健康醫(yī)療人工智能指數(shù)報(bào)告

目錄引言引言01第一章第一章界定與分類031.數(shù)據(jù)集界定 032.研究領(lǐng)域分類 04覽061.數(shù)據(jù)與指標(biāo) 061.1.數(shù)據(jù)來源 06 2.分析結(jié)果 082.1.主要國家 082.2.研究機(jī)構(gòu) 082.3.科研合作 102.4.研究主題分布 112.5.高科學(xué)影響力論文 14 第三章第三章科學(xué)技術(shù)交叉201.數(shù)據(jù)與指標(biāo) 201.1.數(shù)據(jù)來源 201.2.學(xué)術(shù)界與產(chǎn)業(yè)界的知識流動(dòng)指標(biāo) 202.分析結(jié)果 202.1.學(xué)術(shù)界與產(chǎn)業(yè)界的知識流動(dòng)總體狀況 20 第四章第四章科學(xué)社會(huì)交互241.數(shù)據(jù)與指標(biāo)...........................................................................................................................241.1.數(shù)據(jù)來源 241.2.科學(xué)社會(huì)交互指標(biāo) 242.分析結(jié)果 252.1.多媒介提及指數(shù)較高的話題 252.2.社交媒體傳播指數(shù)較高的話題 25目錄第五章第五章人類-機(jī)器協(xié)同(AI臨床試驗(yàn))291.引言 292.數(shù)據(jù)與指標(biāo) 312.1.數(shù)據(jù)來源 312.2.分析指標(biāo) 313.分析結(jié)果 323.1.臨床試驗(yàn)數(shù)量 323.2.發(fā)起機(jī)構(gòu)分布 323.3.臨床試驗(yàn)分期 343.4.研究類型分布 343.5.干預(yù)措施類型 343.6.目標(biāo)人群(疾病譜) 353.7.樣本量分布 363.8.招募狀態(tài)分布 373.9.臨床試驗(yàn)結(jié)果報(bào)道 37主要結(jié)論391.前沿科學(xué)技術(shù)與醫(yī)學(xué)的深度融合是健康醫(yī)療人工智能發(fā)展的基礎(chǔ)，未來將在公共衛(wèi)生和 2.中國已成為健康醫(yī)療人工智能科學(xué)研究與臨床試驗(yàn)的最主要貢獻(xiàn)者之一，但在學(xué)術(shù)影響 3.健康醫(yī)療人工智能技術(shù)譜的核心是機(jī)器學(xué)習(xí)(含深度學(xué)習(xí))和醫(yī)療機(jī)器人，疾病譜以慢 4.與科學(xué)共同體的熱點(diǎn)研究主題相比，健康醫(yī)療人工智能研發(fā)與應(yīng)用的倫理學(xué)問題成為社 5.健康醫(yī)療人工智能全球臨床研究仍處于早期階段，中國以大學(xué)/醫(yī)院為發(fā)起主體，側(cè)重 引引言人口老齡化、社會(huì)環(huán)境因素變化、慢性病疾病負(fù)擔(dān)加重、新發(fā)突發(fā)傳染病等對我國人民健康帶來了巨大挑enceHealthAI)的核心是利用人工智能等前沿科學(xué)技術(shù)賦能在線發(fā)表北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院詹啟敏院文肯定了人工智能(AI)技術(shù)在健康醫(yī)療領(lǐng)域頗具潛力的手段用于常見疾病一般狀況的醫(yī)療決策。然而，由于AI院、哈佛大學(xué)等機(jī)構(gòu)，每年發(fā)布AI指數(shù)報(bào)告(AIIndexReport全球AI表《醫(yī)療人工智能：希望、炒作、浮夸承諾、危險(xiǎn)》綜報(bào)告，討論了人工智能在醫(yī)療保健領(lǐng)域的前景和風(fēng)險(xiǎn)，以及政策制定者在不確定的環(huán)境下需要解決的關(guān)鍵政策人工智能在健康醫(yī)療領(lǐng)域的研究與應(yīng)用主要集中于子健康檔案(EHR)和專家知識整合，基于AI的常見病醫(yī)療服務(wù)質(zhì)量評估、藥物不良反應(yīng)監(jiān)測等。與金融、電分落地，研究和應(yīng)用還有很大空間7。但目前尚未見從客觀數(shù)據(jù)角度系統(tǒng)分析健康醫(yī)療人工智能研究與開發(fā)狀北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院致力于促進(jìn)和引領(lǐng)人工智能在健康醫(yī)療領(lǐng)域的研究和應(yīng)用，并研發(fā)一個(gè)科研發(fā)展復(fù)合指數(shù)以供該領(lǐng)域國內(nèi)科研機(jī)構(gòu)參考。指數(shù)(Index)，即反映某個(gè)領(lǐng)域發(fā)展?fàn)顩r的多維、綜合研究概覽、科學(xué)技術(shù)交叉、科學(xué)社會(huì)交互、人類機(jī)器協(xié)同四個(gè)方面，以已發(fā)表的科學(xué)出版物和已注冊的臨床試驗(yàn)為基礎(chǔ)數(shù)據(jù)，回顧分析健康醫(yī)療人工智能領(lǐng)域最近5年(2015-2019)的全球科學(xué)研究和臨床試驗(yàn)的規(guī)模、醫(yī)療人工智能領(lǐng)域的戰(zhàn)略規(guī)劃、研發(fā)布局和臨床應(yīng)用管6He,J.,Baxter,S.L.,Xu,J.,Xu,J.,Zhou,X.,&Zhang,K.(2019).Thepracticalimplementationofartificialintelligence2.2.研究領(lǐng)域分類由于本報(bào)告的數(shù)據(jù)集以科學(xué)出版物為主，且聚焦健康醫(yī)療領(lǐng)域，因此我們考慮仍采用醫(yī)學(xué)主題詞表這一術(shù)語體系對健康醫(yī)療人工智能研究領(lǐng)域進(jìn)行分類。MeSH；剩余10,897篇科學(xué)出版物并未被MEDLINEMeSH；對于這部分科 (MTI)將標(biāo)題和摘要文本自動(dòng)映射并標(biāo)注MeSH主題詞；利用python3.7通過爬蟲將文件列表中的摘要抓題詞映射的追蹤與分析。對上述數(shù)據(jù)進(jìn)行清洗，數(shù)據(jù)符合輸入要求后輸入MTI系統(tǒng)。在得到MTI結(jié)果后，利用python程序通過識別編號將主題詞與文獻(xiàn)之間建立映射。對于已有PMID的文獻(xiàn)(n=14,820)，我們利用 (1)健康醫(yī)療人工智能技術(shù)領(lǐng)域的分類； 類，考慮采用世界衛(wèi)生組織(WHO)ICD-10分類標(biāo)準(zhǔn)，并與疾病IntelligenceInformationScience包括：計(jì)算機(jī)啟發(fā)式?jīng)Q策、專家系統(tǒng)、模糊邏輯、知識組織系統(tǒng)、機(jī)器學(xué)習(xí)、自然語言處理、計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)由于上述8個(gè)一級下位術(shù)語之間存在交叉，經(jīng)咨詢醫(yī)學(xué)信息學(xué)和醫(yī)療人工智能領(lǐng)域?qū)＜乙庖?，按如下FuzzyLogic合并，在算法層面，都是先驗(yàn)知識的形式123LL4L56位術(shù)語深度學(xué)習(xí)，往往被用于自然語康醫(yī)療人工智能涉及的主要技第第二章科學(xué)研究概覽1.1.數(shù)據(jù)來源采用由北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方融合后的數(shù)據(jù)集，該數(shù)據(jù)集含有25,717篇與HealthAI主題有關(guān)的科學(xué)出版物，基于愛思唯爾的1.2.分析指標(biāo) (1)科研產(chǎn)出及影響力指標(biāo)主體發(fā)表的包含期刊論文、會(huì)議文集、綜述文章、發(fā)表叢書的所有文章的數(shù)量，代表了被評估主體在某一個(gè)固到的總被引次數(shù)相比于與其同類型發(fā)表文章(相同發(fā)表年份、相同發(fā)表類型和相同學(xué)科領(lǐng)域)所收到的平均被的平均水平。本次分析的文章被引用其中，歸屬國家/地區(qū)定義為：只要在一篇文章的所有作者中，其隸屬研究機(jī)構(gòu)從屬于某一國家/地區(qū)，則該文章會(huì)被歸為該國家/地區(qū)的一篇文章。一篇國際合作型文章會(huì)由于署有多個(gè)國家/地區(qū)的隸屬機(jī)構(gòu)而同 (2)機(jī)構(gòu)科研產(chǎn)出及影響力指標(biāo)構(gòu)科研產(chǎn)出及影響力的評價(jià)指標(biāo)包括：發(fā)文量、FWCI和被引次數(shù)。被引次數(shù)(Citation)是指在某一個(gè)固定時(shí)間段內(nèi)被評估主體所發(fā)表文章的所有被引用次數(shù)，在一定程度上反映了被評估主體發(fā)表文章的學(xué)術(shù)影年份較久的文章，會(huì)由于積累時(shí)間較少而導(dǎo)致總被引次20 (3)科研合作指標(biāo)學(xué)術(shù)科研合作文章分為三類：國際合作 (InternationalCollaboration)、國內(nèi)合作(NationalCollaboration)和機(jī)構(gòu)內(nèi)合作(InstitutionalCollaboration)，其中：且作者中沒有隸屬于國外研究機(jī)構(gòu)，但至少有兩位作者隸屬于國內(nèi)不同的研究機(jī)構(gòu)，表明該類文章源于國內(nèi)合且所有作者全部隸屬于國內(nèi)同一機(jī)構(gòu)，表明該類文章源 (4)產(chǎn)學(xué)合作指標(biāo)和企業(yè)的合作程度。產(chǎn)學(xué)合作文隸屬單位屬于學(xué)術(shù)機(jī)構(gòu)，且至少 (5)研究主題分析研究興趣的文章所研究內(nèi)容的共同焦點(diǎn)。在Scopus數(shù)具有相似研究焦點(diǎn)的研究主題(topic)聚集在一起，形成更廣泛、更高層次的研究領(lǐng)域。在深入研究更為細(xì)分的研究主題之前，這些研究主題群可用于更廣泛地了解一個(gè)國家/地區(qū)、機(jī)構(gòu)或研究人員正在進(jìn)行的研究。 (6)高科學(xué)影響力論文分析采用論文的被引次數(shù)評價(jià)其相應(yīng)的科學(xué)影響力，分 (7)疾病分類方法了包含該表所列疾病主題詞的所有下位主題詞的映射詞MeSH群同樣通過直接被引算法計(jì)算而得，當(dāng)多個(gè)研究主題間的引文鏈接強(qiáng)度達(dá)到某個(gè)閾值時(shí)，就形成了一個(gè)研究主研究主題(群)顯著度得分(TopicProminenceScore)：每個(gè)研究主題(群)的顯著度得分是根據(jù)該研究主題(群)內(nèi)所有文章的被引次數(shù)、在Scopus中的被瀏覽數(shù)和期刊平均引用分(CiteScore)等三個(gè)指標(biāo)的線性計(jì)算得到。根據(jù)顯著度得分從高到低排名可得到本研究主題(群)的全球顯著度百分位數(shù)。已有相關(guān)研究表明9，研究主題(群)顯著度得分代表了該研究主題(群)被全球?qū)W者的關(guān)注程度、熱門程度和發(fā)展勢頭，并且研究主題(群)的顯著度得分與其所獲研究資助呈2.2.分析結(jié)果2.1.主要國家位國家的科研產(chǎn)出及影響力的分布情況詳見圖2-1。發(fā)文量排名前五位的國家依次是美國、中國、印度、英CI2.0，與全球平均水平持平(FWCI=2.0)，但低于美國 平線上，印度(FWCI=1.2)則顯著低于全球平均水平。發(fā)文量排名前五位的國家科研產(chǎn)出及影響力趨勢變的文章數(shù)量從2015年較低的269篇增長到2019年的1,819篇，年復(fù)合增長率達(dá)到46.6%。前五位國家中，文章產(chǎn)出年復(fù)合增長率最高的國家是印度，其年復(fù)合增2.2.研究機(jī)構(gòu)的科研產(chǎn)出及影響力情況見圖2-3。其中，發(fā)文量排名最高的學(xué)術(shù)機(jī)構(gòu)為上海交通大學(xué)(206篇)，其文章被文大學(xué)在前十位學(xué)術(shù)機(jī)構(gòu)中中發(fā)文量最低，但其文章的FWCI高被引次數(shù)同樣最高(3,235次)。中山大學(xué)在FWCI排名前十位的學(xué)術(shù)機(jī)構(gòu)中發(fā)文量最高(148篇)，且其被引次數(shù)排名第二(2,509次)。構(gòu)的科研產(chǎn)出及影響力情況見圖2-5。被引次數(shù)排名最高的學(xué)術(shù)機(jī)構(gòu)為香港中文大學(xué)，其被引次數(shù)達(dá)到3,235次，其文章的FWCI同樣最高(5.6)。上海交通大學(xué)在學(xué)術(shù)機(jī)構(gòu)中發(fā)文量最高(206篇)，2.3.科研合作中國、美國和全球科研合作類文章的發(fā)文量占比及合作中發(fā)文量占比均較為相近，體現(xiàn)為國際合作占比最多，機(jī)構(gòu)內(nèi)合作最少；國際合作的FWCI最高，機(jī)構(gòu)內(nèi)高于全球平均FWCI(2.8)，其余合作類型均低于相應(yīng)中國、美國和全球產(chǎn)學(xué)合作類文章的發(fā)文量占比及比與FWCI均高于中國。中國的產(chǎn)學(xué)合作類文章雖然占比低于全球平均水平，但FWCI(3.7)高于全球平均水平(3.4)。CICI2.4.研究主題分布2015-2019年間健康醫(yī)療人工智能文章的研究主題群分布情況見圖2-8。該類研究共涉及987個(gè)研究主題群，涉及學(xué)科領(lǐng)域包括醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、物理學(xué)、生物化學(xué)、遺傳學(xué)和分子生物學(xué)、環(huán)境科學(xué)、工程學(xué)及社會(huì)科學(xué)等。包含文章數(shù)最多的研究主題群為“算法、計(jì)算機(jī)視覺、模型”(Algorithms,ComputerVision、alRecognitionObject都會(huì)根據(jù)直接被引算法被歸類為一個(gè)研究主題群，即每一個(gè)研究主題群中都包含一定數(shù)量的文章，稱為該研究某個(gè)特定研究主題的文章數(shù)占該研究主題所有文章數(shù)量的比例體現(xiàn)了健康醫(yī)療人工智能對于該研究主題群的內(nèi)顯著度百分位為67.9%，其下包含71個(gè)研究主題，其關(guān)鍵詞包括“深度學(xué)習(xí)”(DeepLearning)、“神經(jīng)網(wǎng)絡(luò)”(NeuralNetwork)、“流式細(xì)胞儀”(Flow像分割”(ImageSegmentation)等。中國學(xué)術(shù)機(jī)構(gòu)參與的健康醫(yī)療人工智能文章的研究主題群分布情況如圖2-9所示，該部分文集共涉及到505個(gè)研究主題群，涉及到的學(xué)科領(lǐng)域包括醫(yī)學(xué)、計(jì)算機(jī)科學(xué)、生物化學(xué)、遺傳學(xué)和分子生物學(xué)、環(huán)境科學(xué)、工程學(xué)及社會(huì)科學(xué)等。包含文章數(shù)最多的研究主題ls0個(gè)研究主Vision)、“面部識別”(FacialRecognition)和“目標(biāo)探測”(ObjectDetection)等。該文集被收錄在每個(gè)研究主題群的全球所有文章中占比最高的研究主題群為“磁共振成像、圖像分割、醫(yī)學(xué)成像”(MagneticResonanceImaging;ImageSegmentation;MedicalImaging)，含175篇文章。該研究主題群顯著度百分位為74.6%，其下包含99個(gè)研究主題，其關(guān)鍵詞包括“腦腫瘤”(BrainNeoplasm)，“影像配準(zhǔn)”(Image表2-1高科學(xué)影響力論文(Top20)數(shù)1斷皮膚癌達(dá)到l2于計(jì)算機(jī)輔助3檢測糖尿病視4腦腫瘤分割56于醫(yī)學(xué)圖像分析8像學(xué)的應(yīng)用球網(wǎng)格化土壤信解碼射線表的剪接編碼對的應(yīng)用診斷乳腺癌女傳學(xué)和基因組學(xué)間質(zhì)性肺疾病學(xué)習(xí)在常規(guī)結(jié)腸癌和分類細(xì)胞核98429458421234567189415150353260120331200131050022000014020430112000221010010000011000210202104020211000000002010100000第三章第三章科學(xué)技術(shù)交叉1.1.數(shù)據(jù)來源采用由北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方融合后的數(shù)據(jù)集，該數(shù)據(jù)集含有25,717篇與HealthAI主題有關(guān)的科學(xué)出版物。該部分基于愛思唯爾的Scival數(shù)據(jù)平臺對學(xué)術(shù)論文被專利引用的識別和是“前向引證”，表明研究成果是否隨后被用于專利領(lǐng)域。其中專利數(shù)據(jù)庫包含了對全球五大專利數(shù)據(jù)庫的數(shù)據(jù)統(tǒng)計(jì)，分別為：全球?qū)＠諻IPO、美國專利商標(biāo)局1.2.學(xué)術(shù)界與產(chǎn)業(yè)界的知識流動(dòng)指標(biāo)計(jì)了被評估的文集作為一個(gè)整體被專利引用的專利數(shù)被專利引用的文章數(shù)(Patent-citedscholarly2.2.分析結(jié)果2.1.學(xué)術(shù)界與產(chǎn)業(yè)界的知識流動(dòng)總體狀況該領(lǐng)域內(nèi)學(xué)術(shù)界與產(chǎn)業(yè)界的知識流動(dòng)詳見圖3-1，美國文章的施引專利數(shù)量(419)遠(yuǎn)高于中國(83)，約為全球總量(863)的一半；被專利引用的文章數(shù) (172)也遠(yuǎn)高于中國(44)，同樣約達(dá)到了全球總量 (354)的一半。中國文章的施引專利數(shù)量(83)約為美國(419)的1/5；被專利引用的文章數(shù)(44)約為美國(172)的1/4。中國的44篇被專利引用的文章中，參與貢獻(xiàn)文章數(shù)排名前五的中國機(jī)構(gòu)為中國科學(xué)院、清華大學(xué)、浙江大學(xué)、香港中文大學(xué)和深圳先進(jìn)技術(shù)研究Network)、“深度學(xué)習(xí)”(DeepLearning)、“心律失?！?HeartArrhythmia、“人工智能”(Artificial中，參與貢獻(xiàn)文章數(shù)排名前五的美國機(jī)構(gòu)為哈佛大學(xué)、NIH)、麻省理工學(xué)院、范德堡大學(xué)和加州大學(xué)洛杉磯分校。出現(xiàn)頻率最高的五個(gè)關(guān)鍵詞“深度學(xué)習(xí)”(DeepLearning)、“機(jī)器學(xué)習(xí)”(MachineLearning)、“神經(jīng)網(wǎng)絡(luò)”(NeuralNetwork)、“乳腺鉬s從研究內(nèi)容來看，被專利引用前10位的研究應(yīng)用領(lǐng)域包括計(jì)算機(jī)輔助檢測、疾病診斷和分類、遺傳學(xué)和基因組學(xué)等內(nèi)容，其中7項(xiàng)研究涉及圖像識別技的研究為NIH于2016年將深度卷積神經(jīng)網(wǎng)絡(luò)用于計(jì)算機(jī)輔助檢測(Shinetal.,2016)的研究，被引次數(shù)高達(dá)23次；奈梅根大學(xué)在2016年有塔爾大學(xué)和華威大學(xué)在2016年開展的有關(guān)結(jié)腸癌檢測al機(jī)器學(xué)習(xí)用于遺傳學(xué)和基因組學(xué)的研究，被引次數(shù)分別AI技術(shù)應(yīng)用于疾病的診斷和分類上，包括冠狀動(dòng)脈相關(guān)研究2項(xiàng)，細(xì)胞核分類、皮膚癌診斷、組織病理學(xué)診斷相關(guān)研究各1項(xiàng)。其中，飛利浦公司在2017年做的有關(guān)深度學(xué)習(xí)在冠狀動(dòng)脈病變血流動(dòng)力學(xué)評估中的準(zhǔn)確性l有2家機(jī)構(gòu)是企業(yè)，分別是被引排名第3的飛利浦公司這在一定程度上說明該研究領(lǐng)域是公司近期產(chǎn)品研發(fā)的重點(diǎn)。除荷蘭的奈梅根大學(xué)有2項(xiàng)研究被引次數(shù)位于前10位外，其余單位僅有1項(xiàng)研究。50%的專利引用量前10位的研究來自美國，除卡塔爾和以色列2個(gè)亞洲次數(shù)前101計(jì)算機(jī)輔助檢測學(xué)和基因組學(xué)研究3腔自動(dòng)分割算法45動(dòng)脈斷層掃描6剪接編碼對于疾病遺傳78膚癌達(dá)到皮膚病專家9習(xí)在常規(guī)結(jié)腸癌組織學(xué)圖胞核理學(xué)診斷準(zhǔn)確性和效3.HealthAI細(xì)分領(lǐng)域科學(xué)-技術(shù)交叉在專家系統(tǒng)及決策規(guī)則這兩個(gè)AI子領(lǐng)域中，被專利引用的文獻(xiàn)及引用文獻(xiàn)的專利數(shù)量均為0，這兩個(gè)領(lǐng)人領(lǐng)域的被引數(shù)量也相對較高(表3-2)。但總體被專利引用文獻(xiàn)數(shù)量較每年發(fā)表的文獻(xiàn)數(shù)量仍然有兩個(gè)數(shù)量633100520000112231212100000000第四章第四章科學(xué)社會(huì)交互1.1.數(shù)據(jù)來源采用由北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院和愛思與HealthAI主題有關(guān)的科學(xué)出版物。該部分基于愛思平臺對各類學(xué)術(shù)研究成果的交流、分享以及互動(dòng)進(jìn)行廣泛的數(shù)據(jù)統(tǒng)計(jì)和研究，進(jìn)而對學(xué)術(shù)研究成果的社會(huì)影響1.2.科學(xué)社會(huì)交互指標(biāo)其他方式被研究的程度，包含該文章繼被引次數(shù)之后另一個(gè)想要了解的統(tǒng)注意力指數(shù)(Capture)：注意力指標(biāo)體現(xiàn)該研究的”、“讀者”、“導(dǎo)出”、“訂閱”被博客ia標(biāo)體現(xiàn)了研究工作在社交媒體上被傳播的程度，包含PlumX分別給出每篇文章在上述4個(gè)指標(biāo)上的分社會(huì)影響力，本報(bào)告僅納入多媒介提及指數(shù)和社交媒體以下詳細(xì)分析全球和中國學(xué)者發(fā)表的社交媒體傳播1項(xiàng)回顧性研究和9項(xiàng)試驗(yàn)性研究。全球社pTwitter、Facebook原因，中國的研究被社交媒體傳播頻次顯著較低，全球范圍內(nèi)被傳播次數(shù)最多的研究為北卡羅來納大學(xué)在2017年做的“有關(guān)自閉癥譜系障礙高達(dá)100,260次，遠(yuǎn)高于其他研究被報(bào)道的次精神疾病、臨床結(jié)局預(yù)測、放射學(xué)、腫瘤學(xué)以及常見病多發(fā)病的評估等研究方向。而中國被大眾媒體報(bào)道次數(shù)最多的研究為深圳大學(xué)所做的有關(guān)“厭惡感知神經(jīng)基礎(chǔ)容涉及心理疾病、醫(yī)療關(guān)系、癌癥、帕金森病和心血管等常報(bào)道內(nèi)容更多涉及常見病、多發(fā)病以及醫(yī)療衛(wèi)生領(lǐng)域公國國家經(jīng)濟(jì)研究局和麻省理工學(xué)院合作的有關(guān)晚年醫(yī)療支出預(yù)測模型(Einavetal.,2018)的研究與美國老齡化我國被社交媒體高頻報(bào)道和傳播的10項(xiàng)研究均來自各大高校的研究結(jié)果，其中中國電子科技大學(xué)參與度較其他高校更高；而全球范圍內(nèi)被高頻報(bào)道的研究所涉及的機(jī)構(gòu)類型較為多元化，除大學(xué)外還包括IBM公司(Bedietal.,2015)、美國放射學(xué)學(xué)會(huì)和猶太民族健康協(xié)發(fā)表時(shí)間看，全球范圍內(nèi)被高頻報(bào)道前10位的研究中研究中有5項(xiàng)研究于2019年發(fā)表，相對于高科學(xué)影響力和高技術(shù)影響力的研究僅有1項(xiàng)于2019年發(fā)表(存在較長的引用時(shí)滯)，提示社交媒體對科學(xué)研究的反饋12測模型3作4歸在臨床預(yù)測模型的應(yīng)用5學(xué)中的應(yīng)用6療的多模態(tài)試驗(yàn)7序預(yù)測埃博拉患者的預(yù)后8尿病風(fēng)險(xiǎn)分層9機(jī)器學(xué)習(xí)“應(yīng)對倫理挑戰(zhàn)”1礎(chǔ)在種族偏見中的研究2心源性猝死的預(yù)測、管理和未來挑3床文本中的醫(yī)療關(guān)系分類應(yīng)用45性疲勞綜合征相關(guān)性中的應(yīng)6信號和外部社會(huì)線索之間的作用7學(xué)習(xí)在磁共振成像分類尋找前列8特異性結(jié)合位點(diǎn)9血管事件動(dòng)地理萎縮分割的應(yīng)用第五章人類-機(jī)器協(xié)同(AI臨床試驗(yàn))引言醫(yī)療領(lǐng)域的信息化進(jìn)程累積了海量的人類健康數(shù)升人類健康水平并減輕醫(yī)療衛(wèi)生體系現(xiàn)有的沉重負(fù)擔(dān)。據(jù)估計(jì)，全球醫(yī)療人工智能市場的價(jià)值將從2018年的20億美元增長到2025年的36億美元，年增長率達(dá)到50%12。人工智能相關(guān)的健康管理設(shè)備與臨床決策支持系統(tǒng)已經(jīng)成為當(dāng)前醫(yī)療領(lǐng)域的研究熱點(diǎn)之一?，F(xiàn)有的人工智能應(yīng)用于醫(yī)療領(lǐng)域的研究涵蓋了多種應(yīng)用場景，包括疾病篩檢，疾病嚴(yán)重程度分類，輔助診斷，疾病預(yù)后預(yù)測，臨床決策支持和治療方案推薦等。深度學(xué)習(xí)是人工智能的一個(gè)分支，在醫(yī)學(xué)成像領(lǐng)域表現(xiàn)出落地應(yīng)用的前景。隨著越來越多研究成果趣日益濃厚。美國斯坦福大學(xué)自2017年首份AI指PerformanceMilestones)清單后，健康醫(yī)療領(lǐng)域人工智能每年均有入選，包括2017年入選的“人工智能診斷皮膚癌”、2018年入選的“人工智能用于前列腺癌的分級”和2019年入選的“人工智能以專家級的準(zhǔn)確性檢測糖尿病視網(wǎng)膜病變”。在《自然》雜志2017年發(fā)表的一篇文章中，Esteva等人描述了一病的129,450張臨床圖像，并比較其與21名通過認(rèn)證的皮膚科醫(yī)生的診斷水平。比較結(jié)果發(fā)現(xiàn)人工智能系統(tǒng)有能力對皮膚癌進(jìn)行分類，其能力可比肩皮膚科對前列腺癌進(jìn)行自動(dòng)分級的總體準(zhǔn)確率可達(dá)70%，而美國委員會(huì)認(rèn)證的病理學(xué)家在研究中的平均準(zhǔn)確率為61%15。2019年的一項(xiàng)研究表明，深度學(xué)習(xí)算法能夠以專家級的準(zhǔn)確性檢測糖尿病視網(wǎng)膜病變(DR)，臨床驗(yàn)證顯示，其準(zhǔn)確度明顯高于專家16。versusclinicianssystematicreviewofdesignreporting13RaymondPerrault,YoavShoham,ErikBrynjolfsson,JackClark,JohnEtchemendy,BarbaraGrosz,TerahLyons,JamessNaturel16Ruamviboonsuk,P.,Krause,J.,Chotcomwongse,P.etal.Deeplearningversushumangradersforclassifyingdiabetic近兩年，人們可經(jīng)?？吹揭恍┟襟w新聞出現(xiàn)諸如“研究發(fā)現(xiàn)，谷歌人工智能比醫(yī)生早一年發(fā)現(xiàn)肺癌”媒體宣傳極大增加了公眾和商業(yè)對健康醫(yī)療人工智能的研究方法和偏倚風(fēng)險(xiǎn)尚未得到詳細(xì)的檢驗(yàn)。根據(jù)《英TheBMJ17，倫敦帝國理工學(xué)院的研究人員回顧了過去10年發(fā)表的研，并將深度學(xué)習(xí)算法在醫(yī)學(xué)成像方面的表現(xiàn)與臨床專家目前存在著許多關(guān)于AI與臨床醫(yī)生比肩或優(yōu)于臨床醫(yī)，也無法最大限度地保障患者的安全，而最佳策略是確保有高質(zhì)量和透明度的報(bào)告作為證據(jù)基礎(chǔ)。當(dāng)前面向人工智能相關(guān)的醫(yī)療應(yīng)用設(shè)備與系統(tǒng)的研究、評價(jià)與審批制度并不完善。2020年Nature同時(shí)發(fā)表了兩篇人工智能相關(guān)的臨床試驗(yàn)研究的報(bào)告規(guī)范指南18,19，以推進(jìn)人工智能相關(guān)的醫(yī)療應(yīng)用設(shè)備與系統(tǒng)研究的規(guī)范化進(jìn)程。國務(wù)院辦公廳于2016年發(fā)布了《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(國辦法[2016]47號)》，提出通過“互聯(lián)網(wǎng)+健康醫(yī)療”探索服務(wù)新模式培育發(fā)展新業(yè)態(tài)的目標(biāo)。自此之后，我國人工智能相關(guān)的醫(yī)療應(yīng)用設(shè)備與系統(tǒng)的臨床試驗(yàn)迅速發(fā)展，臨床試驗(yàn)研究機(jī)構(gòu)承接及牽頭試力也大幅提升。對于“研究條件”下人機(jī)可媲美能否轉(zhuǎn)化為“真及我國人工智能醫(yī)療設(shè)備與系統(tǒng)開展臨床試驗(yàn)的數(shù)量、人群、干預(yù)措施及研究設(shè)計(jì)等，旨在描述全球以及我國正在開展的健康醫(yī)療人工智能臨床試驗(yàn)的基本特征19LiuX,CruzRiveraS,MoherD,etal.Reportingguidelinesforclinicaltrialreportsforinterventionsinvolvingartificial22.數(shù)據(jù)與指標(biāo)2.1.數(shù)據(jù)來源本部分的數(shù)據(jù)來源于國際通用的臨床試驗(yàn)登記與信息公示平臺ClinicalT(https:///)。基于該數(shù)據(jù)庫提取人工智能相關(guān)Learning”、“ArtificialIntelligence”、“MachineLearning”、“AI”為關(guān)鍵詞對臨床試驗(yàn)的干預(yù)措施及標(biāo)題進(jìn)行初篩(n=782)，然后由醫(yī)療領(lǐng)域的專業(yè)人士進(jìn)行人工復(fù)篩，排除非人工智能相關(guān)的臨床試驗(yàn) 研究機(jī)構(gòu)均相同篩選出可能的重復(fù)臨床試驗(yàn)，專業(yè)人士人工判斷是否為重復(fù)臨床試驗(yàn)，排除重復(fù)臨床試驗(yàn) (n=1)；排除招募狀態(tài)為暫停、終止、撤銷的臨床試驗(yàn)(n=15)。最終，篩選出462例人工智能相關(guān)的臨2.2.分析指標(biāo)從最終篩選的人工智能相關(guān)的臨床試驗(yàn)登記數(shù)據(jù)申報(bào)日期、所在國家等；(2)試驗(yàn)設(shè)計(jì)信息：目的、 (3)試驗(yàn)實(shí)施信息：招募狀態(tài)、試驗(yàn)結(jié)果等。數(shù)據(jù)處理與統(tǒng)計(jì)分析使用Python3.7。根據(jù)名稱大學(xué)/醫(yī)院類研究機(jī)構(gòu)和企業(yè)。統(tǒng)計(jì)學(xué)方法包括描述性統(tǒng)計(jì)，使用數(shù)值(百分比)描述計(jì)數(shù)型數(shù)據(jù)。結(jié)果描述研究類型、干預(yù)措施、研究人群、樣本量的分布特征、時(shí)間變化趨勢與國家分布比較，并對已有試驗(yàn)結(jié)果的。3.3.分析結(jié)果3.1.臨床試驗(yàn)數(shù)量的462例人工智能相關(guān)的臨床試驗(yàn)。全球及數(shù)量占比前十國家每年發(fā)起的人工智能臨床試驗(yàn)數(shù)量的床試驗(yàn)的新增數(shù)量呈快速遞增趨勢，其中主要發(fā)起國為中國和美國。中國人工智能相關(guān)臨床試驗(yàn)的新增數(shù)量在試驗(yàn)的新增數(shù)量達(dá)到48例，在全球新增人工智能相關(guān)臨床試驗(yàn)中占比27.3%(2020年的數(shù)據(jù)統(tǒng)計(jì)截至2020年9月)。3.2.發(fā)起機(jī)構(gòu)分布圖5-3和圖5-4。2017至2019年，全球及中國從事過人工智能相關(guān)臨床試驗(yàn)的研究機(jī)構(gòu)數(shù)量均呈快速遞增趨勢。截至2020年，全球從事過人工智能相關(guān)臨床試驗(yàn)的研究機(jī)構(gòu)為126所，其中中國的研究機(jī)構(gòu)為27所(21.4%)。全球及中國人工智能相關(guān)臨床試驗(yàn)數(shù)量排名前十位的研究機(jī)構(gòu)見表5-1。全球人工智能相關(guān)臨床試驗(yàn)數(shù)量最多的前十位研究機(jī)構(gòu)中，中國的研究機(jī)構(gòu)占到6位。全球范圍內(nèi)人工智能臨床試驗(yàn)發(fā)起量最多的研究機(jī)構(gòu)為中國的中山大學(xué)(20例)；排在第二位的是中國的山東大學(xué)(14例)。全球、中國及美國人工智能臨床試驗(yàn)發(fā)起機(jī)構(gòu)的類型分布見圖5-5。全球人工智能相關(guān)臨床試驗(yàn)的發(fā)起機(jī)構(gòu)中，大學(xué)/醫(yī)院類機(jī)構(gòu)有171所(59.2%)，企業(yè)類機(jī)構(gòu)有118所(40.8%)。中國人工智能相關(guān)臨床試驗(yàn) (88.9%)；企業(yè)類機(jī)構(gòu)僅有6所(11.1%)。美國人類機(jī)構(gòu)有39所(60.0%)，企業(yè)類機(jī)構(gòu)有26所(40.0%)。數(shù)量排名前十位的研究機(jī)構(gòu)67565645n45343433.3.臨床試驗(yàn)分期試驗(yàn)期被研究者劃分為“NotApplicable”或者缺失，不能歸入類似藥物臨床試驗(yàn)的四個(gè)分期的類別中。已有段 只有5項(xiàng)。間3.4.研究類型分布全球人工智能相關(guān)臨床試驗(yàn)的研究類型分布見圖的研究為190例(41.1%)。3.5.干預(yù)措施類型2006-2020年全球人工智能臨床試驗(yàn)干預(yù)措施的時(shí)間變化趨勢見圖5-8。其中，干預(yù)措施以設(shè)備類干預(yù) (22.7%)和診斷試驗(yàn)類干預(yù)(19.3%)為主，其次為行為干預(yù)(5.4%)。自2017年起，設(shè)備類干預(yù)與診斷。的時(shí)間變化趨勢見圖5-9。其中，干預(yù)措施以診斷試驗(yàn)類干預(yù)(24.8%)和設(shè)備類干預(yù)(20.7%)為主，其次為操作類干預(yù)(5.8%)。2020年，中國診斷試驗(yàn)類干為主。自2017年起，美國設(shè)備類干預(yù)的臨床試驗(yàn)的數(shù)施施3.6.目標(biāo)人群(疾病譜)全球、中國以及美國人工智能臨床試驗(yàn)的目標(biāo)人群見表52。根據(jù)臨床試驗(yàn)研究人群的疾病詞云圖和具體疾病頻數(shù)表，全球范圍內(nèi)人工智能臨床試驗(yàn)主要關(guān)注的疾病包括：腫瘤(尤其是乳腺癌)，糖尿病和心血管疾病(尤其是冠心病)。此外，抑郁癥與2020年爆發(fā)的COVID-19也受到較多關(guān)注。中國人工智能臨床試驗(yàn)主要關(guān)注的疾病包括腫瘤，眼部疾病(尤其是青光眼與糖網(wǎng)膜病變)，心血管疾病(尤其是冠心病)和糖尿病。美國人工智能臨床試驗(yàn)主要關(guān)注的疾病包括腫瘤，神經(jīng)系統(tǒng)病變，心血管疾病(尤其是心衰)，抑試驗(yàn)的目標(biāo)人群分布6665645453535353535242429429429229228228228228223.7.樣本量分布入樣本量>1000人的臨床試驗(yàn)為134例(29.1%)，納入樣本量>5000人的臨床試驗(yàn)為63例(13.7%)。其中，樣本量>5000人的人工智能相關(guān)臨床試驗(yàn)的干預(yù)措施的分布見圖5-12，研究人群的疾病分布見干預(yù)措施以診斷試驗(yàn)類干預(yù)(32.9%)為主，研究人群的疾病類型主要包括：腫瘤，毒血癥，心血管疾病和87543332223.8.招募狀態(tài)分布有185例(40.0%)臨床試驗(yàn)正在進(jìn)行受試者招募。已完成受試者招募的臨床試驗(yàn)中，有5例(4.9%)臨床試3.9.臨床試驗(yàn)結(jié)果報(bào)道inicalTrialsgov4項(xiàng)臨床試驗(yàn)的結(jié)果均支持人工智能相關(guān)的設(shè)備或行為1項(xiàng)臨床TrialTitleountrynionsseEnrollmentInterventiontsredmne章主要結(jié)論本報(bào)告綜合發(fā)揮北京大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方各自優(yōu)勢，分別通過醫(yī)學(xué)術(shù)語組配檢人工智能科學(xué)出版物的界定方案。回顧性分析了最近5年健康醫(yī)療人工智能科學(xué)研究和臨床試驗(yàn)的規(guī)模、結(jié)構(gòu)1.1.前沿科學(xué)技術(shù)與醫(yī)學(xué)的深度融合是健康醫(yī)療人工智能發(fā)展的基礎(chǔ)，未來將在公共衛(wèi)生和臨床診療中發(fā)全球和我國健康醫(yī)療人工智能最熱的研究主題均為“計(jì)算機(jī)視覺算法與模型”，主要涉及人工智能用于疾病的影像學(xué)診斷，最近5年高科學(xué)影響力的論文絕大多數(shù)屬于這個(gè)主題，該領(lǐng)域也是目前健康醫(yī)療人工智能落地應(yīng)用最有前景的領(lǐng)域，美國斯坦福大學(xué)自2017年起發(fā)布的人工智能指數(shù)報(bào)告中連續(xù)3年將人工智能用于皮膚癌、前列腺癌、糖尿病視網(wǎng)膜病變影像診斷列為人類前沿科學(xué)技術(shù)與醫(yī)學(xué)的深度融合是智慧醫(yī)療發(fā)展的多模態(tài)是健康醫(yī)療數(shù)據(jù)的特征，對于這一技術(shù)瓶頸的攻關(guān)對于盤活海量健康醫(yī)療數(shù)據(jù)的應(yīng)用價(jià)值至關(guān)重要。二是面向健康醫(yī)療領(lǐng)域數(shù)據(jù)的人工智能技術(shù)攻關(guān)。目前人工智能技術(shù)具有依賴大數(shù)據(jù)、需要大量人工標(biāo)注、可解需要針對這些瓶頸開展技術(shù)攻關(guān)、促進(jìn)在健康醫(yī)療領(lǐng)域的應(yīng)用。三是面向健康醫(yī)療領(lǐng)域數(shù)據(jù)的區(qū)塊鏈技術(shù)。區(qū)塊鏈技術(shù)對于打破健康醫(yī)療領(lǐng)域的數(shù)據(jù)孤島、激發(fā)數(shù)據(jù)共享具有重要的價(jià)值，但需要結(jié)合健康醫(yī)療領(lǐng)域數(shù)據(jù)采人工智能將在公共衛(wèi)生和臨床診療中發(fā)揮更大作建設(shè)：運(yùn)用大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)字技術(shù)，在重大公共衛(wèi)生危機(jī)以及重大慢病防控中發(fā)揮重要的作學(xué)技術(shù)手段，將海量的醫(yī)學(xué)知識轉(zhuǎn)化為可計(jì)算和可大規(guī)模共享的醫(yī)學(xué)知識，促進(jìn)大數(shù)據(jù)驅(qū)動(dòng)的醫(yī)學(xué)知識轉(zhuǎn)化和醫(yī)療質(zhì)量提升；基于人工智能等前沿信息技術(shù)的臨床輔助決策和個(gè)人健康管理：經(jīng)過人工智能技術(shù)與優(yōu)質(zhì)醫(yī)療資源的深度結(jié)合，構(gòu)建面向臨床的疾病風(fēng)險(xiǎn)預(yù)測、影像人工智能技術(shù)可大大縮短藥物研發(fā)時(shí)間、提高研發(fā)效率2.2.中國已成為健康醫(yī)療人工智能科學(xué)研究與臨床試驗(yàn)的最主要貢獻(xiàn)者之一，但在學(xué)術(shù)影響力和技術(shù)轉(zhuǎn)學(xué)出版物最多的五個(gè)國家為：美國、中國、印度、英國和德國。中國和美國的科學(xué)出版物數(shù)量均表現(xiàn)為指數(shù)型術(shù)影響力指標(biāo)看，中國健康醫(yī)療人工智能科學(xué)出版物的術(shù)影響力可在一定程度上反映科學(xué)向技術(shù)的轉(zhuǎn)化，全球范圍內(nèi)對健康醫(yī)療人工智能專利技術(shù)產(chǎn)生影響的科學(xué)出自2017年起，全球人工智能相關(guān)臨床試驗(yàn)數(shù)量急月，中國已經(jīng)成為全球開展人工智能相關(guān)臨床試驗(yàn)數(shù)量研究機(jī)構(gòu)也迅速增多，全球人工智能相關(guān)臨床試驗(yàn)數(shù)量最多的前十位研究機(jī)構(gòu)中，中國的研究機(jī)構(gòu)占到6位。由此可見，在國家近些年來一系列推進(jìn)“互聯(lián)網(wǎng)+健康醫(yī)療”的宏觀政策和國內(nèi)醫(yī)療行業(yè)改革需求的推動(dòng)下，中國健康醫(yī)療人工智能領(lǐng)域主要的研究機(jī)構(gòu)包括：上海交通大學(xué)、浙江大學(xué)、清華大學(xué)、中山大學(xué)、復(fù)旦大學(xué)、中國科學(xué)院大學(xué)、北京大學(xué)、四川大學(xué)等。從產(chǎn)學(xué)合作的角度，中國學(xué)術(shù)界-工業(yè)界合作論文占比低于33.健康醫(yī)療人工智能技術(shù)譜的核心是機(jī)器學(xué)習(xí)(含深度學(xué)習(xí))和醫(yī)療機(jī)器人，疾病譜以慢病和神經(jīng)系統(tǒng)疾病為主，傳染病、罕見病等與本報(bào)告對健康醫(yī)療人工智能研究領(lǐng)域進(jìn)行了劃分，包括6個(gè)子領(lǐng)域，分別為：決策規(guī)則(包括計(jì)算機(jī)啟發(fā)自然語言處理和機(jī)器人。數(shù)據(jù)顯示，機(jī)器學(xué)習(xí)(含深度學(xué)習(xí))是最受關(guān)注和增長最快的領(lǐng)域；其次為醫(yī)療機(jī)器對健康醫(yī)療人工智能研究涉及的疾病譜分析顯示，表的慢性心腦血管疾病和以癲癇、帕金森和阿爾茨海默病為代表的神經(jīng)系統(tǒng)疾病。傳染病領(lǐng)域的疾病負(fù)擔(dān)重，據(jù)集截至2019年底有關(guān)。本次新冠病毒肺炎疫情已使我們感受到人工智能在重大公共衛(wèi)生事件應(yīng)急和傳染病從科學(xué)-技術(shù)交叉的角度分析，機(jī)器學(xué)習(xí)和醫(yī)療機(jī)器人兩個(gè)研究領(lǐng)域的科學(xué)出版物被專利引用較多，表現(xiàn)4.4.與科學(xué)共同體的熱點(diǎn)研究主題相比，健康醫(yī)療人工智能研發(fā)與應(yīng)用的倫理學(xué)問題