医疗对于人工智能具有强烈的潜在需求。目前，全球人工智能+医疗“基础+技术+应用”较为完整的产业结构已初步形成。新技术要想真正引起行业变革，不仅需要政策、技术、人才等多方面的协同配合，还需要企业的探索和时间的积累。为了探求健康医疗大数据和人工智能的未来发展和落地方案，2017年9月16日-17日，2017长江产业论坛（秋季）暨医疗健康大数据与人工智能大会在武汉会议中心盛大开启。

在本次大会上，思派（北京）网络科技有限公司首席人工智能官陶英先生，以《肿瘤大数据辅助临床决策——兼谈人工智能在临床决策中的角色》为题，阐述了目前临床决策在辅助医生诊断治疗方面所遇到的困境，以及未来决策系统的发展趋势，以下为动脉网整理的精彩演讲内容：

嘉宾介绍

思派网络是一家致力于肿瘤大数据的公司，成立于2014年，经过三年的发展，目前已经完成了两轮融资。公司陆续开发了多中心肿瘤大数据平台、肿瘤大数据商业、科研应用，如真实性世界研究等。

目前，思派网络的医生网络已经覆盖了2000余名医生，合作的科室达到700余家，合作的医院达到300余家，覆盖肿瘤病种达到26种。

在众多医疗领域的业务当中，思派网络一直将大数据技术、人工智能技术直接服务于一线医生的诊疗活动，服务于医生的临床决策。

临床决策是临床的核心业务。医生通过它对疾病诊断、检查进行判断，让患者了解到当前情况下如何让总的治疗方案获益最大、生活质量最好、花费最少。

治疗是决策的难点，受到当前医学发展的限制，不确定因素很多。因此，临床决策需要大数据、人工智能等技术的支持。

以思派网络的肿瘤大数据支持化疗不良反应用药的决策支持为例。

通常，化疗可以产生各种不良反应，如骨髓抑制、恶心呕吐、腹泻等。

恶心呕吐的不良反应，国际上有明确的临床指南，按照恶心呕吐发生的概率分成高、中、低、极低四种风险等级。四种风险等级对应着不同的用药指导。但遗憾的是，现阶段的临床指南并没有给出如何评价风险，只给出了单种化疗药的治疗风险。

临床指南对临床决策的局限，一是风险概率估算不够精确，没有考虑多种药物联合使用的情况、联合靶向药的使用情况，以及药物以外的因素。二是它缺乏综合多种因素的算法，证据缺乏本地化，临床实际可操作性不高。

临床指南的可操作性、个体性、科学性的不足，是现阶段肿瘤大数据公司新的机遇。

为了解决这些问题，思派网络试图建立一个风险预算模型来预测化疗引起的不良反应。

根据思派网络的调查，国外一般使用打分的方法，如果患者年龄在40—60岁之间，分数减3分，靶向药加3分，最后算出总的得分。

思派网络计划打造自己的化疗恶心呕吐的预测模型。公司从原始数据中搜集了12000例肺癌患者，23292个系统治疗周期，横跨12个省份，19个肿瘤相关科室。

思派网络通过预测分析后发现，朴素贝叶斯算法是最适合的一种算法。它的交叉验证AUC最高，算法最易理解，泛化能力最强，可以给出概率的估算。朴素贝叶斯算法的阳性预测率在0.7—0.8左右，基本上已经达到目前技术的极限。

临床数据模型，可以快速整合多种信息，使得化疗预防性用药决策更加精准，从而对大部分病例作出指导。

人工智能、大数据技术在临床决策的应用，根据思派网络观察，目前有很多机器学习、人工智能的项目，无论使用何种算法、如何优化算法、如何增加数据量，其输出的准确率总会有一个极限值。这个极限值，远远小于100%。

为了解释这一现象，思派网络提出了一个信息完备性理论。任何决策性任务都可以归纳为三个部分，输入、输出、算法。显而易见的是，如果输入的数据不全，不论算法如何强大，输出的准确性都会有一个极限。

决策确定因素可以划分为各个学科领域，在医学上，它跨越了艺术、自然科学、工程这三大领域。因为任务不同，需要的算法、算力以及达到的精度也不一样。

比如各种医学影像图片，它的极限是接近百分之百，因为它是一种信息完备的数据，所以医生和电脑接收到的信息几乎是一致的。

但流行病风险预测的不确定因素实在太多，因此它的算法与读片的算法完全不同。所以，它的准确性往往远低于人们的预期。精准医学的目的，是不断地增加更多因素，使得决策更加科学。

人工智能在临床决策中的应用，只能算作辅助的角色。而人机一体的决策系统，是未来的发展方向。

人机一体化的决策系统，具有更高的准确率。但即使机器的正确率高于医生，也无法取代医生。前两次人工智能浪潮，很多系统的准确率已经超过了人类，但最后这些系统都变为了临床决策支持系统，来辅助医生决策。

人工智能在临床决策中的应用，不能持盲目乐观态度，认为机器可以取代医生，造成不必要的恐慌，但也不用消极。

企业需要做的是，积极探索更多的技术，使得决策更加精准，通过新型人工智能技术，如深度学习，让人工智能与人类实现有机结合，这是未来的发展趋势。