2017年，我国发布了《新一代人工智能发展规划》，国内人工智能（AI，artificial intelligence）进入发展热潮。两年时间里，国际人工智能成果不断产出，我国人工智能也取得长足发展。

据《中国新一代人工智能发展报告2019》数据，我国AI论文发表量居全球第一，但也可以看到论文影响力指标相对落后，同时2018年FDA批准12种人工智能产品上市，而国内尚未有一款AI产品获批。人工智能特别是我国智能医疗发展现状如何亟需总结分析，本文就近期肿瘤领域人工智能研究进展进行总结并辅以述评，重点介绍我国在该领域取得的成果与现状，展望未来发展趋势。

在既往的文章中我们提到，肿瘤领域人工智能的研究主要集中在智能病理、智能影像及智能决策等方面，而随着研究的不断深入，过去的两年肿瘤领域人工智能研究重点除仍集中在智能病理及影像外，在其他领域不断有成果产出，特别是在疾病预测、患者管理等方面。

人工智能在智能病理和智能影像等方面的优势主要在于其强大的图像分析及深度学习能力，既往研究主要是直接对比人工智能系统与不同经验医生在病理切片及影像片识别中的诊断能力，属于辅助智能。过去两年开始有研究者进一步探索智能的图片分析能力，希望能够通过AI在医生本身能力之外的工作中实现突破，也就是所谓的增强智能。

来自纽约大学研究者的Nicolas Coudray教授等研发了一款用于组织病理学图像自动分析的深度学习算法，用于肺癌分型的诊断。该算法识别癌组织和正常组织准确率达到99%，区分腺癌和鳞癌的准确率达到97%，较之前研究准确率大幅提高。更重要的是，研究者突破性的将传统病理切片信息与基因组信息结合在一起，经过训练后，该算法能够从切片图像中识别肺癌常见六大基因突变，包括已有靶向疗法的EGFR突变，准确率能达到73%～86%，不过研究者尚不知道AI到底是怎么从切片中判断出这些突变，只能猜测突变会带来极其微小的、人类无法观察到的变化。

该研究让我们看到了人工智能在图像分析方面的巨大潜力，能够在传统病理切片中发现可能蕴含的潜在信息，而这在既往医生通过肉眼在显微镜下观察是难以发现的，人工智能的图像分析能力不仅仅可以帮助医生省时省力，更是有可能帮助医生突破传统的认知。

传统的预测模型主要是通过数学算法推断事件发生概率的定量预测方法，但预测效应往往较低，随着人工智能发展，人们开始利用神经网络的深度学习方法进行预测模型的建立。

麻省理工学院和马萨诸塞州综合医院利用神经网络系统深度学习X片，将智能影像由疾病诊断推进到疾病预测阶段。研究者利用卷积神经网络（CNN）为核心的图片识别模型阅读超过6万名患者的9万余张乳房X光图像，并结合患者一系列与乳腺癌和个体有关的风险因素，包括族裔、年龄、体重、初次月经年龄、乳房密度、是否生产、初次怀孕年龄、是否患有卵巢癌、家族乳腺癌史等高度差异化的信息进行训练和测试，结果显示该模型的3～5年患乳腺癌预测准确率约为31.2%。

该研究证实深度学习模型和传统逻辑回归模型相结合有着迄今为止最高的乳腺癌患病预测效值，较之以往的预测模型准确率提高近一倍。但同大数据研究相似，该研究可以告诉我们某种因素预示着乳腺癌患病因素的增加，但却无法解释其中的关联，也因此研究发现了一些与传统认知相悖的现象（比如致密型乳房患癌风险并没有人们想象的相对较高），而这种医学逻辑关联正是人工智能与大数据亟待解决的问题。

既往智能系统大多应用于医生的诊疗工作中，基于伦理的考虑，鲜有智能系统与患者直接接触，目前随着智能对话系统的研发，人们开始探索智能系统在患者管理方面的价值。

法国的研究者发起的一项前瞻性研究评估了乳腺癌患者与智能对话系统（Vik）一年的患者沟通情况。结果显示，4 737例乳腺癌患者和Vik每月平均交换132 970条信息，患者经常留下积极的评论，并向他们的朋友推荐Vik，总体满意度为93.95%（900/958），最重要的是，研究者发现患者使用聊天机器人的次数越多，她们的依从性就越强。

由于医疗资源相对不足，缺少专业的从业人员进行规范的随访，患者的院外信息缺失一直是我国肿瘤患者管理的主要困难，而智能对话系统利用可携带电子设备的普及及患者沟通的意愿，可以很好的收集、整理、存储患者的院外随访信息，在医学大数据时代，更是可以为数据库的管理提供必要的保障。

自从人工智能发展上升到国家战略层面开始，我国一直属于世界主要的人工智能研究国家，在发展初期我国人工智能产业仍以学习借鉴为主，而经过国内从业者几年的努力，我国智能医疗逐步由国外产品的验证走向中国系统的创新。

智能决策系统是结合人工智能的学习分析能力及专家的经验而形成的AI系统，核心技术之一为强大的学习病例或数据的能力，可以阅读并理解大规模的结构化和非结构化数据，可以搜寻大量数据，并且能够认知内容，诠释医学术语，并以顶级医学专家和真实病例为样本，持续的自我学习并改进，目前国际上最为成熟的智能决策系统为IBM的WFO系统。

解放军总医院第五医学中心与IBM合作，共同探索了WFO智能决策系统在我国临床中应用的可行性和规范性。该研究纳入近2 000份真实世界病例，结果显示WFO（Watson for oncology）智能决策在乳腺癌治疗中展示出较好的可行性和规范性，帮助临床医生省时省力，辅助应用可进一步提高医生决策的规范性。与此同时，可以看到WFO决策水平在中国的临床环境中，对我国CSCO指南的符合率明显低于NCCN指南，提示其在我国应用推广需要加强本地化学习。

基于此，CSCO乳腺癌专家委员会与海心智惠合作研发成功一套具有我国自主知识产权的乳腺癌智能决策系统。该系统以CSCO乳腺癌指南为依托，融入大量循证医学证据及专家共识，在Ⅰ期研究证实了该系统的可行性后，Ⅱ期研究结果进一步提示基于CSCO乳腺癌诊疗指南的智能决策系统在不同类别、不同阶段的乳腺癌病例中显示出良好的决策规范性，目前Ⅲ期研究结果即将公布。该系统将指南与AI技术相融合，赋予指南电子化、丰富化和智能导航化，进一步推动了智能决策系统的发展。

目前医学人工智能多数还处在研发和训练阶段，同时由于伦理及部分AI产品本身应用的限制性，既往的AI研究多为单臂或基于回顾性数据的对照研究，因此证据级别相对偏低。而对于智能辅助检测系统，由于其在临床应用中主要起到辅助医生的作用，实验组和对照组均有医生参与而很少涉及伦理问题，同时检测系统终点更易达到，因此前瞻性随机对照研究对此类AI产品更加试用，2019年我国陆续有AI产品的前瞻性随机对照试验结果产出。

四川省人民医院与哈佛医学院合作利用自主研发的AI辅助检测系统，在结直肠癌检查中与“金标准”结肠镜进行了前瞻性随机对比，该系统由1 290名患者的5 545张结肠镜检查图像训练而成，研究共纳入1 058例患者，结果显示与标准结肠镜相比，AI系统辅助的结肠镜检查的腺瘤检出率增加了近50%，每位患者检出的平均腺瘤数也增加了，这主要是因为AI检查出了更多的较小腺瘤。

该研究开启了全球AI产品前瞻性随机对照研究的先河，同时国内核心技术与国际医学组织合作也体现了我国智能医疗发展的先进水平，该研究证实了辅助智能系统在临床应用的可行性，也为后续相关AI产品的研发提供了宝贵的经验。

我国是全球为数不多的出台人工智能发展战略的国家，同时拥有众多的患者数量以及相对集中的医疗资源，都为智能医疗提供了良好的发展环境。基于这些优势，笔者认为我国智能医疗未来重点发展方向为：

目前，国内多所大学建立了人工智能学院，主要集中在计算机科学、数学等领域，由于医学领域的特殊性，很难直接培养智能医疗相关人才，因此加强跨学科合作，将技术与临床需求相结合，才能更好地将人工智能技术向临床应用推广。

作为世界上人口最多的国家，各类疾病资源也相对丰富，而人工智能发展离不开海量病例的训练，特别是智能预测模型系统，预测模型的预测效应与学习的病例数成正比，因此未来基于深度学习的预测模型等需要大量医学资源的智能系统或将成为我国AI发展的优势。

目前智能影像、智能病理技术已经相对成熟，但人工智能在内科及外科中的应用进展缓慢，一是因为复杂数据的分析困难，二是空间与时间维度智能操作整合的困难，也因此近两年国际上未有新的智能决策系统出现。而国内从业者在这些领域特别是智能决策方面已经有了很好的积累，为今后发展如扩展智能决策系统的教育培训功能等提供了很好的基础。

总结目前人工智能的进展，以AI图像分析能力为主的人工智能系统仍然是最主要的研究方向，由辅助智能向增强智能发展，同时预测模型和智能患者管理系统等新兴领域逐渐出现。我国智能医疗发展迅速，正由学习借鉴逐步走向自主研发，未来需加强跨学科合作，充分利用资源优势，真正将人工智能运用到临床实践中。