2017年7月28日，“2017醫療IT創(chuàng )新研討會(huì )暨醫療大數據發(fā)展論壇”在云南省腫瘤醫院召開(kāi)。陸軍軍醫大學(xué)西南醫院信息科汪鵬主任圍繞醫療大數據臨床應用發(fā)表了精彩演講，從“醫療大數據正逢其時(shí)、百家爭鳴之靈感觸動(dòng)、臨床輔診之探幽索勝、醫學(xué)智能之未來(lái)簡(jiǎn)史”這四個(gè)方面，全面闡述了醫療大數據的基本內涵、創(chuàng )新需求、發(fā)展現狀、建設實(shí)踐和未來(lái)動(dòng)向，以期為我國醫療大數據的研發(fā)應用提供些許借鑒。

　　汪鵬

　　陸軍軍醫大學(xué)第一附屬醫院

　　（重慶西南醫院）

　　如何跳出傳統IT思維，去推動(dòng)和輔助臨床信息化創(chuàng )新？這是新一代醫療IT建設者們需要思考的問(wèn)題。

　　醫院信息化經(jīng)過(guò)20年的快速發(fā)展，已經(jīng)進(jìn)入一個(gè)高度信息化、數據化的時(shí)代。然而，我們的臨床醫生看病與20年前又有什么本質(zhì)區別呢？——從手寫(xiě)到用鍵盤(pán)取而代之，甚至“忘了”手寫(xiě)，這似乎是為數不多的變化。

　　能否利用最新科技改變傳統診療模式，給醫生和患者提供更多智能和幫助呢？我認為，醫療大數據是邁向“智能醫學(xué)”的必經(jīng)之路。傳統醫學(xué)模式正在加速向5P醫學(xué)模式轉變，即預防性（Preventive）、預測性（Predictive）、個(gè)體化（Personalized）、參與性（Participatory）、精準醫療（PrecisionMedicine）——整個(gè)醫療服務(wù)領(lǐng)域已經(jīng)步入數據驅動(dòng)時(shí)代，醫療大數據就是精準診療、智能診療的基礎。

　　1

　　醫療大數據正逢其時(shí)

　　概念逐步落地

　　需求蓬勃發(fā)展

　　政府強力引導

　　2008年，Nature雜志出版專(zhuān)刊BigData，“大數據”一詞正式登上科學(xué)舞臺，并迅速成為各領(lǐng)域研究熱點(diǎn)。

　　資料卡：定義大數據

　　國際數據公司IDC對大數據定義如下：一種新一代的數據集及其技術(shù)和架構，具備高效的捕捉、發(fā)現和分析能力，能夠經(jīng)濟地從類(lèi)型復雜、數量龐大的數據中挖掘出價(jià)值。

　　然而，至今仍然有很多人認為大數據是炒作居多，仍沉浸在傳統思維中。特別是健康醫療大數據，常被“詬病”為“不夠多、不夠大，根本談不上什么大數據，更鮮少成熟應用”。這主要是因為沒(méi)有看清傳統方法對新需求的力不從心，沒(méi)有看清健康醫療大數據發(fā)展的巨大潛力和創(chuàng )造力。

　　對于大數據的標準，國家統計局給出的最新特征是“6V+1C”（見(jiàn)圖1），大數據是指無(wú)法以傳統方法進(jìn)行抓取、管理、處理和利用的數據集合。來(lái)源于臨床病歷、健康檔案、基礎知識庫、臨床知識庫、參考文獻、個(gè)人健康數據、基因與組學(xué)數據的醫療場(chǎng)景數據和大數據相關(guān)技術(shù)深度結合，使新模式、新價(jià)值得以產(chǎn)生。

　　數據種類(lèi)豐富、結構復雜是醫療數據的顯著(zhù)特點(diǎn)（圖2），有學(xué)者測算，電子健康檔案（EHRs）中有80%的數據是以非結構化形式存儲的，通常都是自然語(yǔ)言處理/錄入。因此，需要對自然語(yǔ)言進(jìn)行語(yǔ)義分析和數據特征提取。目前，這仍然是較難的一個(gè)技術(shù)點(diǎn)，特別是中文。

　　同時(shí)需要注意的是，生物醫學(xué)大數據的增長(cháng)規模和復雜程度超出想象——來(lái)看一組數據。

　　資料卡：大數據有多大

　　2015年，生命科學(xué)和醫學(xué)研究產(chǎn)出科學(xué)數據保守估計已經(jīng)超過(guò)EB量級，相當于五百萬(wàn)個(gè)國家圖書(shū)館的信息量；

　　單個(gè)個(gè)體相關(guān)的組學(xué)數據和臨床數據總和已經(jīng)超過(guò)400G，相當于2000個(gè)國家圖書(shū)館的信息量。

　　生物醫學(xué)大數據正以前所未有的方式推動(dòng)生命科學(xué)與生物技術(shù)的進(jìn)步，生命科學(xué)進(jìn)入信息時(shí)代，通過(guò)數據鏈整合產(chǎn)業(yè)技術(shù)創(chuàng )新鏈已經(jīng)成為國際競爭新的技術(shù)制高點(diǎn)。

　　大數據需求蓬勃增長(cháng)，應用前景廣闊，以下簡(jiǎn)單歸納了一些面向不同對象的醫療大數據應用需求。

　　面向醫生

　　提供不良反應與差錯分析提醒、智能臨床輔助診療與治療、單病種大宗病例統計分析、治療方法與療效對比、最小有效治療分析、精準診療與個(gè)性化治療、醫學(xué)影像學(xué)智能標注與分析等。

　　面向患者

　　提供全生命周期的健康檔案、自我健康管理、健康狀態(tài)的預測與預警等。

　　面向研究人員

　　提供科研數據采集與分析、科研選題與科研發(fā)現、用藥分析與藥物研發(fā)等。

　　面向管理者

　　提供精細化管理決策支持、基于數據的模擬分析、病種與疾病譜分析、疾病與疫情監測等。

　　雖然需求非常旺盛，但到目前為止，還鮮見(jiàn)能夠非常成熟的去實(shí)現這些需求，特別是投入臨床應用的、讓醫生和患者都滿(mǎn)意的信息化產(chǎn)品。因此，我們信息人還有很多工作要做！

　　圖3醫療大數據應用促進(jìn)診療模式的變革

　　醫療大數據應用將有利于促進(jìn)診療模式的變革。20年前，醫生主要靠手寫(xiě)；20年來(lái)，醫生逐漸擺脫紙筆，利用電腦開(kāi)處方、寫(xiě)病歷；5-10年后，我預測，醫生不再孤獨地“戰斗”，在他們的背后會(huì )有大數據、人工智能、云計算等IT資源提供強有力的知識外掛組件。

　　我國政府也越來(lái)越關(guān)注大數據的布局——

　　2015年，國務(wù)院印發(fā)《促進(jìn)大數據發(fā)展行動(dòng)綱要的通知》

　　2016年，發(fā)布《十三五規劃綱要》，實(shí)施國家大數據戰略

　　2016年，國務(wù)院辦公廳再發(fā)《關(guān)于促進(jìn)和規范健康醫療大數據應用發(fā)展指導意見(jiàn)》——從戰略到具體實(shí)施，國家從各個(gè)層面來(lái)指導健康醫療大數據的發(fā)展和實(shí)施。

　　2017年7月20日，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規劃》，其中有兩點(diǎn)涉及到了大健康產(chǎn)業(yè)：一是關(guān)于智能醫療的；二是關(guān)于智能健康和養老的。規劃對全行業(yè)人工智能的發(fā)展進(jìn)行了闡述，明確了我國新一代人工智能發(fā)展的“三步走”戰略目標，提出到2030年中國要達到國際領(lǐng)先地位。

　　國家這些政策和利好對企業(yè)來(lái)說(shuō)是商機，對我們醫療IT建設者來(lái)說(shuō)是方向和指導。因此，健康醫療大數據的產(chǎn)業(yè)熱度會(huì )保持很長(cháng)一段時(shí)間，有望向新興的人工智能產(chǎn)業(yè)邁出堅實(shí)的一步。

　　2

　　百家爭鳴之靈感觸動(dòng)

　　一枝獨秀不是春

　　百花齊放春滿(mǎn)園

　　資料卡：本節提及的企業(yè)/研究機構

　　Google、微軟、法國高速基因組測序分析平臺、飛利浦、HealthNucleus、IBM、威斯康星大學(xué)麥迪遜威絲曼中心、中國科學(xué)院北京基因組研究所生命與健康大數據中心、清華大學(xué)數據科學(xué)研究院醫療健康大數據研究中心、電子科技大學(xué)的健康大數據研究所、高血壓大數據聯(lián)合實(shí)驗室、春雨·中國科學(xué)院大學(xué)健康大數據聯(lián)合實(shí)驗室、貴州省大數據精準醫學(xué)實(shí)驗室、上海精準醫療大數據中心、中華精準醫學(xué)中心、醫渡云、柯林布瑞、樂(lè )九醫療、Airdoc、同濟CT“阿爾法狗”、華大基因、華西-希氏醫學(xué)人工智能研發(fā)中心

　　（作者備注：以下資料均來(lái)自互聯(lián)網(wǎng)業(yè)界報道，部分資料為本人與相關(guān)廠(chǎng)商交流獲悉。）

　　首先來(lái)看一組全球醫療大數據臨床應用方面的具體實(shí)踐

　　GoogleFluView

　　專(zhuān)攻搜索引擎的一些公司在掌握大數據資源方面具有得天獨厚的優(yōu)勢，他們可以基于這些數據挖掘很多應用，如關(guān)注熱點(diǎn)、消費習慣等。Google公司的FluView，是一個(gè)基于大數據分析的跟蹤工具，對流感預測是非常好的一個(gè)案例，也是較早廣泛報道成功案例。FluView能夠接收并處理來(lái)自搜索用戶(hù)、醫生、醫院以及CDC實(shí)驗室的大量數據，為流感疫情的蔓延提供一個(gè)清晰的圖像，進(jìn)而幫助阻止流感疫情的蔓延。

　　微軟Azure云平臺

　　微軟Azure云平臺推廣大型、開(kāi)放的基因組數據集1000基因組，為研究人員提供幫助，并與很多基因公司合作，打造基因組大數據分析平臺。

　　法國高速基因組測序分析平臺

　　法國開(kāi)建2個(gè)高速基因組測序分析平臺，主攻癌癥、糖尿病、罕見(jiàn)病，平均每年能夠實(shí)現對1.8萬(wàn)個(gè)基因組的測序和解讀。同時(shí)，啟動(dòng)基因組和個(gè)體化醫療項目，以提高國家醫療診斷和疾病預防能力為整體目標，預計在全國范圍內建立12個(gè)基因測序平臺，2個(gè)國家數據中心。

　　飛利浦

　　飛利浦聯(lián)合威徹斯特醫學(xué)中心啟動(dòng)精準醫療計劃，IntelliSpace基因組學(xué)解決方案無(wú)縫銜接了來(lái)自多個(gè)數據源的數據，將基因組學(xué)分析與患者臨床數據相整合。

　　HealthNucleus

　　HealthNucleus的全基因組健康管理服務(wù)提供全基因組測序、微生物組測序、代謝組學(xué)分析、臨床檢查和影像服務(wù)，可通過(guò)用戶(hù)基因組與人類(lèi)參考基因組進(jìn)行比較，評估用戶(hù)的基因組。

　　IBMWatsonHealth

　　廣受關(guān)注的IBMWatsonHealth的認知系統能不斷地學(xué)習、訓練、產(chǎn)生知識，與理解的對象產(chǎn)生互動(dòng)。整個(gè)方案包括Watsonforoncology（腫瘤，lung，breast，colon/rectal等的治療方案）、Watsonclinicaltrialmatching（臨床方案匹配，識別患者相適應的臨床方案）、Watsondiscoveryadvisor（醫學(xué)發(fā)現，從海量醫學(xué)文獻獲得洞察力）、Watsongenomicsadvisor（基因，從DNA序列中獲得洞察力）、Analysisofmedicalimages（醫學(xué)影像分析）。

　　IBMWatson要做的不是“占有”數據，而是通過(guò)提供平臺鼓勵用戶(hù)自己訓練Watson——我認為這個(gè)思路是正確的。基于IBMWatson的醫療助理每秒可以閱讀數億頁(yè)資料，幫助醫務(wù)人員獲取數據，這在之前是做不到的。

　　GoogleAI

　　GoogleAI進(jìn)軍醫療，在一些類(lèi)型的乳腺癌的病理識別準確率上超過(guò)了醫生——病理學(xué)家花了整整30個(gè)小時(shí)，仔細分析了130張切片，準確率為73.3%，而谷歌AI交出的答卷則是88.5%。

　　類(lèi)似的基于圖像識別的應用還很多，例如基于腦部MRI的白質(zhì)高信號灶分割、基于皮膚鏡照片的皮膚癌分類(lèi)診斷、基于數字病理切片的乳腺癌淋巴結轉移檢測、基于眼底照片的糖尿病性視網(wǎng)膜病變檢測等等。這些基于影像的分析診斷能夠成功，主要是因為影像學(xué)提供了足夠的規則，因此很容易做出大數據判別。

　　威斯康星大學(xué)麥迪遜威絲曼中心和威斯康星發(fā)現研究院

　　基于錄音也可以進(jìn)行大數據診斷，這非常新穎。根據威斯康星大學(xué)麥迪遜威絲曼中心和威斯康星發(fā)現研究院的新研究，依靠5min的錄音就足以判斷某個(gè)人是否容易罹患與基因相關(guān)的遺傳性疾病。目前已經(jīng)可以準確地識別個(gè)體的突變前期的脆弱的X染色體。

　　達芬奇手術(shù)機器人

　　可以輔助醫生做手術(shù)的手術(shù)機器人也是重要的一部分，它可以利用各種知識庫可以實(shí)現精準診療。達芬奇手術(shù)機器人已經(jīng)成為全球最成功和應用最廣的手術(shù)機器人。

　　國內在大數據、精準診療方向上也有很多布局和應用

　　中國科學(xué)院北京基因組研究所生命與健康大數據中心

　　中國科學(xué)院北京基因組研究所生命與健康大數據中心建立了海量生物組學(xué)大數據儲存與分析體系，建設組學(xué)大數據應用與共享平臺，已完成整合全球1700多個(gè)生物數據庫，國內首個(gè)原始組學(xué)數據歸檔庫正式上線(xiàn)，目前正開(kāi)展人群精準醫學(xué)信息庫、原始組學(xué)數據的共享平臺。

　　清華大學(xué)數據科學(xué)研究院醫療健康大數據研究中心

　　清華大學(xué)數據科學(xué)研究院醫療健康大數據研究中心整合海量醫療健康大數據，為公眾健康、臨床決策、政府決策提供支持；對臨床表型與生命組學(xué)數據進(jìn)行整合分析，實(shí)現對腫瘤、慢性病、罕見(jiàn)病等高危疾病實(shí)現精準預防、診斷和治療。

　　電子科技大學(xué)健康大數據研究所

　　電子科技大學(xué)健康大數據研究所已經(jīng)完成大數據分級診療監測評估系統，目前承擔著(zhù)基于健康云的老年健康管理服務(wù)、面向醫療保險的大數據分析應用、醫學(xué)數字影像唯一身份識別等科研任務(wù)。

　　高血壓大數據聯(lián)合實(shí)驗室

　　高血壓大數據聯(lián)合實(shí)驗室由中國科學(xué)技術(shù)信息研究所、北京同仁醫院、科學(xué)技術(shù)文獻出版社共同成立，正在打通院內數據，形成產(chǎn)、學(xué)、研融合的高血壓數據平臺、管理平臺，后期將面向全國形成高血壓數據共享、應用、發(fā)布的數據支撐平臺。

　　春雨·中國科學(xué)院大學(xué)健康大數據聯(lián)合實(shí)驗室

　　春雨·中國科學(xué)院大學(xué)健康大數據聯(lián)合實(shí)驗室是國內專(zhuān)注于健康大數據的專(zhuān)業(yè)實(shí)驗室，目標是實(shí)現智能和自動(dòng)化的慢病管理，根據用戶(hù)線(xiàn)上問(wèn)診數據，實(shí)現初步的智能化疾病診斷，目前已成型使用，正開(kāi)展分析健康消費數據，增加用戶(hù)用藥和治療經(jīng)濟性，降低醫保賠付率。

　　貴州省大數據精準醫學(xué)實(shí)驗室

　　貴州省大數據精準醫學(xué)實(shí)驗室由貴州省醫牽頭成立，通過(guò)醫學(xué)影像大數據，形成人工智能醫療體系，正在開(kāi)展3D醫學(xué)影像，以讓醫學(xué)生更加熟悉人體構造，同時(shí)將影像設備結合大數據分析提供出了更精準的診斷方式。

　　上海精準醫療大數據中心

　　上海精準醫療大數據中心由復旦大學(xué)、復旦大學(xué)各個(gè)附屬醫院、上海張江轉化醫學(xué)研發(fā)中心組成，已開(kāi)展生物大數據開(kāi)發(fā)與利用研究，建立標準化的食管癌患者臨床信息管理系統，搭建了精準醫療臨床決策支持系統。

　　中華精準醫學(xué)中心

　　中華精準醫學(xué)中心由復旦大學(xué)附屬中山醫院和華大基因聯(lián)合成立；通過(guò)基因大數據，建立覆蓋生育健康、腫瘤預防、心腦血管、遺傳及感染等領(lǐng)域具有國際水平的基因組學(xué)研究和應用中心。

　　醫渡云、柯林布瑞、樂(lè )九醫療等國內醫療大數據企業(yè)

　　國內的醫渡云、柯林布瑞、樂(lè )九醫療等醫療大數據企業(yè)率先在醫院推廣全數據搜索引擎，把醫院積累的海量數據資源盤(pán)活，使得臨床資料的精確查找達到秒級水平。基于性能卓越的醫療大數據平臺，醫渡云等企業(yè)還在與醫院合作，利用其積累深厚的NLP和大數據平臺構建技術(shù)，共同探索面向臨床的知識推薦服務(wù)系統。

　　Airdoc

　　人工智能企業(yè)Airdoc的輔助診斷模型可以識別百萬(wàn)級甚至更高數量級的醫學(xué)影像。如能夠通過(guò)多維度數據分析輔助診斷及疾病預測，通過(guò)對文本、影像等多模態(tài)海量數據的綜合挖掘，建立預測分析模型，進(jìn)一步探索疾病分布演化規律；如醫學(xué)影像識別，已經(jīng)針對大腦、心血管、肺部、肝臟、骨骼健康領(lǐng)域研發(fā)出多個(gè)模型。

　　同濟CT“阿爾法狗”

　　還有同濟CT“阿爾法狗”，據稱(chēng)5秒讀結果，閱片水平已經(jīng)接近主治醫師，對于三毫米以?xún)鹊男〔≡睿巳庋酆苋菀走z漏掉，但是它卻能夠識別出來(lái)，對肺結節的發(fā)現準確率更是高達90%。

　　華大基因

　　華大基因通過(guò)基因測序預測破解疾病，通過(guò)搭建生物信息云平臺進(jìn)行超大規模的全基因組關(guān)聯(lián)分析，可以進(jìn)行母體腫瘤早期篩查，研究遺傳病的分子流行病的突變點(diǎn)頻譜分布。

　　華西-希氏醫學(xué)人工智能研發(fā)中心

　　就在7月27日，四川華西醫院的華西-希氏醫學(xué)人工智能研發(fā)中心經(jīng)過(guò)3個(gè)月研發(fā)，已經(jīng)實(shí)現了人工智能對消化內鏡圖片的秒級診斷，診斷準確率達90%以上，有望于未來(lái)2-3年臨床應用。

　　據報道顯示，該人工智能技術(shù)的研發(fā)過(guò)程分為數據篩選、消化病變歸類(lèi)、AI模型數據訓練和深度學(xué)習、模型測試調整及再訓練等4階段，目前已對20萬(wàn)份病例數據進(jìn)行了深度學(xué)習，對息肉、腫瘤、靜脈曲張的初期診斷準確率分別達到了92.7%、93.9%和96.8%。

　　以上這些案例并不足以完整描繪整個(gè)醫療大數據發(fā)展現狀，但足以看出，無(wú)論是在國內還是國外，大數據、精準診療、人工智能都是一個(gè)重要的風(fēng)口上，這將是信息化發(fā)展到一定階段后產(chǎn)生質(zhì)變的關(guān)鍵時(shí)期，我們應該迎難而上，隨著(zhù)潮流來(lái)做一些有意義、能落地的工作。

　　3

　　臨床輔診之探幽索勝

　　所有的理論法則都依賴(lài)于實(shí)踐法則

　　——德國哲學(xué)家費希特

　　依托于西南醫院豐富的數據，我們結合醫院實(shí)際情況做了一些膚淺的工作。

　　資料卡：西南醫院的大數據有多大

　　以2016年為例，西南醫院門(mén)診量近400萬(wàn)，20幾年來(lái)已經(jīng)積累了海量數據，為大數據分析提供了基礎。目前醫院包括影像系統在內有600T以上的豐富數據儲備，其中包含4123萬(wàn)條醫療就診記錄，253萬(wàn)份電子病歷文檔資料，80萬(wàn)份標準化存儲的生物樣本，110萬(wàn)份與沙區共享的居民電子健康檔案。

　　目前，我院開(kāi)展了臨床數據中心與搜索引擎、遺傳基因檢測運算、臨床醫師評價(jià)體系、CDSS研究、生物樣本庫、結構化電子病歷智能檢索、輔助管理決策支持、臨床專(zhuān)科病種數據庫等八個(gè)方面的醫療數據研究與應用。

　　利用醫學(xué)超算平臺進(jìn)行大數據研究

　　圖4西南醫院腫瘤遺傳與基因組中心專(zhuān)家利用超算平臺系統，該圖為基因在人類(lèi)染色體上的位置

　　2015年，我院依托生物遺傳中心、腫瘤遺傳與基因組中心、感染科等，結合中科院重慶綠色智能技術(shù)研究院超級高性能計算平臺，以及中科院軟件所大數據分析技術(shù)，通過(guò)基因數據分析、跟蹤、對比研究，建立了大數據基因測序平臺，服務(wù)于個(gè)體健康和人類(lèi)基因組數據應用。中科院曙光5000A超算平臺能滿(mǎn)足300萬(wàn)億次浮點(diǎn)計算能力，完全能夠滿(mǎn)足各科室需求。經(jīng)過(guò)兩年多的應用實(shí)踐，共處理、分析兩萬(wàn)余份生物樣本，使用超算CPU超過(guò)近10000機時(shí)，為西南醫院的科研和臨床應用提供了重要支撐。

　　基于Hadoop架構的醫院醫療大數據基礎服務(wù)平臺

　　圖5基于Hadoop架構的醫院醫療大數據基礎服務(wù)平臺

　　該平臺可完成數據收集、數據存儲、數據清洗等工作，醫院HIS、EMRS、LIS、PACS等醫療信息子系統的數據通過(guò)ETL、收集、清洗、歸一化等處理，為上層應用服務(wù)提供準確的基礎數據支撐。

　　以乳腺癌治療為突破口的CDSS研究

　　圖6以乳腺癌治療為突破口進(jìn)行CDSS的研究

　　根據近十年來(lái)乳腺癌臨床治療的發(fā)展和變化，我院乳腺中心姜軍教授提出一個(gè)創(chuàng )新理論，即最小有效治療，認為由于患者年齡、身體狀況、臨床分期、組織類(lèi)型、分子分型等等不同，應更多地進(jìn)行個(gè)體化治療，減少盲目和不合理的治療。

　　這種“最小有效治療”理論能減少過(guò)度治療帶來(lái)的盲目診療、縮短住院時(shí)間，對患者而言，不良反應和并發(fā)癥相對較少，也更加經(jīng)濟。而這需要對疾病診療的知識特征進(jìn)行分析，以盡量貼近醫生思考、判別的思維方式，因此需要構建依托醫療大數據的精準診療方案智能指導系統，即臨床診療決策支持系統。依托于該系統能夠輔助實(shí)施精準診療，輔助醫生進(jìn)行知識學(xué)習更新和臨床診療。該系統目前也已經(jīng)針對患者開(kāi)發(fā)了信息采集、病情分析和診療決策功能，并提供了病例查詢(xún)和統計分析等功能。

　　醫院專(zhuān)享“百度”

　　如何才能充分挖掘醫院積累的千百萬(wàn)份病歷數據？

　　如何才能提高醫生錄入科研及隨訪(fǎng)數據的效率？

　　如何形成以學(xué)科、病種為主題的醫學(xué)科研數據庫？

　　如何才能把臨床大數據轉化成臨床詢(xún)證知識系統？

　　如何把醫院數據轉化為有價(jià)值、可促進(jìn)學(xué)科發(fā)展的資產(chǎn)？

　　圖7西南醫院臨床大數據醫學(xué)科研搜索引擎

　　我們開(kāi)發(fā)了基于科研數據中心的臨床科研信息系統；開(kāi)發(fā)了臨床科研信息平臺，嘗試著(zhù)將歷史積累的病例數據轉化為支撐學(xué)科長(cháng)期發(fā)展的戰略信息資源；開(kāi)發(fā)了醫院臨床大數據醫學(xué)科研搜索引擎，輸入關(guān)鍵字后，三秒內可以遍歷全院臨床資料，顯示搜索結果；開(kāi)發(fā)了單病種科研隨訪(fǎng)系統；我們還嘗試著(zhù)開(kāi)展臨床詢(xún)證知識推送系統研究，與門(mén)診醫生站、住院工作站、個(gè)人/科室科研數據庫集成融合，讓臨床醫生在診療過(guò)程中即時(shí)使用醫院積累的數據知識，在臨床診療過(guò)程中做科研。

　　圖8正在開(kāi)發(fā)中的醫生站臨床詢(xún)證知識推送系統

　　在我們與一批大數據公司的合作規劃中，將逐步完成診療線(xiàn)索、臨床知識庫、智能文獻助手、智能決策四期工程。整體設計思路是與醫生站緊密結合，以便通過(guò)醫生站即可獲取臨床輔助決策信息。我們力爭形成這樣的大數據產(chǎn)品：工具化、產(chǎn)品化，與醫生的日常工作平臺緊密嵌入，具備高度的實(shí)時(shí)性和方便性，具備自主學(xué)習和智能化能力。

　　4

　　醫學(xué)智能之未來(lái)簡(jiǎn)史

　　醫療大數據與醫學(xué)人工智能

　　是一場(chǎng)事關(guān)人類(lèi)健康與生存的知識革命

　　最近有一部暢銷(xiāo)書(shū)叫《未來(lái)簡(jiǎn)史》，我參照該書(shū)目錄的提法，描述一下醫療大數據的＂未來(lái)簡(jiǎn)史＂。

　　第一章悠長(cháng)的過(guò)往

　　1996年以前的漫長(cháng)時(shí)期，醫院信息化絕大部分以財務(wù)系統為主，從DOS到桌面，從單機到網(wǎng)絡(luò )，從同軸電纜到雙絞線(xiàn)，一切都是為了把錢(qián)收準、把賬管好。

　　第二章全面信息化簡(jiǎn)史

　　從1997-2012年是醫院信息化發(fā)展非常快的階段，圍繞電子病歷、質(zhì)量與效率管理等的各大系統陸續上線(xiàn)，并改變了醫生傳統的工作方式。

　　第三章傳統方式的終結

　　從2013年-2016年，隨著(zhù)醫院數據積累越來(lái)越大、系統間的接口越來(lái)越多，傳統信息不斷堆砌的方法走向終結，醫院信息系統在交互性、標準化等方面迫切需要更好的規劃設計和調整。

　　第四章未來(lái)第一次浪潮：從ESB、CDR走向開(kāi)放互聯(lián)

　　從2015年-2020年，我們迎來(lái)了“未來(lái)第一次浪潮”，醫院信息化建設從ESB、CDR走向標準化的開(kāi)放互聯(lián)，將為大數據發(fā)展奠定基礎。

　　第五章未來(lái)第二次浪潮：基于云端大數據的臨床輔診

　　從2017年-2025年，我們將迎來(lái)“未來(lái)第二次浪潮”，基于云端大數據的輔助診療系統將在臨床工作中越來(lái)越深入的應用。

　　第六章未來(lái)第三次浪潮：醫學(xué)人工智能的革命

　　從2020年-2030年，在“未來(lái)第三次浪潮”中，我們將迎來(lái)醫學(xué)人工智能的革命，計算機真的能代替醫生的很多工作。

　　第七章中國將如何

　　如果說(shuō)從工業(yè)革命到信息革命，中國都處于落后與被動(dòng)局面，那么在人工智能研發(fā)應用領(lǐng)域，我們與國外基本是在一個(gè)起跑線(xiàn)上。我們必須抓住機遇，加大基礎研究和應用研發(fā)，10-15年后爭取成為人工智能研發(fā)與應用的大國、強國。

　　在談醫學(xué)人工智能之前，讓我們再回顧一下人工智能的前世今生。

　　人工智能這一概念是在1956年的達特莫斯（Dartmouth）會(huì )議上首次提出的，這一學(xué)科的研究領(lǐng)域現在包括機器人、語(yǔ)言識別、圖像識別、自然語(yǔ)言處理和專(zhuān)家系統等。人工智能的發(fā)展經(jīng)歷了上世紀50-60年代的形成期、上世紀70年代的暗淡期、上世紀80-90年代的應用期，在21世紀進(jìn)入突飛猛進(jìn)期，人工智能在語(yǔ)音、語(yǔ)義、圖像等方面的應用日益廣泛成熟，引起了各國各大研究機構的關(guān)注，紛紛布局人工智能醫療研究領(lǐng)域。

　　依托于計算機視覺(jué)技術(shù)、自然語(yǔ)言處理技術(shù)、語(yǔ)音識別技術(shù)、機器人技術(shù)、機器深度學(xué)習技術(shù)這五大人工智能核心技術(shù)，在醫學(xué)人工智能領(lǐng)域，知識共享、更快的分析、更智能的學(xué)習、更聰明的機器人、更自然的互動(dòng)，將是未來(lái)的發(fā)展趨勢。

　　在今后一段時(shí)間，我個(gè)人判斷，融合人工智能技術(shù)的醫療大數據應用將深度嵌入臨床診療過(guò)程，主要有以下幾個(gè)方面的趨勢。

　　醫療大數據應用從當前的科研數據利用層面逐步進(jìn)入到臨床診療過(guò)程輔助層面；

　　循證醫學(xué)數據、臨床指南、醫學(xué)文獻等豐富數據資源將共同服務(wù)于臨床診療過(guò)程；

　　醫生工作站平臺將會(huì )外掛越來(lái)越來(lái)的醫學(xué)知識庫為診療過(guò)程提供智能化支持；

　　基于大數據分析的人工智能有望取代如影像科、病理科等大部分單一識別性與分析性工作；

　　醫院管理可實(shí)現全時(shí)段、全領(lǐng)域、全維度“數據型優(yōu)化”。

　　在具體應用層面，可輔助診斷疾病的虛擬助理、可輔助醫生看片的醫學(xué)影像人工智能、可大幅度降低藥物研發(fā)成本的虛擬藥物篩選及挖掘、以意念控制芯片的康復醫療、可識別和降低疾病風(fēng)險的健康管理、可優(yōu)化醫療服務(wù)流程和資源配置的醫院管理等等，都是未來(lái)值得關(guān)注的發(fā)展方向。

　　不過(guò)，在醫療的AI研究領(lǐng)域，長(cháng)期以來(lái)的一個(gè)困難是缺乏高質(zhì)量干凈的有臨床標注的數據。同時(shí)，醫學(xué)的復雜性也使得尋找一個(gè)完美的訓練集非常不容易。從大數據到AI，除了“有數”以外，還得鍛煉“庖丁解牛”的精湛技藝與方法體系。目前人工智能在醫療領(lǐng)域的應用尚處于比較淺顯的階段，人工智能可取代醫生的重復性體力勞動(dòng)工作，提升醫生的職業(yè)專(zhuān)業(yè)程度，但是從更深一步的診斷決策和治療尚有缺陷。

　　最后，我想引用作者尤瓦爾·赫拉利在《未來(lái)簡(jiǎn)史》中的兩句話(huà)：

　　①人類(lèi)之所以不愿意改變，是因為害怕未知。但歷史唯一不變的事實(shí)，就是一切都會(huì )改變。

　　②全球經(jīng)濟導向已經(jīng)從物質(zhì)經(jīng)濟轉變?yōu)橹R經(jīng)濟，過(guò)去主要的財富來(lái)源是物質(zhì)資產(chǎn)，比如金礦、麥田、油井，現在的主要財富來(lái)源則是知識。

　　為此，在可見(jiàn)的未來(lái)，我可以大膽地預測，醫療大數據與醫學(xué)人工智能將是一場(chǎng)事關(guān)人類(lèi)健康與生存的知識革命！

　　同道們，讓我們一起改變，一起投入到這場(chǎng)偉大的人類(lèi)健康革命中去吧！

　　-end-