ICU會是醫療AI走出邊緣的切入點嗎？

我們曾經關注過很多關於人工智慧在醫療領域的應用，比如運用得非常成熟的醫療影像診斷，用於醫療器械的研發，醫療資料的整理與分析，或是醫院日常管理等方面。在這些領域，人工智慧確實起到了一定程度上的積極效果。

但仍然有一些關鍵性的領域，人工智慧的診療卻依然難以叩開大門。比如ICU，由於在這裡的每一步操作都事關人命，因此在現階段，人工智慧幾乎不可能進入它的診療。

如果沒有記錯的話，上一個引起廣泛熱議的人工智慧ICU應用，是它能夠根據病人的身體資料預測死亡時間。這個功能唯一有效的作用，或許就是極度方便了醫院關於緊張的ICU病房的排隊事宜。

但這並不意味著ICU的大門永遠對人工智慧緊閉著。作為被證明足以改變世界的跨時代技術，人工智慧已經被證明在醫療領域的巨大應用潛力。與其說人工智慧要進軍ICU，不如說ICU更需要人工智慧。

這份需求，或許可以從一劑止痛劑開始。

ICU裡的人工智慧給藥突破

對ICU病人而言，因病情較重且多不具備明顯的意識，因此準確的給藥劑量顯得極為重要。而在所有的ICU常見藥物當中，止痛藥的作用又更加突出。因為在大多數情況下，能住進ICU，往往伴隨著重大手術的進行。

然而重症監護室的止痛劑使用，卻又是一件非常複雜的問題。護理人員需要患者反饋自己的疼痛強度，以調整藥物的劑量;但ICU的患者往往伴隨著意識的昏迷，因此這種反饋並不能持續。對護理人員來說，給藥過量很容易導致患者成癮，而用量不足則又無法達到預期的鎮痛效果，增加病人的痛苦;更有甚者，還很容易引發疼痛致死。

根據2016年美國衛生局釋出的訊息，美國每年平均有上萬人死於阿片類鎮痛藥物過量;2017年全球頂級醫學雜誌《柳葉刀》的研究報告顯示，全球每年約有2500萬人死於疼痛。這些只是全場景下的資料統計，如果單純統計ICU裡由於阿片類鎮痛藥物的不合規使用而導致的死亡病例，恐怕情況也不會樂觀到哪兒去。

那麼，如何為臨床醫生提供更好和更個人化的疼痛管理護理，便成為了人工智慧進一步挺進ICU的突破口。

今年7月份，來自哈佛-麻省理工學院健康科學技術部門、麻省理工學院媒體實驗室和哥倫比亞大學的研究人員組建了一個人工智慧團隊，並建立了一個人工智慧深度強化學習演算法模型，以用於重症監護室的疼痛管理。這項演算法的主要目標，就是能根據不同病人的情況，提供可量化的精準止痛劑給藥。

為此，他們結合了40000多例患者在接受了醫生使用止痛劑之後的效果，包括積極的和消極的。在此基礎上，其用人工智慧演算法確定了對每個病人而言的最佳劑量，以適應不同病人個性化的止痛劑需求，從而達到了藉助人工智慧來實現ICU病人止痛劑量化給藥的目的。

這種方法沿襲了人工智慧解決問題的一貫套路，即以大規模的資料餵養來對模型進行訓練，然後反哺到現實應用。但與其他場景下的資料+模型訓練相同，ICU裡的人工智慧，更依賴於精準而豐富的資料。在這項演算法訓練中，最大的問題，仍是資料。

第一是資料量的不足。

人工智慧演算法模型的訓練需要大量的資料，但對ICU病人而言，平均ICU住院天數在10天左右，而已開發國家效率更高，平均住院時長不到一天。較短的住院時間，意味著止痛劑給藥次數不會很多。那麼，這麼少的樣本資料，是否足夠餵養一個人工智慧演算法模型?

第二是資料的廣度不足。

對一位ICU病人而言，影響其止痛劑使用劑量的因素有很多，比如年齡、性別、身體素質特徵、體重等各個方面，除了性別之外，這些大部分因素都是變數。但這項演算法裡所採用的資料，則來自病人的既往給藥史。在此基礎上，給出最佳決策。問題是顯而易見的，ICU病人身體變化速率要遠異於常人，因此如果只看歷史的死板資料，而不把時時存在的變數加入進去，那麼對於一些未知風險也就形成了天然的抵抗缺陷。

另一方面，單純採用止痛劑的歷史使用記錄，意味著其餘其他藥物配合的剝離。醫生在開出止痛劑劑量的時候是否考慮到了同時多樣給藥帶來的相互作用?治療的目標是什麼?也就是說，止痛劑使用劑量和效果並不是理論上的一一對應，而是要考慮到綜合給藥的複雜性。那麼，聯合使用藥物(如果存在)以及其他可能影響止痛劑效果的資料，均應該納入其中。

在解決這些問題之後，如果演算法成熟，人工智慧ICU量化給藥將會幫助醫生進行臨床決策，同時提供自動指導。

但量化的意義，或許並不僅僅侷限於ICU內。

走出ICU：量化與重要醫療場景的AI進軍

醫療人工智慧在當前仍然算作一個正在高高飛起的創業風口，並且主要集中在一些相對來說邊緣領域的醫療應用，健康監測、醫療器械、影像診斷、住院管理……過分集中於這些領域，很容易給人造成一種錯覺：人工智慧對醫療，好像並沒有什麼實際作用。

對常人而言，所謂看病，最重要的就是醫生診療的過程，臨床診斷、對症下藥，最後藥到病除。雖然人工智慧在上述範圍內的醫療領域已經有了很深的應用，但患者看不見、用不著，身體恢復的功勞仍然屬於醫生，在這個光環之下，自然AI看似無用。

而要想讓人工智慧從醫療領域的無用質疑之中掙脫出來，直接參與到極為重要的醫療場景中或許更為是另一條道路。從這個角度上來說，瞄準緊急醫療場景，真正做到與病人生命同在，或許是人工智慧在醫療領域樹旗立威的不錯選擇。比如在ICU、救護車、臨床搶救等方面的應用，以生命為第一衡量標準，可以加速人工智慧的醫療領域普及。

而要想在這些緊急醫療場景中發揮出肉眼可見的作用，就需要將上文所構想的人工智慧的藥劑量化能力施展出來。ICU裡的每一次謹慎的給藥、救護車上維持生命的藥液含量、臨床搶救時恰到好處的麻醉注射，每一次將生命從死神邊緣拉回人間的過程，都是人工智慧在醫療道路上腳步愈加堅定的基石。

因此，人工智慧向醫療領域的滲透，可以嘗試去走這樣一條道路：以關係生死的急救場景為切入，結合可以量化的具體醫療操作，儘可能減少醫療誤差，在此基礎上實現整個醫療行業的全面進軍。這樣做，既恰好利用了其擅長資料量化處理的優勢，又能充分凸顯人工智慧的價值。

讓AI醫療不僅僅是流於表面或者扮演邊緣化的角色，或可自此而始。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31561483/viewspace-2656850/，如需轉載，請註明出處，否則將追究法律責任。