醫療人工智能與未來醫院信息化建設

人工智能在醫療領域的(de)應用，在國外從1972年(nián)到2016年(nián)期間每年(nián)都有新的(de)進展和(hé)突破，學(xué)術界每年(nián)都能出現關于輔助診斷、輔助治療等技術的(de)成果，這是持續不斷的(de)過程。

随着技術進步，在醫療健康領域已有不少智慧醫療應用成功案例，如(rú)輔助疾病診斷、健康管理(lǐ)、醫學(xué)影像、臨床決策支持、便攜設備、康複醫療和(hé)生物醫學(xué)研究，但國內(nèi)外在大數據技術、人工智能技術、醫用機器人與可(kě)穿戴設備等方面還存在着不小的(de)差距。

我國智慧醫療的(de)發展主要存在幾個問題：

第一(yī)，數據采集和(hé)利用的(de)問題。醫療數據不同于商業數據或者消費數據，因為(wèi)涉及到隐私而導緻高(gāo)保護級别，在國內(nèi)出現過幾次醫療隐私數據洩露事件而引起了國家高(gāo)度的(de)重視(shì)，因此如(rú)何有效的(de)采集和(hé)利用醫療數據是第一(yī)大難題；

第二，環境及專業人才稀缺的(de)問題。現在人工智能技術人才非常稀缺，而既懂醫療又懂人工智能技術的(de)複合型人才更稀缺；

第三，基礎支持的(de)體系與計算能力的(de)問題；

第四，标準和(hé)規範建立的(de)問題。現在醫療行業仍處于野蠻生長(cháng)環境中，并沒有充足的(de)規範或标準；

第五，信息安全和(hé)隐私保護的(de)問題。一(yī)旦開始利用人工智能就要考慮容錯率，現在人工智能還不能代替人類醫生進行診斷，不過當人工智能技術達到了某種可(kě)靠性之後，信息安全和(hé)隐私保護就會變得非常重要；

第六，産業化發展問題。現在這個領域已經進入了包括BAT的(de)科技巨頭、新興的(de)生物科技、醫療科技公司，但在産業化發展的(de)道(dào)路中并沒有一(yī)個有效的(de)指導，出現隻追求快速發展，而疏忽過程中的(de)重要環節，或解決的(de)其實并不是醫療行業的(de)核心需求。

醫院真正的(de)應用場景有哪些？

從2015年(nián)開始，國家政策就開始推動醫療與技術的(de)結合。從“互聯網+醫療”，到“人工智能+醫療”，其實在業內(nèi)更多思考的(de)是“醫療+”，因為(wèi)無論技術怎麽變化，核心應該還是醫療。

在雨後春筍一(yī)樣出現的(de)大批互聯網醫療、人工智能醫療公司中，很多不是從解決某一(yī)類具體醫療問題出發，而是先成為(wèi)掌握某項技術的(de)廠商，再去(qù)找醫院或醫生合作，謀求短(duǎn)期內(nèi)在某個場景中落地(dì)，開發出某款産品、某種解決方案。這樣的(de)場景可(kě)能不是真正的(de)場景，解決方案與場景可(kě)能不完全匹配。這樣沒有醫療根基的(de)企業，很難在醫療行業立足。

從醫院的(de)角度，什麽才是人工智能技術真正的(de)應用場景呢(ne)？這就要從打造有思維、能感知、可(kě)執行的(de)智慧醫院目标說起。

一(yī)家醫院要稱為(wèi)有“智慧”，必須具備：

第一(yī)，智慧“大腦”：思考和(hé)指揮。“大腦”融彙了大量信息（大數據）和(hé)知識（知識庫），并能不斷學(xué)習和(hé)進化（人工智能、深度學(xué)習）。針對外部刺激，“大腦”可(kě)以迅速對信息進行有效組織和(hé)組合，作出決策并指揮“行為(wèi)”；

第二，感知“器官”：感知和(hé)采集，“大腦”的(de)思維判斷需要衆多信息輸入作為(wèi)依據，這就依賴于感官：視(shì)覺（攝像頭）、聽覺（智能語音助手）、嗅覺、觸覺（各種智能設備及傳感器）對醫院各種數據的(de)采集，既包括人員的(de)行為(wèi)數據（患者動線、醫護人員動線、醫院物質運送動線）、醫療過程及結果數據，也包括空間環境的(de)信息（能耗、空氣質量）；

第三，“血液”循環：數據驅動，不斷彙聚臨床表型數據和(hé)科研組學(xué)數據，并以個體行為(wèi)數據為(wèi)補充，形成臨床研究大數據。這些數據傳送到大腦進行學(xué)習和(hé)決策， 從而指揮“行為(wèi)動作”（各種應用軟件系統）；

第四，“人體骨骼”：軟硬件設施，轉化醫學(xué)中心的(de)軟硬件設施互聯互通形成一(yī)套整體支撐“行為(wèi)動作”；

第五，“人體四肢”：醫療科研服務，轉化醫學(xué)中心的(de)提供的(de)醫療及科研服務（招募、預約、檢查、治療、康複、随訪等）。

由此可(kě)以把人工智能在醫院的(de)應用場景分為(wèi)四類：第一(yī)類為(wèi)智慧服務，這是當下最熱門的(de)領域，像互聯網+醫院、人工智能+醫院、App移動醫院等都集中在這一(yī)領域；第二類為(wèi)智慧管理(lǐ)，更多服務于醫院的(de)醫療和(hé)運營管理(lǐ)；第三類轉化醫學(xué)研究，像臨床研究和(hé)新藥研發未來都會依賴于數據或人工智能，在未來也是很大的(de)産業；第四類教育，包括對患者的(de)科普類教育，分級診療中對各層級基層醫院的(de)基礎教育。這四大類是醫院最需要應用人工智能的(de)場景，未來這幾類場景中将有優秀的(de)新産品、新技術和(hé)廠商誕生。

這四大類場景具體來說又包含：

診前：首先，患者身份識别。現在的(de)身份識别技術依賴于醫療卡。未來患者在就醫時，從接待到就診、取藥、醫技服務及後續的(de)預約等一(yī)系列服務，都可(kě)以通過無感面部識别技術來實現，将大幅提高(gāo)醫院就診的(de)效率。從醫院的(de)角度出發，當前技術還不是非常成熟，會先從人流量較小的(de)診療區域如(rú)特需醫療、高(gāo)端醫療或私立醫院等進行測試，在技術逐漸成熟、能夠識别大量人員信息後，就可(kě)以淘汰現在所用的(de)磁卡，為(wèi)患者帶來很大的(de)便利；其次，自(zì)動繳費。從2013年(nián)開始，支付寶等發了這一(yī)應用場景，已經在醫院運行良好；再次，智能化的(de)引導。現在已經有 APP室內(nèi)定位等多種引導方向，未來的(de)智能服務機器人引導可(kě)能不是單純的(de)診室導航，而是全程從到入院開始或之前就可(kě)以像護士陪同一(yī)樣，進行病情的(de)分類、分診，然後引導最優路徑，讓患者有很好的(de)就醫體驗；最後，在就醫過程中涉及的(de)檢查或取藥的(de)行為(wèi)，比如(rú)自(zì)動發藥機已經在一(yī)些醫院開始大規模的(de)應用。現在自(zì)動發藥機還需要醫務人員在發藥後進行藥品的(de)核對，之後再交給患者，未來将像自(zì)助銀行一(yī)樣直接為(wèi)患者提供取藥或檢查。

診間：現在醫患的(de)溝通非常短(duǎn)暫，特别是大型三甲醫院，醫生的(de)診療任務非常繁重。未來，通過大數據、大屏互動等技術，把患者生命體征數據、曆史診療數據等提前告知醫生，患者到診間後就可(kě)以在屏幕前進行良好的(de)溝通，從而提高(gāo)溝通率，也提高(gāo)患者的(de)滿意率。

診後：當診療結束後，患者大部分時間是在家裏進行健康管理(lǐ)，未來人工智能在這個領域也有很好的(de)應用。雖然醫院提倡全程診療，但由于醫患比例嚴重失衡，并沒有時間一(yī)對一(yī)進行個性化看護，這就給了智能化很大的(de)空間。可(kě)穿戴設備已經實現了血糖檢測、心電監測、運動監測、飲食種類和(hé)熱量的(de)監測，未來如(rú)果把已經制定好的(de)飲食處方、運動處方等通過可(kě)穿戴設備在院外的(de)患者進行有效的(de)幹預或健康生活方式的(de)引導，将對慢性病人起很大的(de)作用。

病房：患者住院的(de)過程中，怎樣有效、實時地(dì)收集患者的(de)生命體征數據？怎樣對患者進行有效、及時的(de)治療幹預？怎樣對患者進行有利健康的(de)宣教？由于醫護與患者比例嚴重失衡，需要人工智能技術來輔助醫護人員高(gāo)效地(dì)完成工作，同時又讓患者感受到溫暖，這是未來智慧病房中人工智能技術和(hé)生物技術的(de)應用方向。

日常診療：查房和(hé)電子(zǐ)病曆等工作戰勝了醫生的(de)大量精力，現在用機器人查房可(kě)以來幫助醫護減輕工作量，通過自(zì)然語言處理(lǐ)技術自(zì)動形成電子(zǐ)病曆，讓醫生省去(qù)鍵盤輸入的(de)過程。

護士站：護士在執行醫囑時，有大量的(de)護理(lǐ)工作要做(zuò)，包括醫囑的(de)核對、藥品的(de)發放、生命體征的(de)采集等等，而通過智能化的(de)配置或物流，能幫助護士更高(gāo)效、更标準化地(dì)為(wèi)患者提供服務，且防止出錯。

對外開放：教學(xué)型醫院、科研型醫院或多或少會有對外開放的(de)需求，人工智能在展廳的(de)打造、來訪預約、參觀者身份識别、滿意度跟蹤等方面都有很好的(de)應用。

自(zì)動化可(kě)追溯物流：把流程按醫院所需進行改造後，物流企業就可(kě)以快速進入醫療領域，為(wèi)各大醫院提供相應的(de)服務。現階段軌道(dào)傳輸體系、氣動傳輸體系、機器人傳輸體系等已經在一(yī)些醫院應用，還有一(yī)些專業領域仍在做(zuò)新的(de)探索，比如(rú)樣本傳輸體系有全管道(dào)低(dī)溫保存的(de)要求。

智能大樓：現在智能大樓的(de)建設中，與智慧醫療之間相應的(de)銜接非常少，未來把這兩項技術相銜接會有非常好的(de)發展空間。

管理(lǐ)倉：醫院從醫療到管理(lǐ)、從物流到後勤保障都智能化之後，很難通過直觀方式了解到運行的(de)情況或規律，需要有類似駕駛艙的(de)全局管理(lǐ)艙，讓管理(lǐ)者在駕駛艙了解醫院運行的(de)情況。

醫療人工智能面臨的(de)挑戰

在醫院全面普及醫療人工智能，一(yī)個比較大的(de)挑戰是醫院的(de)接受程度。但經過互聯網的(de)洗禮，大多數醫院也在嘗試擁抱技術。除此之外，還面臨着幾個挑戰：

第一(yī)，人才。美國人工智能人才數量近85萬人，中國僅有5萬，人數相對較少，并且人工智能人才成本高(gāo)昂；

第二，數據。數據和(hé)數據之間是有壁壘的(de)，各醫院和(hé)各專科之間的(de)數據并不連通。如(rú)果要得到高(gāo)質量的(de)數據，首先要與一(yī)家或者多家醫療機構進行協作，這非常困難，因為(wèi)全國最優質的(de)醫院和(hé)專科之間的(de)協作是有限的(de)。衛計委等等組織和(hé)一(yī)些高(gāo)校也在尋求突破，他們希望通過行政力量把醫療機構的(de)數據組織在一(yī)起，形成一(yī)個數據庫，用沙盒技術為(wèi)未來的(de)人工智能企業提供“養料”或學(xué)習資料，但推進的(de)速度并不是那麽快。除此之外，還有數據歸屬不明确、數據安全要求高(gāo)、數據開放受限制、數據标準不統一(yī)、數據倫理(lǐ)存争議、數據成本代價高(gāo)等問題，這些都是制約人工智能醫療行業發展的(de)重要因素；

第三，審批。在AI醫療器械審批方面，由于産品未獲得三類醫療器械證書就無法上市，因此産品審批難以通過成為(wèi)産業發展的(de)重要掣肘。現在人工智能診斷技術在飛(fēi)速發展，很多企業或高(gāo)校宣稱在某些比賽中人工智能診斷能力已經超過了人類醫生，但在中國幾乎沒有通過了國家食品藥品監督管理(lǐ)局審批的(de)人工智能診斷算法或應用，在國外也是寥寥無幾。像診斷、治療方案等需要的(de)智能和(hé)科技程度較高(gāo)，需要得到相應的(de)審批才能進入醫療市場。而一(yī)種新藥的(de)審批可(kě)能長(cháng)達十年(nián)，一(yī)個新的(de)醫療器械的(de)審批也是要兩三年(nián)，在人工智能領域一(yī)項技術也要進行臨床的(de)諸多實驗才可(kě)以在臨床上應用。當然，健康指導、宣教、問診服務一(yī)類的(de)人工智能服務，不涉及治療或者診斷過程，審批相對沒有那麽嚴格；

第四，倫理(lǐ)。現階段醫學(xué)人工智能診斷系統難以解釋診斷的(de)原因，而一(yī)旦診斷結果出現問題，也無法追根求源到底是人類醫生、數據還是算法本身出現了問題，因此仍存在“黑盒”風險；

第五，盈利。在行業應用方面，目前付費方不清晰，買單方是醫院、患者、藥企、保險公司還是政府，未來需要多方探索。

傳統醫療信息化體系在人工智能時代正在改變，也暴露出其薄弱之處。主要集中在三個方面：一(yī)是數據采集，二是數據采集的(de)範圍、質量，三是應用的(de)個性化與智能化的(de)程度。

針對這些問題，醫院信息化體系的(de)建設還是要以數據為(wèi)基礎、技術為(wèi)核心、服務為(wèi)導向。

在未來智慧醫療希望能夠有兩個體系：一(yī)個是應用體系，可(kě)通過将人工智能智慧應用與現有應用相互融合協作共同服務于醫療業務的(de)形式，逐步由半智能化過渡到全智能化甚至是無人化，整個過程由各智慧應用的(de)部署形成“智能節點”，替換原有流程上的(de)各個節點，形成“智能單元”，最後由各單元鏈接形成“智能網絡”，最終形成完整的(de)智慧醫院應用體系；另一(yī)個是生态體系，通過智慧養老、智慧藥房、智慧醫療、智慧健康的(de)醫聯體，體系化的(de)建設醫療機構，為(wèi)醫療提供更好的(de)服務。

文章(zhāng)圖片來源于網絡，僅供交流學(xué)習，版權歸原作者所有，如(rú)有侵權，請聯系删除，謝謝！