CSCO AI:腫瘤知識圖譜體系的構建歷程

高質量醫療資源缺乏且分佈不均,對於每年400多萬新增的腫瘤患者而言,意味着大量的患者很難獲得適合他們的醫療服務。

醫療資源分佈不均,即使在一線城市也要面臨醫療機構難以提供持續性的、高標準醫療服務的問題——如何解決診療資源的緊缺,以及如何實現全國範圍內儘可能多的診療規範化的擴展覆蓋?這些都是在診療領域亟待解決的問題。

技術的發展為我們提供了解決這一痛點的契機。隨着人工智能的不斷成熟,行業正探索通過人工智能技術讓機器實現可複製化的服務,讓機器實現對每一個患者服務的標準化,且將服務成本降到足夠低的規模化的服務能力。這個共性問題正在逐漸得到解決。

CSCO AI就是這樣一個解決方案。它是由中國臨床腫瘤學會(CSCO)攜手國家高新技術企業浙江海心智惠科技有限公司(以下簡稱「海心智惠」)聯合開發,結合CSCO臨床診療指南、專家臨床實踐經驗、腫瘤知識圖譜、高等級臨床證據、不良反應管理體系等多維度專業領域知識,協助臨床醫生制定更規範、更精準的治療方案。

目前,海心智惠已成功建成國內領先的腫瘤智能服務新平台,為患者提供包含診療、康復的全病程一站式管理服務。這其中,海心智惠構建出的領先行業的知識圖譜能力是一切的基石所在。

海心智惠如何構建腫瘤知識圖譜?

知識圖譜是Google在2012年提出來的一個知識網絡體系概念,簡單地說就是將散落的信息通過語義關係連接起來,轉化成可視化的知識網絡。知識圖譜技術可以對醫療數據進行統一建模、組織和管理,不僅能夠有效地描述、挖掘醫療知識間的關係,而且也為更高層次的醫學應用比如輔助臨床診療決策、醫療問答等提供了強有力支撐。

有了知識圖譜這樣一種知識表現方式,該如何去利用它,就成了擺在海心智惠面前的一道選擇題。即便是聚焦到醫學領域,去建一個通用醫學知識圖譜,也只能是把一些疾病的知識、定義梳理整合。

「通用醫學知識圖譜在臨床應會有很大的局限性,它只適合去做一些簡單的科普、導診以及初步判斷,如果將深入到疾病和臨床診斷過程,甚至整個疾病的管理、跟蹤、隨訪的細節裡面去,便會遇到各種各樣的問題:每種疾病自身的差異和整個臨床治療相關的知識體系變化延展開來,相互關聯又相互影響,使得通用型知識圖譜體系在藥物選擇、後期康復體系決策等方面都會遇到困難。海心智惠創始人李穎贇這樣說道。

因此,海心智惠選擇用「做深做細」的方式結合人工智能去構建一個腫瘤治療全病程服務體系的知識圖譜,它要將所有和腫瘤相關的知識清晰定義出來,這無疑是知識圖譜最完美的應用方向。

「我們在前期花了幾年時間把腫瘤從確診開始到腫瘤進入治療,再到病人全程管理的知識定義出來,這才把一個比較全面的腫瘤知識圖譜建立起來。之所以選擇腫瘤這個領域,在於這個疾病的特徵是其整個診療體系相對其他疾病來講更加複雜,持續治療過程時間跨度更長,知識圖譜在腫瘤治療領域能最大程度發揮其作用」,對於為什麼選擇將知識圖譜應用於腫瘤賽道,李穎贇這樣解釋。

第二個原因則是腫瘤的診斷和治療的知識每年都在不斷更新。

隨着科技的發展,某些疾病已經被完全研究透徹,十年前跟十年後的治療策略並沒有本質差異。相比之下,人類仍然未能完全了解腫瘤的發病原理和機制,其治療是一個日新月異的發展過程。放眼全球來看,醫療機構對於腫瘤治療的規範性程度並不算高。

醫務人員面臨非常大的挑戰——如何能緊跟國內外的學術前沿發展,並能精準的掌握最新的臨床研究進展和治療方式的擴展,準確地掌握最新的藥物和治療方式,並且運用在最適合的患者身上?

「如果一個城市30年都沒有修過新路,那麼在這個城市中生活的人其實是不需要地圖和導航的——因為什麼都沒有變。但是,如果這個城市飛速發展,『三年小變樣,五年大變樣』,那即便是從小就在這個城市中生活的人在出行時或許也需要導航來指引」,李穎贇用一個簡單的例子來說明腫瘤治療的日新月異。

抗腫瘤全身治療手段在近十年來已經發生了翻天覆地的變化。十年前可能會以化療為主,但今天,臨床已經有了更多的選擇:靶向葯治療、免疫治療、再到最新的CAR-T細胞治療等,不勝枚舉。這也說明了國內一直在努力嘗試建立起更加現代化、規範化的診療服務體系,能夠讓腫瘤患者得到最恰當、最規範、最標準和最合適的治療。

輔助決策系統就是幫助醫生實規範化治療的最佳工具。CSCO AI的智能輔助決策系統在患者通過APP上傳各類醫療診斷資料后,AI自動生成診療建議報告並提交至高級別專家審核反饋,AI模型又能根據專家審核結果持續得到閉環訓練。在這一套運作系統的背後是海心智惠凝聚專家實力打造的腫瘤領域知識圖譜與神經支持決策算法的結合。

透過知識圖譜全面的知識體系,海心智惠通過CSCO AI除了在智能輔助診療方面實現治療規範化和均質化外,還實現了院外患者全程管理,從而多方共贏——醫院提高治療總生存率,患者提高生存時間、生存質量和治療依從性,製藥企業也通過數據賦能和數字化平台結合,提高了對患者的支持能力,實現精準診療,精準康復支持。

同時,基於全病程管理的臨床新葯服務體系為患者精準匹配臨床研究,提供給患者一個更多的選擇可能性。

以精準病情為依託,建立面向患者全治療周期的內容服務能力,從用藥心智建立、正向經驗激勵、關鍵節點的強效服務等多維度手段實現高價值的社群平台。這些都是海心智惠服務的特色。

從知識定義到模型設計,發力跨學科融合

知識圖譜是輔助診療決策的基礎,高質量的數據和專業的知識體系又是知識圖譜的基石,因此如何搭建數據層和知識體系,就成了知識圖譜質量高低的關鍵。

CSCO AI的知識圖譜並不是憑空創造的,而是把目前臨床專家們正在運用的知識進行有效的計算機結構化沉澱以便於再次運用。

這個過程中最重要的就是辨別什麼是影響臨床決策的知識依據。只有先把這個知識定義清楚之後,才能針對這些知識設計對應的模型。

腫瘤治療是一種循證醫學,必須有充足的證據支撐才能夠影響臨床決策行為。

然而,腫瘤種類繁多且特異性強——每種腫瘤至少具有3000個臨床治療決策的高等級臨床證據。將這些證據結合,才能基本將腫瘤相關的診療體系和知識體系構建起來。

「什麼樣的人群、特徵、分子分型、基因位點、在什麼情況下接受什麼樣治療,能夠獲得更好的療效,這是第一層面基礎」,李穎贇說道。

在建立第一層面基礎后,接下來就需要考慮臨床治療方案與患者體質的契合度,比如,患者身體是否能夠承受,其基礎疾病和既有併發症是否會對治療選擇產生影響。這是第二層面表現,即臨床運用中擴大的知識體系。

在這個過程中,海心智惠CSCO AI是以病情的整個治療知識為核心構建單個腫瘤最底層的核心知識體系,然後在臨床應用中進一步擴展知識體系的建設。這樣既能保證有核心證據的專業度,又能顯現臨床運用過程中醫療的專業度。

鮮為人知的是,「溝通」是知識圖譜搭建過程中的最大難點。知識圖譜想要從大數據裡邊提煉知識和關係,需要有不同專業的人員協調配合。

因此,將知識圖譜技術運用在特定的業務領域裡其實就是一種跨界行為。其難點在於到底由誰來把跨界的知識融合在一起,這是第一個難點。

這意味着,腫瘤知識圖譜的構建者需要掌握工程算法並了解腫瘤的所有術語定義及基礎醫學知識。「如何把知識圖譜這項技術運用到一個新的業務領域裡去,會有一個天然的障礙,叫知識壁壘。掌握知識圖譜技術的人是理工科系的,掌握醫學知識的則是醫學系的,兩者都有各自的思維定式,很難進行專業的學科對話」李穎贇對此表示。

第二道壁壘則是對於專業知識的理解和梳理。

李穎贇認為,只有對知識進行體系化的梳理后才能進行知識圖譜的初步搭建。之後,在這個圖譜之上進行業務建模;在業務應用時又有新的專業的臨床知識輸入。計算機如何去運用這些新知識,如何將新知識放在一個具體的患者案例身上進行有效地推理和決策則是第三道壁壘。

因此,醫療知識圖譜的搭建最大的難點在於跨學科融合,融合的難點則在於整個過程對兩個學科的要求都比較高。

這也正是海心智惠的優勢所在——其為中國臨床腫瘤學會CSCO的人工智能戰略合作夥伴。在學會的推動和幫助下,國內的頭部腫瘤專家們基於對於社會責任的高度認知,花了大量時間和精力幫助海心智惠的技術人員理解臨床路徑並釐清體系脈絡。

CSCO AI是第一個基於中國的診療指南和診療實踐開發出的智能輔助決策產品,是從中國的國情出發的具有中國特色基礎的,也因此更契合中國的診療應用場景。CSCO AI才能在全國數十個省份數百家醫院落地,數萬名患者因此獲益。

不僅如此,CSCO AI在多場景的應用也能實現其更高的臨床價值。比如上下級醫院的互聯互通——患者通過APP線上諮詢,醫生通過使用CSCO AI作為上下級醫院的聯動的工具,帶動不同層級醫院的規範化診療。

CSCO AI也可以是科研工具,通過真實病例開展臨床研究,從多個角度探索智能決策系統對患者治療和臨床應用的幫助。此外,CSCO AI提供的治療方案建議遵循循證醫學,可以作為科室、醫院、醫聯體、政府等規範化治療的質量控制工具,提高區域規範化治療的綜合水平。

教學醫院還可以將CSCO AI作為住院醫生的病例分析學習和考核工具。作為腫瘤患者的治療決策參考及管理工具,CSCO AI也可以同時在MDT討論、醫生學習、查房、病例討論等多場景結合應用,從而提升整體臨床效果。

基於知識圖譜,海心智惠擴展出哪些臨床應用?

海心智惠的腫瘤知識圖譜的底層雖然很複雜,但在易用性上卻有很好的表現。對於患者來說,只需要按照平台給予的提示步驟進行操作即可,完全沒有上手難度。

對於醫生來說,海心智惠這套人工智能驅動的全病程管理系統在患者長期治療管理過程中,實現了系統跟蹤能力、監測能力、隨訪能力和數據管理能力,最終達到在醫生、護士和患者之間的效率平衡。

這套依託於知識圖譜的個案管理服務的另一亮點在於引入個案管理師角色,在醫生和患者之間搭起溝通橋樑。個案管理師既能協助科室完成日常患者管理工作,又能跟蹤督促患者完成治療及康復等相關事項,還能監測並協助醫生介入院外不良事件的處理。有了個案管理師的跟進,對患者的診療管理也從院內延伸到了院外,將診療行為連續化。

對此李穎贇認為:「腫瘤診療這個領域未來一定會進入到一個以患者服務為中心的時代。通過人工智能的幫助,多方角色高效率協同幫助患者完成整個治療管理服務。當然,這個體系目前沒辦法一蹴而就,還需要在實際使用中不斷進化。」

雖然構建了底層如此複雜的知識圖譜,但對於知識圖譜以及輔助診療系統的能力邊界,海心智惠是有清醒認知的。

目前,無論是在病理、醫學影像、診療等領域基於AI技術進行的模型構建、定量分析、特徵關聯、決策建議、療效預測等方面的嘗試,都只是幫助醫生提高診療效率、準確率以及預測療效的能力,賦能醫療行為,並不會幹涉到醫生的判斷決策權。

技術之於醫療,需要常懷敬畏之心。雷峰網


想在手機閱讀更多電腦與科技資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems