沃森肿瘤床肿瘤医生肺癌致性研究
摘
背景：工智（Artificial IntelligenceAI）医疗领域发展迅速逐渐实验室研究进入床实践IBM公司开发沃森肿瘤（Watson for OncologyWFO）2017年开始应中国AI医疗领域杰出代表快速准确肿瘤患者提出规范诊疗方案年WFO已全国十余国家展开应国应越越广泛相关致性研究已关否适中国患者尤肺癌患者报道限做项关WFO肿瘤中心肺癌患者诊疗方案致性回顾性研究
目：研究旨探索WFO中国肺癌患者中行性分析存问题优势解决方案提供基础
方法：机选取2017年4月10月青岛学附属医院肿瘤精准医学中心接受抗肿瘤治疗肺癌患者(N121)中100例符合WFO入组标准WFO诊疗方案分3类：推荐考虑推荐床肿瘤科医生选择推荐方案考虑方案时认致余认致应Microsoft Excel患者病例特征进行描述性统计根患者病例分类性年龄否行手术等分组致性进行分析采SPSS170版软件进行统计分析述等素进行logistic回模型进行概率95置信区间估计p＜005具统计学意义
结果：
1． 病例中21(21121)病例适WFO100适病例中患者中位数年龄61岁男性居占70女性30中做手术占21未行手术治疗79细胞肺癌患者占19非细胞肺癌患者占71
2． 入组病例中WFO提出诊疗方案85肿瘤精准医学中心致细胞肺癌（small cell lung cancer SCLC）患者致性8948非细胞肺癌（nonsmall cell lung cancer NSCLC）患者致性8396根肿瘤分期8333II期患者8333III期患者8594IV期患者诊疗方案致
3． 根性分类WFO提出诊疗方案肿瘤精准医学中心致性男性患者致性8857女性患者致性7667
4． 根手术否分类WFO提出诊疗方案肿瘤精准医学中心致性手术患者致性8572未手术患者致性8482
5． 根年龄分类WFO提出诊疗方案年龄等60岁患者8793肿瘤精准医学中心致年龄60岁患者8095中心致
6． 非细胞肺癌根鳞癌腺癌分类鳞癌占2840腺癌占7160WFO提出诊疗方案8695鳞癌患者8276腺癌患者中肿瘤精准医学中心致腺癌根否基突变分EGFR突变组EGFR野生型组未行检测组EGFR突变组致性7334EGFR野生组致性8571未行基检测组8666
7． 细胞肺癌根局限期广泛期分类WFO提出诊疗方案7778局限期患者肿瘤精准医学中心致广泛期高达100
8． 根Logitic回模型分析肺癌分期组织学类型间性年龄等素致性影响
结
1 中国较高例病例符合WFO入组标准WFO针入组病例提出诊疗方案床肿瘤科医生具较高致性合理应WFO帮助肿瘤科医生节约工作时间提高工作效率
2 研究出东西方针肺癌诊疗方案存定差异首先中国肺癌EGFR基突变表型西方国家差异较次中国患者法时欧美国家新开发靶免疫药物中获益需滞12年国家会原研药物者说民族医药欧美国家具备
3 目前WFO面床然存问题首先WFO诊疗方案更代表西方诊疗方案未根国群土化进行优化次WFO涉医学伦理方面问题成型法律法规约束WFO法取代床肿瘤学专家需加速土化然通医生提供帮助提高床工作率
关键词：沃森肿瘤工智致性
Concordance Study Between Watsonfor Oncologyand Clinical Oncologistwith Lung Cancer
Abstract
Background：Artificial Intelligence (AI) has developed rapidly in the field of medicine gradually moving from laboratory research to clinical practice Watson for Oncology (WFO) developed by IBM began to be applied in China in 2017 It is an outstanding representative of AI in the medical field and can quickly offer diagnosis and treatment Suggestions comparable to those of oncologists for tumor patients WFO has been increasingly used in China in recent years but there have been limited reports on whether it is suitable for Chinese patients especially lung cancer To this end we conducted a retrospective study to examine the concordance between the treatment recommendation proposed by WFO and actual clinical decisions by oncologists in our cancer center
ObjectiveThis study aims to explore the feasibility of WFO in lung cancer patients in China analyze its existing problems and advantages and provide a basis for future solutions
MethodsWe selected lung cancer patients who received antitumor treatment in the oncology department of Qingdao university hospital from April to October 2017 (N121) WFO has recommended treatment for all applicable cases (100) WFO＇s recommendations fall into three categories recommended considered and not recommended When the oncologist chooses the recommended or considerable option it is considered consistent and the rest is not Microsoft Excel was used to conduct descriptive statistics on the case characteristics of all patients and the consistency of the patients was analyzed according to their case classification gender age whether they underwent surgery or not SPSS 170 software was used for statistical analysis Logistic regression model was used to estimate the row probability ratio and 95 confidence interval of the above factors P < 005 was considered statistically significant
Result：1Of all cases 21(21121) did not apply to WFOIn the 100 applicable cases the median age of the patients was 61 years old and the majority of the patients were men (70) and women (30)Of these 21 had surgery and 79 had notSmallcell lung cancer patients accounted for 19 and nonsmallcell lung cancer patients accounted for 71
2In all the enrolled cases 85 of the treatment plan proposed by WFO was consistent with that of the tumor precision medicine centerThe consistency of patients with small cell lung cancer (SCLC) was 8948The consistency of patients with nonsmall cell lung cancer (NSCLC) was 8396According to tumor stage 8333 of stage II patients 8333 of stage III patients and 8594 of stage IV patients had the same treatment plan
3According to gender classification the consistency of the diagnosis and treatment scheme proposed by WFO compared with the consistency of tumor precision medicine center shows that the consistency of male patients is 8857 and that of female patients is 7667
4According to the classification of whether surgery is performed or not the consistency of the diagnosis and treatment scheme proposed by WFO and the precision medicine center of tumor shows that the consistency of patients after surgery is 8572 and that of patients without surgery is 8482
5According to the age classification according to the diagnosis and treatment plan proposed by WFO 8793 of patients aged over or equal to 60 years old are consistent with the center for tumor precision medicine and 8095 of patients younger than 60 years old are consistent with our center
6According to the classification of squamous cell carcinoma and adenocarcinoma the proportion of squamous cell carcinoma and adenocarcinoma accounted for 2840 and 7160 respectivelyThe WFO protocol was consistent with that of the center for accurate medicine in 8695 of squamous cell carcinoma patients and 8276 of adenocarcinoma patientsAdenocarcinoma was divided into the EGFR mutated group the EGFR wildtype group and the undetected group according to whether the gene was mutated or notThe consistency was 7334 in the EGFR mutant group 8571 in the EGFR wild group and 8666 in the untested group
7According to the classification of smallcell lung cancer by local deadline and broad deadline 7778 of patients with limited deadline proposed by WFO were consistent with our center while the broad deadline was up to 100
8According to Logitic regression model analysis different stages different histological types gender age and other factors of lung cancer had no effect on the consistency
Conclutions
1 In China there are still a high proportion of cases that do not meet the inclusion criteria of WFO but the treatment scheme proposed by WFO for the enrolled cases has a high consistency with the clinical oncologist Therefore the rational application of WF
O can help the oncologist save working time and improve work efficiency
2 It can be seen from this study that there are certain differences in the treatment schemes for lung cancer between east and westSecondly Chinese patients cannot benefit from the latest targeted and immunological drugs developed by European and American countries in a timely manner which may require a lag of 12 yearsFinally our country will also have some of its own original research drugs or ethnic medicine which is not available in European and American countries
3 At present there are still many problems in WFO for clinical practice Firstly WFO treatment schemes are more representative of western treatment schemes which are not optimized according to the localization of Chinese populationSecondly the use of WFO is involves some medical ethical issues which need to be regulated by the laws and regulationsTherefore WFO cannot replace clinical oncologists and needs to accelerate its localization and then improve its clinical work rate by providing assistance to doctors
Graduate student Chenxing Hao(Oncology)
Directed by Prof：Xiaochun Zhang
Key words Watsonfor OncologyArtificial IntelligenceConcordance
目录
引 言 1
象方法 3
1 床病资料 3
2．方法 3
3 WFO治疗方案： 4
4 致性评定 4
5．数分析统计 4
结果 5
1 入组患者般床特征 5
2 WFO诊疗方案肿瘤精准医学中心医生总体致性 6
3 根性致性分析 7
4 根年龄致性分析 7
5 根手术否致性分析 8
6 非细胞肺癌进行致性分析 9
7 细胞肺癌进行致性分析 10
8 肺癌分期病理年龄性等素Logistic回分析 12
讨 13
结 16
参考文献 17
综述 20
攻读学位期间研究成果 35
缩 略 词 表 36
致 谢 38
学位文独创性声明学位文知识产权权属声明 39
引言
着社会发展恶性肿瘤成种慢性病然极威胁着类健康中肺癌发病率死亡率均第位统计年约176万死肺癌[1]肺癌根病理致分非细胞肺癌细胞肺癌两类非细胞肺癌细分腺癌鳞癌肺鳞癌等目前肺癌治疗手段采取学科综合治疗体化相结合原根患者病理类型机体状况分子分型等计划合理运手术化疗放疗分子靶免疫等治疗方式程度提高患者生存期改善患者生活质量特年免疫治疗靶治疗发展迅速肺癌患者生存期极延长肺癌患者生活质量极提高
然肺癌患者生存期生活质量极改善然目前着社会发展民生活水提高优质医疗资源足民医疗需求矛盾日益突出造成种矛盾原[24]首先目前中国医疗资源然极度缺乏均100012名医生美国发达国家100028[57]次医疗资源缺乏医生体身工作学压力统计超32医生周工作超60时[6]根没时间精力确保知识水前医学发展前知识保持致方面肿瘤相关药物指南文更新速度极快肿瘤科医生学时间精力限关研究表明肿瘤科医生周46时学相关知识[8]显然够外床医师级医院水参差齐达统诊疗水迫切需种工具协助中国医生制定规范准确诊疗方案者说帮助解该领域新发展AI生活方方面面已取突破医学领域AI述问题佳解决方案WFOAI医学领域应目前成功案例WFO纪念斯隆凯特琳癌症中心(Memorial SloanKettering Cancer Center MSKCC)培训成根病特征提供诊疗方案供医生制定诊疗方案时诊疗方案般符合NCCN指南新文献反映MSKCC验专业知识支持外WFO数12月会更新新前信息目前WFO肿瘤学领域应已遍全球14国家包括中国美国荷兰泰国印度韩国波兰斯洛伐克孟加拉国等事实WFO中国已越越普遍WFO2017年3月引入中国目前服务全国70家市级医疗机构1万名患者[9]
综述肺癌世界范围国种发病率死亡率极高肿瘤需学科综合治疗体化治疗目前治疗手段样新药物研究日新月异层出穷肺癌指南断变更床肿瘤科医生缺乏足够时间紧前现互联网工智数发展医疗带新希WFO正应时代协助肿瘤科医生紧医学前制定诊疗方案解决方案合理应WFO帮助肿瘤科医生节省学新诊疗方案知识时间提高工作效率减少工作量疲惫产生差错医疗水差区域带国际化诊疗规范迅速提高整体水目前
WFO已针种癌种进行致性研究例2017ASCO年会IBM提交五项研究数表明WFO肿瘤科医生提出诊疗方案致性达96[1014]中包括乳腺癌肺癌结直肠癌胃癌等专门针肺癌研究报道限研究针肺癌WFO床肿瘤科医生诊疗方案进行致性分析存差异原优势WFO更加广泛应提供基础解决方案
象方法
1 床病资料
次研究收集2017年4月2017年10月诊青岛学附属医院肿瘤精准医学中心肺癌患者床病例资料121例患者均通影学检查（X线CTPETCT等）证实实体病灶通病理学检查（支气镜胸腔镜手术等取病理）证实肺癌部分腺癌通NGS检测证实否突变突变类型
WFO纳入标准：
（1）病理类型腺癌鳞癌细胞癌细胞癌
（2）未接受系统治疗初治患者
（3）转移性肺癌接受治疗进展
（4）非转移性肺癌接受系统治疗转移复发
WFO排标准：
（1）纳入标准中未列出病理类型患者
（2）单发转移患者
（3）接受肺部手术IIIB期NSCLC患者
（4）转移性疾病患者接受靶治疗时癌症进展
2．方法
登录青岛学附属医院肿瘤精准医学中心医生专属沃森系统账号提取入组患者病例数输入WFO系统病例信息包括：（1）患者基状况年龄身高性体重血压呼吸脉搏体状态(ECOG评分)等（2）患者疾病基状态：肿瘤病理类型（病理类型腺癌鳞癌细胞癌细胞癌）（3）患者治疗：外科手术治疗放射治疗全身性化疗靶治疗免疫治疗姑息治疗等（4）患者患肺癌TNM分期：原发肿瘤淋巴结转移分期否发生远处转移（5）患者身伴疾病：床明显腹腔积液胸腔积液心包积液脊髓压迫疼痛程度肠梗阻脑转移症状述伴症状控制否（
6）患者肺癌转移部位：否存转移转移具体部位(脑转移肝转移侧肺转移肾腺转移胸膜转移骨转移等)（7）患者发症：听力分级神病变分级身免疫性疾病等(8)实验室检查：血常规中白细胞中性粒细胞红细胞血板等具体数值肝功中总胆红素丙氨酸转氨酶天冬氨酸转氨酶碱性磷酸酶具体数值肾功中血肌酐等(9)学科评估：胸外科专家意见该肿瘤否行手术切肿瘤放疗科医生意见该肿瘤否适合根治性放疗否行步放疗否需行姑息放疗该患者否耐受放疗肿瘤化疗科医生意见该患者否行化疗否行靶治疗否行免疫治疗否耐受述治疗输入述信息WFO会10秒左右出诊疗方案结果
3 WFO治疗方案
WFO系统会提供三种诊疗方案建议：推荐考虑推荐具相应颜色表明绿色代表推荐诊疗方案着充足循证学证基础琥珀色代表着供考虑诊疗方案具定证基础床肿瘤科医生考虑作代诊疗方案红色代表充足循证学证基础表明方案存明显禁忌症者说适统计诊疗方案进行回顾性分析WFO出诊疗方案肿瘤精准医学中心床医生出实际治疗结果进行数分析程中发现WFO中没具体方案定义医生选择外WFO提出诊疗方案时会列出参考文献床试验处方信息良反应等
4 致性评定
病例输入WFO前肿瘤精准医学中心床医生已根病具体情况进行病例讨病提出诊疗方案肿瘤精准医学中心医生WFO提出诊疗方案知情根床医生诊疗方案WFO提出诊疗方案进行果床医生诊疗方案符合WFO推荐考虑类定义两者致果WFO中推荐方案者WFO中未出现诊疗方案定义致
5．数分析统计
Microsoft Excel肺癌患者病例特征进行描述性统计时患者诊疗方案致性进行分析采SPSS 170版统计软件进行分析肿瘤分期病理类型年龄性等素logistic回模型进行概率95置信区间估计P＜005统计学意义
结果
1 入组患者般床特征
初步机选择121例患者根否符合WFO入组标准终100例患者筛选成功纳入研究100例患者基特征见表1100例患者根病理类型分类中19细胞肺癌81非细胞肺癌患者中位数年龄61岁男性居占70女性30中做手术占21未行手术治疗79
表1沃森肿瘤患者特征
患者特征
肺癌
年龄中位数(范围)岁
61（4478）
年龄分布岁
＜60
58
≥60
42
性
男
70
女
30
TNM分期
II
6
III
30
IV
64
手术
21
否
79
病理
细胞肺癌
19
非细胞肺癌
81
2 WFO诊疗方案肿瘤精准医学中心医生总体致性
根总体分析WFO推荐诊疗方案肿瘤精准医学中心床医生提供诊疗方案85（85100）致SCLC患者致性8948NSCLC患者致性8396（图1）根肿瘤分期8333II期患者8333III期患者8594IV期患者诊疗方案致（图2）
图1根非细胞肺癌细胞肺癌分类致性
图2 根TNM分期肺癌致性
3 根性致性分析
根性分组WFO推荐诊疗方案肿瘤精准医学中心床医生提供诊疗方案男性患者致性8857女性患者致性7667（图3）
图3根性致性分析
4 根年龄致性分析
根年龄分组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案等60岁患者致性879360岁患者致性8095（图4）
图4 根年龄致性分析
5 根手术否致性分析
根手术否分组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案手术患者致性8572未手术患者致性8481（图5）
图5 根手术否致性分析
6 非细胞肺癌进行致性分析
入组非细胞肺癌患者中分鳞癌腺癌根分期非细胞肺癌分IIIIIIIV期腺癌分EGFR突变组EGFR野生型组未知组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案腺癌患者致性8276鳞癌患者致性8695（图6）EGFR突变组EGFR野生型组未知组分733485718666（图7）IIIIIIV期分1000075008548（图8）
图6 根腺癌鳞癌非细胞肺癌进行致性分析
图7 根腺癌否基突变进行致性分析
图8 根非细胞肺癌分期进行致性分析
7 细胞肺癌进行致性分析
根分期细胞肺癌分局限期广泛期WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案局限期患者致性7778广泛期患者致性10000（图9）
图9 根细胞肺癌分期进行致性分析
8 WFO肿瘤精准医学中心致性Logistic回模型
根Logitic回模型分析肺癌分期组织学类型间性年龄等素致性影响
表2WFO肿瘤精准医学中心致性Logistic回模型
变量
优势（95 置信区间）
P值
TNM分期
II（参考）
1
III
0336(0228054)
0618
IV
0626(01282397)
0562
病理分型
NSCLC（参考）
1
SCLC
0962(01049996)
0986
性
男
1
女
2359（07687240）
0134
年龄岁
≥60
1
＜60
1893（06275716）
0258
手术
1
否
1075（02744220）
0918
NSCLC
鳞癌
1
腺癌
1389（03455585）
0644
基突变
EGFR突变
1
野生型
1023（05324326）
0331
未知
3143（07655562）
0256
SCLC
局限期
1
广泛期
0389（00295214）
0476
讨
WFO医学领域目前领先工智技术仅理解学量文献数结合起非常短时间提出医学诊疗方案[15]然已取极进展具巨潜力工智技术广泛应床前面许障碍首先重提出诊疗方案必须正确床肿瘤科医生致次必须医生患者充分接受涉患者隐私安全伦理问题[16]
WFO真正推广床程中重素WFO肿瘤科医生致性决定推荐诊疗方案准确性行性MSKCCWFO进行年培训极提高WFO准确性2017年MSKCC美国床肿瘤学会（ASCO）年会公布培训结果国家区分进行致性研究高达96国相继完善公布研究成果项印度638名乳腺癌患者进行双盲研究结果表明WFO93乳腺癌患者治疗方案肿瘤专家致[17]针韩国525名患者进行项研究表明结肠癌致性73胃癌49[18]项韩国研究中手术放射性碘治疗推荐分化型甲状腺癌（DTC）总体符合率WFO床实践中仅77作者认致性太低法证明WFODTC患者综合筛查中应[19]结果中心结果显示国家癌种致性中国世界口国家特殊癌症谱系外医学发展造成区针癌症会诊疗验WFO想中国真正应床WFO提出诊疗方案中国肿瘤科医生致性项关键素时出东西方癌症诊疗方式区
回顾研究针肺癌出应中国肺癌患者前WFO需改进根WFO入组标准中排标准次研究121纳入研究终100符合入组标准高达1735患者符合入组标准应该目前WFO亟解决问题入组100名患者总体致性85然根年龄性病理分期等进行单独分类进行致性较时WFO提出诊疗方案肿瘤精准医学中心男性患者致性8857女性患者致性7667相差达1190非细胞肺癌组EGFR突变组EGFR野生型组未知组分733485718666EGFR突变徐未知组差高达1330IIIIIIV期分1000075008548细胞肺癌分组局限期患者致性7778广泛期患者致性高达10000然Logitic回分析表明素致性影响均具统计学意义纳入样量足素造成根病例单独分析造成致性差异原方面素总结：第中国肺癌
EGFR基突变表型西方国家差异较肺癌EGFR突变率国50欧美仅15[20]第二中国患者体质欧美患者体质相差较造成WFO通常会建议步放化疗国肿瘤科医生更会选择续贯放化疗第三中国常EGFR靶药埃克尼常抗血药物恩度（两种药物国研制未欧美国家推广）[2122]WFO推荐代EGFRTKI药物吉非尼厄洛尼抗血药物贝伐珠单抗果WFO两种药物纳入考虑中致性会提高第四患者家庭济原等条件限制导致WFO推荐昂贵新药终没选择例PD1PDL1等代表免疫药外制定诊疗方案时患者意愿药物价格医保政策种种素会考虑素会定程度影响致性根中心研究WFO根中国患者体质进行优化纳入中国土医药考虑新型药物进入国市场时间等进行土化推进WFO肿瘤精准医学中心致性85升96着WFO越越广泛应土化推进致性定会越越高
然研究存局限性首先研究纳入病例数偏少导致患者组间分布均衡I期患者较少类患者般需住院需门诊复查男女间女性患者偏少女性患者存EGFR突变门诊口服靶药物入组病理未涵盖肺癌病理类型细胞肺癌腺鳞癌基突变ALK突变等类型肿瘤次输入病例信息质量未重复性检测造成偏差造成结果差异次研究项没组回顾性观察性研究结果会受预测素影响
然着致性提高问题解决患者法真正利益相关者优质医疗基特征患者需求价值观等考虑[23]外研究表明患者会WFO类会床决策产生影响工具持反面态度会认应种工具床医生缺乏诊断力赖种工具床医生诊断力优[2426]证表明患者认工具应会影响医患沟通[2728]然床医生决定产生负面结果时患者会认种工具医生更容易发生差错[29]外患者治疗程中医生助床决策工具持肯定态度认工具提高医生效率医生提供价值信息[30]国外做项针肿瘤患者WFO帮助床医生进行床决策法研究部分患者WFO持肯定态度出现新问题部分患者认终决策权应该属医生部分患者认终决策权应该属患者医生决定甚患者决定
[31]涉医学伦理问题目前终决策权定床医生手中着工智发展相应法律法规定会更加完善监督WFO正常应
然目前WFO表现预期WFO具巨价值首先床医生言WFO实时全面提供国外新数资料帮助肿瘤科床医生提升业务力特医学生住院医师视觉提供清晰绿色首选建议供考虑建议黄色肿瘤科医生医学生第时间学美国专家权威诊疗方案WFO高速运算力极减少肿瘤科床医生掌握新文献新指南床研究需时间减少电子病历查询制定佳诊疗方案时间样肿瘤科医师工作效率提高类相机器知疲倦帮助肿瘤科床医生极减少疲惫繁忙工作产生必差错减少医患矛盾次病家属言WFO中国运中国区患者足出户国际顶尖诊疗方案甚偏远区环境极差贫困区机会前规范诊疗方案提高国整体医疗水益医院言通WFO应实现医院国际肿瘤中心接轨提升医院肿瘤科整体水通WFO提高医院肿瘤科影响力吸引更患者着WFO土化进程 WFO专家致性会越越高相关法律法规会进步完善WFO必然会更辅助床医生工作
结
1中国较高例病例符合WFO入组标准WFO针入组病例提出诊疗方案床肿瘤科医生具较高致性合理应WFO帮助肿瘤科医生节约工作时间提高工作效率
2．研究出东西方针肺癌诊疗方案存定差异首先中国肺癌EGFR基突变表型西方国家差异较次中国患者法时欧美国家新开发靶免疫药物中获益需滞12年国家会原研药物者说民族医药欧美国家具备
3．目前WFO面床然存问题首先WFO诊疗方案更代表西方诊疗方案未根国群土化进行优化次
WFO涉医学伦理方面问题成型法律法规约束WFO法取代床肿瘤学专家需加速土化然通医生提供帮助提高床工作率
参考文献
[1] Bray F Ferlay J Soerjomataram I et al Global cancer statistics 2018 globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J] CA A Cancer Journal for Clinicians 2018 68(6)
[2] Jie L New generations of Chinese doctors face crisis[J] The Lancet 2012 379(9829)1878
[3] Wang X Q Wang X T Zheng J J How to end violence against doctors in China[J] The Lancet 2012 380(9842)647648
[4] Yang T Zhang H Shen F et al Appeal from Chinese doctors to end violence[J] The Lancet 2013 382(9906)17031704
[5] Hesketh Therese Wu Dan Linan Mao等 Violence against doctors in China[J] BMJ British Medical Journal (Overseas & Retired Doctors Edition 2012 384(9945)e5730
[6] Wong C W Chan Y H Cheng Y H et al Is overwork a precipitant factor of idiopathic ventricular fibrillation[J] International Journal of Cardiology 2016 223218219
[7] Shan H P Yang X H Zhan X L et al Overwork is a silent killer of Chinese doctors a review of Karoshi in China 2013–2015[J] Public Health 2017 14798100
[8] Woolhandler S Himmelstein D U Administrative Work Consumes OneSixth of US Physicians＼ Working Hours and Lowers their Career Satisfaction[J] International Journal of Health Services 2014 44(4)635642
[9] Chaoyuan Liu Xianling et al Using Artificial Intelligence (Watson for Oncology) for Treatment Recommendations Amongst Chinese Patients with Lung Cancer Feasibility Study[J] Journal of medical Internet research 2018
[10] Suwanvecho S Suwanrusme H Sangtian M et al Concordance assessment of acognitive computing system in Thailand 2017 ASCO Annual Meeting20176589
[11] Somashekhar SP Sepélveda MJ Norden AD et al Early experience with IBMWatson for Oncology (WFO) cognitive computing system for lung andcolorectal cancer treatment 2017 ASCO Annual Meeting 2017 38527
[12] SarreLazcano C Alonso AA Melendez F et al Cognitive computing inoncology A qualitative assessment of IBM Watson for Oncology in MexicoASCO Annual Meeting 201718166
[13] Beck JT Vinegra M DankwaMullan I et al Cognitive technology addressingoptimal cancer clinical trial matching and protocol feasibility in a communitycancer practice ASCO Annual Meeting 20176501
[14] Baek JH Ahn SM Urman A et al Use of a cognitive computing system fortreatment of colon and gastric cancer in South Korea ASCO Annual Meeting201718204
[15] Ospina O M S Ovalle D A Néstor D Duque Adaptive and Personalized Educational Ubiquitous MultiAgent System Using ContextAwareness Services and Mobile Devices[C] International Conference on Learning and Collaboration Technologies 2015
[16] CurioniFontecedro A A new era of oncology through artificial intelligence[J] Esmo Open 2017 2(2)e000198
[17] Somashekhar S P Sepúlveda M J Puglielli S et al Watson for Oncology and breast cancer treatment recommendations agreement with an expert multidisciplinary tumor board[J] Annals of Oncology 2018
[18] Baek JH Ahn SM Urman A et al Use of a cognitive computing system for treatment of colon and gastric cancer in Korea J Clin Oncol 201735 (suppl 15)e18204A
[19] Kim M Kim BH Kim JM et al (2019) Concordance in postsurgical radioactive iodine therapy recommendations between Watson for Oncology and clinical practice in patients with differentiated thyroid carcinoma Cancer 125(16)2803–2809
[20] LungCARD – Report on worldwide research and clinical practices related to lung cancer[J] Journal of BUON official journal of the Balkan Union of Oncology 2019
[21] Camidge Ross D Icotinib kickstarting the Chinese anticancer drug industry[J] The Lancet Oncology 2013 14(10)913914
[22] 中国床肿瘤学会血靶治疗专家委员会非细胞肺癌专家委员会非细胞肺癌抗血生成药物治疗专家组 晚期非细胞肺癌抗血生成药物治疗中国专家识(2019版)[J] 中国肺癌杂志 2019 22(7)
[23] Institute of Medicine Crossing the Quality Chasm A New Health System for the 21st Century Washington DC National Academies Press 2001
[24] Arkes HR Shaffer VA Medow MA Patients derogate physicians who use a computerassisted diagnostic aid Med Decis Making 27189202 2007
[25] Shaffer VA Probst CA Merkle EC et al Why do patients derogate physicians who use a computerbased diagnostic support system Med Decis Making 33
a) 108118 2013
[26] Palmeira M Spassova G Consumer reactions to professionals who use decision aids Eur J Mark 49302326 2015
[27] Porat T Delaney B Kostopoulou O The impact of a diagnostic decision support system on the consultation perceptions of GPs and patients BMC Med InformDecis Mak 1779 2017
[28] Pezzo MV Pezzo SP Physician evaluation after medical errors Does having a computer decision aid help or hurt in hindsight Med Decis Making 2648562006
[29] Patel R Green W Shahzad MW et al Use of mobile clinical decision support software by junior doctors at a UK teaching hospital Identification and evaluationof barriers to engagement JMIR Mhealth Uhealth 3e80 2015
[30] Hajizadeh N Perez Figueroa RE Uhler LM et al Identifying design considerations for a shared decision aid for use at the point of outpatient clinical care Anethnographic study at an inner city clinic J Particip Med 5e12 2013
[31] Hamilton J G Genoff Garzon M Westerman J S et al A Tool Not a Crutch Patient Perspectives About IBM Watson for Oncology Trained by Memorial Sloan Kettering[J] Journal of Oncology Practice
2019
综述
工智开启医学新时代
摘：AlphaGo败柯洁斯坦福团队皮肤癌诊断方面取新突破沃森肿瘤面积登录中国工智发展已爆发期医学领域发展尤突出文着重沃森肿瘤例简介绍工智定义年工智医学领域发展应分析工智医学床实践现状未发展方
关键词：工智专家系统机器学
解AI定义助更理解工智医学领域应里程碑机遇挑战目前苦存种概念定义太够作AI领域创始Nils Nilsson先生写：工智缺乏通定义 已修订三版权威性工智教科书出八项定义书中没透露作者究竟倾种定义众周知图灵定义然距离久远目前工智讨话题绝数然1950年阿兰图灵篇标题计算机器智文章范围定义工智三方面：第图灵测试通方发送问题回答问题通方回答判断方机器第二机器棋盘类游戏赛图灵时提出第三机器够孩子样学根目前差距工智具挑战性方面AIM总编辑Carlo Combi文章中表示更愿意倾线韦式词典解释：计算机科学分支模拟计算机中智行机器模仿智行力定义工智然研究说更倾工智计算机科学控制信息神心理学哲学语言学等种学科研究基础发展起门综合性交叉性学科集新思想新观念新理新技术体新兴学科[1]
工智划分三级弱工智强工智超级工智弱工智指帮助类完成某务工具助手然起智真正拥智强工智指具推理问题解决问题力工智类工智独立进行思考会拥思想价值观世界观生观时会具生物样会生存安全需超级工智指全方位超
越类工智领域类提升数倍目前流研究然集中弱工智层次已取观成[2]文弱工智医学领域发展实践做简概述
1．工智医学领域发展简史
工智概念早出现1950年图灵计算机智书直1956年达特茅斯会议正式提出日益受重视AI诞生伊始开始梦想着运现实中特医学领域70年代医学工智处初始孕育期初引起家关注医学领域1974年斯坦福学成立医学实验计算机研究项目重目标促进工智医学中应[3]时候计算机完成规模数复杂务处理分析计算力突破设想法实现工智医学领域应直处低谷期直世纪八十年代着神网络发展5代计算机诞生医学工智处快速发展时期[4]1985年召开第届欧洲医学工智会议[5]1986年BP神网络算法发明应1989 年医学工智杂志意利创立[6]直接促进工智医学领域全面发展进入21世纪着科技进步算法提升深度学等认知技术发展工智医学领域应逐渐走成熟实验室研究进入床实践
2．工智医学领域实践
21医学专家系统
专家系统指某领域具专家水工智系统医学专家系统运专家系统设计原理方法收集量资料数模拟医学专家思维活动推断程达医学专家等诊疗水[7]
早医学专家系统1976年斯坦福学肖特列夫等研制MYCIN该系统诊断治疗细菌感染类疾病[8]着数然语言处理深度学等技术发展目前较成熟医学专家系统IBM公司纪念斯隆凯特琳癌症中心（MSKCC）历时4年训练成沃森肿瘤（WFO）通提供性化优先序治疗方案帮助肿瘤医生做出治疗决策[9]IBM提供资料显示WFO17 s阅读3 469医学专著248万篇文69种治疗方案61 540份实验数106万份床报告根医生输入病例提取患者属性根属性查找床指南确定候选治疗方案然搜索证数库查找选项支持证根佳证沃森算法出佳供考虑治疗方案出具体参考文献
[1011]目前WFO国致性研究肯定2016年圣安东尼奥会议采双盲法较WFO印度Manipal癌症中心638例乳腺癌患者做出治疗建议致率达93[12]根青岛学附属医院肿瘤精准医学中心项400例患者参加研究表明WFO提供治疗建议肿瘤中心专家某癌种方面取高度致性卵巢癌肺癌等胃癌宫颈癌等癌种致性相较低（卵巢癌96肺癌80乳腺癌80直肠癌74宫颈癌64胃癌12）[13]面数WFO具优势：①目前床医生特年轻医生欠缺学时间床验根新资料显示整2015年全球发表关癌症研究文计44万余篇床实践中医生医疗数增长快速面床工作巨压力床医生没时间阅读量文献沃森做WFO帮助医生制定佳治疗方案减少医生查阅解新文献资料耗时间提高床工作效率缩短年轻医生培养年限②WFO世界患者国际权威实时前诊疗方案治疗更加规范化标准化③WFO会疲倦连续工作弥补医生疲劳产生差错实践中逐渐发现某方面具定缺陷：①目前指南文献基国外新数整理成缺乏国土数土原研药WFO未收录国患者体质西方患者体质差异较导致诊疗方案国外新免疫靶药步入国需周期国床应受定限制②WFO应较局限说明书中明确表明支持线化疗失败18岁妊娠患者等涉类癌种中类明确标明适适范围种情况WFO难准确握适适度③WFO然吸收量数资料关研究表明做出治疗建议完全基全面证类监督员者操作者WFO决定MSKCC时候支持治疗建议证薄弱输入沃森便诊疗建议带MSKCC偏甚时候会出现错误[14]
WFO专家致认会医生聪明干助手更帮助医生进行诊断学WFO毕竟没类思维情感床实践中医生疾病判定复杂程时候仅仅解决患者生理问题时候需解决患者心理问题[15]医生会根患者家属情感沟通交流出委婉解释适合治疗选择WFO做目前WFO取代医生
22智图识系统
床工作中医生诊断患者诉症状影资料等床病理更诊断金标准[16]然目前未款WFO样成熟产品市场化者说家熟知基工神网络（Artificial Neural NetworkANN）卷积神网络（Convolutional Neural NetworksCNN）做出种工智模型已图识领域发展年[17]首先图识技术分析X射线CT扫描MRI病理切片等图资料[18]张病理切片通常包含数百万细胞病理医师天需分析张病理切片疲劳阅片现象非常普遍影科医生样许研究员发现便例患者影科医生病理学家出诊断会2017年项研究发现病理学家乳腺癌诊断致率 753甚某异型乳腺癌中诊断致率竟降48想知少患者面着误诊风险着工智技术兴起工智影病理读片速度准确度已达媲美医生程度ESTEVA等[19]通13万张痣皮疹皮肤病变图训练CNN基础工智系统识中皮肤癌21位皮肤科医生诊断结果进行发现诊断准确率医生相达91CICERO等[20]CNN深度学35 038张胸部X线片胸腔积液心影增肺实变肺水肿气胸进行标记工智系统判断疾病特异度灵敏度高高达91HAZLETT等[21]采3层深度学网络315参数（包括性脑区体积面积厚度等）进行降维预测闭症高危婴患闭症性准确率达94外肺结节[22]乳腺癌[23]脑瘤[24]前列腺癌[25]分级分类问题达90左右准确率工智运传统眼底镜影诊断时遇问题传统眼底镜CTMRI等拍摄出眼底镜片曝光程度偏心程度视野范围等方面存较差异预处理时消差异难题工智判断视网膜病变程度达类专家持程度
特异度灵敏度高达90算法行性床实践中进步完善明确[26]
工智图识系统重应影基组学研究传统基分析基创穿刺活检者术病理进行具定风险基组学出现解决问题基组学通提取影学特征基组特征通工智技术完成关联实现疾病非侵入式诊断鉴预疗效评估影基组学具创性重复性成低廉等优点发展处初步阶段具诸局限性研究样影学目标区域标定缺乏统标准床转化致性较低等否认着工智发展
影基组学医学领域尤肿瘤研究工作中发挥更加积极作改变肿瘤患者诊断治疗预
目前工智图识系统面着挑战：①数质量问题影数质量直接决定工智模型学结果基础问题标准影数规范标注工智图识发展关键国医院设备厂商导致影数设备造影剂剂量层厚成深度等会造成影成时影数必须验丰富影科医师标注机器学发展工智图系统图数亟须规范化标准化②应范围问题众周知影科医师鉴种疾病现工智图识系统集中单病种领域例肺结节筛查等肺结节筛查仅仅胸部疾病部分量肺癌肺炎结合等造成异病影异影病现象工智图识系统难检出造成床影科医生然前景目前积极性高③隐私泄露问题工智图识系统程中需挖掘量患者信息存储云端造成患者信息泄露④责划分问题工智图识系统开始参医学影诊断样实际部分代影科医师职责出现误诊漏诊者机器问题等系列问题带患者健康切身利益造成损害应该谁负责呢？工智图识系统准确率超影科医师应该影科医师审核监督进行工作医师始终应该占导位
工智图识技术原理分割图基础检测提取特征[27]进行诊断预测基采深度学方法深度学种基ANN数进行特征学算法泛称[28]果说工智医疗领域方面会率先取突破定会图识领域许床工作中繁重工作病理诊断实验室检查诊断影学诊断AI起辅助医生诊断作甚代床医生进行独立诊断
23智手术机器
降低外科手术患者手术切口带伤害直现代外科学目标20世纪20年代外科手术微创化时代腹腔镜揭开然着腹腔镜应局限性发现首先手术角度非常机械意转动样完整观察手术部位形成手术盲区次腹腔镜手术带床医生带二维手术视野恰恰限制腔镜技术更加复杂外科手术发展造成目前腔镜技术发展瓶颈进入21世纪着外科手术机器技术发展逐步进入床新技术
克服腔镜足外科手术机器全新理念带极佳治疗效果技术产生认外科手术史次革命目前外科机器手术正逐渐成微创外科手术流众外科机器中2000年7月通美国FDA认证达芬奇手术机器系统成世界首套正式手术室中机器手术系统目前达芬奇外科手术机器系统外科开始应泌尿外科[29]心胸外科[30]胃肠外科[31]肝胆外科[32]妇科[33]等目前全球已33国家800家医院成功开展60万例机器手术三维立体高清显准确清晰定位手术部位操作安全稳定创伤恢复快达芬奇手术机器成目前外科微创手术首选然达芬奇手术机器已运广泛缺陷容忽视：①目前触觉反馈系统缺乏床外科医生双手直接接触具体真实手术部位具触觉反馈样判断手术部位组织质弹性波动等性质②达芬奇手术机器操作技术复杂外科医生需学周期较长外科医师该系统配合需长时间磨合③存安装复杂价格昂贵否认着达芬奇机器发展胶囊机器微型手术机器等手术方式会越越微创化智化时会促进医疗领域发展
24智病房
传统病房医生护士工作患者提供医疗服务方减轻患者床医务工作者压力家医院正构建智化病房位费城托马斯·杰斐逊学医院2016年便推出沃森系统支持智化病房病沃森系统进行语言互动仅通语言指令调节百叶窗灯光室温等满足基需求更通新系统询问相关医疗护理问题外该系统患者话存储起便进行医疗护理提供便利该病房旨通智化系统提升患者住院体验时降低医生护理员工作压力样智化病房构建仅普通病房应ICU中样适美国AreteX公司开发样项系统解决ICU患者呼吸机辅助呼吸时身体机呼吸节奏步产生机抗问题基患者集体状况患者呼吸机数产生类型机步问题信号时反馈护理员医师患者机抗窘境中解放出外该公司设计款动流体理系统改变传统输液模式医生制定速度护理员执行段时间根患者集体情况适调节速度传统模式患者时液体量少速度快慢产生良反应该系统通机器学握体输液产生反应动调节患者般状况保持稳定降低良反应发生率
科患者特殊性常常会产生必医疗纠纷应该Alderhey童医院解决问题英国科技设备委员会哈特里中心研发款医患沟通台该台通患家属询问系列问题包括喜欢颜色游戏电影停车餐饮卧室环境等问题学外会诊疗手术麻醉相关问题摄入中台完成患者入院前沟通环节帮助患家属完成入院流程程更加畅简便
智化病房处床试验阶段已出相较普通病房巨优势：①目前医疗工作中约三分顾部分常常容易压力巨医疗员忽视相较宣传手册装载患者信息智化病房系统缓解患者疾病压力繁忙医务工作带压力时缓解医务员患者沟通压力②智化病房系统医务员实时解患者病情变化医务工作变更加省时省力时减少医务员繁忙疲惫造成必疏忽③智化病房系统患者住院流程更加规范化简便省时省力
25工智穿戴医疗设备
年手环手表等代表检测心率穿戴设备层出穷工智穿戴设备医疗领域应越越广泛工智穿戴医疗设备指直接穿戴身便携式医疗设备工智穿戴医疗设备作种新型医疗技术正成分析测量身体状况记录生理参数告知药时间组成部分 [3436]实时记录心率呼吸血压血糖血氧等体基指标真正意义帮助追求更健康生活方式积极踪体代谢状态疾病诊断治疗提供持续化医疗数生命体征数化目前简单复杂分动监测仪监测装置诊断治疗设备[37]目前着柔性电子电化学生物传感器微流体技术蓝牙工智等技术发展工智穿戴医疗设备发展增速工智穿戴设备皮肤眼镜牙齿甚脑进行形接触收集生化电生理信号检测体变化目前市场穿戴医疗设备形态异包括智手表腕带助听器头戴显示器电子鞋皮传感器等等包括特征：穿戴性移动性持续性简单操作性交互性[38]家初创公司（BACtrack）设计种穿戴传感器测量出汗时血液中酒精含量种穿戴设备测量饮酒惯踪酒精穿戴设备PROOF利酶电化学传感器测量出汗酒精浓度种设备极传感器墨盒超12时酒精连续测量设备许减少酗酒产生安全事心脑血疾病外种新型胰岛素泵相联合传感器开发出监测血液葡萄糖浓度防止低血糖发作天中严格控制葡萄糖浓度种葡萄糖传感器胰岛素泵通信产生闭环
反馈控制葡萄糖浓度血液提供实时血糖监测通智手机板电脑智手表进行监测中葡萄糖浓度低高时智手机应程序会患者发送音频警报帮助患者控制血糖智运动鞋已开发出体运动状态进行分析纠正运动步态改善运动惯甚提高运动性[39]
综述工智穿戴设备应医疗领域具优势：①实时监测患者健康数患者时解健康状况节省患者医院检查费时间成尤适慢病理②穿戴设备时性更调配整合医疗资源提供基础医院根患者时数反馈实现门者远程会诊降低医患双方成③穿戴设备实现全民健康数采集医疗数发展提供基础应该医疗穿戴设备目前成熟医疗穿戴设备提供检测数缺乏标准安全具保障次市场竞争激烈式样产品参差齐缺乏力监然目前医疗穿戴设备数检测工智医疗移动医疗成未趋势未穿戴医疗设备会更普遍户带检测诊断治疗建议体化服务
24工智医疗领域应
述应外工智医疗领域方面研究正飞速发展着智制药通工智进行药物筛选早期药物设计进行指导[39]智外骨骼帮助瘫痪患者行走[40]智健康理等等里赘述
目前工智床方面处试研究阶段没真正历史性突破研发发展处台期（缓慢升期）正累积量事情包括全世界文明呈现指数规律发展工智定样毋庸置疑未工智会遍布医疗领域方方面面
3．工智应医疗领域伦理问题
着工智越越广泛应伦理问题忽视医疗伦理古贯穿整医学世界目前涉问题
31工智体权责问题
首先工智技术医疗领域应中面体问题体权责问题工智许疾病方面准确率达甚超越医生水然准确性
100存误诊性者手术机器应中手出现断电障错误操作等严重问题导致患者死亡 样果堪设想导致现行医疗事处理条例侵权责法法律框架责认定问题责认定问题中体资格确定必然涉未工智技术成熟限接医生然会面着逾越障碍传统法律体概念智机器首先意识成法律体证明机器意识受类控制极困难果谁应该AI系统终决策负责果出错误谁承担果前阶段医生监控工作理然目前终权责医生身未床广泛AI系统亟解决问题未许会样种模式AI系统出现差错系统身问题导致医疗纠纷时技术层面AI系统生产厂商进行问责建立完善责赔偿体系许保障AI床规范应
32患者数隐私泄露风险
工智带数隐私保护问题隐私容许意侵犯医疗数具敏感性私密性具极研究商业价值工智收集数容易系统者收集转卖组织次医疗数存储云端互联网中会种方式盗取系统漏洞黑客攻击等患者医疗数泄露会导致种严重果首先会导致药厂私立卫生机构患者进行推销医疗产品等服务次会导致骗子针性进行诈骗等活动隐私泄露会体家庭造成巨影响财产损失保护患者医疗数隐私十分重国家需快出台信息保护法保护隐私防止隐私泄露
33安全性风险问题
工智安全性风险指工智系统时会出现安全性问题工智系统运行全周期理应安全适行情况验证安全性成熟工智医学系统应该协助医生完成医疗活动救治患者成熟稳定系统会损害医疗活动甚剥夺患者生命典型例子文提WFO系统市初根报道WFO医学专家发现推荐安全错误诊疗方案方案源MSKCC少量专家推荐相关指南[9]外国真实案例表明WFO常会提出错误诊疗方案出诊疗方案程底层技术许存严重安全性问题例WFO提出诊疗方案会包括严重出血史肺癌患者会导致出血抗癌药物
床肿瘤学专家角度判断种药方式患者致命结果表明工智系统应医学领域导致误诊漏诊造成患者生命安全样结果医生患者工智生产厂商说件难承受事情国工智安全性风险监处探索阶段工智技术发展迅速医疗领域应研究日新月异目前尚未通审批工智系统国家出台相关政策迫眉睫
34伦理保护问题
工智新药筛选基技术等研究中涉伦理保护问题2018年11月健康体胚胎进行基编辑毫监状况出生婴露露娜娜引发广泛关注先科学家群体发文该研究项目伦理问题提出质疑次引发新技术应伦理关注工智技术新药筛选基研究干细胞研究等生物医学前领域带高效研发成优势毋庸置疑伴着技术应果伦理关防止伦理潘拉盒开启关重工智技术读取基数制造导致基变异生化武器未床试验单纯药物数中开发新药否会涉禁忌药物开发医疗数中种族性等信息会否导致工智某群体诊疗歧视会否克隆等反伦研究禁忌领域研发
4．结
综述工智会未类医疗发展方趋势毋庸置疑医疗领域工智会取代医生否认工智正非常快速意志转移进入日常生活工智PETCTMRCT等医疗仪器应样着新技术发展医生患者病情解更加精准早发现早期病变医生认知业务力提高样未医疗新时代工智时代工智会取代医生会更辅助医生进行工作伦理问题需面挑战着科技进步法律法规进步完善疑未医疗会工智辅助更加精准化规范化智化
参考文献
[1] Lawrence D R PalaciosGonzález C Harris J Artificial intelligence[J] Camb Q Healthc Ethics 2016 25(2)250261
[2] 王锡山．未医学时代：工智诊疗[J]．中华结直肠疾病电子杂志20176(4)：349352．
[3] Coles L The application of artificial intelligence to medicine[J] Futures 1977 9(4)315323
[4] Gardner R M Artificial intelligence in medicine Is it ready[J] J Clin Monit Comput 1986 2(3)133134
[5] Peek N Combi C Marin R et al Thirty years of artificial intelligence in medicine (AIME) conferences A review of research themes[J] Artif Intell Med 2015 65(1)6173
[6] Adlassnig K P Artificialintelligenceaugmented systems[J] Artif Intell Med 2002 24(1)14
[7] 卢培佩胡建安．计算机专家系统疾病诊疗中应发展[J]．实预防医学201118(6)：11671171．
[8] Shortliffe E H Axline S G Buchanan B G et al An artificial intelligence program to advise physicians regarding antimicrobial therapy[J] Comput Biomed Res 1973 6(6)544560
[9] Alessandra CurioniFontecedro A new era of oncology through artificial intelligence[J] Esmo Open 2017 2(2)e000198
[10] Hanmiltn J G Genoff Garzon M Westerman J S et al A Tool Not a Crutch Patient Perspectives About IBM Watson for Oncology Trained by Memorial Sloan Kettering[J] J ONCOL PRACT 2019 15(4)e277e288
[11] Malin J L Envisioning Watson as a rapidlearning system for oncology[J] J Oncol Pract 2013 9(3)155157
[12] Somashekhar S P Sepúlveda M J Puglielli S et al Watson for Oncology and breast cancer treatment recommendations Agreement with an expert multidisciplinary tumor board[J] Ann Oncol 2018 29(2)418423
[13] Zhou N Zhang Chuan‐Tao Lv Hong‐Ying et al Concordance Study Between IBM Watson for Oncology and Clinical Practice for Patients with Cancer in China[J] The Oncologist201924（6）：812819
[14] Choi Y I Chung J W Kim K O et al Concordance Rate between Clinicians and Watson for Oncology among Patients with Advanced Gastric Cancer Early RealWorld Experience in Korea[J] CAN J GASTROENTEROL 2019 201916
[15] 江泽飞许凤锐．肿瘤医生眼中工智[J]．精准医学杂志201833(1)：91114．
[16] Gurcan M N Boucheron L E Can A et al Histopathological image analysis A review[J] IEEE Rev Biomed Eng 2009 2147171
[17] 李彦冬郝宗波雷航．卷积神网络研究综述[J]．计算机应201636(9)：250825152565．
[18] 刘士远萧毅．基深度学工智医学影学挑战机遇[J]．中华放射学杂志201751(12)：899901．
[19] Esteva A Kuprel B Novoa R A et al Corrigendum Dermatologistlevel classification of skin cancer with deep neural networks[J] Nature 2017 546(7660)686
[20] Cicero M Bilbily A Colak E et al Training and validating a deep convolutional neural network for computeraided detection and classification of abnormalities on frontal chest radiographs[J] Invest Radiol 2017 52(5)281287
[21] Hazlett H C Gu H B Munsell B C et al Early brain development in infants at high risk for autism spectrum disorder[J] Nature 2017 542(7641)348351
[22] Setio A A Ciompi F Litjens G et al Pulmonary nodule detection in CT images False positive reduction using multiview convolutional networks[J] IEEE Trans Med Imaging 2016 35(5)11601169
[23] Zanjani F G Zinger S Piepers B et al Impact of JPEG 2000 compression on deep convolutional neural networks for metastatic cancer detection in histopathological images[J] J Med Imaging (Bellingham) 2019 6(2) 027501
[24] Qureshi H Sertel O Rajpoot N et al Adaptive discriminant wavelet packet transform and local binary patterns for meningioma subtype classification[J] Med Image Comput Comput Assist Interv 2008 11(Pt 2)196204
[25] Litjens G Sánchez C I Timofeeva N et al Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosis[J] Sci Rep 2016 626286
[26] Gulshan V Peng L Coram M et al Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs[J] JAMA 2016 316(22)24022410
[27] 许燕汤烨闫雯等．病理工智现状展[J]．中华病理学杂志201746(9)：593595．
[28] Lecun Y Bengio Y Hinton G Deep learning[J] Nature 2015 521(7553)436444
[29] 韩辉黄康博．机器手术泌尿生殖系统肿瘤中应进展[J]．床外科杂志2017(1)：3639．
[30] 李鸿浩刘雪梅昝懿恒等．达芬奇机器手术系统国胸心外科应科学性伦理学系统评价[J]．中国胸心血外科床杂志201421(3)：380388．
[31] 贾宝庆 达芬奇机器胃肠手术中应[J] 中华腔镜外科杂志(电子版) 2017 10(5)281282
[32] 张绍庚 达芬奇机器肝脏手术中应[J] 中华腔镜外科杂志(电子版) 2017 10(5)286287
[33] 陈必良 达芬奇机器妇科手术中实践[J] 中华腔镜外科杂志(电子版) 2017 10(5)288289
[34] Le Hong H Velosa A Hype cycle for the Internet of Things2014 [Internet] Stamford(CT) Gartner Inc 2014
[35] Evans D The Internet of Things how the next evolution Of the Internet is changing everything [Internet] San Jose (CA) Cisco Internet Business Solutions Group：2011
[36] Haghi M Thurow K Stoll RWearable Devices in Medical Internet of Things Scientific Research and Commercially Available Devices[J] Healthc Inform Res 2017 23(1)415
[37] IMS ResearchWorld Market for Wearable TechnologyA Quantitative Market Assessment2012[R]2012
[38] S Patel H Park P Bonato et alA Review of Wearable Sensors and Systems with Application in Rehabilitation[J] J Neuroeng Rehabi 2012 21(17)1516
[39] Yetisen Ali K MartinezHurtado Juan Leonardo UEnal Baris et al Wearables in Medicine[J] Advanced Materials 30(33)17069101170691026
[40] Zhang L Tan J Han D et al From machine learning to deep learning progress in machine intelligence for rational drug discovery[J] DrugDiscov Today 201722（11）：16801685
[41] 唐智川 张克俊 李超等 基深度卷积神网络运动想象分类脑控外骨骼中应[J] 计算机学报 2017 40(6)13671378
缩略词表
英文缩写
英文全称
中文名称
AI
Artificial Intelligence
工智
WFO
Watson for Oncology
沃森肿瘤
SCLC
small cell lung cancer
细胞肺癌
NSCLC
nonsmall cell lung cancer
非细胞肺癌
MSKCC
Memorial SloanKettering Cancer Center MSKCC
纪念斯隆凯特琳癌症中心
ASCO
American Society of Clinical Oncology(ASCO)
美国床肿瘤学会
DTC
Differentiated Thyroid Carcinoma
分化型甲状腺癌
EGFR
epidermal growth factor receptor
表皮生长子受体
EGFRTKI
epidermal growth factor receptortyrosine kinase inhibitor
表皮生长子受体酪氨酸激酶抑制剂
PD1
programmed cell death1
程序性死亡受体1
PDL1
programmed cell deathLigand
程序性死亡受体配体1
ICU
Intensive Care Unit
重症监护护理病房
GPS
Global Positioning System
全球定位系统
VEGF
Vascular endothelial growth factor
血皮生长子
LUAD
Lung adenocarcinoma
肺腺癌
LUSC
ANN
CNN
Lung squamous cell carcinoma
Artificial Neural Network
Convolutional Neural Networks
肺腺癌
工神网络
卷积神网络
致谢
记初次踏入青岛学2017年时光荏苒转眼间已青岛学度硕士生涯三年回顾硕士生涯3年天开心天学天奋进天拼搏时天值回忆铭记踏入青岛学进入青岛学附属医院成青医家庭份子种命感油然生三年点点滴滴成长进步源青青医三年仅成长青岛学年座拥限魅力城市样断成长仅仅3年间见证青岛学青医附院青岛翻天覆变化相信青岛学青医附院明天会更加辉煌感谢母校青医3年培养
时需感谢导师著名肿瘤精准治疗专家张晓春教授三年学中予精神指引鼓励生活微关怀学科研精确指导导师名启蒙者位慈母生道路领路胸怀宽广学术渊博眼界开阔态度严谨心态乐观豁达极受尊重学者言传身教学识品格学生模范生道路提供鉴笔巨精神财富张传涛李田军侯磊朱静娟等带教老师予极支持帮助老师生活床总耐心细心指引帮助解决种困难事情总喜欢商量请教教学会道理明白事情
里感谢周娜老师毕业文指导遍遍厌烦帮修改细心指出错误没完成篇文写作
感谢理想信念起奋斗伙伴包括：门赵德泽秦康梁宇师妹师弟孙丹彤韩骐蔓曲家鳞王力等学工作生活中予力支持帮助
感谢肿瘤精准医学中心全体老师全体学工作学生活予莫关心支持帮助
直关心帮助支持家朋友老师学表示真诚谢意美祝福
学位文独创学位文独创性声明
声明呈交学位文系导师指导独立完成研究成果文中法引成果均已做出明确标注许文容未包含法律意义已属形式研究成果包含已学位申请文成果
违反述声明愿意承担引发切责果
文作者签名： 日期： 年 月 日
学位文知识产权权属声明
导师指导完成学位文相关职务作品知识产权属学校学校享方式发表复制公开阅览阅申请专利等权利离校发表学位文该文直接相关学术文成果时署名单位然青岛学
学位文属：
保密 □ 年解密适声明
保密□
（请方框√ ）
文作者签名： 日期：年月日
导 师 签 名： 日期： 年 月 日
性声明学位文知识产权权属声明
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
沃森肿瘤床肿瘤医生肺癌致性研究
摘
背景：工智（Artificial IntelligenceAI）医疗领域发展迅速逐渐实验室研究进入床实践IBM公司开发沃森肿瘤（Watson for OncologyWFO）2017年开始应中国AI医疗领域杰出代表快速准确肿瘤患者提出规范诊疗方案年WFO已全国十余国家展开应国应越越广泛相关致性研究已关否适中国患者尤肺癌患者报道限做项关WFO肿瘤中心肺癌患者诊疗方案致性回顾性研究
目：研究旨探索WFO中国肺癌患者中行性分析存问题优势解决方案提供基础
方法：机选取2017年4月10月青岛学附属医院肿瘤精准医学中心接受抗肿瘤治疗肺癌患者(N121)中100例符合WFO入组标准WFO诊疗方案分3类：推荐考虑推荐床肿瘤科医生选择推荐方案考虑方案时认致余认致应Microsoft Excel患者病例特征进行描述性统计根患者病例分类性年龄否行手术等分组致性进行分析采SPSS170版软件进行统计分析述等素进行logistic回模型进行概率95置信区间估计p＜005具统计学意义
结果：
1． 病例中21(21121)病例适WFO100适病例中患者中位数年龄61岁男性居占70女性30中做手术占21未行手术治疗79细胞肺癌患者占19非细胞肺癌患者占71
2． 入组病例中WFO提出诊疗方案85肿瘤精准医学中心致细胞肺癌（small cell lung cancer SCLC）患者致性8948非细胞肺癌（nonsmall cell lung cancer NSCLC）患者致性8396根肿瘤分期8333II期患者8333III期患者8594IV期患者诊疗方案致
3． 根性分类WFO提出诊疗方案肿瘤精准医学中心致性男性患者致性8857女性患者致性7667
4． 根手术否分类WFO提出诊疗方案肿瘤精准医学中心致性手术患者致性8572未手术患者致性8482
5． 根年龄分类WFO提出诊疗方案年龄等60岁患者8793肿瘤精准医学中心致年龄60岁患者8095中心致
6． 非细胞肺癌根鳞癌腺癌分类鳞癌占2840腺癌占7160WFO提出诊疗方案8695鳞癌患者8276腺癌患者中肿瘤精准医学中心致腺癌根否基突变分EGFR突变组EGFR野生型组未行检测组EGFR突变组致性7334EGFR野生组致性8571未行基检测组8666
7． 细胞肺癌根局限期广泛期分类WFO提出诊疗方案7778局限期患者肿瘤精准医学中心致广泛期高达100
8． 根Logitic回模型分析肺癌分期组织学类型间性年龄等素致性影响
结
1 中国较高例病例符合WFO入组标准WFO针入组病例提出诊疗方案床肿瘤科医生具较高致性合理应WFO帮助肿瘤科医生节约工作时间提高工作效率
2 研究出东西方针肺癌诊疗方案存定差异首先中国肺癌EGFR基突变表型西方国家差异较次中国患者法时欧美国家新开发靶免疫药物中获益需滞12年国家会原研药物者说民族医药欧美国家具备
3 目前WFO面床然存问题首先WFO诊疗方案更代表西方诊疗方案未根国群土化进行优化次WFO涉医学伦理方面问题成型法律法规约束WFO法取代床肿瘤学专家需加速土化然通医生提供帮助提高床工作率
关键词：沃森肿瘤工智致性
Concordance Study Between Watsonfor Oncologyand Clinical Oncologistwith Lung Cancer
Abstract
Background：Artificial Intelligence (AI) has developed rapidly in the field of medicine gradually moving from laboratory research to clinical practice Watson for Oncology (WFO) developed by IBM began to be applied in China in 2017 It is an outstanding representative of AI in the medical field and can quickly offer diagnosis and treatment Suggestions comparable to those of oncologists for tumor patients WFO has been increasingly used in China in recent years but there have been limited reports on whether it is suitable for Chinese patients especially lung cancer To this end we conducted a retrospective study to examine the concordance between the treatment recommendation proposed by WFO and actual clinical decisions by oncologists in our cancer center
ObjectiveThis study aims to explore the feasibility of WFO in lung cancer patients in China analyze its existing problems and advantages and provide a basis for future solutions
MethodsWe selected lung cancer patients who received antitumor treatment in the oncology department of Qingdao university hospital from April to October 2017 (N121) WFO has recommended treatment for all applicable cases (100) WFO＇s recommendations fall into three categories recommended considered and not recommended When the oncologist chooses the recommended or considerable option it is considered consistent and the rest is not Microsoft Excel was used to conduct descriptive statistics on the case characteristics of all patients and the consistency of the patients was analyzed according to their case classification gender age whether they underwent surgery or not SPSS 170 software was used for statistical analysis Logistic regression model was used to estimate the row probability ratio and 95 confidence interval of the above factors P < 005 was considered statistically significant
Result：1Of all cases 21(21121) did not apply to WFOIn the 100 applicable cases the median age of the patients was 61 years old and the majority of the patients were men (70) and women (30)Of these 21 had surgery and 79 had notSmallcell lung cancer patients accounted for 19 and nonsmallcell lung cancer patients accounted for 71
2In all the enrolled cases 85 of the treatment plan proposed by WFO was consistent with that of the tumor precision medicine centerThe consistency of patients with small cell lung cancer (SCLC) was 8948The consistency of patients with nonsmall cell lung cancer (NSCLC) was 8396According to tumor stage 8333 of stage II patients 8333 of stage III patients and 8594 of stage IV patients had the same treatment plan
3According to gender classification the consistency of the diagnosis and treatment scheme proposed by WFO compared with the consistency of tumor precision medicine center shows that the consistency of male patients is 8857 and that of female patients is 7667
4According to the classification of whether surgery is performed or not the consistency of the diagnosis and treatment scheme proposed by WFO and the precision medicine center of tumor shows that the consistency of patients after surgery is 8572 and that of patients without surgery is 8482
5According to the age classification according to the diagnosis and treatment plan proposed by WFO 8793 of patients aged over or equal to 60 years old are consistent with the center for tumor precision medicine and 8095 of patients younger than 60 years old are consistent with our center
6According to the classification of squamous cell carcinoma and adenocarcinoma the proportion of squamous cell carcinoma and adenocarcinoma accounted for 2840 and 7160 respectivelyThe WFO protocol was consistent with that of the center for accurate medicine in 8695 of squamous cell carcinoma patients and 8276 of adenocarcinoma patientsAdenocarcinoma was divided into the EGFR mutated group the EGFR wildtype group and the undetected group according to whether the gene was mutated or notThe consistency was 7334 in the EGFR mutant group 8571 in the EGFR wild group and 8666 in the untested group
7According to the classification of smallcell lung cancer by local deadline and broad deadline 7778 of patients with limited deadline proposed by WFO were consistent with our center while the broad deadline was up to 100
8According to Logitic regression model analysis different stages different histological types gender age and other factors of lung cancer had no effect on the consistency
Conclutions
1 In China there are still a high proportion of cases that do not meet the inclusion criteria of WFO but the treatment scheme proposed by WFO for the enrolled cases has a high consistency with the clinical oncologist Therefore the rational application of WF
O can help the oncologist save working time and improve work efficiency
2 It can be seen from this study that there are certain differences in the treatment schemes for lung cancer between east and westSecondly Chinese patients cannot benefit from the latest targeted and immunological drugs developed by European and American countries in a timely manner which may require a lag of 12 yearsFinally our country will also have some of its own original research drugs or ethnic medicine which is not available in European and American countries
3 At present there are still many problems in WFO for clinical practice Firstly WFO treatment schemes are more representative of western treatment schemes which are not optimized according to the localization of Chinese populationSecondly the use of WFO is involves some medical ethical issues which need to be regulated by the laws and regulationsTherefore WFO cannot replace clinical oncologists and needs to accelerate its localization and then improve its clinical work rate by providing assistance to doctors
Graduate student Chenxing Hao(Oncology)
Directed by Prof：Xiaochun Zhang
Key words Watsonfor OncologyArtificial IntelligenceConcordance
目录
引 言 1
象方法 3
1 床病资料 3
2．方法 3
3 WFO治疗方案： 4
4 致性评定 4
5．数分析统计 4
结果 5
1 入组患者般床特征 5
2 WFO诊疗方案肿瘤精准医学中心医生总体致性 6
3 根性致性分析 7
4 根年龄致性分析 7
5 根手术否致性分析 8
6 非细胞肺癌进行致性分析 9
7 细胞肺癌进行致性分析 10
8 肺癌分期病理年龄性等素Logistic回分析 12
讨 13
结 16
参考文献 17
综述 20
攻读学位期间研究成果 35
缩 略 词 表 36
致 谢 38
学位文独创性声明学位文知识产权权属声明 39
引言
着社会发展恶性肿瘤成种慢性病然极威胁着类健康中肺癌发病率死亡率均第位统计年约176万死肺癌[1]肺癌根病理致分非细胞肺癌细胞肺癌两类非细胞肺癌细分腺癌鳞癌肺鳞癌等目前肺癌治疗手段采取学科综合治疗体化相结合原根患者病理类型机体状况分子分型等计划合理运手术化疗放疗分子靶免疫等治疗方式程度提高患者生存期改善患者生活质量特年免疫治疗靶治疗发展迅速肺癌患者生存期极延长肺癌患者生活质量极提高
然肺癌患者生存期生活质量极改善然目前着社会发展民生活水提高优质医疗资源足民医疗需求矛盾日益突出造成种矛盾原[24]首先目前中国医疗资源然极度缺乏均100012名医生美国发达国家100028[57]次医疗资源缺乏医生体身工作学压力统计超32医生周工作超60时[6]根没时间精力确保知识水前医学发展前知识保持致方面肿瘤相关药物指南文更新速度极快肿瘤科医生学时间精力限关研究表明肿瘤科医生周46时学相关知识[8]显然够外床医师级医院水参差齐达统诊疗水迫切需种工具协助中国医生制定规范准确诊疗方案者说帮助解该领域新发展AI生活方方面面已取突破医学领域AI述问题佳解决方案WFOAI医学领域应目前成功案例WFO纪念斯隆凯特琳癌症中心(Memorial SloanKettering Cancer Center MSKCC)培训成根病特征提供诊疗方案供医生制定诊疗方案时诊疗方案般符合NCCN指南新文献反映MSKCC验专业知识支持外WFO数12月会更新新前信息目前WFO肿瘤学领域应已遍全球14国家包括中国美国荷兰泰国印度韩国波兰斯洛伐克孟加拉国等事实WFO中国已越越普遍WFO2017年3月引入中国目前服务全国70家市级医疗机构1万名患者[9]
综述肺癌世界范围国种发病率死亡率极高肿瘤需学科综合治疗体化治疗目前治疗手段样新药物研究日新月异层出穷肺癌指南断变更床肿瘤科医生缺乏足够时间紧前现互联网工智数发展医疗带新希WFO正应时代协助肿瘤科医生紧医学前制定诊疗方案解决方案合理应WFO帮助肿瘤科医生节省学新诊疗方案知识时间提高工作效率减少工作量疲惫产生差错医疗水差区域带国际化诊疗规范迅速提高整体水目前
WFO已针种癌种进行致性研究例2017ASCO年会IBM提交五项研究数表明WFO肿瘤科医生提出诊疗方案致性达96[1014]中包括乳腺癌肺癌结直肠癌胃癌等专门针肺癌研究报道限研究针肺癌WFO床肿瘤科医生诊疗方案进行致性分析存差异原优势WFO更加广泛应提供基础解决方案
象方法
1 床病资料
次研究收集2017年4月2017年10月诊青岛学附属医院肿瘤精准医学中心肺癌患者床病例资料121例患者均通影学检查（X线CTPETCT等）证实实体病灶通病理学检查（支气镜胸腔镜手术等取病理）证实肺癌部分腺癌通NGS检测证实否突变突变类型
WFO纳入标准：
（1）病理类型腺癌鳞癌细胞癌细胞癌
（2）未接受系统治疗初治患者
（3）转移性肺癌接受治疗进展
（4）非转移性肺癌接受系统治疗转移复发
WFO排标准：
（1）纳入标准中未列出病理类型患者
（2）单发转移患者
（3）接受肺部手术IIIB期NSCLC患者
（4）转移性疾病患者接受靶治疗时癌症进展
2．方法
登录青岛学附属医院肿瘤精准医学中心医生专属沃森系统账号提取入组患者病例数输入WFO系统病例信息包括：（1）患者基状况年龄身高性体重血压呼吸脉搏体状态(ECOG评分)等（2）患者疾病基状态：肿瘤病理类型（病理类型腺癌鳞癌细胞癌细胞癌）（3）患者治疗：外科手术治疗放射治疗全身性化疗靶治疗免疫治疗姑息治疗等（4）患者患肺癌TNM分期：原发肿瘤淋巴结转移分期否发生远处转移（5）患者身伴疾病：床明显腹腔积液胸腔积液心包积液脊髓压迫疼痛程度肠梗阻脑转移症状述伴症状控制否（
6）患者肺癌转移部位：否存转移转移具体部位(脑转移肝转移侧肺转移肾腺转移胸膜转移骨转移等)（7）患者发症：听力分级神病变分级身免疫性疾病等(8)实验室检查：血常规中白细胞中性粒细胞红细胞血板等具体数值肝功中总胆红素丙氨酸转氨酶天冬氨酸转氨酶碱性磷酸酶具体数值肾功中血肌酐等(9)学科评估：胸外科专家意见该肿瘤否行手术切肿瘤放疗科医生意见该肿瘤否适合根治性放疗否行步放疗否需行姑息放疗该患者否耐受放疗肿瘤化疗科医生意见该患者否行化疗否行靶治疗否行免疫治疗否耐受述治疗输入述信息WFO会10秒左右出诊疗方案结果
3 WFO治疗方案
WFO系统会提供三种诊疗方案建议：推荐考虑推荐具相应颜色表明绿色代表推荐诊疗方案着充足循证学证基础琥珀色代表着供考虑诊疗方案具定证基础床肿瘤科医生考虑作代诊疗方案红色代表充足循证学证基础表明方案存明显禁忌症者说适统计诊疗方案进行回顾性分析WFO出诊疗方案肿瘤精准医学中心床医生出实际治疗结果进行数分析程中发现WFO中没具体方案定义医生选择外WFO提出诊疗方案时会列出参考文献床试验处方信息良反应等
4 致性评定
病例输入WFO前肿瘤精准医学中心床医生已根病具体情况进行病例讨病提出诊疗方案肿瘤精准医学中心医生WFO提出诊疗方案知情根床医生诊疗方案WFO提出诊疗方案进行果床医生诊疗方案符合WFO推荐考虑类定义两者致果WFO中推荐方案者WFO中未出现诊疗方案定义致
5．数分析统计
Microsoft Excel肺癌患者病例特征进行描述性统计时患者诊疗方案致性进行分析采SPSS 170版统计软件进行分析肿瘤分期病理类型年龄性等素logistic回模型进行概率95置信区间估计P＜005统计学意义
结果
1 入组患者般床特征
初步机选择121例患者根否符合WFO入组标准终100例患者筛选成功纳入研究100例患者基特征见表1100例患者根病理类型分类中19细胞肺癌81非细胞肺癌患者中位数年龄61岁男性居占70女性30中做手术占21未行手术治疗79
表1沃森肿瘤患者特征
患者特征
肺癌
年龄中位数(范围)岁
61（4478）
年龄分布岁
＜60
58
≥60
42
性
男
70
女
30
TNM分期
II
6
III
30
IV
64
手术
21
否
79
病理
细胞肺癌
19
非细胞肺癌
81
2 WFO诊疗方案肿瘤精准医学中心医生总体致性
根总体分析WFO推荐诊疗方案肿瘤精准医学中心床医生提供诊疗方案85（85100）致SCLC患者致性8948NSCLC患者致性8396（图1）根肿瘤分期8333II期患者8333III期患者8594IV期患者诊疗方案致（图2）
图1根非细胞肺癌细胞肺癌分类致性
图2 根TNM分期肺癌致性
3 根性致性分析
根性分组WFO推荐诊疗方案肿瘤精准医学中心床医生提供诊疗方案男性患者致性8857女性患者致性7667（图3）
图3根性致性分析
4 根年龄致性分析
根年龄分组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案等60岁患者致性879360岁患者致性8095（图4）
图4 根年龄致性分析
5 根手术否致性分析
根手术否分组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案手术患者致性8572未手术患者致性8481（图5）
图5 根手术否致性分析
6 非细胞肺癌进行致性分析
入组非细胞肺癌患者中分鳞癌腺癌根分期非细胞肺癌分IIIIIIIV期腺癌分EGFR突变组EGFR野生型组未知组WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案腺癌患者致性8276鳞癌患者致性8695（图6）EGFR突变组EGFR野生型组未知组分733485718666（图7）IIIIIIV期分1000075008548（图8）
图6 根腺癌鳞癌非细胞肺癌进行致性分析
图7 根腺癌否基突变进行致性分析
图8 根非细胞肺癌分期进行致性分析
7 细胞肺癌进行致性分析
根分期细胞肺癌分局限期广泛期WFO推荐诊疗方案肿瘤精准医学中心医生提供诊疗方案局限期患者致性7778广泛期患者致性10000（图9）
图9 根细胞肺癌分期进行致性分析
8 WFO肿瘤精准医学中心致性Logistic回模型
根Logitic回模型分析肺癌分期组织学类型间性年龄等素致性影响
表2WFO肿瘤精准医学中心致性Logistic回模型
变量
优势（95 置信区间）
P值
TNM分期
II（参考）
1
III
0336(0228054)
0618
IV
0626(01282397)
0562
病理分型
NSCLC（参考）
1
SCLC
0962(01049996)
0986
性
男
1
女
2359（07687240）
0134
年龄岁
≥60
1
＜60
1893（06275716）
0258
手术
1
否
1075（02744220）
0918
NSCLC
鳞癌
1
腺癌
1389（03455585）
0644
基突变
EGFR突变
1
野生型
1023（05324326）
0331
未知
3143（07655562）
0256
SCLC
局限期
1
广泛期
0389（00295214）
0476
讨
WFO医学领域目前领先工智技术仅理解学量文献数结合起非常短时间提出医学诊疗方案[15]然已取极进展具巨潜力工智技术广泛应床前面许障碍首先重提出诊疗方案必须正确床肿瘤科医生致次必须医生患者充分接受涉患者隐私安全伦理问题[16]
WFO真正推广床程中重素WFO肿瘤科医生致性决定推荐诊疗方案准确性行性MSKCCWFO进行年培训极提高WFO准确性2017年MSKCC美国床肿瘤学会（ASCO）年会公布培训结果国家区分进行致性研究高达96国相继完善公布研究成果项印度638名乳腺癌患者进行双盲研究结果表明WFO93乳腺癌患者治疗方案肿瘤专家致[17]针韩国525名患者进行项研究表明结肠癌致性73胃癌49[18]项韩国研究中手术放射性碘治疗推荐分化型甲状腺癌（DTC）总体符合率WFO床实践中仅77作者认致性太低法证明WFODTC患者综合筛查中应[19]结果中心结果显示国家癌种致性中国世界口国家特殊癌症谱系外医学发展造成区针癌症会诊疗验WFO想中国真正应床WFO提出诊疗方案中国肿瘤科医生致性项关键素时出东西方癌症诊疗方式区
回顾研究针肺癌出应中国肺癌患者前WFO需改进根WFO入组标准中排标准次研究121纳入研究终100符合入组标准高达1735患者符合入组标准应该目前WFO亟解决问题入组100名患者总体致性85然根年龄性病理分期等进行单独分类进行致性较时WFO提出诊疗方案肿瘤精准医学中心男性患者致性8857女性患者致性7667相差达1190非细胞肺癌组EGFR突变组EGFR野生型组未知组分733485718666EGFR突变徐未知组差高达1330IIIIIIV期分1000075008548细胞肺癌分组局限期患者致性7778广泛期患者致性高达10000然Logitic回分析表明素致性影响均具统计学意义纳入样量足素造成根病例单独分析造成致性差异原方面素总结：第中国肺癌
EGFR基突变表型西方国家差异较肺癌EGFR突变率国50欧美仅15[20]第二中国患者体质欧美患者体质相差较造成WFO通常会建议步放化疗国肿瘤科医生更会选择续贯放化疗第三中国常EGFR靶药埃克尼常抗血药物恩度（两种药物国研制未欧美国家推广）[2122]WFO推荐代EGFRTKI药物吉非尼厄洛尼抗血药物贝伐珠单抗果WFO两种药物纳入考虑中致性会提高第四患者家庭济原等条件限制导致WFO推荐昂贵新药终没选择例PD1PDL1等代表免疫药外制定诊疗方案时患者意愿药物价格医保政策种种素会考虑素会定程度影响致性根中心研究WFO根中国患者体质进行优化纳入中国土医药考虑新型药物进入国市场时间等进行土化推进WFO肿瘤精准医学中心致性85升96着WFO越越广泛应土化推进致性定会越越高
然研究存局限性首先研究纳入病例数偏少导致患者组间分布均衡I期患者较少类患者般需住院需门诊复查男女间女性患者偏少女性患者存EGFR突变门诊口服靶药物入组病理未涵盖肺癌病理类型细胞肺癌腺鳞癌基突变ALK突变等类型肿瘤次输入病例信息质量未重复性检测造成偏差造成结果差异次研究项没组回顾性观察性研究结果会受预测素影响
然着致性提高问题解决患者法真正利益相关者优质医疗基特征患者需求价值观等考虑[23]外研究表明患者会WFO类会床决策产生影响工具持反面态度会认应种工具床医生缺乏诊断力赖种工具床医生诊断力优[2426]证表明患者认工具应会影响医患沟通[2728]然床医生决定产生负面结果时患者会认种工具医生更容易发生差错[29]外患者治疗程中医生助床决策工具持肯定态度认工具提高医生效率医生提供价值信息[30]国外做项针肿瘤患者WFO帮助床医生进行床决策法研究部分患者WFO持肯定态度出现新问题部分患者认终决策权应该属医生部分患者认终决策权应该属患者医生决定甚患者决定
[31]涉医学伦理问题目前终决策权定床医生手中着工智发展相应法律法规定会更加完善监督WFO正常应
然目前WFO表现预期WFO具巨价值首先床医生言WFO实时全面提供国外新数资料帮助肿瘤科床医生提升业务力特医学生住院医师视觉提供清晰绿色首选建议供考虑建议黄色肿瘤科医生医学生第时间学美国专家权威诊疗方案WFO高速运算力极减少肿瘤科床医生掌握新文献新指南床研究需时间减少电子病历查询制定佳诊疗方案时间样肿瘤科医师工作效率提高类相机器知疲倦帮助肿瘤科床医生极减少疲惫繁忙工作产生必差错减少医患矛盾次病家属言WFO中国运中国区患者足出户国际顶尖诊疗方案甚偏远区环境极差贫困区机会前规范诊疗方案提高国整体医疗水益医院言通WFO应实现医院国际肿瘤中心接轨提升医院肿瘤科整体水通WFO提高医院肿瘤科影响力吸引更患者着WFO土化进程 WFO专家致性会越越高相关法律法规会进步完善WFO必然会更辅助床医生工作
结
1中国较高例病例符合WFO入组标准WFO针入组病例提出诊疗方案床肿瘤科医生具较高致性合理应WFO帮助肿瘤科医生节约工作时间提高工作效率
2．研究出东西方针肺癌诊疗方案存定差异首先中国肺癌EGFR基突变表型西方国家差异较次中国患者法时欧美国家新开发靶免疫药物中获益需滞12年国家会原研药物者说民族医药欧美国家具备
3．目前WFO面床然存问题首先WFO诊疗方案更代表西方诊疗方案未根国群土化进行优化次
WFO涉医学伦理方面问题成型法律法规约束WFO法取代床肿瘤学专家需加速土化然通医生提供帮助提高床工作率
参考文献
[1] Bray F Ferlay J Soerjomataram I et al Global cancer statistics 2018 globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J] CA A Cancer Journal for Clinicians 2018 68(6)
[2] Jie L New generations of Chinese doctors face crisis[J] The Lancet 2012 379(9829)1878
[3] Wang X Q Wang X T Zheng J J How to end violence against doctors in China[J] The Lancet 2012 380(9842)647648
[4] Yang T Zhang H Shen F et al Appeal from Chinese doctors to end violence[J] The Lancet 2013 382(9906)17031704
[5] Hesketh Therese Wu Dan Linan Mao等 Violence against doctors in China[J] BMJ British Medical Journal (Overseas & Retired Doctors Edition 2012 384(9945)e5730
[6] Wong C W Chan Y H Cheng Y H et al Is overwork a precipitant factor of idiopathic ventricular fibrillation[J] International Journal of Cardiology 2016 223218219
[7] Shan H P Yang X H Zhan X L et al Overwork is a silent killer of Chinese doctors a review of Karoshi in China 2013–2015[J] Public Health 2017 14798100
[8] Woolhandler S Himmelstein D U Administrative Work Consumes OneSixth of US Physicians＼ Working Hours and Lowers their Career Satisfaction[J] International Journal of Health Services 2014 44(4)635642
[9] Chaoyuan Liu Xianling et al Using Artificial Intelligence (Watson for Oncology) for Treatment Recommendations Amongst Chinese Patients with Lung Cancer Feasibility Study[J] Journal of medical Internet research 2018
[10] Suwanvecho S Suwanrusme H Sangtian M et al Concordance assessment of acognitive computing system in Thailand 2017 ASCO Annual Meeting20176589
[11] Somashekhar SP Sepélveda MJ Norden AD et al Early experience with IBMWatson for Oncology (WFO) cognitive computing system for lung andcolorectal cancer treatment 2017 ASCO Annual Meeting 2017 38527
[12] SarreLazcano C Alonso AA Melendez F et al Cognitive computing inoncology A qualitative assessment of IBM Watson for Oncology in MexicoASCO Annual Meeting 201718166
[13] Beck JT Vinegra M DankwaMullan I et al Cognitive technology addressingoptimal cancer clinical trial matching and protocol feasibility in a communitycancer practice ASCO Annual Meeting 20176501
[14] Baek JH Ahn SM Urman A et al Use of a cognitive computing system fortreatment of colon and gastric cancer in South Korea ASCO Annual Meeting201718204
[15] Ospina O M S Ovalle D A Néstor D Duque Adaptive and Personalized Educational Ubiquitous MultiAgent System Using ContextAwareness Services and Mobile Devices[C] International Conference on Learning and Collaboration Technologies 2015
[16] CurioniFontecedro A A new era of oncology through artificial intelligence[J] Esmo Open 2017 2(2)e000198
[17] Somashekhar S P Sepúlveda M J Puglielli S et al Watson for Oncology and breast cancer treatment recommendations agreement with an expert multidisciplinary tumor board[J] Annals of Oncology 2018
[18] Baek JH Ahn SM Urman A et al Use of a cognitive computing system for treatment of colon and gastric cancer in Korea J Clin Oncol 201735 (suppl 15)e18204A
[19] Kim M Kim BH Kim JM et al (2019) Concordance in postsurgical radioactive iodine therapy recommendations between Watson for Oncology and clinical practice in patients with differentiated thyroid carcinoma Cancer 125(16)2803–2809
[20] LungCARD – Report on worldwide research and clinical practices related to lung cancer[J] Journal of BUON official journal of the Balkan Union of Oncology 2019
[21] Camidge Ross D Icotinib kickstarting the Chinese anticancer drug industry[J] The Lancet Oncology 2013 14(10)913914
[22] 中国床肿瘤学会血靶治疗专家委员会非细胞肺癌专家委员会非细胞肺癌抗血生成药物治疗专家组 晚期非细胞肺癌抗血生成药物治疗中国专家识(2019版)[J] 中国肺癌杂志 2019 22(7)
[23] Institute of Medicine Crossing the Quality Chasm A New Health System for the 21st Century Washington DC National Academies Press 2001
[24] Arkes HR Shaffer VA Medow MA Patients derogate physicians who use a computerassisted diagnostic aid Med Decis Making 27189202 2007
[25] Shaffer VA Probst CA Merkle EC et al Why do patients derogate physicians who use a computerbased diagnostic support system Med Decis Making 33
a) 108118 2013
[26] Palmeira M Spassova G Consumer reactions to professionals who use decision aids Eur J Mark 49302326 2015
[27] Porat T Delaney B Kostopoulou O The impact of a diagnostic decision support system on the consultation perceptions of GPs and patients BMC Med InformDecis Mak 1779 2017
[28] Pezzo MV Pezzo SP Physician evaluation after medical errors Does having a computer decision aid help or hurt in hindsight Med Decis Making 2648562006
[29] Patel R Green W Shahzad MW et al Use of mobile clinical decision support software by junior doctors at a UK teaching hospital Identification and evaluationof barriers to engagement JMIR Mhealth Uhealth 3e80 2015
[30] Hajizadeh N Perez Figueroa RE Uhler LM et al Identifying design considerations for a shared decision aid for use at the point of outpatient clinical care Anethnographic study at an inner city clinic J Particip Med 5e12 2013
[31] Hamilton J G Genoff Garzon M Westerman J S et al A Tool Not a Crutch Patient Perspectives About IBM Watson for Oncology Trained by Memorial Sloan Kettering[J] Journal of Oncology Practice
2019
综述
工智开启医学新时代
摘：AlphaGo败柯洁斯坦福团队皮肤癌诊断方面取新突破沃森肿瘤面积登录中国工智发展已爆发期医学领域发展尤突出文着重沃森肿瘤例简介绍工智定义年工智医学领域发展应分析工智医学床实践现状未发展方
关键词：工智专家系统机器学
解AI定义助更理解工智医学领域应里程碑机遇挑战目前苦存种概念定义太够作AI领域创始Nils Nilsson先生写：工智缺乏通定义 已修订三版权威性工智教科书出八项定义书中没透露作者究竟倾种定义众周知图灵定义然距离久远目前工智讨话题绝数然1950年阿兰图灵篇标题计算机器智文章范围定义工智三方面：第图灵测试通方发送问题回答问题通方回答判断方机器第二机器棋盘类游戏赛图灵时提出第三机器够孩子样学根目前差距工智具挑战性方面AIM总编辑Carlo Combi文章中表示更愿意倾线韦式词典解释：计算机科学分支模拟计算机中智行机器模仿智行力定义工智然研究说更倾工智计算机科学控制信息神心理学哲学语言学等种学科研究基础发展起门综合性交叉性学科集新思想新观念新理新技术体新兴学科[1]
工智划分三级弱工智强工智超级工智弱工智指帮助类完成某务工具助手然起智真正拥智强工智指具推理问题解决问题力工智类工智独立进行思考会拥思想价值观世界观生观时会具生物样会生存安全需超级工智指全方位超
越类工智领域类提升数倍目前流研究然集中弱工智层次已取观成[2]文弱工智医学领域发展实践做简概述
1．工智医学领域发展简史
工智概念早出现1950年图灵计算机智书直1956年达特茅斯会议正式提出日益受重视AI诞生伊始开始梦想着运现实中特医学领域70年代医学工智处初始孕育期初引起家关注医学领域1974年斯坦福学成立医学实验计算机研究项目重目标促进工智医学中应[3]时候计算机完成规模数复杂务处理分析计算力突破设想法实现工智医学领域应直处低谷期直世纪八十年代着神网络发展5代计算机诞生医学工智处快速发展时期[4]1985年召开第届欧洲医学工智会议[5]1986年BP神网络算法发明应1989 年医学工智杂志意利创立[6]直接促进工智医学领域全面发展进入21世纪着科技进步算法提升深度学等认知技术发展工智医学领域应逐渐走成熟实验室研究进入床实践
2．工智医学领域实践
21医学专家系统
专家系统指某领域具专家水工智系统医学专家系统运专家系统设计原理方法收集量资料数模拟医学专家思维活动推断程达医学专家等诊疗水[7]
早医学专家系统1976年斯坦福学肖特列夫等研制MYCIN该系统诊断治疗细菌感染类疾病[8]着数然语言处理深度学等技术发展目前较成熟医学专家系统IBM公司纪念斯隆凯特琳癌症中心（MSKCC）历时4年训练成沃森肿瘤（WFO）通提供性化优先序治疗方案帮助肿瘤医生做出治疗决策[9]IBM提供资料显示WFO17 s阅读3 469医学专著248万篇文69种治疗方案61 540份实验数106万份床报告根医生输入病例提取患者属性根属性查找床指南确定候选治疗方案然搜索证数库查找选项支持证根佳证沃森算法出佳供考虑治疗方案出具体参考文献
[1011]目前WFO国致性研究肯定2016年圣安东尼奥会议采双盲法较WFO印度Manipal癌症中心638例乳腺癌患者做出治疗建议致率达93[12]根青岛学附属医院肿瘤精准医学中心项400例患者参加研究表明WFO提供治疗建议肿瘤中心专家某癌种方面取高度致性卵巢癌肺癌等胃癌宫颈癌等癌种致性相较低（卵巢癌96肺癌80乳腺癌80直肠癌74宫颈癌64胃癌12）[13]面数WFO具优势：①目前床医生特年轻医生欠缺学时间床验根新资料显示整2015年全球发表关癌症研究文计44万余篇床实践中医生医疗数增长快速面床工作巨压力床医生没时间阅读量文献沃森做WFO帮助医生制定佳治疗方案减少医生查阅解新文献资料耗时间提高床工作效率缩短年轻医生培养年限②WFO世界患者国际权威实时前诊疗方案治疗更加规范化标准化③WFO会疲倦连续工作弥补医生疲劳产生差错实践中逐渐发现某方面具定缺陷：①目前指南文献基国外新数整理成缺乏国土数土原研药WFO未收录国患者体质西方患者体质差异较导致诊疗方案国外新免疫靶药步入国需周期国床应受定限制②WFO应较局限说明书中明确表明支持线化疗失败18岁妊娠患者等涉类癌种中类明确标明适适范围种情况WFO难准确握适适度③WFO然吸收量数资料关研究表明做出治疗建议完全基全面证类监督员者操作者WFO决定MSKCC时候支持治疗建议证薄弱输入沃森便诊疗建议带MSKCC偏甚时候会出现错误[14]
WFO专家致认会医生聪明干助手更帮助医生进行诊断学WFO毕竟没类思维情感床实践中医生疾病判定复杂程时候仅仅解决患者生理问题时候需解决患者心理问题[15]医生会根患者家属情感沟通交流出委婉解释适合治疗选择WFO做目前WFO取代医生
22智图识系统
床工作中医生诊断患者诉症状影资料等床病理更诊断金标准[16]然目前未款WFO样成熟产品市场化者说家熟知基工神网络（Artificial Neural NetworkANN）卷积神网络（Convolutional Neural NetworksCNN）做出种工智模型已图识领域发展年[17]首先图识技术分析X射线CT扫描MRI病理切片等图资料[18]张病理切片通常包含数百万细胞病理医师天需分析张病理切片疲劳阅片现象非常普遍影科医生样许研究员发现便例患者影科医生病理学家出诊断会2017年项研究发现病理学家乳腺癌诊断致率 753甚某异型乳腺癌中诊断致率竟降48想知少患者面着误诊风险着工智技术兴起工智影病理读片速度准确度已达媲美医生程度ESTEVA等[19]通13万张痣皮疹皮肤病变图训练CNN基础工智系统识中皮肤癌21位皮肤科医生诊断结果进行发现诊断准确率医生相达91CICERO等[20]CNN深度学35 038张胸部X线片胸腔积液心影增肺实变肺水肿气胸进行标记工智系统判断疾病特异度灵敏度高高达91HAZLETT等[21]采3层深度学网络315参数（包括性脑区体积面积厚度等）进行降维预测闭症高危婴患闭症性准确率达94外肺结节[22]乳腺癌[23]脑瘤[24]前列腺癌[25]分级分类问题达90左右准确率工智运传统眼底镜影诊断时遇问题传统眼底镜CTMRI等拍摄出眼底镜片曝光程度偏心程度视野范围等方面存较差异预处理时消差异难题工智判断视网膜病变程度达类专家持程度
特异度灵敏度高达90算法行性床实践中进步完善明确[26]
工智图识系统重应影基组学研究传统基分析基创穿刺活检者术病理进行具定风险基组学出现解决问题基组学通提取影学特征基组特征通工智技术完成关联实现疾病非侵入式诊断鉴预疗效评估影基组学具创性重复性成低廉等优点发展处初步阶段具诸局限性研究样影学目标区域标定缺乏统标准床转化致性较低等否认着工智发展
影基组学医学领域尤肿瘤研究工作中发挥更加积极作改变肿瘤患者诊断治疗预
目前工智图识系统面着挑战：①数质量问题影数质量直接决定工智模型学结果基础问题标准影数规范标注工智图识发展关键国医院设备厂商导致影数设备造影剂剂量层厚成深度等会造成影成时影数必须验丰富影科医师标注机器学发展工智图系统图数亟须规范化标准化②应范围问题众周知影科医师鉴种疾病现工智图识系统集中单病种领域例肺结节筛查等肺结节筛查仅仅胸部疾病部分量肺癌肺炎结合等造成异病影异影病现象工智图识系统难检出造成床影科医生然前景目前积极性高③隐私泄露问题工智图识系统程中需挖掘量患者信息存储云端造成患者信息泄露④责划分问题工智图识系统开始参医学影诊断样实际部分代影科医师职责出现误诊漏诊者机器问题等系列问题带患者健康切身利益造成损害应该谁负责呢？工智图识系统准确率超影科医师应该影科医师审核监督进行工作医师始终应该占导位
工智图识技术原理分割图基础检测提取特征[27]进行诊断预测基采深度学方法深度学种基ANN数进行特征学算法泛称[28]果说工智医疗领域方面会率先取突破定会图识领域许床工作中繁重工作病理诊断实验室检查诊断影学诊断AI起辅助医生诊断作甚代床医生进行独立诊断
23智手术机器
降低外科手术患者手术切口带伤害直现代外科学目标20世纪20年代外科手术微创化时代腹腔镜揭开然着腹腔镜应局限性发现首先手术角度非常机械意转动样完整观察手术部位形成手术盲区次腹腔镜手术带床医生带二维手术视野恰恰限制腔镜技术更加复杂外科手术发展造成目前腔镜技术发展瓶颈进入21世纪着外科手术机器技术发展逐步进入床新技术
克服腔镜足外科手术机器全新理念带极佳治疗效果技术产生认外科手术史次革命目前外科机器手术正逐渐成微创外科手术流众外科机器中2000年7月通美国FDA认证达芬奇手术机器系统成世界首套正式手术室中机器手术系统目前达芬奇外科手术机器系统外科开始应泌尿外科[29]心胸外科[30]胃肠外科[31]肝胆外科[32]妇科[33]等目前全球已33国家800家医院成功开展60万例机器手术三维立体高清显准确清晰定位手术部位操作安全稳定创伤恢复快达芬奇手术机器成目前外科微创手术首选然达芬奇手术机器已运广泛缺陷容忽视：①目前触觉反馈系统缺乏床外科医生双手直接接触具体真实手术部位具触觉反馈样判断手术部位组织质弹性波动等性质②达芬奇手术机器操作技术复杂外科医生需学周期较长外科医师该系统配合需长时间磨合③存安装复杂价格昂贵否认着达芬奇机器发展胶囊机器微型手术机器等手术方式会越越微创化智化时会促进医疗领域发展
24智病房
传统病房医生护士工作患者提供医疗服务方减轻患者床医务工作者压力家医院正构建智化病房位费城托马斯·杰斐逊学医院2016年便推出沃森系统支持智化病房病沃森系统进行语言互动仅通语言指令调节百叶窗灯光室温等满足基需求更通新系统询问相关医疗护理问题外该系统患者话存储起便进行医疗护理提供便利该病房旨通智化系统提升患者住院体验时降低医生护理员工作压力样智化病房构建仅普通病房应ICU中样适美国AreteX公司开发样项系统解决ICU患者呼吸机辅助呼吸时身体机呼吸节奏步产生机抗问题基患者集体状况患者呼吸机数产生类型机步问题信号时反馈护理员医师患者机抗窘境中解放出外该公司设计款动流体理系统改变传统输液模式医生制定速度护理员执行段时间根患者集体情况适调节速度传统模式患者时液体量少速度快慢产生良反应该系统通机器学握体输液产生反应动调节患者般状况保持稳定降低良反应发生率
科患者特殊性常常会产生必医疗纠纷应该Alderhey童医院解决问题英国科技设备委员会哈特里中心研发款医患沟通台该台通患家属询问系列问题包括喜欢颜色游戏电影停车餐饮卧室环境等问题学外会诊疗手术麻醉相关问题摄入中台完成患者入院前沟通环节帮助患家属完成入院流程程更加畅简便
智化病房处床试验阶段已出相较普通病房巨优势：①目前医疗工作中约三分顾部分常常容易压力巨医疗员忽视相较宣传手册装载患者信息智化病房系统缓解患者疾病压力繁忙医务工作带压力时缓解医务员患者沟通压力②智化病房系统医务员实时解患者病情变化医务工作变更加省时省力时减少医务员繁忙疲惫造成必疏忽③智化病房系统患者住院流程更加规范化简便省时省力
25工智穿戴医疗设备
年手环手表等代表检测心率穿戴设备层出穷工智穿戴设备医疗领域应越越广泛工智穿戴医疗设备指直接穿戴身便携式医疗设备工智穿戴医疗设备作种新型医疗技术正成分析测量身体状况记录生理参数告知药时间组成部分 [3436]实时记录心率呼吸血压血糖血氧等体基指标真正意义帮助追求更健康生活方式积极踪体代谢状态疾病诊断治疗提供持续化医疗数生命体征数化目前简单复杂分动监测仪监测装置诊断治疗设备[37]目前着柔性电子电化学生物传感器微流体技术蓝牙工智等技术发展工智穿戴医疗设备发展增速工智穿戴设备皮肤眼镜牙齿甚脑进行形接触收集生化电生理信号检测体变化目前市场穿戴医疗设备形态异包括智手表腕带助听器头戴显示器电子鞋皮传感器等等包括特征：穿戴性移动性持续性简单操作性交互性[38]家初创公司（BACtrack）设计种穿戴传感器测量出汗时血液中酒精含量种穿戴设备测量饮酒惯踪酒精穿戴设备PROOF利酶电化学传感器测量出汗酒精浓度种设备极传感器墨盒超12时酒精连续测量设备许减少酗酒产生安全事心脑血疾病外种新型胰岛素泵相联合传感器开发出监测血液葡萄糖浓度防止低血糖发作天中严格控制葡萄糖浓度种葡萄糖传感器胰岛素泵通信产生闭环
反馈控制葡萄糖浓度血液提供实时血糖监测通智手机板电脑智手表进行监测中葡萄糖浓度低高时智手机应程序会患者发送音频警报帮助患者控制血糖智运动鞋已开发出体运动状态进行分析纠正运动步态改善运动惯甚提高运动性[39]
综述工智穿戴设备应医疗领域具优势：①实时监测患者健康数患者时解健康状况节省患者医院检查费时间成尤适慢病理②穿戴设备时性更调配整合医疗资源提供基础医院根患者时数反馈实现门者远程会诊降低医患双方成③穿戴设备实现全民健康数采集医疗数发展提供基础应该医疗穿戴设备目前成熟医疗穿戴设备提供检测数缺乏标准安全具保障次市场竞争激烈式样产品参差齐缺乏力监然目前医疗穿戴设备数检测工智医疗移动医疗成未趋势未穿戴医疗设备会更普遍户带检测诊断治疗建议体化服务
24工智医疗领域应
述应外工智医疗领域方面研究正飞速发展着智制药通工智进行药物筛选早期药物设计进行指导[39]智外骨骼帮助瘫痪患者行走[40]智健康理等等里赘述
目前工智床方面处试研究阶段没真正历史性突破研发发展处台期（缓慢升期）正累积量事情包括全世界文明呈现指数规律发展工智定样毋庸置疑未工智会遍布医疗领域方方面面
3．工智应医疗领域伦理问题
着工智越越广泛应伦理问题忽视医疗伦理古贯穿整医学世界目前涉问题
31工智体权责问题
首先工智技术医疗领域应中面体问题体权责问题工智许疾病方面准确率达甚超越医生水然准确性
100存误诊性者手术机器应中手出现断电障错误操作等严重问题导致患者死亡 样果堪设想导致现行医疗事处理条例侵权责法法律框架责认定问题责认定问题中体资格确定必然涉未工智技术成熟限接医生然会面着逾越障碍传统法律体概念智机器首先意识成法律体证明机器意识受类控制极困难果谁应该AI系统终决策负责果出错误谁承担果前阶段医生监控工作理然目前终权责医生身未床广泛AI系统亟解决问题未许会样种模式AI系统出现差错系统身问题导致医疗纠纷时技术层面AI系统生产厂商进行问责建立完善责赔偿体系许保障AI床规范应
32患者数隐私泄露风险
工智带数隐私保护问题隐私容许意侵犯医疗数具敏感性私密性具极研究商业价值工智收集数容易系统者收集转卖组织次医疗数存储云端互联网中会种方式盗取系统漏洞黑客攻击等患者医疗数泄露会导致种严重果首先会导致药厂私立卫生机构患者进行推销医疗产品等服务次会导致骗子针性进行诈骗等活动隐私泄露会体家庭造成巨影响财产损失保护患者医疗数隐私十分重国家需快出台信息保护法保护隐私防止隐私泄露
33安全性风险问题
工智安全性风险指工智系统时会出现安全性问题工智系统运行全周期理应安全适行情况验证安全性成熟工智医学系统应该协助医生完成医疗活动救治患者成熟稳定系统会损害医疗活动甚剥夺患者生命典型例子文提WFO系统市初根报道WFO医学专家发现推荐安全错误诊疗方案方案源MSKCC少量专家推荐相关指南[9]外国真实案例表明WFO常会提出错误诊疗方案出诊疗方案程底层技术许存严重安全性问题例WFO提出诊疗方案会包括严重出血史肺癌患者会导致出血抗癌药物
床肿瘤学专家角度判断种药方式患者致命结果表明工智系统应医学领域导致误诊漏诊造成患者生命安全样结果医生患者工智生产厂商说件难承受事情国工智安全性风险监处探索阶段工智技术发展迅速医疗领域应研究日新月异目前尚未通审批工智系统国家出台相关政策迫眉睫
34伦理保护问题
工智新药筛选基技术等研究中涉伦理保护问题2018年11月健康体胚胎进行基编辑毫监状况出生婴露露娜娜引发广泛关注先科学家群体发文该研究项目伦理问题提出质疑次引发新技术应伦理关注工智技术新药筛选基研究干细胞研究等生物医学前领域带高效研发成优势毋庸置疑伴着技术应果伦理关防止伦理潘拉盒开启关重工智技术读取基数制造导致基变异生化武器未床试验单纯药物数中开发新药否会涉禁忌药物开发医疗数中种族性等信息会否导致工智某群体诊疗歧视会否克隆等反伦研究禁忌领域研发
4．结
综述工智会未类医疗发展方趋势毋庸置疑医疗领域工智会取代医生否认工智正非常快速意志转移进入日常生活工智PETCTMRCT等医疗仪器应样着新技术发展医生患者病情解更加精准早发现早期病变医生认知业务力提高样未医疗新时代工智时代工智会取代医生会更辅助医生进行工作伦理问题需面挑战着科技进步法律法规进步完善疑未医疗会工智辅助更加精准化规范化智化
参考文献
[1] Lawrence D R PalaciosGonzález C Harris J Artificial intelligence[J] Camb Q Healthc Ethics 2016 25(2)250261
[2] 王锡山．未医学时代：工智诊疗[J]．中华结直肠疾病电子杂志20176(4)：349352．
[3] Coles L The application of artificial intelligence to medicine[J] Futures 1977 9(4)315323
[4] Gardner R M Artificial intelligence in medicine Is it ready[J] J Clin Monit Comput 1986 2(3)133134
[5] Peek N Combi C Marin R et al Thirty years of artificial intelligence in medicine (AIME) conferences A review of research themes[J] Artif Intell Med 2015 65(1)6173
[6] Adlassnig K P Artificialintelligenceaugmented systems[J] Artif Intell Med 2002 24(1)14
[7] 卢培佩胡建安．计算机专家系统疾病诊疗中应发展[J]．实预防医学201118(6)：11671171．
[8] Shortliffe E H Axline S G Buchanan B G et al An artificial intelligence program to advise physicians regarding antimicrobial therapy[J] Comput Biomed Res 1973 6(6)544560
[9] Alessandra CurioniFontecedro A new era of oncology through artificial intelligence[J] Esmo Open 2017 2(2)e000198
[10] Hanmiltn J G Genoff Garzon M Westerman J S et al A Tool Not a Crutch Patient Perspectives About IBM Watson for Oncology Trained by Memorial Sloan Kettering[J] J ONCOL PRACT 2019 15(4)e277e288
[11] Malin J L Envisioning Watson as a rapidlearning system for oncology[J] J Oncol Pract 2013 9(3)155157
[12] Somashekhar S P Sepúlveda M J Puglielli S et al Watson for Oncology and breast cancer treatment recommendations Agreement with an expert multidisciplinary tumor board[J] Ann Oncol 2018 29(2)418423
[13] Zhou N Zhang Chuan‐Tao Lv Hong‐Ying et al Concordance Study Between IBM Watson for Oncology and Clinical Practice for Patients with Cancer in China[J] The Oncologist201924（6）：812819
[14] Choi Y I Chung J W Kim K O et al Concordance Rate between Clinicians and Watson for Oncology among Patients with Advanced Gastric Cancer Early RealWorld Experience in Korea[J] CAN J GASTROENTEROL 2019 201916
[15] 江泽飞许凤锐．肿瘤医生眼中工智[J]．精准医学杂志201833(1)：91114．
[16] Gurcan M N Boucheron L E Can A et al Histopathological image analysis A review[J] IEEE Rev Biomed Eng 2009 2147171
[17] 李彦冬郝宗波雷航．卷积神网络研究综述[J]．计算机应201636(9)：250825152565．
[18] 刘士远萧毅．基深度学工智医学影学挑战机遇[J]．中华放射学杂志201751(12)：899901．
[19] Esteva A Kuprel B Novoa R A et al Corrigendum Dermatologistlevel classification of skin cancer with deep neural networks[J] Nature 2017 546(7660)686
[20] Cicero M Bilbily A Colak E et al Training and validating a deep convolutional neural network for computeraided detection and classification of abnormalities on frontal chest radiographs[J] Invest Radiol 2017 52(5)281287
[21] Hazlett H C Gu H B Munsell B C et al Early brain development in infants at high risk for autism spectrum disorder[J] Nature 2017 542(7641)348351
[22] Setio A A Ciompi F Litjens G et al Pulmonary nodule detection in CT images False positive reduction using multiview convolutional networks[J] IEEE Trans Med Imaging 2016 35(5)11601169
[23] Zanjani F G Zinger S Piepers B et al Impact of JPEG 2000 compression on deep convolutional neural networks for metastatic cancer detection in histopathological images[J] J Med Imaging (Bellingham) 2019 6(2) 027501
[24] Qureshi H Sertel O Rajpoot N et al Adaptive discriminant wavelet packet transform and local binary patterns for meningioma subtype classification[J] Med Image Comput Comput Assist Interv 2008 11(Pt 2)196204
[25] Litjens G Sánchez C I Timofeeva N et al Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosis[J] Sci Rep 2016 626286
[26] Gulshan V Peng L Coram M et al Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs[J] JAMA 2016 316(22)24022410
[27] 许燕汤烨闫雯等．病理工智现状展[J]．中华病理学杂志201746(9)：593595．
[28] Lecun Y Bengio Y Hinton G Deep learning[J] Nature 2015 521(7553)436444
[29] 韩辉黄康博．机器手术泌尿生殖系统肿瘤中应进展[J]．床外科杂志2017(1)：3639．
[30] 李鸿浩刘雪梅昝懿恒等．达芬奇机器手术系统国胸心外科应科学性伦理学系统评价[J]．中国胸心血外科床杂志201421(3)：380388．
[31] 贾宝庆 达芬奇机器胃肠手术中应[J] 中华腔镜外科杂志(电子版) 2017 10(5)281282
[32] 张绍庚 达芬奇机器肝脏手术中应[J] 中华腔镜外科杂志(电子版) 2017 10(5)286287
[33] 陈必良 达芬奇机器妇科手术中实践[J] 中华腔镜外科杂志(电子版) 2017 10(5)288289
[34] Le Hong H Velosa A Hype cycle for the Internet of Things2014 [Internet] Stamford(CT) Gartner Inc 2014
[35] Evans D The Internet of Things how the next evolution Of the Internet is changing everything [Internet] San Jose (CA) Cisco Internet Business Solutions Group：2011
[36] Haghi M Thurow K Stoll RWearable Devices in Medical Internet of Things Scientific Research and Commercially Available Devices[J] Healthc Inform Res 2017 23(1)415
[37] IMS ResearchWorld Market for Wearable TechnologyA Quantitative Market Assessment2012[R]2012
[38] S Patel H Park P Bonato et alA Review of Wearable Sensors and Systems with Application in Rehabilitation[J] J Neuroeng Rehabi 2012 21(17)1516
[39] Yetisen Ali K MartinezHurtado Juan Leonardo UEnal Baris et al Wearables in Medicine[J] Advanced Materials 30(33)17069101170691026
[40] Zhang L Tan J Han D et al From machine learning to deep learning progress in machine intelligence for rational drug discovery[J] DrugDiscov Today 201722（11）：16801685
[41] 唐智川 张克俊 李超等 基深度卷积神网络运动想象分类脑控外骨骼中应[J] 计算机学报 2017 40(6)13671378
缩略词表
英文缩写
英文全称
中文名称
AI
Artificial Intelligence
工智
WFO
Watson for Oncology
沃森肿瘤
SCLC
small cell lung cancer
细胞肺癌
NSCLC
nonsmall cell lung cancer
非细胞肺癌
MSKCC
Memorial SloanKettering Cancer Center MSKCC
纪念斯隆凯特琳癌症中心
ASCO
American Society of Clinical Oncology(ASCO)
美国床肿瘤学会
DTC
Differentiated Thyroid Carcinoma
分化型甲状腺癌
EGFR
epidermal growth factor receptor
表皮生长子受体
EGFRTKI
epidermal growth factor receptortyrosine kinase inhibitor
表皮生长子受体酪氨酸激酶抑制剂
PD1
programmed cell death1
程序性死亡受体1
PDL1
programmed cell deathLigand
程序性死亡受体配体1
ICU
Intensive Care Unit
重症监护护理病房
GPS
Global Positioning System
全球定位系统
VEGF
Vascular endothelial growth factor
血皮生长子
LUAD
Lung adenocarcinoma
肺腺癌
LUSC
ANN
CNN
Lung squamous cell carcinoma
Artificial Neural Network
Convolutional Neural Networks
肺腺癌
工神网络
卷积神网络
致谢
记初次踏入青岛学2017年时光荏苒转眼间已青岛学度硕士生涯三年回顾硕士生涯3年天开心天学天奋进天拼搏时天值回忆铭记踏入青岛学进入青岛学附属医院成青医家庭份子种命感油然生三年点点滴滴成长进步源青青医三年仅成长青岛学年座拥限魅力城市样断成长仅仅3年间见证青岛学青医附院青岛翻天覆变化相信青岛学青医附院明天会更加辉煌感谢母校青医3年培养
时需感谢导师著名肿瘤精准治疗专家张晓春教授三年学中予精神指引鼓励生活微关怀学科研精确指导导师名启蒙者位慈母生道路领路胸怀宽广学术渊博眼界开阔态度严谨心态乐观豁达极受尊重学者言传身教学识品格学生模范生道路提供鉴笔巨精神财富张传涛李田军侯磊朱静娟等带教老师予极支持帮助老师生活床总耐心细心指引帮助解决种困难事情总喜欢商量请教教学会道理明白事情
里感谢周娜老师毕业文指导遍遍厌烦帮修改细心指出错误没完成篇文写作
感谢理想信念起奋斗伙伴包括：门赵德泽秦康梁宇师妹师弟孙丹彤韩骐蔓曲家鳞王力等学工作生活中予力支持帮助
感谢肿瘤精准医学中心全体老师全体学工作学生活予莫关心支持帮助
直关心帮助支持家朋友老师学表示真诚谢意美祝福
学位文独创学位文独创性声明
声明呈交学位文系导师指导独立完成研究成果文中法引成果均已做出明确标注许文容未包含法律意义已属形式研究成果包含已学位申请文成果
违反述声明愿意承担引发切责果
文作者签名： 日期： 年 月 日
学位文知识产权权属声明
导师指导完成学位文相关职务作品知识产权属学校学校享方式发表复制公开阅览阅申请专利等权利离校发表学位文该文直接相关学术文成果时署名单位然青岛学
学位文属：
保密 □ 年解密适声明
保密□
（请方框√ ）
文作者签名： 日期：年月日
导 师 签 名： 日期： 年 月 日
性声明学位文知识产权权属声明
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
