Mustafa Suleyman 的 2016 年医疗技术愿景

2016 年 7 月，DeepMind 联合创始人 Mustafa Suleyman 在国王基金数字医疗大会上讨论技术如何支持临床人员和患者护理。他的例子与计划反映当时的情况。

Suleyman 介绍 DeepMind 的通用 AI 研究，以及从数据中学习有用行为的目标。他把医疗工作放在一个同时追求实际应用的研究机构背景下。

他通过智能体介绍强化学习：智能体在环境中行动、接收观察和奖励，并调整行为。这是一种研究框架，并非每种医疗工具的工作方式。

游戏例子说明通过反复互动进行学习。系统接收画面和可用动作，通过经验改善表现，而不是获得完整的人工编写策略。

他接着讨论 AlphaGo，以及为复杂游戏手工指定所有有用知识的困难。重点是，学习得到的表示可以支持搜索空间很大的任务。

转向医疗时，他说机构希望技术产生有益影响，同时建立可持续的运营模式。他认为医疗领域存在迫切的信息与协调问题。

他认为，与临床相关的信息可能分散在纸张、图表和系统中，使工作人员难以及时掌握情况。他将此与为快速使用而设计的消费软件进行对比。

Suleyman 承认医疗技术项目曾有令人失望的历史。他认为开发流程必须从用户和真实临床工作流出发，而不是孤立地从技术出发。

他描述观察工作、开发原型、与用户测试并从反馈中学习的短周期。临床人员应提出日常工作中真正重要的问题。

一个目标是改善对患者病情恶化的识别和沟通延迟。拟议软件旨在把信息提供给需要评估并采取行动的人员。

他讨论急性肾损伤和 NHS 已有的预警算法。他描述的项目旨在整理相关检验结果并支持临床沟通；预警并不等于诊断或治疗方案。

拟议的移动界面列出出现预警的患者，让工作人员查看血液检验结果等信息。这些是 2016 年的产品演示和目标，不能作为当前临床表现的证据。

他描述未来可能按病房或专科查看患者，并显示时间线和相关临床信息。预期好处是为参与护理的人员提供共享视图。

沟通是问题的另一半：识别风险只有在合适的临床人员能够审阅并协调应对时才有帮助。演讲描述的是工作流，而不是自主医疗决策。

Suleyman 还介绍眼部扫描研究，涉及糖尿病视网膜病变和年龄相关性黄斑变性等疾病。他把更早发现列为潜在研究目标，而不是已证明对每位患者都有益的结果。

他介绍与临床合作者使用光学相干断层扫描的工作。目标是帮助专家处理信息并识别需要关注的情况，但仍需经过验证。

演讲者提出项目原则：患者参与、临床人员主导、互操作性和外部审查。他邀请使用工具或受其影响的人提供反馈。

他认为患者应在自身护理和问责中发挥更大作用，也呼吁护士和医生参与测试与项目优先级确定。

谈到互操作性时，他主张开放标准，以及让应用跨不同医院系统访问适当信息的共同方式。这类集成也需要安全、治理和法律保障。

他介绍可以审查项目并公开发表意见的独立评审人员。对审查的承诺应结合后续实施与独立调查结果评估。

后续背景：2017 年，英国信息专员认定 Royal Free 信托向 DeepMind 提供患者记录用于 Streams 临床安全测试的安排未完全遵守数据保护法。该结论针对这一具体安排，并非所有医疗 AI 项目。 详见[英国信息专员 2017 年调查](https://ico.org.uk/media/action-weve-taken/undertakings/2014353/undertaking-cover-letter-revised-04072017-to-first-person.pdf)。