人工智能在医学中的应用进展(3)

物联网利用传感器设备收集数据，通过云计算、雾计算进行大数据分析，能实现个性化医疗保健［25］。物联网的运用还能整合了大小医院医师、患者及设备，克服不同地区医师及设备资源的差异，解决了先进医疗与落后人力设备资源的矛盾。

2.3 人工智能医疗平台 基于人工智能的医疗平台综合了各种疾病的诊断模型，根据物联网传感器设备收集的数据，为患者提供诊断意见，预测患者疾病预后，给出建议［27］。糖尿病诊断监测模型、心血管疾病诊断监测模型等模型被开发并加以应用［28-29］，能更好地完善医疗平台的建设，使慢性病患者在疾病管理上获得实时建议，从而降低慢性病急性发作的风险。

运用平台的智能通讯功能，能充分实现远程医疗支持工作。慢性病的管理［27］、急性病的诊治［30］，都能通过人工智能医疗平台实现，专家能远程指导对患者的诊治工作。随着第五代移动通信技术（5G）时代的到来，远程医疗快速发展，人工智能医疗平台也因此而向前迈进一大步。

人工智能医疗平台缩短了医生与患者的距离，减少了各地医疗水平差距带来的问题，提高了医疗资源的利用率，完善了已有的医疗体系。

3 人工智能在医学中应用的局限性

人工智能的快速发展为临床医疗提供了支持，同时带来的还有伦理及法律的问题。大数据是人工智能发展与应用的基石。医疗数据不仅包含了姓名、年龄、性别等个人信息，还有既往史、个人史、既往诊疗记录等重要信息，而大数据的收集则会增加医疗数据泄露的风险。医疗数据隐私引起的就业歧视、特殊疾病造成的社交歧视等都是医疗大数据可能带来的伦理问题［31］。另外，高质量的医疗数据仍然不足，目前人工智能还依赖着医生的监督训练，医生诊断的不一致性及模糊性会一定程度地限制了人工智能的准确率。智能医疗的医疗安全问题也应得到重视。目前智能医疗系统尚未安全成熟，在临床医疗过程中存在着各种医疗风险，智能医疗系统的临床决策需经临床医生审核才能最终应用。而在人工智能继续发展的日后，智能系统独立对患者进行诊治，需要相应的法律及规定明确其可行性。在现有社会现状中，人工智能并未覆盖所有地区。在相对富裕、医疗资源丰富的地区，人工智能的运用将比落后地区多，在保证人工智能的医疗安全后，人工智能的患者受众覆盖范围，也涉及公平性的伦理问题。

所以，人工智能在临床医疗中具有其独特的优越性，也有其局限性。在发展智能医疗的同时，也要完善与其相配对的其他领域的工作，以扩大人工智能的使用范围，提高人工智能的使用效益，扩大其在医学中的应用范围。

人工智能的发展及应用给各行各业带来了不同程度的变革，尤其在医疗领域中，人工智能对临床诊断、决策及治疗都具有重要的辅助作用。随着5G网络的发展、物联网的建立以及智能平台的成型，实现实时监测诊治，完成远程医疗。当然，人工智能在医学中的应用还需要完善其他相关领域的工作，落实与其相匹配的法律，解决相应的伦理学问题，使其成为医学应用中的利器。

［1］TOPOL E medicine：the convergence of hu?man and artificial intelligence［J］.Nat Med，2019，25（1）：44-56.

［2］JIANG F，JIANG Y，ZHI H，et intelligence in healthcare：Past，present and future［J］.Stroke Vasc Neurol，2017，2（4）：230.

［3］HE J，BAXTER S L，XU J，et al.The practical implementation of artificial intelligence technologies in medicine［J］.Nat Med，2019，25（1）：30-36.

［4］CICERO M，BILBILY A，COLAK E，et and Validat?ing a Deep Convolutional Neural Network for Computer-Aided De?tection and Classification of Abnormalities on Frontal Chest Ra?diographs［J］.Invest Radiol，2017，52（5）：281-287.

［5］SUNWOO L，KIM Y J，CHOI S H，et detec?tion of brain metastasis on 3D MR imaging：Observer perfor?mance study［J］.PLoS One，2017，12（6）：e0.

［6］MASOOD A，SHENG B，LI P，et Deci?sion Support System in Pulmonary Cancer detection and stage classification on CT images［J］.J Biomed Inform，2018，79：117-128.

［7］BECKER A S，MARCON M，GHAFOOR S，et al.Deep Learn?ing in Mammography：Diagnostic Accuracy of a Multipurpose Im?age Analysis Software in the Detection of Breast Cancer［J］.In?vest Radiol，2017，52（7）：434-440.

［8］ARAMENDIA-VIDAURRETA V，CABEZA R，VILLANUEVA A，et Image Discrimination between Benign and Malignant Adnexal Masses Based on a Neural Network Approach［J］.Ultrasound Med Biol，2016，42（3）：742-752.

文章来源：《华南预防医学》 网址: http://www.hnyfyxzz.cn/qikandaodu/2021/0513/600.html