【山巨源專欄】人工智慧在肺炎醫療的快速發展

艾米·莎拉·金斯伯格、埃里克·D·麥科勒姆Amy Sarah Ginsburg ,Eric D McCollum發表在最新一期《柳葉刀》(The Lancet) 的<人工智慧和肺炎：快速發展的前沿>(Artificial intelligence and pneumonia: a rapidly evolving frontier)指出，人工智慧的使用正在增加並滲透到我們日常生活的許多方面。在臨床數據數位化程度不斷提高的支持下，其在醫學上的應用也不斷增加。COVID-19 大流行加速了人工智慧輔助醫療保健的創新，特別是在肺部影像和呼吸音方面，這些技術在肺炎方面都有應用。
提供即時分析、解釋和臨床決策支持
肺炎通常是根據非特異性症狀和身體檢查結果來診斷的，這可能導致漏診或不正確的診斷、治療、併發症和死亡。作為肺炎和 COVID-19 診斷和預後資訊的寶貴來源，醫學影像面臨人類操作和解釋以及人力資源和培訓方面的挑戰。人工智慧輔助的自動化、準確的診斷和預測提供即時分析、解釋和臨床決策支持，有可能解決這些挑戰。例如，一種經過外部驗證的深度學習演算法，用於根據胸部CT 對中國發燒門診疑似COVID-19 患者進行分類，顯示在不同COVID-19 患病率人群中診斷COVID-19 的準確性很高。在美國的另一項針對COVID-19 患者的研究中，外部驗證的人工智慧輔助胸部X 光攝影模型在預測危重疾病進展方面比臨床數據或放射科醫生得出的嚴重程度評分具有更好的預後性能。如果這兩種人工智慧輔助技術都可以擴展到肺炎和其他呼吸道疾病，它們就有可能幫助緩解人力資源限制，並在這些成像方式可用的情況下提高效率、臨床工作流程和結果。
提高醫療可近性、速度、準確性、可靠性、普遍性、品質
深度學習模型也被用於開發咳嗽分析和數位聽診器技術，以幫助評估肺炎和其他呼吸道疾病。在全球範圍內，咳嗽是患者報告的尋求醫療保健的最常見原因。深度學習演算法被用來識別咳嗽、肺音和呼吸模式。人工智慧促進的客觀、一致的咳嗽和肺音評估通常是主觀的、可變的且可供臨床醫生解釋，可以極大地增強對包括肺炎在內的呼吸系統疾病的臨床評估。
鑑於肺炎影響最脆弱的人群，人工智慧輔助技術有可能改變醫療保健，提高醫療保健服務的可近性、速度、準確性、可靠性、普遍性、品質、有效性和提供以及健康結果。人工智慧輔助成像和聲學技術可能比人類感官更有效，特別是對於更小或更微妙的視覺差異或更低或更高頻率的聲音。除了在資源有限、農村或偏遠地區擴大服務的機會之外，這些地區缺乏訓練有素且具有專業影像專業知識或肺部聽診經驗的醫療保健提供者，這些人工智慧輔助技術還可能節省大量成本。人工智慧的好處還包括提高人類表現、使醫學知識和卓越民主化、使苦差事自動化以及分配有限的資源。
人工智慧輔助技術只是工具，不能取代加強衛生系統
然而，人工智慧要成為肺炎患者診斷和管理的強大工具，還需要克服一些限制和挑戰。這些限制包括參考標準（基本事實）的主觀性、數據量不足或數據品質低、真實臨床環境中的訓練數據和評估不足、需要外部驗證模型、缺乏透明度和充分的診斷報告準確性和監管挑戰。此外，需要預測和解決現有或新出現的風險，例如人工智慧系統錯誤、偏見以及資料隱私和安全漏洞，這些風險可能會導致病患傷害或增加健康不平等。儘管資源有限的環境有可能從人工智慧中獲益最多，但它們也最容易受到潛在傷害。這些人工智慧輔助技術只是工具，不能取代加強衛生系統。在我們紀念又一個世界肺炎日之際，肺炎頑固地仍然是最致命的傳染病，而人工智慧是一個快速發展的前沿領域，我們認識到對改進肺炎診斷、預後和治療方案的需求始終未得到滿足，並鼓勵繼續創新、研究和循證肺炎預防和管理方法，同時注意確保負責任、可持續和包容性的開發和使用人工智慧輔助的肺炎相關技術。
ASG 是 Caption Health 的付費顧問。EDM 獲得比爾及梅琳達蓋茲基金會、美國國立衛生研究院、美國國際開發署、美國疾病管制與預防中心和 Thrasher 研究基金的資助，用於下呼吸道感染的研究；獲得 Moderna 的資助，用於預防呼吸道合胞病毒；是 Sonavi Labs 的付費科學顧問。該資助安排已經約翰霍普金斯大學根據其利益衝突政策進行審查和批准。
艾米·莎拉·金斯伯格、埃里克·D·麥科勒姆Amy Sarah Ginsburg ,Eric D McCollum發表在最新一期《柳葉刀》(The Lancet) 的<人工智慧和肺炎：快速發展的前沿>(Artificial intelligence and pneumonia: a rapidly evolving frontier)指出，人工智慧的使用正在增加並滲透到我們日常生活的許多方面。在臨床數據數位化程度不斷提高的支持下，其在醫學上的應用也不斷增加。COVID-19 大流行加速了人工智慧輔助醫療保健的創新，特別是在肺部影像和呼吸音方面，這些技術在肺炎方面都有應用。
提供即時分析、解釋和臨床決策支持
肺炎通常是根據非特異性症狀和身體檢查結果來診斷的，這可能導致漏診或不正確的診斷、治療、併發症和死亡。作為肺炎和 COVID-19 診斷和預後資訊的寶貴來源，醫學影像面臨人類操作和解釋以及人力資源和培訓方面的挑戰。人工智慧輔助的自動化、準確的診斷和預測提供即時分析、解釋和臨床決策支持，有可能解決這些挑戰。例如，一種經過外部驗證的深度學習演算法，用於根據胸部CT 對中國發燒門診疑似COVID-19 患者進行分類，顯示在不同COVID-19 患病率人群中診斷COVID-19 的準確性很高。在美國的另一項針對COVID-19 患者的研究中，外部驗證的人工智慧輔助胸部X 光攝影模型在預測危重疾病進展方面比臨床數據或放射科醫生得出的嚴重程度評分具有更好的預後性能。如果這兩種人工智慧輔助技術都可以擴展到肺炎和其他呼吸道疾病，它們就有可能幫助緩解人力資源限制，並在這些成像方式可用的情況下提高效率、臨床工作流程和結果。
提高醫療可近性、速度、準確性、可靠性、普遍性、品質
深度學習模型也被用於開發咳嗽分析和數位聽診器技術，以幫助評估肺炎和其他呼吸道疾病。在全球範圍內，咳嗽是患者報告的尋求醫療保健的最常見原因。深度學習演算法被用來識別咳嗽、肺音和呼吸模式。人工智慧促進的客觀、一致的咳嗽和肺音評估通常是主觀的、可變的且可供臨床醫生解釋，可以極大地增強對包括肺炎在內的呼吸系統疾病的臨床評估。
鑑於肺炎影響最脆弱的人群，人工智慧輔助技術有可能改變醫療保健，提高醫療保健服務的可近性、速度、準確性、可靠性、普遍性、品質、有效性和提供以及健康結果。人工智慧輔助成像和聲學技術可能比人類感官更有效，特別是對於更小或更微妙的視覺差異或更低或更高頻率的聲音。除了在資源有限、農村或偏遠地區擴大服務的機會之外，這些地區缺乏訓練有素且具有專業影像專業知識或肺部聽診經驗的醫療保健提供者，這些人工智慧輔助技術還可能節省大量成本。人工智慧的好處還包括提高人類表現、使醫學知識和卓越民主化、使苦差事自動化以及分配有限的資源。
人工智慧輔助技術只是工具，不能取代加強衛生系統
然而，人工智慧要成為肺炎患者診斷和管理的強大工具，還需要克服一些限制和挑戰。這些限制包括參考標準（基本事實）的主觀性、數據量不足或數據品質低、真實臨床環境中的訓練數據和評估不足、需要外部驗證模型、缺乏透明度和充分的診斷報告準確性和監管挑戰。此外，需要預測和解決現有或新出現的風險，例如人工智慧系統錯誤、偏見以及資料隱私和安全漏洞，這些風險可能會導致病患傷害或增加健康不平等。儘管資源有限的環境有可能從人工智慧中獲益最多，但它們也最容易受到潛在傷害。這些人工智慧輔助技術只是工具，不能取代加強衛生系統。在我們紀念又一個世界肺炎日之際，肺炎頑固地仍然是最致命的傳染病，而人工智慧是一個快速發展的前沿領域，我們認識到對改進肺炎診斷、預後和治療方案的需求始終未得到滿足，並鼓勵繼續創新、研究和循證肺炎預防和管理方法，同時注意確保負責任、可持續和包容性的開發和使用人工智慧輔助的肺炎相關技術。
ASG 是 Caption Health 的付費顧問。EDM 獲得比爾及梅琳達蓋茲基金會、美國國立衛生研究院、美國國際開發署、美國疾病管制與預防中心和 Thrasher 研究基金的資助，用於下呼吸道感染的研究；獲得 Moderna 的資助，用於預防呼吸道合胞病毒；是 Sonavi Labs 的付費科學顧問。該資助安排已經約翰霍普金斯大學根據其利益衝突政策進行審查和批准。