封面新闻记者 周家夷 实习生 田嘉雯 受访者供图
【前言】
为深入学习宣传贯彻党的二十届三中全会精神和认真贯彻落实省委十二届五次、六次全会精神，在四川省卫生健康委员会指导下，四川省医学科教中心、四川省卫生健康宣教中心联合封面新闻集中推出“健康四川寻新记——科技创新赋能新质生产力系列访谈”，聚焦四川省卫生健康新质生产力发展重点任务，邀请人工智能、前沿医学、核医疗、现代中医药领域作出创造性贡献的两院院士、医疗卫生机构科学家和医药科技企业（或新型研发机构）研发人员，共话卫生健康科技创新赋能新质生产力。
当大数据时代来临，人们的生活已经发生了变化。看病时，智能挂号系统、智能排号系统、药物自动分拣系统，电子处方集成的智慧药房……很多医疗场景下，都有大数据的影子，群众就医也越来越便利。
新时代下，大数据+医疗融合发展给患者带来了哪些便利？AI与医生的关系是替代还是协作？本期健康四川寻新记，我们采访了四川省医学科学院·四川省人民医院副研究员吴行伟。
四川省医学科学院·四川省人民医院副研究员吴行伟
打破学科壁垒 大数据+医疗融合发展
随着技术不断发展，大数据已经逐步应用在各行各业。“由于很多医学数据需要专业医学人员处理，但医学人员不具备计算机技术，因此处理起来非常困难。这是制约医学大数据研究的第一步也是关键的一个壁垒。”吴行伟介绍，通常情况下，医生缺乏系统学习AI、大数据等专业技术的时间和机会，而AI、大数据工程师也难以理解复杂的医学知识，这种学科壁垒导致大数据与传统医学的融合使用和技术发展面临着困难。
为了最大化打破“壁垒”，吴行伟及研究团队走在前列，通过人才培养、技术融合和高校合作等方式艰苦攻关，在智慧药学领域取得了全国性的知名度。
吴行伟告诉记者，最初，团队尝试通过邀请专家举办讲座来传授知识，但很快发现这种方法对于缺乏计算机专业背景的医学人才来说效果不佳。因此，团队调整策略，转而采用内部培训的方式，并提供了实际的代码示例，这使得学习过程变得更加直观和具有实践性。随着这种教学方法的实施，现在每家医院都能够提取并利用各自的数据，学习如何在实际教学中清洗和操作数据。在医院和科室的带领下，组成了专门的学习小组，该小组从最初的4人增长到10人。“我们的人员都是药学专业的人员，因此大家需要重新开始学习。大家非常努力、刻苦。”经过一年多的不懈努力，终于取得了显著的成果。以项目为驱动的学习方式，让团队成员在实际操作中掌握了必要的技术，并且充分锻炼了技术能力。
如何解决AI深度学习的问题？吴行伟和团队通过内部新技术的培训和根据医学问题探索应用成功突破众多难点，例如团队曾创新性地将AI与医学中的马可夫模型结合，用于研究消化道肿瘤模型。目前，团队已经开发出了慢病用药管理平台和风险预警平台，例如针对妇女孕期用药的风险决策系统，能够有效预测胎儿非正常生产的风险。
值得一提的是，团队与电子科技大学已经达成项目合作关系。合作通过开设应用医药学数据分析和医药学人工智能等课程，依托大学丰富的教育资源进行专业的教育培训，构建了结合医药知识和数据分析技能的学术体系。这一合作模式招收研究生参与实际课程与项目，为合作提供了人才支持，培养了一批一共交叉领域的技术人才。项目已经有许多成功案例，例如，使用AI辅导患者正确使用吸入剂装置。
糖尿病智能化治疗 AI技术助力基层医疗
随着慢性病患者数量的不断增加，多病共患和多药共用的现象日益普遍，例如患者共患高血压、高血脂、糖尿病等疾病非常普遍，导致患者需要同时服用多种药物，出现药物不良反应的风险也随之增加。为解决这些问题，吴行伟团队加入了“慢病用药管理平台”国家重点研发计划项目。该项目已于2022年底完成开发，并在2023年初正式投入使用，能帮助医生发现用药相关的不良案例，供医生和药师端共同使用，通过智能审方减少患者用药不良反应的风险。在此基础上，四川省人民医院牵头开展一项国家自然科学基金项目——糖尿病智能化治疗方案，现已进入完善阶段。该项目运用了人工智能深度强化学习技术，结合价值函数和模型构建，广泛收集包括基层医疗机构在内的18家医疗机构的数据，构建模型，最终能够给出高价值的降糖药物方案。
吴行伟介绍，项目在推进过程中面临了相当大的挑战。糖尿病的治疗效果评价涉及多个方面，包括不良反应、降糖效果、其他问题导致的疾病变化以及并发症风险等复杂问题。为了解决这一问题，项目团队建立药物价值评价体系和价值函数，构建完全的个性化的模型。向该模型中输入患者的体重和血糖水平，输出适合的治疗方案。“如果AI系统输出的药物违反了疾病治疗指南或者药物说明书，我们会将其过滤并删除，这样可以保证输出的治疗方案在指南规定和药品说明书范围内，大大降低安全性风险。”
AI与医生的关系应该是协作而非竞争
人工智能的发展正逐步改变传统的医疗模式。当前，人工智能大模型在解决医疗问题时并不全面，多以语言模型为主，便于与患者进行对话，实现拟人化系统。然而，医学行业对AI的期望远不止于此。
“循证医学是一种群体化解决方案，而大数据和人工智能是一种个体化解决方案。目前我们正处在从循证医学向精准医学过渡的阶段。大数据和人工智能在其中起到了非常重要的作用，它是群体化规律和个体化规律的结合。”吴行伟告诉记者，“我认为AI与医学结合的重要点在于医学本身的任务，就是治病救人。”他认为，AI在医学领域的应用不应仅限于通用模型，如图像和语言处理，而应该深入帮助医生，甚至能够对复杂医学问题进行深入的模拟并给出决策支持。
随着新产业技术革命的到来，必然涉及行业中关于医生与AI关系的讨论。吴行伟认为，变化是必然的。由于学科壁垒，AI与医学的结合仍处于早期发展阶段，主要起辅助而非代替作用。“目前，AI技术主要停留在帮助医生进行决策的模型阶段。随着模型的测试和患者信任度的提高，医生的工作将变得更加轻松，比如简单问题可以交给大模型判断与处理，而复杂疾病则需要医生和人工智能的共同参与。此种关系应该是协作而非竞争的。”他表示，可以预见的是，未来掌握AI技术的医学专业人才将变得更加重要，他们的职业发展也将更加广阔。