2022年12月22日，时值北京大学全球健康发展研究院成立2周年，由北京论坛、亚洲开发银行和北京大学全球健康发展研究院共同主办的北大全球健康发展论坛2022成功举办。本次论坛以“全球健康：数字转型和发展鸿沟”为主线。如下是北京大学讲席教授，未来技术学院院长，《新英格兰医学杂志》副主编肖瑞平在“医疗卫生与数字化转型”环节的主旨演讲，未经本人确认。

我很荣幸能应邀今天在这里发言，感谢主办方的盛情邀请。

我今天演讲的主题是人工智能（AI）在医疗保健和医学中的应用。全球对这一领域的关注越来越多，我将在演讲涉及四个内容。

首先，我想讨论医学期刊中人工智能相关研究的发表问题。医学期刊如何评估人工智能研究？目前，我们使用不同的标准来评估AI临床试验。例如，我们考虑临床试验对患者是否有用，实验设计是否严谨，甚至是否具有变革性，以及是否透明和可复制。

我还想提醒大家注意BMJ上发表的几篇关于人工智能发表指南的文章。第一个是START-AI协议，该协议强调研究报告的准确性和完整性，旨在提高研究数据的透明度。第二个是CONSORT-AI扩展协议，旨在提高人工智能干预临床试验研究报告的透明度和完整性，帮助出版社编辑、审稿人和公众理解和批判性地评价临床试验的设计和偏倚。

此外，《新英格兰医学杂志》致力于发表专注于医学人工智能的最佳科研成果。为了做到这一点，我们与学术界建立了广泛的伙伴关系，通过与医生和专家合作，使我们的出版策略多样化。比如我们新近创立了NEJM Evidence杂志——一本以医学中的人工智能为特色的全新期刊。再例如，2020年，我们发表的一篇文章重点介绍了一种用于从眼底照片中检测视乳头水肿的人工智能系统。文章描述了深度学习系统如何成功区分水肿视盘、正常视盘及其他异常视盘，这种方法也可以广泛用于其他疾病。

第二部分，我想重点谈谈人工智能在临床实践中的应用。正如我们所知，人工智能在人类的整个生命周期中具有巨大的潜力。从20世纪中期开始，研究人员已经提出并开发了许多临床决策系统。20世纪80年代产生了许多基于规则的方法，并在临床实践中广泛使用。最近，随着深度学习的成功应用，我们看到了该领域的重大进步。

在人类的整个生命周期中，人工智能在临床实践中有很多不同的应用。首先，对于诊断，人工智能可以用于成像以及生物标志物相关的应用。其次，在基因组解释方面，随着深度测序和其他高科技的出现，基因组解释对于诊断和药物开发变得越来越重要。用于生物标记物识别的机器学习方法还广泛应用于癌症研究和临床实践。此外，AI可用于临床结果预测和患者监测。此外，可穿戴设备已成为监测患者不良健康状况的重要技术。最后，自主机器人系统越来越多地应用于诸如外科手术的临床实践，。

人工智能在临床实践中最重要、最成功的应用之一是基于成像的癌症诊断。这是一个活跃的领域，但该领域也有一些局限性：在早期诊断方面，目前假阳性率很高，这可能导致早期癌症的过度诊断。因此，在该应用程序中使用AI时必须非常小心。

2018年，研究人员开发了一种基于机器学习的识别体细胞突变的方法，并在一篇论文中发表了他们的成果。通过创建一个应用程序系统，该方法可以方便地用于开发基于肿瘤样本的突变识别系统。该技术对于诊断和治疗方案的选择非常具有可操作性。当其与各种设备（如智能手表）配对时，该技术可以识别各类指标。例如，2019年的一篇文章成果显示，我们通过使用智能手机，可以检测心跳和心血管状况，而不规则脉冲可以进一步通过心电图进行处理、诊断和验证。最近，一项研究显示类似的设备可以用于诊断心力衰竭——一种危及生命的疾病，在我看来这是一个惊人的进步。随着此类设备与远程系统的结合，人工智能的潜在应用前景更加广阔。

第三部分，我想分享人工智能对改善医疗体系的巨大潜力。新冠大流行期间，我们见证了人工智能在全球医疗保健中的广泛应用。尽管这些功能强大且功能齐全，但我们仍然面临着诸多挑战。因为人工智能系统严重依赖训练数据，所以大量现有数据的需求对于它们的有效性至关重要。

另外，确保这些工具遵循规范使用也十分重要。这不仅涉及文化价值体系，还涉及人类价值体系。如何处理和使用这些体系是全球需要解决的重大问题。此外，许多地区缺乏监管和管理这些技术的能力，这也是我们面临的巨大挑战。2020年，我们发表了一篇论文，呼吁对这一问题的关注。

第四部分，我想探讨人工智能如何改善临床试验。《新英格兰医学杂志》上发表了多项与临床试验相关的文章。通常大多数临床试验，特别是随机临床试验（RCT）大部分临床试验（特别是随机临床试验）都是以线性和顺序的方式进行的。该过程从研发初期开始，经过四个阶段的临床试验，每个阶段都需要耗费大量的经费和精力，成功率通常很低，不到10%。即使在获得FDA、EMA或CDE系统的批准后，仍需经历制造、供应链、发布、商业化和市场监督等长期而困难的过程。人工智能可在以下方面改进该系统：首先，在临床试验设计上，这是整个过程成功的关键步骤，设计必须基于科学，确定实验组和对照组。此外，通过利用大型数据库判断，人工智能可以加强患者的储备、招募和登记的准确性。

人工智能在临床试验中还有一个重要用途，就是识别有能力的研究人员并选择合适的研究地点。特别是在传染病大流行或紧急情况下，例如研发疫苗和药物，这一点更为重要。一些医生可能难以获得相关健康数据，但人工智能系统可以协助挖掘这些信息。此外，人工智能还可以改善患者的监测过程，提高药物的依从性和样本保存率。

最后，使用支持人工智能的临床试验分析系统非常重要。它可以评估患者招募方案的灵活性，并利用实际数据。人工智能还可以实时监测试验现场，帮助分析非结构化和结构化数据。

在试验设计后，人工智能系统还能提高患者储备、招募和注册的效率。它可以验证生物标志物的特征，减少样本变化，提高研究的效果。选择患者是关键步骤，人工智能系统可以通过生物标志物和临床终点数据帮助选择。此外，它还能识别对特定治疗更敏感的患者。

该系统的流程包括优化数据采集和评估临床指标，以及利用可穿戴技术在系统间共享数据。可穿戴设备可连续监测患者，提供安全和有效性的实时反馈。这种持续的反馈十分重要，有助预测患者退出的风险，提高入组留存率。

然而，需要注意的是人工智能系统尽管功能强大，广泛应用于临床实践，但仍面临一些挑战。系统需要大量高质量的代表目标人群的训练数据，如果不存在这种数据，系统不可靠。系统的结果基于深度学习难以解读，只有经过大量训练或专业学习才能实现。使用人工智能选择诊断和治疗方案的方法尚不成熟。。

在医疗和医学中使用人工智能面临另一个挑战，就是用于存储、收集和共享数据的计算环境。这个挑战在医院和各相关机构中都很常见。同样，技术使用方面的问题也可能导致数据集的偏差。例如，在一次大流行期间，密歇根大学医院建立了脓毒症警报系统，但由于数据集是由一个中心生成的，警报系统出现了错误。幸运的是，该系统及时停止。因此，我们必须努力避免数据集偏差的发生。

尽管面临挑战，人工智能在医疗保健和医学领域的发展前景仍然乐观。期待人工智能系统的持续发展，以适应分子和基因组科学的快速发展。同时医生也要适应新角色，作为信息整合者、解读者和患者支持者。医学教育系统也需要改革，为医生提供必要的工具和方法，让人工智能融入医疗保健。

在中国，人工智能预计将给多个行业带来颠覆性的改变，并带来高达6000亿美元的经济价值。在医疗保健和生命科学领域，人工智能可以创造一个约250亿美元的市场，新药物靶点的识别和新分子的设计预计将在其中贡献约100亿美元的价值，效率和生产力的提高预计将增加50亿美元的经济价值。而人工智能支持的临床试验预计将贡献另外100亿美元。这极大体现了人工智能在医疗保健和医学中的应用前景。我们期待着这一领域的持续进步和发展。