智能化与临床医学结合

作者：纪正 北京大学人民医院

AI 医疗的 1.0 时代
在 1.0 时代，产品大多是智能穿戴设备、智能医疗影像检测等硬件产品，核心是辅助医生诊断，提升医生的工作效率。这个阶段的产品看着热闹，但是在医院里的接受程度其实并不高。
现在到了 AI 医疗的 2.0 时代，产品变成了以数据为基础的算法。通过一个个传感器将人体数据化，从而提前对人的身体健康进行干预，减少疾病发生的概率。 这是很多创业公司，甚至是一些大公司的突破方向。
发生这个变化的原因是什么呢？是大家对于技术这件事有了更理性的认识。「技术信仰」不是见着技术就跪，拿着技术就用，而是在相信技术的前提下，找到问题的本质，用技术去解决问题。
打个形象的比喻，技术是锤子，但是不能看到什么，都准备去钉一下，一定要找到真正需要钉钉子的地方。
AI 医疗 1.0 时代的产品，大多都是典型的「拿到锤子就到处找钉子」的例子，所以我们发现那些所谓提升医生效率的产品，实际上是非常有局限性的机会。
比如曾经寄予厚望的智能辅助诊断，直到今天我们也没有看到哪家的产品取得大规模的商用。很多当初说要颠覆医疗的产品，进展也都不怎么顺利。
因为只看到了技术的进步，但没有找到事情的本质，这个阶段大家想解决的核心问题是提升医生的工作效率，所以在面对人工智能技术创新的时候，都从效率工具的角度出发去做产品。 比如，辅助诊断癌症等，这些产品看上去有帮助，但是实际应用场景中，价值又非常有限，不会对医生的工作效率和工作水平有质的提升。
主要有三个方面的原因。心率、ECG、血氧和血压等健康功能，在不久的将来可穿戴设备还可能涉及哪些健康功能呢？生物无创传感器的发展表明，连续无创血糖监测和乳酸监测或许将成为未来的攻关方向。在2020年里 ，AI 领域的私募投资数额增加了9.3%(2019年增幅为5.7%)，总额高达400亿美元，但能够完成新一轮融资的 AI 创业公司数量比往年减少，更多的钱被投入到了更少的公司手中，总体上 AI 投资的总金额在提升，但增速有所减缓。
美国 AI 公司私募股权投资的活跃程度仍然远高于排名第二的中国，总融资额逼近240亿美元，比中国高一倍还多。在新冠疫情肆虐的背景下，投资者更愿意投资给借助 AI 力量从事药物发现和设计的公司。2020年，AI药物设计和开发领域的公司获得的私募投资高达138亿美元，比2019年水平高出4.5倍。

通过对汗液、泪液、唾液和间质液等体液进行取样，并对其所含的生物标志物进行化学分析是此前无创血糖监测的主要研究方向。不过，这种方式依赖于高度特异的生物受体。这些生物受体能够在生理条件下识别复杂样品中的目标生物标记物及相关浓度。

同时，这一技术的推广也要求对体液的生化组成有深入的了解，如汗液或眼泪的生化组成及其与血液化学的关系。另外，为了实现在不会造成佩戴者不适的前提下无创采样，生物传感器还需要使用先进的材料和设计，从而提供必要的灵活性和延展性。人工智能赋予医疗行业更可靠的技术,不仅能够提升医疗人员的工作效率,也从源头上节约了医疗成本。在未来的技术不断发展的过程中,医疗人工智能将会普及到每家每户,让人们能够足不出户做到日常监测预防,对人民群众的身体素质起到很大的保障作用。与医疗健康领域的大数据和物联网一样,人工智能在医疗健康领域正迅速成为一个决定性因素
欧洲心脏病学学会年会(ESC)是心血管领域世界级的重要会议之一，在此次会议上，301医院心脏健康研究团队共有6项智能技术心血管健康风险监测及管理的工作在大会交流。
睡不好跟房颤发生有关?研究证实：睡眠呼吸障碍人群房颤风险增加5倍
欧洲心脏病学学会年会(ESC)房颤论坛上，301医院心脏健康研究团队介绍睡眠呼吸障碍风险人群心房颤动(房颤)筛查情况，这是团队在可穿戴设备心血管健康风险监测系列工作，继ESC大会m-Health in Arrhythmias报道“真实世界光电容积脉搏波技术筛查房颤”之后，全球首个在睡眠呼吸障碍人群筛查房颤风险的报道。
共有187,933例(平均年龄38.18 ± 10.77 岁, 91% 男性)使用PPG可穿戴设备监测夜间睡眠。其中9088例(4.84%)筛查为睡眠呼吸障碍高风险(平均年龄42.62 ± 9.27 岁，98% 男性)。184 970例人群使用PPG手环/表同时监测睡眠及心律，8837例筛查为睡眠呼吸障碍高风险。


对于腕戴式可穿戴设备而言，基于无创取样汗液和间质液监测的经皮透析无创血糖监测技术在设备集成、传感精度、汗液/ISF生成和替代、信号传导、数据传输和多路复用传感等方面取得了显著进展；同时，相关的柔性材料和自恢复材料也有进展。

然而，这一技术还需要延长使用时间，增强传感器响应与同期分析血液浓度的相关性，对生物体液有效可控的取样，以及加强汗液取样和传输，以提高检测的可靠性和关联来动态监控浓度的变化。

正因为难度如此之大，多年来业界在这一领域上的进展并不明显。早在2015年，谷歌的兄弟企业Verily就曾试图开发一款可利用泪液实现无创血糖监测的隐形眼镜。然而，几经努力后，这一产品并未被开发出来，从而被Verily放弃。

通过近红外、中红外光谱技术对血液中的血糖进行监测则是另外一种无创血糖监测技术。光谱技术主要利用物质独特的光谱特性——通过测量特定物质与各种不同波长光波间的互动关系，来测量该种物质的浓度。物质在和不同波长的光进行反应时会有不同的吸收率和反射率，也有可能吸收后发出不同波长的光。

通过研究特定物质在不同波长下的反应特性，就可以得到它在某一波段光波下的特异性光谱特征。通过发射特定波长的光波，再利用传感器接收反射回来的光波，对比某一物质的特异性光谱，就可以对物质含量进行估算。理论上而言，只要可以生成信号强度足够且波长极为精准的光线，就可以实现特定生化标志物的检测。
以血糖为例，其在近红外（600-2500nm波长）和中红外（2500-16000nm波长）照射下的光谱特征最为明显。然而，这两个波段下的光线无法穿透人体大部分组织。因此，需要通过测量组织反射回来的光波光谱，而不是穿透组织的光波光谱来测量人体内的血糖含量。