現階段，國內從事醫療人工智能的企業風靡云涌，它們中，大多是圍繞醫技科室的影像閱片工作開展業務。不少企業的產品功能單一，同質化現象較為嚴重。

然而，臨床科室作為醫院的核心，直接關系到醫療質量與患者健康，在這些企業里，以臨床科室為服務對象的公司卻屬于少數派，思派集團網絡便是其中一家直接以服務于腫瘤臨床醫生為宗旨的創新型企業。

人工智能是個性化醫療的基礎

個性化醫學也被稱為精準醫學：是指以患者的個性化信息為基礎，包括臨床及各種組學信息等相關信息，通過醫療決策、實踐和干預措施，為病人量身設計出最佳治療方案，以期達到治療效果最大化和副作用最小化的一種定制醫療模式。

現階段，個性化醫療或精準醫療已經成為世界醫療界的熱點，國際制藥巨頭早已把個性化診療作為研發的方向。

一般來說，個性化醫療包括兩方面的內容：

一是個性化診斷與評估：主要涉及多種信息的整合，依托分子診斷技術、臨床大數據及云計算技術。在當前，因為分子水平的組學數據還不完善，因此更好的利用與挖掘臨床數據也是精準醫學的重要部分。通過對單個患者相關信息的采集檢測，得出相關診斷與評估結果，對需要整合多種因素的復雜情況，還要依賴數據挖掘算法等人工智能技術的輔助。

二是個性化治療：可以根據評估的風險對患者采取個性化的治療，實現“量體裁藥”。

據思派網絡首席人工智能官陶英博士介紹，個性化醫療的實現，至少需要三個因素的支撐：

1、臨床指南；

2、個體化的患者真實數據；

3、人工智能的算法和模型。

臨床指南為個性化醫療提供了基本的決策參考，目前，各個國家、學科、學會發表了各種各樣的疾病治療指南和共識。指南和共識，是針對某個特定疾病的治療或者特定藥物的使用，根據目前已有的研究證據，形成的觀點和意見，用來指導普通的醫生的臨床實踐。

通常情況下，臨床指南針對的是某個患者群體，總體上比較寬泛。由于每位患者的情況不同，因此臨床指南無法給出一個明確的、覆蓋所有患者的個性化方案。一些不常見的情況往往覆蓋不足，比如高齡患者同時患有多種并發癥的情況。

目前，大多數情況下，針對指南沒有覆蓋的病例醫生需要根據自己的經驗判斷，進行個性化治療。然而，這樣存在著很多問題，包括醫生的經驗未必足夠，整合多種因素準確科學地計算各種風險的概率對人類醫生難度很大等。

在此背景下，結合患者真實數據，通過機器學習等算法進行數學建模，利用數學模型對患者進行風險評估，最終形成臨床決策，成為了輔助醫生個性化醫療的重要方向。

如何建立一個個性化預測模型？

據陶博士介紹，思派網絡正在研發腫瘤化療所致的不良反應的風險預測，項目命名為“福爾摩斯”。陶博士還說，個性化預測模型的建立，需要如下的幾個步驟：

首先需要確定預測的內容，解決的醫學問題；然后根據預測內容，收集相關患者的個體真實數據，而非群體的統計型數據。截至目前，思派網絡已經建立了約45萬份患者的腫瘤數據庫。這些數據來源于300多家醫院的700多個腫瘤相關科室。

數據庫形成之后，下一步需要對數據進行清洗、建模，包括選擇一些數據算法，根據算法反復優化模型參數，使得模型的預測效果最好，例如，使得ROC曲線下的面積（AUC）最大。

以思派的化療惡心嘔吐預測模型為例，該模型收集的數據庫包括12000例肺癌患，23292個系統治療周期，橫跨12個省份的19個腫瘤相關科室，通過多輪的測試，最終選擇了泛化能力最強、最健壯的樸素貝葉斯算法進行統計分析。

這種算法可以給出一個比較準確的風險概率，醫生根據這個概率結合臨床指南就可以給出個性化的化療嘔吐的預防方案。

例如，對風險大于90％的患者需要給予三種止吐藥，對風險小于10％的患者可以不予給藥，對二者之間的可以給予一種或兩種藥，這樣的個性化處理可以最大程度的預防不良反應的發生，同時又可避免過度用藥。

對模型的評價，如果是二分類問題，最常用的方法是ROC曲線下面積，以真陽性率（靈敏度）為縱坐標，假陽性率（1－特異度）為橫坐標繪制的曲線。

一般來說，ROC曲線下的面積值在1．0和0．5之間。在AUC＞0．5的情況下，AUC越接近于1，說明診斷效果越好。AUC在 0．5～0．7時有較低準確性，AUC在0．7～0．9時有一定準確性，AUC在0．9以上時有較高準確性。AUC＝0．5時，說明診斷方法完全不起作用，無診斷價值。AUC＜0．5不符合真實情況，在實際中極少出現。

當模型初步建好后，模型還需要在醫院的真實場景下進行驗證，才能確定最終模型。在此過程中，模型還可能會出現一些過擬合的問題。得益于較大的數據量，目前，思派的化療惡心嘔吐模型在醫院的實際驗證中，AUC達到了0．87，在業內屬于較高水平。

見下圖：

由于一些腫瘤的病例數量較少，因此思派主要針對一些大的癌種如肺癌、結腸癌設計模型。據透露，除化療惡心嘔吐不良反應外，思派還正在研發對醫生和患者更為重要的化療導致的骨髓抑制預測模型，并且已經獲得比較好的初步結果，正有待在醫院場景下的進一步驗證。

思派的決策工具主要依托于微信公眾號和APP進行產品開發和驗證。目前，微信公眾號平臺已經有1000多位醫生在使用。只要是思派腫瘤數據庫的使用者，都可以開通APP產品，對醫生而言，這相當于開通了一個“移動數據庫”。

人工智能產品能否用在臨床上？

人工智能能否在現階段應用于臨床科室的個性化醫療？最有發言權的，當屬臨床醫生。對此，動脈網采訪了兩位國內頂級醫院的腫瘤專家，希望能從他們那里得到問題的答案。

據北京大學腫瘤醫院腎癌黑色素瘤科副主任醫師崔傳亮介紹，現階段腫瘤的治療主要分為三大類：包括免疫治療、靶向治療以及傳統化療。

醫生在選擇治療方案時，首先是確定大的治療方向，確定是使用免疫治療藥物、靶向藥物或是傳統的化療。方向確定后，醫生會根據患者的臟器功能、轉移位置結合藥物的不良反應等，選擇一些具體的藥物。

在這一過程中，臨床指南的作用在于藥物大的方向選擇，例如哪一類患者適合用免疫治療或者靶向治療以及化療，然后醫生再結合患者的一些個體化指標，比如位點突變、靶點、臟器功能情況、是否有治療的禁忌癥等，最終選擇藥物或者治療方式的種類、劑量以及療程。

關于這點，浙江大學醫學院附屬第一醫院腫瘤內科副主任醫師鄭玉龍給出了同樣的答案。他認為，在腫瘤治療上，臨床指南只能給醫生一個參考作用，具體的治療方式，還需要根據患者的肝腎功能、基因數據等差異化數據進行個性化治療。

據了解，藥物的適用范圍一般是根據證據級別來判斷。如果某種藥物已經有很高的證據級別用在某一類患者，醫生就只需要按照推薦的劑量和療程給患者使用。一般來說，證據級別越高，就越有可能加到藥物的使用說明書里。

正因如此，說明書給出的往往是藥物的推薦使用劑量和范圍，但藥物的治療范圍普遍更廣，很多適應癥并沒有能夠寫到說明書中。只有在有明確的RCT實驗證據的情況下，醫生才可以選用其作為某種疾病的治療藥物。

一旦在腫瘤治療過程中患者出現了不良反應，醫生便會根據其毒性反應程度做出不同的處理措施。一般情況下，輕度（1級）和中度（2級）的不良反應可以繼續觀察。如果是很嚴重的不良反應，如嚴重（3級）、潛在的生命威脅（4級），就會進行停藥或者減量的處理。

“通常，我們在治療的過程中都會涉及預處理，比如根據患者的狀況經濟條件，讓患者服用一些預防性的止吐藥物。”崔主任說。

由于一些醫生在不良反應方面的經驗比較少，因此很可能會把少見不良反應遺漏，或者是當成其他原因進行處理。

對此，鄭主任表示：“如果人工智能系統能夠對少見的不良反應進行提示，就能讓臨床醫生更全面地考慮患者的用藥和治療方式。”

針對人工智能產品的個性化診斷和治療方面的應用，兩位主任提出了深層次的思考：

鄭主任認為，人工智能產品一定要能反應患者的現實狀況，因此模型的準確性和數據的真實性很重要。由于現階段醫院數據的相對割裂，單靠病程記錄還無法完整地反映患者的具體情況，還需要加入隨訪、基因組等數據，才能保證結果可信。

崔主任則認為，目前類似思派的人工智能模型更適合常規的患者治療，以保證醫生診療不出現大的錯誤。但對于一些病例數較少的疾病，由于缺乏樣本量，即便通過模型給出預測結果，醫生也很難根據它下結論，所以現階段可能還不太適合去切入。因此，企業可以先通過嚴格地觀察一個群體的患者，測試模型是否能夠準確預測其藥物的療效和不良反應。

醫院、醫生、藥企、患者多方受益

據陶英介紹，思派的人工智能產品主要服務于醫院和藥企，患者則屬于最終受益方。

醫院的需求在于根據風險預測的標準，幫助醫生進行診療決策，幫助醫護人員預防和處理患者在化療和藥物治療過程中的不良反應，減少無謂用藥或者用藥疏漏。

對藥企而言，藥物產生的不良反應事件越多，對藥的市場推廣越不利。思派的人工智能產品，可以更早提示、上報和減少不良反應事件的發生。

另外，利用人工智能還可以提高患者對藥物的依從性。例如當患者出現惡心、嘔吐前，醫生可以根據風險預測，事先讓患者服用一些止吐藥物，降低其停藥的可能性，保證藥物的療效。

此外，思派的預測模型還可以用來確定新藥的禁忌癥。通過模型分析，提示企業哪類患者的不良反應較大，從而更新其產品使用說明書。

對于每一家合作的醫院科室，思派都會派遣數據錄入員，幫助醫生收集和整理數據。思派獲取到的每一位患者的數據，都會經過醫院的脫敏，所以里面不包含任何患者的敏感信息。

陶英向小編透露，思派將方向定位在腫瘤相關科室，而非目前大熱的影像或者病理科室，是因為公司認為臨床科室才是醫院的核心，看好人工智能在臨床科室的應用。