健康医疗人工智能指数报告 2020

引言 目前，人口老龄化、社会环境因素变化、慢性疾病负担的日益加重、新发突发传染病等对维护全国人民的健康带来了巨大挑战，在这一大形势下，健康医疗人工智能（Health Artificial Intelligence，Health AI）在我国蓬勃发展起来，成为解决这一问题的重要武器。因为其奉行的宗旨就是利用人工智能等前沿科学技术赋能医疗健康，构建*优化的大健康生态体系，提供优质、高效、经济的新型医疗服务，以解决我国医疗供需矛盾、推动医学发展。 近年来，国际上有关人工智能的研究正大踏步地向纵深发展。如 2017年以来，美国的斯坦福大学联合麻省理工学院、哈佛大学等机构，每年发布一份 AI指数报告（ AI Index Report），从学术、产业、政策等多个角度介绍全球 AI的*新进展，至今该报告已连续发布许多年。到 2018年，国际著名的 Elsevier（爱思唯尔）出版集团信息分析公司（后简称爱思唯尔）发布了《人工智能：知识的创造、转移与应用》的报告，对 AI领域再次进行了全面梳理，勾勒出该领域在全球范围内的研究趋势，同时聚焦 AI在欧洲、美国和中国的发展态势。 2019年 12月，美国国家医学院又发表了《医疗人工智能：希望、炒作、浮夸承诺、危险》的综述报告，汇总出有重要价值的 AI知识和技术应用，包括成功案例和失败教训，为医疗健康领域的人工智能研发、应用和维护，提供了指导建议和实践指南。而 2020年 4月，经济合作与发展组织（ Organization for Economic Co-operation and Development， OECD）发布了《值得信赖的医疗人工智能》报告，讨论了人工智能在医疗保健领域的应用前景和风险及政策制定者在不确定的环境下需要解决的关键政策问题。 有关 AI的研究，我国并不落后。《英国医学杂志》（The BMJ）于 2019年 4月 26日在线发表北京大学健康医疗大数据国家研究院詹启敏院士等学者的署名文章，题为“ Can AI fulfill its medical promise？”（健康医疗——人工智能的应许之地？）。所谓“应许之地”一词引自《圣经？旧约》一书，暗示人工智能一旦与医疗领域建立“契约”，很可能会获得意想不到的丰硕回报，即一块“流着牛奶和蜜的土地”。全文讨论了促进人工智能在医疗领域充分实现其价值的关键举措，肯定人工智能（ AI）技术在健康医疗领域具有巨大的应用潜力，例如在医学影像和病理学诊断方面的应用，还有作为对常见疾病一般状况的判断及制订医疗对策时的一种辅助手段。然而，由于 AI算法的内在运行逻辑比较艰深，常被研究者称为人工智能的“黑匣子”，因而会导致医师们在使用 AI系统解决问题时往往出现不少疑惑或纠结。因此文章作者认为， AI系统的有效性和安全性应该得到科学的评估，建议运用流行病学及医学研究的思路来验证基于 AI所建立起来的预测模型。此外，考虑到人文关怀在医学中至关重要且无法被任何技术系统替代，作者将健康医疗领域划归为与 AI有契约的“应许之地”，但同时作者也表示，为充分发挥 AI系统的潜能，医师、科研人员和 AI科学家应当紧密合作；使用可靠的方法、遵循伦理的准则，在医疗实践中充分应用、评估和改进 AI技术。 现在，我国的人工智能在健康医疗领域的研究与应用主要集中于 4个方面：一是疾病诊断。例如根据电子病历（ EMR）/电子健康档案（ EHR），整合专家知识，创建并运用 AI做出常见病的诊断和评估。二是疾病治疗。例如通过将 EHR和临床指南充分整合，运用 AI给出常见病的治疗方案，根据药物基因组学指导临床用药等。三是人群的健康管理。例如建立以患者为中心的 AI信息系统，开展健康生活方式监测与干预，进行疾病早期检测和健康知识教育等。四是管理与监管。例如运用 AI完成医疗服务质量评估、药物不良反应监测等。当然，与金融、电信等行业相比， AI在健康医疗领域的发展相对滞后且未充分落地，研究和应用还有很大的扩展和上升空间。截至目前，我国尚未见从客观数据角度系统分析健康医疗人工智能研究与开发状况的报告出台。 北京大学健康医疗大数据国家研究院是我国*早建立医学领域 AI系统的单位之一。研究院一直致力于促进和引领人工智能在健康医疗领域的研究和应用，经努力已研发出了该领域科研发展的复合指数这一指标，供国内科研机构参考。所谓指数（ Index），是一个反映某领域发展状况的多维性、综合性指标，往往由多种细分领域内的判定指标组成，为该领域的相关决策提供一系列数据依据，我们今天撰写这本《健康医疗人工智能指数报告》也正是出于这一目的。本报告将从科学研究概览、科学技术交叉、科学社会交互、人类 -机器协同四个方面，根据已发表的科学出版物和已注册临床试验的基础数据，应用相关指数指标，回顾分析健康医疗人工智能领域 2015～ 2019年全球科学研究和临床试验的规模、内容分布、结构分析，判断其发展情况和趋势，同时分析中国的表现。 报告的具体内容如下。 1.科学研究概览方面运用国家科研产出及影响力指标、科研机构产出及影响指标、科研合作指标、产学合作指标、研究主题分析指标、高科技影响力指标，按照疾病分类方法进行了一系列分析，使人们对当今 AI科研概况有所了解。 2.科学技术交叉方面运用施引专利数、被专利引用的文章数两个指标，对学术界和产业界的知识流动性做出判定，并对 Health AI技术的研究状况做出分析，判断科技转化的现状和发展方向。 3.科学社会交互方面运用多媒介提及指数和社交媒体传播指数两个指标，对相关的关键词分布及高频报道的研究内容等进行分析，指出交互中的关联及所反映出的情况。 4.人类-机器协同方面运用 Python 3.7对提取的数据进行处理，分析人工智能临床试验的数量、研究机构、类型及试验分期、招募状态、干预措施、样本量分布特征、时间变化趋势与国家分布情况，了解人类 -机器协同的特点。 *终得出本次报告的结论，完成我国首部利用客观数据分析手段对健康医疗人工智能发展状况的研究，为国内健康医疗人工智能领域的战略规划、研发布局和临床应用管理提供参考。 第1章 相关数据的界定与研究领域分类 目前，学界对健康医疗人工智能的界定尚未建立共识。通过对科学出版物的分析可帮助我们系统且清晰地描述该领域及其子领域所涵盖的内容和知识结构，本报告尝试提出该领域科学出版物数据集的界定方案。 一、数据集界定 （一）构成 界定的数据集由两部分出版物构成。 1.**部分由北京大学健康医疗大数据国家研究院提供。采用医学领域权威的知识组织体系——医学主题词表（ Medical Subject Headings， MeSH），通过 MEDLINE数据库对健康医疗人工智能科学出版物进行界定。 为减少数据噪声，本报告采用主要主题词（ MeSH Major Topic，即该文章*核心的研究内容）检索出版物。一般情况下，每篇 MEDLINE论文会标注 10条左右的主题词（ MeSH），从中再遴选出 3～ 5个*能代表这篇论文核心内容的主题词，标注为主要主题词。如果一篇论文被标注的主要主题词中，同时含有人工智能和疾病健康两个方面，则视为健康医疗人工智能出版物。其中，“人工智能”采用“ Artificial Intelligence”及其所有下位术语来表示；“疾病或健康”则采用“ Diseases Category”[C]或“Mental Disorders”[F03]或“Health” [N01.400]或“Public Health”[N06.850]及其所有下位术语来表示。 我们同时按如下标准进行相关资料排除。 （1）仅纳入针对人的研究，检索表达式为“Human [MeSH]”。 （2）排除“撤稿”类出版物。检索表达式为“Retracted Publication [Publication Type]”或“Retraction of Publication [Publication Type]”。 （3）所纳入出版物的发表时间窗为2015～2019年，共计5个完整年份，检索表达式为“2015”[Date - Publication]：“2019”[Date - Publication]。 2. 第二部分 由爱思唯尔提供。爱思唯尔2018 年《人工智能：知识的创造、转移与应用》报告通过机器学习的手段对人工智能领域的科学出版物进行了界定。通过对爱思唯尔已构建AI数据集进行学科分类，主要提取“Medicine”“ Health Professions”“ Dentistry” “Nursing”和“Multidisciplinary”这五个学科领域的论文。其中对于“Multidisciplinary”学科（例如Science、Nature 等综合性期刊）将基于该学科内论文的施引和被引分布进行学科重新归类，只对施引和被引分布于“Medicine”“ Health Professions”“Dentistry” 和“Nursing”的论文进行提取。 两部分数据集的组合示意见图1-1，融合之后的数据集作为本报告界定的健康医疗人工智能科学出版物数据库，继而展开后续分析。 图1-1 本报告健康医疗人工智能科学出版物数据集界定方法 注：Corpus 平台，即本报告拟分析的数据库；Scopus 平台，爱思唯尔出版集团信息分析公司数据库