馬 婷 陳清財

1 醫(yī)療大數(shù)據(jù)與人工智能

近年來，醫(yī)療人工智能(artificial intelligence，AI)技術(shù)的快速發(fā)展使得醫(yī)療數(shù)據(jù)的匯聚和標(biāo)注越來越凸顯其重要性與必要性，與此同時，伴隨著醫(yī)療信息化和數(shù)字化進程，醫(yī)療大數(shù)據(jù)急劇增長，尤其醫(yī)學(xué)影像數(shù)據(jù)這種大容量數(shù)據(jù)的介入，使得醫(yī)療大數(shù)據(jù)的體量呈現(xiàn)指數(shù)級增長趨勢[1]。我國由于患者眾多，使得醫(yī)療大數(shù)據(jù)具有規(guī)模宏大、多模態(tài)的特點。然而，相比于醫(yī)療大數(shù)據(jù)開放較早的西方國家，我國海量的臨床醫(yī)療數(shù)據(jù)卻在醫(yī)療AI技術(shù)的支持方面并沒有表現(xiàn)出應(yīng)有的價值。其中，多層級醫(yī)療數(shù)據(jù)壁壘所帶來的個體數(shù)據(jù)不完整，并且可利用數(shù)據(jù)的規(guī)模小，以及由于規(guī)范化、標(biāo)準(zhǔn)化工作開展較晚，診療過程中產(chǎn)生的各種臨床數(shù)據(jù)廣泛存在醫(yī)療概念表述不一致、數(shù)據(jù)對齊困難等問題，大大弱化了大數(shù)據(jù)在醫(yī)療智能化中的支撐應(yīng)用。同時，大數(shù)據(jù)應(yīng)用與AI技術(shù)帶來的倫理問題也是醫(yī)療大數(shù)據(jù)使用備受關(guān)注的話題[2]。這里的倫理問題，既包括數(shù)據(jù)隱私、數(shù)據(jù)歸屬問題，也包括AI技術(shù)與醫(yī)療專家協(xié)同過程中的決策權(quán)與責(zé)任劃定問題，技術(shù)脆弱性、不透明性帶來的意外問題等。因而我們希望能夠在AI引入健康醫(yī)療領(lǐng)域的研發(fā)過程中，建立一種新型的數(shù)據(jù)平臺機制，在平臺的自動化統(tǒng)一后臺的協(xié)助下，能夠從海量醫(yī)療數(shù)據(jù)中產(chǎn)生統(tǒng)一標(biāo)準(zhǔn)的大數(shù)據(jù)，形成具有廣泛共識的大規(guī)模醫(yī)療知識，從而支撐更魯棒、更透明可控的醫(yī)療AI技術(shù)的開發(fā)與驗證，使得研發(fā)技術(shù)能夠得以順利進行臨床轉(zhuǎn)化，并在研發(fā)過程中建立完整的數(shù)據(jù)隱私保護機制，融入倫理人文關(guān)懷。

1.1 醫(yī)療大數(shù)據(jù)的發(fā)展

早期的醫(yī)療大數(shù)據(jù)主要以針對單一臨床問題，匯集單模態(tài)、單時間點的數(shù)據(jù)為主。例如，針對肺癌的影像數(shù)據(jù)。經(jīng)過脫敏分門別類地打包放到網(wǎng)站上，供研究者查找或下載，形成了最早的開放式醫(yī)療數(shù)據(jù)庫。這類數(shù)據(jù)庫的特點是所面向的問題相對簡單，如針對腫瘤的影像識別問題，數(shù)據(jù)庫的建立圍繞不同癌癥的影像數(shù)據(jù)提供醫(yī)生的手動標(biāo)注，利用該類數(shù)據(jù)庫的技術(shù)研發(fā)也相對單一，即以醫(yī)生手動標(biāo)注為標(biāo)準(zhǔn)訓(xùn)練AI模型替代手動標(biāo)注。這類數(shù)據(jù)庫的公開實現(xiàn)了數(shù)據(jù)資源共享，為不同地區(qū)的研究者提供了統(tǒng)一的數(shù)據(jù)源，是通用醫(yī)療AI技術(shù)的最早數(shù)據(jù)支持。然而，早期的數(shù)據(jù)收集缺乏一致性標(biāo)準(zhǔn)，手動標(biāo)注多為有科研興趣醫(yī)生的貢獻，缺乏數(shù)據(jù)標(biāo)注的標(biāo)準(zhǔn)，在后期的醫(yī)療AI技術(shù)研發(fā)中所需要的數(shù)據(jù)準(zhǔn)備階段尚需巨大工作量(數(shù)據(jù)梳理、數(shù)據(jù)清洗)，使得醫(yī)療AI技術(shù)的功能相對單一，在臨床流程的輔助價值未能凸顯出來。

隨著科研需求的不斷更新，開放醫(yī)療數(shù)據(jù)庫的模式也在發(fā)生改變，早期單一數(shù)據(jù)集不能滿足臨床對疾病研究的需求，從而推動產(chǎn)生了目前最流行的隊列型共享數(shù)據(jù)庫，即平臺上的醫(yī)療數(shù)據(jù)都以隊列為基本檢索方式。這類數(shù)據(jù)庫以臨床研究的問題為導(dǎo)向，數(shù)據(jù)的收集以覆蓋臨床決策為標(biāo)準(zhǔn)，圍繞臨床流程收集多模態(tài)的臨床數(shù)據(jù)，以疾病隊列為基本索引為研究者提供數(shù)據(jù)共享，這類醫(yī)療大數(shù)據(jù)的建立與共享提升了科研效率和醫(yī)療AI技術(shù)的產(chǎn)出，其中最為出名的當(dāng)屬UK Biobank[3]。UK Biobank是由英國政府發(fā)起的，旨在研究“遺傳和環(huán)境因素共同作用對患病風(fēng)險影響”的大規(guī)模生物醫(yī)學(xué)數(shù)據(jù)庫。自開放到現(xiàn)在，UK Biobank已經(jīng)對外開放了上百萬例的醫(yī)療數(shù)據(jù)，它以隊列的形式供人們查閱下載，這對于科研來說有了更直接的切入點，提升了疾病研究的進程，大量的AI技術(shù)開發(fā)者利用該數(shù)據(jù)庫進行技術(shù)研發(fā)，使得醫(yī)療AI技術(shù)可以得到規(guī)?；纳a(chǎn)和場景應(yīng)用的測試。在專病系統(tǒng)中也有類似的隊列研究，例如，DIAN(Dominantly Inherited Alzheimer Network，DIAN)[4]是一個全球性的針對遺傳性老年癡呆的大隊列研究，同樣是通過隊列設(shè)計這種標(biāo)準(zhǔn)的數(shù)據(jù)收集方式，使得科研人員可以更好地產(chǎn)出科研成果，進而為探索攻克疾病的方法提供良好的數(shù)據(jù)支持。

1.2 醫(yī)療大數(shù)據(jù)對醫(yī)療發(fā)展的推動作用

隊列型醫(yī)療大數(shù)據(jù)平臺如何加速醫(yī)療技術(shù)的進步呢？以ADNI (Alzheimer's disease neuroimaging initiative,ADNI) 為例可見一斑。ADNI是全球最大的針對阿爾茨海默病 (Alzheimer's disease, AD) 的開放影像學(xué)數(shù)據(jù)平臺，數(shù)據(jù)庫包含臨床量表、基因、外周血標(biāo)記物、多模態(tài)磁共振和分子影像數(shù)據(jù)。數(shù)據(jù)庫由美國國立衛(wèi)生研究院(National Institutes of Health，NIH)所資助的相關(guān)研究數(shù)據(jù)積累而成，并且持續(xù)更新，目前已擁有AD研究隊列數(shù)據(jù)1 900余例，一些已發(fā)表文章對此數(shù)據(jù)庫進行了專門的說明[5-6]?；贏DNI數(shù)據(jù)發(fā)表的研究持續(xù)改變了人類對AD的認識，尤其在診斷和評估方法上提供了很多新的科學(xué)依據(jù)和臨床證據(jù)[7]。例如，AD是不斷進展的一種慢性病，ADNI的數(shù)據(jù)庫幾乎覆蓋了AD疾病譜系整個進程，針對AD早期的研究提升了我們對早期標(biāo)志物的認識，從而能夠?qū)⒃\斷節(jié)點提前到了臨床前期[8]，這對于疾病的預(yù)防和控制具有重要意義。同時，由于眾多研究者都以ADNI的數(shù)據(jù)作為基準(zhǔn)，因此其數(shù)據(jù)的采集也逐漸成為了眾多其他研究團隊的標(biāo)準(zhǔn)，進一步使得全球多中心的數(shù)據(jù)可以進行橫向的比對，更加有利于研究成果的驗證。有了這樣一個專家公認的標(biāo)準(zhǔn)數(shù)據(jù)庫，不同地區(qū)的研究成果可以平等地在ADNI數(shù)據(jù)庫上進行融匯和比較[9]，這便進一步影響AD的診斷標(biāo)準(zhǔn)指南的發(fā)布。AD協(xié)會每年都會發(fā)布疾病“白皮書”，對基于ADNI數(shù)據(jù)庫的不同科研產(chǎn)出進行總結(jié)[10-11]，有關(guān)AD診療指南更新有相當(dāng)一部分也是依據(jù)ADNI數(shù)據(jù)庫產(chǎn)生的成果來確定的。到目前為止，ADNI數(shù)據(jù)庫已經(jīng)產(chǎn)出了超過1 500篇重要的論文，對于整個疾病的認識和診療有巨大貢獻。

由此可見，標(biāo)準(zhǔn)醫(yī)療大數(shù)據(jù)的搭建能夠產(chǎn)生新的醫(yī)學(xué)知識和臨床方法，形成不同研究的對話平臺，最終影響臨床流程，達到推動醫(yī)療發(fā)展的效果。在這個過程中，隊列型醫(yī)療大數(shù)據(jù)以其高度聚焦某類疾病和數(shù)據(jù)標(biāo)準(zhǔn)化顯示出了良好的支撐作用。同時不難發(fā)現(xiàn)，除了UK Biobank，其他數(shù)據(jù)庫基本都是科研隊列經(jīng)過脫敏之后的數(shù)據(jù)匯聚，這類數(shù)據(jù)庫的建設(shè)周期和投入都比較大，以專病作為建設(shè)對象比較合理，一旦面向全醫(yī)療領(lǐng)域，所涉及的數(shù)據(jù)之龐大很難用統(tǒng)一架構(gòu)的數(shù)據(jù)平臺支撐。

2 面向醫(yī)療AI的大數(shù)據(jù)探索——“開放換取共識”

雖然隊列型醫(yī)療大數(shù)據(jù)能夠為我們提供良好的科研支持，但在醫(yī)療AI技術(shù)研發(fā)的支持方面仍存在一定問題。主要原因在于，第一，隊列數(shù)據(jù)具有較為嚴格的篩選機制和篩選條件，這就決定了隊列數(shù)據(jù)本身的多樣性和復(fù)雜性受到約束，真實世界的多樣性與不確定性，分布的多樣性和非均衡性等或多或少都會被掩蓋，這對于面向真實世界的復(fù)雜臨床決策技術(shù)的訓(xùn)練來說，具有很大局限性；第二，由于不同隊列往往針對特定的研究目標(biāo)來制定篩選條件，數(shù)據(jù)標(biāo)準(zhǔn)的主觀性使得AI技術(shù)的可用性和普適性還在受到爭議；第三，隊列型醫(yī)療大數(shù)據(jù)平臺雖然數(shù)據(jù)開放，但是沒有個性化的數(shù)據(jù)管理工具和統(tǒng)一的數(shù)據(jù)分析平臺，導(dǎo)致不同研究的數(shù)據(jù)分析方法缺乏一致性比較，因此很多科研成果的橫向比較依然存在一致性問題。

2.1 多方同臺、靈活開放的大數(shù)據(jù)平臺

基于以上分析，筆者在隊列型醫(yī)療大數(shù)據(jù)平臺經(jīng)驗基礎(chǔ)上，探索一種全新的面向醫(yī)療AI技術(shù)發(fā)展的數(shù)據(jù)平臺模式，即能夠?qū)崿F(xiàn)醫(yī)工融合、多方參與的醫(yī)療大數(shù)據(jù)平臺3.0版本。首先，平臺允許不同權(quán)限的數(shù)據(jù)開放形式，讓更多的數(shù)據(jù)可以被整合和利用；其次，數(shù)據(jù)從收集、清洗到利用是多方監(jiān)管和鑒定的，提升數(shù)據(jù)的一致性和臨床適配性；最后，在醫(yī)療AI技術(shù)的研發(fā)過程中，可以在中間環(huán)節(jié)得到數(shù)據(jù)監(jiān)管，保護數(shù)據(jù)權(quán)限以及規(guī)范使用倫理，讓科學(xué)家、臨床專家和倫理專家都能參與到AI的生產(chǎn)流程。這樣不僅平臺數(shù)據(jù)可以不同的形式共享，并且所有數(shù)據(jù)分析工具也是共享的，從而實現(xiàn)研究、開發(fā)和轉(zhuǎn)化在同一個平臺上進行。在這樣一個統(tǒng)一的生態(tài)環(huán)境下，多背景的專家可以同臺作業(yè)，如倫理專家、臨床專家們雖然對AI技術(shù)不了解，但是他們可以為AI的生產(chǎn)提供知識輔助和倫理支持，最后由工程師把帶有共識的技術(shù)開發(fā)為在線的軟件和AI產(chǎn)品，產(chǎn)品測試可以直接由同臺作業(yè)的臨床和倫理專家進行，實現(xiàn)從數(shù)據(jù)到醫(yī)療應(yīng)用轉(zhuǎn)化一體化流程的醫(yī)療大數(shù)據(jù)平臺。

基于這樣的理念，筆者所在團隊提出并建立了“素問系統(tǒng)”，于2020年12月進行了公開發(fā)布。素問系統(tǒng)初步實現(xiàn)了多方同臺作業(yè)、封閉式項目管理、分等級開放的新型醫(yī)療大數(shù)據(jù)平臺。考慮到數(shù)據(jù)倫理問題，針對沒有授權(quán)對外開放的數(shù)據(jù)僅限平臺上同一項目的參與方之間共享，并由數(shù)據(jù)貢獻方主導(dǎo)數(shù)據(jù)的使用權(quán)限，通過將數(shù)據(jù)鎖在平臺上達到數(shù)據(jù)利用與安全。此外，邀請各方專家和技術(shù)人員共同參與，為平臺提供知識和技術(shù)支持，完善平臺維護。這種允許多方同臺作業(yè)的全方位開放模式使得科學(xué)家、臨床專家和倫理專家可以參與到AI技術(shù)的整個生成流程中。通過平臺直接可視化中間結(jié)果，各方專家可以與AI技術(shù)專家共同探討結(jié)果的可行性、可用性，從而技術(shù)專家可以及時調(diào)整技術(shù)路線使其更加符合臨床需求。這種數(shù)據(jù)平臺模式改變了跨學(xué)科交流的方式，從而能夠更快地做成真正適用于臨床的AI技術(shù)，實現(xiàn)AI到醫(yī)療應(yīng)用的技術(shù)轉(zhuǎn)化。

考慮到未來醫(yī)院的應(yīng)用場景，筆者所在團隊進一步設(shè)計了基于全國產(chǎn)AI服務(wù)器的計算集群和開發(fā)環(huán)境，初步形成了可以在線研發(fā)新AI技術(shù)的系統(tǒng)，目前素問系統(tǒng)已經(jīng)收集到超過200T的開源數(shù)據(jù)，并且已經(jīng)在平臺面向公眾全開放了3T的影像數(shù)據(jù)，供用戶免費下載。此外，還面向不同需求開發(fā)了第一批AI工具，包括醫(yī)學(xué)知識圖譜、腦齡預(yù)測算法等，注冊用戶可以免費使用這些平臺AI工具進行初步的數(shù)據(jù)挖掘和探索，為他們的進一步探索提供線索?？紤]到醫(yī)療AI的研發(fā)少不了大量的數(shù)據(jù)標(biāo)注，素問平臺還包含了一個能夠多方同臺在線標(biāo)注的系統(tǒng)，使得以項目為統(tǒng)籌單位的AI研發(fā)可以流水線般地順利進行。

2.2 “開放換取共識”之醫(yī)學(xué)知識圖譜構(gòu)建

這里以醫(yī)學(xué)知識圖譜為例介紹如何與臨床醫(yī)生一起共創(chuàng)未來醫(yī)療AI技術(shù)。目前，醫(yī)療存儲最普遍的數(shù)據(jù)是電子病歷，臨床應(yīng)用中產(chǎn)生了對電子病歷結(jié)構(gòu)化處理與輔助決策的技術(shù)需求。電子病歷的AI分析、理解，需要以標(biāo)準(zhǔn)醫(yī)學(xué)知識體系作為藍本，而醫(yī)學(xué)知識圖譜可以看成是復(fù)雜的醫(yī)學(xué)知識體系的一個易于計算機進行理解與處理的、相對簡化的版本。然而，目前在中國還沒有一個標(biāo)準(zhǔn)的、官方的、能夠覆蓋全病種的醫(yī)學(xué)知識圖譜，已知的電子病歷數(shù)據(jù)的利用多由公司主導(dǎo)的軟件提供服務(wù)，背后均是自建醫(yī)學(xué)知識圖譜，由于不公開，其有效性、可用性均不能被臨床權(quán)威考察，“各自為政”的開發(fā)方式也大大限制了知識的規(guī)模和覆蓋范圍，使得當(dāng)前的電子病歷數(shù)據(jù)還無法很好地支持臨床輔助決策。此外，現(xiàn)有的醫(yī)學(xué)知識圖譜大多沒有開源，僅以產(chǎn)品形式置入醫(yī)院信息化系統(tǒng)，無法進行知識的更新迭代，使得醫(yī)院對AI產(chǎn)品的可用性依然存疑。因此，針對醫(yī)療文本類的數(shù)據(jù)利用，筆者所在團隊在素問平臺建立了開源、開放的醫(yī)學(xué)知識圖譜，該體系以疾病為中心，涵蓋了部位、檢查、癥狀、藥物等11種實體類別和治療、副作用等共43種關(guān)系類別，并提供了醫(yī)學(xué)概念檢索、知識檢索等一系列應(yīng)用程序接口(application program interface,API)，使得知識圖譜的審查與基本應(yīng)用可以在線完成。

這個圖譜自發(fā)布以來受到廣泛關(guān)注，很多醫(yī)院和企業(yè)與平臺聯(lián)系希望進一步應(yīng)用。在應(yīng)用的過程中發(fā)現(xiàn)不同醫(yī)療方對知識圖譜中的醫(yī)學(xué)概念命名和關(guān)系、屬性的定義存在不同，而這些不同存在于臨床標(biāo)準(zhǔn)的執(zhí)行中，這就產(chǎn)生了如何讓知識圖譜中的概念、屬性和關(guān)系能得到普遍共識的問題。經(jīng)過思考，筆者所在團隊對知識圖譜網(wǎng)頁版的呈現(xiàn)形式進行了可交互的設(shè)計，并建立了一種和專病醫(yī)生進行知識共建的模式，讓臨床專家可以對知識進行修改，像wiki百科全書那樣以開放的方式讓盡可能多的臨床專家都來在醫(yī)學(xué)概念和關(guān)系邏輯上進行考量和修正，通過不斷的迭代最終形成具有規(guī)范化和廣泛共識的醫(yī)學(xué)知識圖譜。筆者所在團隊在素問系統(tǒng)研發(fā)一周年之際再次發(fā)布醫(yī)學(xué)知識圖譜的wiki版本(https://suwen.pcl.ac.cn/graph/wiki)，此次發(fā)布的知識圖譜實體數(shù)170萬左右，三元組總量接近400萬，是國內(nèi)已知最大的開源中文醫(yī)學(xué)知識圖譜。更新后的版本在可用性和交互性上有了較大提升，使得用戶活躍度明顯上升，例如，wiki版本前端知識的產(chǎn)生和修訂可能來源于任何一位用戶，而知識圖譜的更新上需要在該圖譜分支領(lǐng)域的負責(zé)編輯單位進行審核和最后的審定，每一個細分領(lǐng)域的圖譜負責(zé)編輯都是該領(lǐng)域在全國排名前三的權(quán)威醫(yī)院團隊。由此，AI專家負責(zé)圖譜迭代和生成的技術(shù)，所產(chǎn)生的知識及其邏輯關(guān)系由大眾臨床專家查看、修改，最終由權(quán)威團隊負責(zé)審定，真正實現(xiàn)了眾多不同背景、不同地域的專家流水線式地同臺作業(yè)。而知識圖譜在不斷更新迭代的過程也是臨床共識產(chǎn)生的過程，由于圖譜是全免費開放，降低了使用門檻，這樣的開放模式為匯聚專家思維、形成共識提供了平臺基礎(chǔ)。

該醫(yī)學(xué)知識圖譜wiki版本發(fā)布一個月以來，發(fā)現(xiàn)注冊用戶主體已經(jīng)從過去的企業(yè)轉(zhuǎn)變?yōu)楝F(xiàn)在的企業(yè)、科研機構(gòu)和醫(yī)院共同參與，說明方便的交互機制讓醫(yī)生能更好地參與到AI技術(shù)的研發(fā)中，并且他們也有足夠的參與意愿。wiki版本的發(fā)布更加完善了在線編輯機制，可以通過不同的權(quán)限使得大眾參與、專家討論，最終形成共識。只有經(jīng)過審定后的標(biāo)準(zhǔn)知識圖譜才能進入臨床應(yīng)用，筆者期待在不遠的將來基于素問醫(yī)學(xué)知識圖譜的臨床輔助決策能為臨床提供更多幫助。

3 醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)與共識之路

在素問系統(tǒng)的整個搭建和探索過程中，筆者所在團隊深刻意識到跨領(lǐng)域合作的難度，這里的挑戰(zhàn)包括幾部分：(1)原始數(shù)據(jù)共享的挑戰(zhàn)：在隱私保護政策明晰、數(shù)據(jù)所有權(quán)益和數(shù)據(jù)倫理問題得到解決之前，打破數(shù)據(jù)壁壘、推進數(shù)據(jù)共享之路還很漫長；(2)數(shù)據(jù)規(guī)范化、一致性問題：在區(qū)域化的數(shù)據(jù)采集逐漸推廣、數(shù)據(jù)規(guī)模與日俱增的情況下，數(shù)據(jù)本身的規(guī)范性、診療標(biāo)準(zhǔn)的一致性等也是基于大數(shù)據(jù)的AI技術(shù)發(fā)展而產(chǎn)生的，因此是必須要克服的一個重要障礙。前者隨著自然語言處理等技術(shù)的發(fā)展，可以基于技術(shù)手段來部分解決，后者則需要隨著診療水平的提升、分級診療制度的完善來逐漸改善。顯然，相比于數(shù)據(jù)的直接共享，隨著當(dāng)前大規(guī)模預(yù)訓(xùn)練模型、多中心聯(lián)邦學(xué)習(xí)技術(shù)的發(fā)展，共享在數(shù)據(jù)之上獲得的模型以及基于臨床數(shù)據(jù)來總結(jié)的知識，所遇到的挑戰(zhàn)會更小一些，同時對加快醫(yī)療決策智能化的發(fā)展，也具有非?，F(xiàn)實的價值。要獲得真正有價值的知識，仍然還會面臨另一個挑戰(zhàn)：面向醫(yī)生的醫(yī)療領(lǐng)域知識與面向AI的領(lǐng)域知識之間的巨大差異，如診療指南可以給醫(yī)生提供決策的依據(jù)，但AI系統(tǒng)卻很難依賴診療指南來進行準(zhǔn)確決策；同時，醫(yī)療數(shù)據(jù)所蘊含的核心知識是由無數(shù)個醫(yī)生來構(gòu)建的，由于長期以來，缺乏嚴格規(guī)范的標(biāo)準(zhǔn)，導(dǎo)致每個醫(yī)生、每個醫(yī)療機構(gòu)的背景、規(guī)模、水平皆有不同，這種差異的消除，單靠嚴格的規(guī)范要求和專業(yè)的教育，在相當(dāng)長的時間內(nèi)都難以達成共識。

為了避免這種差異化隨著時間的發(fā)展進一步擴大，繼續(xù)阻礙AI技術(shù)的發(fā)展，目前最可行的方法是通過平臺能夠自動迭代不同人、不同時間的輸入，再由權(quán)威機構(gòu)和專家進行審定，最終形成可用的知識標(biāo)準(zhǔn)，未來有大量的醫(yī)療AI技術(shù)等待著標(biāo)準(zhǔn)臨床知識作為藍圖，而對于醫(yī)學(xué)龐大的知識體系，筆者所在團隊嘗試以完全開源、開放技術(shù)成果的方式換取臨床共識，希望技術(shù)應(yīng)用的動力能讓更多的專家參與到標(biāo)準(zhǔn)知識的構(gòu)建中，同時，借助這一平臺，訓(xùn)練出能夠自動彌補差異、達成共識的系統(tǒng)，最終讓技術(shù)迭代到匹配臨床需求的水平。

當(dāng)然，在開放與共識方面的探索也只是剛剛開始，經(jīng)驗尚且不足，還有大量的工作等待我們?nèi)ネ晟?，最終的目標(biāo)是希望AI技術(shù)的落地應(yīng)用能推動醫(yī)學(xué)的發(fā)展，能讓更多的患者受益。

4 結(jié)語

筆者希望，未來的醫(yī)療AI不僅僅是在生產(chǎn)力方面提高醫(yī)療效率，而是能夠回歸醫(yī)學(xué)初衷，和醫(yī)生一起面向患者，給予患者關(guān)懷。這需要我們以開放換取共識，真正達到在AI技術(shù)的生產(chǎn)、復(fù)制和應(yīng)用環(huán)節(jié)當(dāng)中的有效監(jiān)管，讓AI成為大眾的選擇，而不只是技術(shù)者的選擇。