如何利用AI、大數據、物聯網等技術，提升醫療水平、優化公衛體系的精細化管理能力，將成為地方政府與科技公司共同面對的一場決定命運的“大考”。

《“健康中國2030”規劃綱要》明確將發展健康產業作為“健康中國”建設五大任務之一，并提出將健康產業發展成為國民經濟支柱性產業的戰略目標：2020年健康服務業總規模達到8萬億，到2030年達到16萬億，全年GDP占比超過10%。

在新基建的七大領域中，作為城市底層基礎設施和數字經濟的底座，大數據中心的平臺化水平和運營能力，將直接決定新基建的整體成效。而醫療，將是驗證大數據中心建設成色的一把“放大鏡”。

今天，強國融媒智庫就來盤點一下大數據醫療的應用、痛點和未來……

5大應用

醫生往往都希望盡可能多地收集病人信息，盡早發現疾病，對于患者來說，不但降低了身體健康受損的風險，同時也能夠減少醫療支出。而通過對醫療大數據的分析，人類不但能夠預測流行疾病的爆發趨勢、避免感染、降低醫療成本等，還能讓患者享受到更加便利的服務。

一、電子病歷

到目前為止，大數據最強大的應用就是電子醫療記錄的收集。每一個病人都有自己的電子記錄，包括個人病史、家族病史、過敏癥以及所有醫療檢測結果等。

這些記錄通過安全的信息系統(究竟是否安全值得商榷)在不同的醫療機構之間共享。每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用藥情況，同時也是醫學研究的重要數據參考。

二、健康監控

醫療業的另一個創新是“可穿戴設備”的應用，這些設備能夠實時匯報病人的健康狀況。

和醫院內部分析醫療數據的軟件類似，這些新的分析設備具備同樣的功能，但能在醫療機構之外的場所使用，降低了醫療成本，病人在家就能獲知自己的健康狀況，同時還獲得智能設備所提供的治療建議。

這些可穿戴設備持續不斷地收集健康數據并存儲在云端。

除了為個體患者提供實時信息以外，這些信息的收集也能被用于分析某個群體的健康狀況，并根據地理位置、人口或社會經濟水平的不同用于醫療研究。最后在這些前期研究的基礎上制定并調整疾病的預防與治療方案。

裝有GPS定位的哮喘吸入器就是一個典型的例子，它觀察的不僅是單個患者的哮喘，還能從同一區域、多名患者的哮喘規律中找到更好的適合該地區的治療方案。

可穿戴設備在我們的日常生活中隨處可見，計步器、體重跟蹤器、睡眠監測儀、家用血壓計等都為醫療數據庫提供著關鍵數據。

三、醫護資源配置

這個看似不可能完成的任務，已經在大數據的幫助幫助下在一些“試點”單位實現。在法國巴黎，有四家醫院通過多個來源的數據預測每家醫院每天和每小時的患者數量。

他們采用一種被稱為“時間序列分析”的技術，分析過去10年的患者入院記錄。這項研究能夠幫助研究人員發現患者入院的規律并利用機器學習，找到能夠預測未來入院規律的算法。

這項數據最終會提供給醫院的管理人員，幫助他們預測接下來15天中所需要的醫護人員“陣容”，為患者提供更加“對口”的服務，縮短他們的等待時間，同時也有利于為醫護人員盡可能合理地安排工作量。

四、大數據與人工智能

人工智能技術通過算法和軟件，分析復雜的醫療數據，達到近似人類認知的目的。因此AI使得計算機算法能夠在沒有直接人為輸入的情況下預估結論成為可能。

由AI支持的腦機接口可以幫助恢復基本的人類體驗，例如因神經系統疾病和神經系統創傷而喪失的說話和溝通功能。

在不使用鍵盤、顯示器或鼠標的情況下，在人類大腦和計算機之間創建直接接口，將大幅提高肌萎縮側索硬化或中風損傷患者的生活質量。

AI還是新一代放射工具的重要組成部分，通過“虛擬活檢”幫助分析整個腫瘤情況，而不再通過一個小小的侵入性活檢樣本。AI在放射醫療領域的應用能夠利用基于圖像的算法來表現腫瘤的特性。

在發展中國家，精通放射學、超聲波等領域的醫護人員非常匱乏。AI能夠在一定程度上完成原本需要人類參與的診斷行為，降低實際操作中對一個專業放射科醫師的需求。

五、醫學影像

醫學影像包括X射線、核磁共振成像、超聲波等，這些都是醫療過程中的關鍵環節。

放射科醫生往往需要單獨查看每一個檢查結果，不但產生了巨大的工作量，同時也有可能耽誤患者的最佳治療時間。但是大數據卻可以有效解決這一問題。

算法所能夠研究的圖像數量遠遠超出人類大腦，任何一個放射科醫師窮盡一生也不可能與機器的運行速度和強度匹敵。通過構建識別圖像中模型的算法，使這些模型能夠形成編號系統，幫助醫生做出診斷。

5個痛點

一、數據安全

醫療數據涉及個人數據隱私方面的問題，因此要特別注意個人數據隱私保護，中國《網絡安全法》規定“網絡運營者不得泄露、篡改、毀損其收集的個人信息；未經被收集者同意，不得向他人提供個人信息。但是經過處理無法識別特定個人且不能復原的除外”

雖然AI醫療公司在使用數據時要進行數據的無法識別特定個人處理，這在一定程度上能夠幫助AI醫療公司規避數據安全問題，但仍舊無法完全避免數據安全問題的產生。

目前，我國沒有明確的法律規定數據歸屬問題，醫療數據使用權到底是患者個人、醫療機構、還是參與建設的企業？

醫療行業內的共識是：數據是患者、醫生、醫院三方共同的資源，且不能直接用作盈利，一般來說數據可以找科研項目合作中使用，使用前必須經過患者同意、醫生必須得到醫院科研項目申請批復。

因此，大多數AI醫療公司仍是通過與醫療機構合作科研項目，獲取數據訓練模型。

二、數據開放受限

中國的醫療數據開放程度有限，主要體現兩個方面：一是境內與境外的流通限制，二是醫院與醫院或醫院與公司之間流通的限制。

境內與境外的限制其實很簡單，這個各個國家都有相關規定，而且有的國家規定的更加嚴格，比如美國和歐洲。在醫院與醫院的流通限制方面，我國大部分的醫院數據都是獨立存在的，流通起來相對困難，更談不上共享和數據交叉應用及數據變現。

2017年以來，國家通過立法逐步規范和開放數據的使用，同時陸續建立各類數據應用平臺，通過國家力量和產業資本的結合，加快醫療數據的互聯互通和數據共享機制，為醫療大數據的應用帶來福音。

三、數據標準差異

我國人口眾多，醫療數據豐富，但”數據大“不等于 “大數據“，臨床數據不夠統一和規范，不同地區、不同醫院之間的數據沒有建立起聯系，也沒有統一的標準，因此價值也得不到體現。

比如影像系統的數據標準問題，超過80%的醫療大數據為影像形式，但PACS系統的生產設備和數據標準是不一致的，數據交流存在諸多障礙。

四、倫理爭議

盡管AI在醫療行業取得了令人矚目的進展，但不可否認的是，AI的應用依然存在一系列的倫理問題，比如：AI造成了個人信息泄露，導致醫療事故，責任方是誰？AI的使用造成了醫療人員的失業，引發醫療產業結構的轉型，社會應該如何應對？諸如此類的問題很多，都需要行業從業者去面對和解決。

五、數據成本高

所有基于AI的醫療技術，都是以”數據“為基礎的，目前AI醫療公司獲得數據的渠道分為三種：第一，與醫院合作科研項目；第二，從公開數據集下載數據；第三，購買數據。

總體來說，獲取數據的成本主要在數據獲取和數據標注上，而隨著模型訓練的逐步深入，數據吞吐量可能會是幾何級數增長，代價也會水漲船高，這無形中為實現大數據醫療增加了負擔。

5種趨勢

一、影像識別智能化

2018年6月，由國家神經系統疾病臨床醫學研究中心、首都醫科大學人腦保護高精尖創新中心和中國卒中學會聯合主辦的“Chain”杯全球首場神經影像人工智能人機大賽全球總決賽上，一方是全球首款CT、MRI神經影像AI輔助診斷系統，一方是25名全球神經影像領域頂尖專家。

AI分別以87%、83%的準確率，戰勝醫生66%、63%的準確率，而且在速度上基于大數據的人工智能也占盡優勢。

醫療數據中有超過90%來自于醫學影像，但是影像診斷過于依賴人的主觀意識，容易發生誤判。中國臨床醫療每年的誤診人數約為5700萬人。AI通過大量學習醫學影像，可以幫助醫生進行病灶區域定位，減少漏診誤診問題。

二、智能診療通用化

智能診療是人工智能在醫療領域最重要、也最核心的應用場景。

智能診療就是將人工智能技術應用于疾病診療中，計算機可以幫助醫生進行病理，體檢報告等的統計，通過大數據和深度挖掘等技術，對病人的醫療數據進行分析和挖掘，自動識別病人的臨床變量和指標。計算機通過“學習”相關的專業知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。

IBM研發的沃森機器人可以在17秒內閱讀 3469本醫學專著，248000篇論文，69種治療方案，61540次試驗數據，106000份臨床報告。通過海量讀取醫學知識，沃森機器人在短時間內迅速成為腫瘤專家。

2012年沃森機器人通過了美國職業醫師資格考試，并部署在美國多家醫院提供輔助輔助診療的服務。目前沃森機器人提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。

三、藥物研發提速

依托大數據，人工智能系統可以快速、準確的挖掘和篩選出適合的藥物。通過計算機模擬，人工智能可以對藥物活性、安全性和副作用進行預測，找出與疾病匹配的最佳藥物。這一技術將會大大縮短藥物研發周期、降低新藥成本并且提高新藥的研發成功率。

例如，當某人被診斷為癌癥時，智能藥物研發系統會利用病人的正常細胞和腫瘤來將它的模型實例化，并嘗試所有可能的藥物，直到找到一種能殺死癌細胞又不傷害正常細胞的藥物。如果它找不到有效藥物或者有效藥物組合，那么它就會著手研發一種能治愈癌癥的新藥。如果藥物醫治了疾病但仍有副作用，系統則會嘗試通過相應調整擺脫副作用。

四、醫療機器人廣泛應用

機器人在醫療領域的應用范圍很廣泛，比如智能假肢、外骨骼和輔助設備等技術修復人類受損身體，醫療保健機器人輔助醫護人員的工作等。

目前，關于機器人在醫療界中的應用的研究主要集中在外科手術機器人、康復機器人、護理機器人和服務機器人方面。國內醫療機器人領域也經歷了快速發展，進入了市場應用。

天智航的“天璣”第三代機器人可以輔助醫生開展四肢、骨盆骨折以及脊柱全節段手術，讓患者的軟組織損傷更小、出血量更少、恢復更快，并減輕醫生疲勞。

在醫院門診部，科大訊飛的“曉醫”在全國近100家醫院“上崗”，為患者提供預約掛號、問詢服務、智能導診、路徑指引、報告查詢等多種功能，為醫院分攤導診工作。讓很多人感到痛苦和恐懼的胃鏡檢查，現在患者只需吞下一粒膠囊，在胃里變成“機器人”進行螺旋式掃描，將圖像實時傳輸至醫生電腦，便可快速完成。

五、健康管理實時追蹤

根據人工智能而建造的智能設備可以監測到人們的一些基本身體特征，如飲食、身體健康指數、睡眠等。對身體素質進行簡單的評估，提供個性的健康管理方案，及時識別疾病發生的風險，提醒用戶注意自己的身體健康安全。目前人工智能在健康管理方面的應用主要在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。

目前研究人員正在努力使智能穿戴設備，通過和智能手機連接，將電子病歷等多渠道的數據進行整合，人工智能系統可以為病人提供個性化的健康管理方案，幫助病人規劃日常健康安排。

同時，通過手機或者家庭智能終端，用戶可以隨時聯系智能健康咨詢服務平臺，獲得專業的病情分析咨詢。還提供專屬的健康管理人員，提供上門理療，上門送藥等多種服務。