医学故事.健康 中华医学会理事 神经外科教授
医工结合：搭建人工智能与医疗场景的沟通之桥
顾建文
围绕医工结合中人工智能与医疗场景的结合展开论述。当前二者结合在技术发展层面面临数据获取与标注难题、算法适应性不足；应用实践层面存在临床接受度不高、应用范围有限的问题；伦理与法律层面则有责任界定困难、隐私保护挑战和监管空白等情况。搭建二者沟通桥梁意义重大，可促进技术优化、提高临床应用效果、推动伦理与法律建设。为此可建立跨学科团队、加强教育培训、构建沟通平台。文中还通过 IBM Watson for Oncology 和科大讯飞医疗影像诊断系统的案例分析，展现沟通合作的积极效果。最后强调各方应共同努力深化沟通合作，推动医工结合发展，让人工智能更好地服务医疗行业。
一、引言
在当今科技飞速发展的时代，医工结合成为了医疗领域创新发展的关键方向。其中，人工智能技术与医疗场景的融合更是备受瞩目。然而，目前二者的结合现状仍存在诸多问题，亟待深化。搭建一座稳固而有效的沟通桥梁，将人工智能技术展示与临床医疗专家紧密相连，对于提升医疗质量、改善患者预后以及推动医疗行业的进步具有至关重要的意义。
二、医工结合 —— 人工智能与医疗场景结合的现状分析
（一）技术发展层面
数据问题
人工智能在医疗中的应用高度依赖数据。目前，医疗数据的获取、整理和标注存在巨大挑战。一方面，医疗数据分散在各个医疗机构，且数据格式不统一，存在大量的非结构化数据，如病历文本、影像报告等，整合这些数据难度极高。另一方面，数据标注需要专业的医疗知识，而具备这种跨学科能力的人员稀缺，导致数据质量参差不齐，影响了人工智能模型的训练效果。
算法适应性
虽然人工智能算法众多，但适用于医疗场景的算法仍需优化。医疗问题的复杂性和特殊性要求算法具有高度的准确性和可靠性。例如，在疾病诊断中，一个微小的误差可能导致严重的后果。现有的算法在处理复杂病情、罕见病等情况时，往往表现出一定的局限性，不能很好地满足临床实际需求。
（二）应用实践层面
临床接受度
临床医疗专家对人工智能技术的接受程度不一。部分专家对新技术持谨慎态度，担心其可靠性和安全性。他们习惯了传统的诊断和治疗方法，对于人工智能给出的结果存在疑虑。此外，一些医疗机构缺乏对医疗人员的相关培训，导致他们不了解如何在临床实践中正确使用人工智能工具。
应用范围有限
目前人工智能在医疗中的应用主要集中在影像诊断、疾病预测等少数领域。在一些更复杂的医疗场景，如手术规划与操作、个性化治疗方案制定等方面，人工智能的应用还处于起步阶段。而且，不同医疗机构之间的应用水平差异较大，一些基层医疗机构由于技术和资源限制，很难将人工智能技术引入日常诊疗。
（三）伦理与法律层面
伦理问题
人工智能在医疗中的应用引发了一系列伦理问题。例如，当人工智能系统出现错误诊断时，责任界定困难。是算法开发者的责任，还是使用该系统的医疗人员的责任？此外，患者的隐私保护在数据收集和使用过程中面临挑战，如何确保患者数据不被泄露和滥用是亟待解决的问题。
法律监管空白
当前法律监管在人工智能与医疗结合领域存在较多空白。相关的法律法规尚未跟上技术发展的步伐，对于人工智能医疗产品的审批、市场准入、质量监管等缺乏明确的规定，这在一定程度上阻碍了该领域的健康发展。
三、搭建人工智能与医疗场景沟通桥梁的重要性
（一）促进技术优化
当临床医疗专家能够与人工智能技术展示有效沟通时，他们可以为技术研发提供宝贵的临床经验和反馈。例如，专家可以指出在诊断过程中哪些特征对于某种疾病的判断最为关键，帮助算法开发者针对性地改进算法，提高模型对疾病的识别能力。同时，这种沟通也有助于解决数据问题，医疗专家可以协助进行数据标注和整理，提高数据质量，使人工智能技术更好地适应医疗场景。
（二）提高临床应用效果
通过搭建沟通桥梁，医疗人员可以更好地理解和掌握人工智能技术的应用方法和优势。他们可以将这些技术合理地融入到日常诊疗工作中，提高诊断效率和准确性。例如，在影像诊断中，医生可以结合人工智能系统的分析结果，更快速地发现微小病灶。在治疗方案制定方面，人工智能可以根据患者的个体数据提供参考，医生在此基础上进行调整和优化，为患者提供更个性化的治疗。
（三）推动伦理与法律建设
临床医疗专家、技术开发者和法律专家等多方的沟通可以促进伦理和法律问题的探讨。各方可以共同制定责任界定的准则，明确在不同情况下各方的责任。对于患者隐私保护问题，可以制定严格的数据管理和使用规范。同时，通过沟通可以促使政府和监管部门加快完善相关法律法规，为人工智能与医疗结合领域创造良好的发展环境。
四、搭建人工智能与医疗场景沟通桥梁的策略
（一）建立跨学科团队
组建由人工智能专家、临床医疗专家、数据科学家、伦理学家和法律专家等构成的跨学科团队。在团队中，不同专业背景的人员可以充分交流。人工智能专家和数据科学家负责技术研发和数据处理，临床医疗专家提供医疗实践中的需求和反馈，伦理学家和法律专家对项目进行伦理和法律审查。通过这种团队协作模式，打破学科壁垒，实现全方位的沟通与合作。
（二）加强教育培训
针对医疗人员的培训
为临床医疗人员提供人工智能技术培训课程，包括人工智能基本原理、常见算法、医疗应用案例等内容。让他们了解人工智能在医疗中的作用和应用方法，同时培训他们如何评估人工智能系统的结果可靠性。可以通过线上学习平台、线下讲座和实践操作等多种方式进行培训。
针对技术人员的培训
对人工智能技术人员开展医疗知识培训，使他们熟悉医疗流程、疾病诊断标准、治疗方法等。这样他们在研发过程中能够更好地考虑医疗实际需求，提高技术与医疗场景的适配性。可以邀请医疗专家进行授课，组织技术人员到医疗机构实习等。
（三）构建沟通平台
线上交流平台
建立专门的网络平台，供医疗人员和人工智能技术相关人员交流。在平台上可以发布最新的技术研究成果、临床应用案例、遇到的问题等信息。同时，设置在线讨论区，方便双方随时沟通，解答疑问。例如，医疗人员可以在平台上询问某种人工智能诊断工具在特定疾病中的应用效果，技术人员可以及时回复并提供指导。
线下交流活动
定期举办线下研讨会、学术会议和工作坊等活动。在这些活动中，安排技术展示、临床案例分享、小组讨论等环节。例如，在研讨会上，人工智能企业可以展示最新的医疗影像诊断系统，临床医生可以分享使用类似系统的经验和改进建议，促进双方的深入理解和沟通。
五、成功案例分析
（一）IBM Watson for Oncology
IBM Watson for Oncology 是一个将人工智能应用于肿瘤治疗的典型案例。它通过分析大量的医学文献、病历数据和临床指南，为肿瘤医生提供治疗方案建议。在这个项目中，IBM 与多家医疗机构合作，建立了跨学科团队。医疗专家为 Watson 系统提供了肿瘤治疗的专业知识和临床经验，帮助其优化算法和模型。同时，IBM 为医疗人员提供了系统使用培训，使他们能够更好地理解和应用 Watson 的建议。通过这种沟通与合作，Watson for Oncology 在一些医疗机构中得到了较好的应用，为肿瘤治疗提供了有价值的参考。
（二）科大讯飞医疗影像诊断系统
科大讯飞开发的医疗影像诊断系统利用人工智能技术对 X 光、CT、MRI 等影像进行分析。在研发过程中，科大讯飞与各大医院影像科专家密切合作。专家们协助进行影像数据的标注和整理，同时对系统的诊断结果进行验证和反馈。科大讯飞根据专家意见不断改进算法，提高系统的诊断准确性。该系统在部分医院投入使用后，有效提高了影像诊断的效率，减少了医生的工作量，并且在一些疑难病症的诊断中发挥了积极作用。
六、结论
医工结合中人工智能技术与医疗场景的结合具有巨大的潜力，但目前的结合现状还面临诸多挑战。搭建二者之间沟通的桥梁是解决这些问题的关键。通过建立跨学科团队、加强教育培训和构建沟通平台等策略，可以促进医疗人员与人工智能技术相关人员的有效沟通。从成功案例中我们也可以看到这种沟通合作的积极效果。未来，我们需要进一步深化这种沟通与合作，不断优化技术、提高临床应用水平、完善伦理和法律建设，让人工智能在医疗领域发挥更大的作用，为人类健康事业做出更大的贡献。同时，政府、医疗机构、科研机构和企业等各方应共同努力，积极推动医工结合的发展，跨越技术与医疗之间的鸿沟，实现医疗行业的创新与升级。只有这样，我们才能真正迎来人工智能医疗时代的春天，让患者享受到更优质、更高效、更个性化的医疗服务。
