮助用户检测房颤，提醒“可能的房颤” 。这是FDA批准的第一个帮助消费者进行医疗自我诊断的人工智能算法。

消费级的智能手环、手表、戒指、帽子、皮带等等，在实现医疗级突破，被授予医疗资质之后，都有新的爆发可能。苹果在国内已经获得了国药局批准的二类医疗器械证。

终极预测，死亡时间表

案例 12 ：预测死亡率

这是一项令人生畏的研究，关于寿命的研究。作为医学的一个分支，临终关怀学科正在爆炸性地发展。而这一领域将被彻底重塑：目前正在开发的新工具，利用电子健康档案中的数据，能以前所未有的高准确率预测出死亡时间，同时向医生提供详细的预测因素报告。如果研究结果得到进一步验证，这项研究及相关的深度学习工作，可能会对美国60%的临终关怀团队及1 700多家医院产生重要的影响。

在美国，曾经只有6 600名获得认证的临终关怀医生，也就是说，平均每1 200名患者配备1名临终关怀医生，而这就要求这些临终关怀医生必须在不影响照护水平的情况下提高自己的效率。然而，能接受到临终关怀的住院患者不到一半。

一项利用 18层深度神经网络学习的研究，从将近16万名患者的电子健康档案中较准确地预测出4万名受试者的死亡时间。该算法具有医生无法提供的预测功能，包括拍片次数，尤其是脊柱或泌尿系统的拍片次数。

从概率角度来看，它和人的年龄一样具有显著的统计学意义。结果令人震撼：计算机预测在接下来的3～12个月死亡的患者超过90%果然去世，而计算机预测能活12个月以上的人确实活过了12个月。值得注意的是，支持研发该算法的最根本因素是有终极的硬数据，即20万名患者的实际死亡时间及电子病历中的结构化数据，如年龄、手术、影像扫描次数及住院时间等。

该算法未使用实验室化验检查报告、病理报告或影像结果，更不涉及对单个患者的整体描述，如心理状态、生存意愿、步态、手部力气等与寿命相关的诸多指标。设想一下，如果有这些数据的话，预测的准确性将会翻几番。

我们应当看到这件事的两面性，一是知道自己可能死在哪里，而主动防范，二是坦然接受，而做出更好的生命安排。所以，怎么看都不是坏事。

写在最后

新型的诊断/筛查工具，就是新型的核保工具。有两点值得关注：

第一，数字化生物表征（D igital Biomarker ）被广泛发现和认可，尤其是在神经/精神疾病领域。

第二，传统生物表征或数字化表征，能够被如今的智能设备随时随地和灵敏地捕捉到。要么依靠摄像头主动自测、要么通过智能手环被动检测到。

核保可能不再成为一个保险环节，或者说，TA将开始于用户交互的那一刻。

资料来源：慕哲说

PS. 本文分析基于公开信息、合理假设和商业推演，不构成任何投资建议。

不感兴趣

看过了

取消

免责声明· 我要投稿

医生,诊断,患者,研究,算法

打赏

不感兴趣

看过了

取消

精彩评论

点击查看更多评论

姓名：
邮箱：
意见内容：
	还可输入500字

您的申请提交成功

《深度医疗 Deep Medicine》的12个案例

精彩评论

相关解决方案

相关推荐

健康界峰会

中国医院排行榜

全国医院擂台赛

公众号矩阵

关注我们

热门产品

您的申请提交成功

您的申请提交成功