大數據人工智能一體化在醫院建設中的應用

洪超善，李 潔，陳 方

（廣西醫科大學附屬腫瘤醫院，南寧 530021）

不知不覺間，人工智能已經滲透到醫院日常的各種工作當中，無論是問診、分診、還是影像診斷、支付等。在各個環節中，智能咨詢、“刷臉”醫療、醫學影像輔助診斷、疾病風險預測等服務已經開始。一大批醫學人工智能初創公司應運而生。國內外互聯網巨頭積極部署醫學人工智能，傳統醫療企業引進人工智能人才和技術。

隨著可穿戴的醫療跟蹤設備越來越便宜，穿戴設備的使用越來越多，消費者現在可以隨時測試他們的健康狀況。大數據和人工智能預測分析可以在更多重大疾病出現之前不斷測試和提醒用戶，再加上醫療和定量生物數據的提供，將使政府醫療部門能夠以更低的成本向更多的人提供高質量的個性化醫療服務。

1 從前沿技術到應用現實

在二十一世紀，人工智能如何應用于臨床醫療上，是非常重要的研究課題。就當今技術而言，應用人工智能深度學習能夠幫助計算機理解大量圖像、聲音和文本形式的數據，識別率已經能夠達到商業化應用的水平。同時，新技術的介入能推動傳統行業的發展速度，例如醫療行業。人工智能的應用，能夠幫助基層醫療水平的提升，在醫院建設中，能夠緩解由于醫療資源相對不足造成的建設困難。

目前，在我國的醫療體系當中，最好的設備和一流的專家都匯聚在三甲醫院當中，相對的，基層醫院建設資源不足，醫生的經驗也不夠。在醫院建設中應用人工智能技術的意義就在于此：

首先，應用人工智能技術能夠強化基層醫院醫生的能力，能夠提高他們的從醫經驗，提高基層醫院的醫療水平。其次，應用人工智能技術，能夠緩解醫生的疲勞強度，降低重復性的勞動程度。一些技術含量低、重復性高的工作可以交由人工智能去做，一些醫生可能注意不到的小病灶，也可以由人工智能進行提醒，甚至是代替醫生診斷、治療。從而達到防止漏診的的目的，相當于多了很多的“編外醫務人員”。據了解，目前我國許多醫院都引進了對肺癌、乳腺癌、兒童生長發育異常等疾病進行輔助診斷的人工智能檢測系統，如復旦大學附屬腫瘤醫院，浙江大學附屬兒童醫院、華中科技大學附屬醫院，同濟大學醫學院等。

以人工智能閱片為例，以往醫生需要大概5到8分鐘才能看一張片子，而應用了人工智能技術滯后，這個時間縮短到了幾秒鐘，并且能夠生成結構化報告，輔助醫生對結果進行診斷和審查，提高了醫生提高閱片的精度和效率、減少誤診漏診。

2 醫療人工智能在醫院建設的應用

人工智能是非常適合應用于醫療行業的。這是因為醫生這一職業，很依賴視覺和聽覺等感官，進行病人信息的搜集工作。而人工智能的深度學習功能，利用人工神經網絡手段，能夠處理大部分的相關工作。例如，CT和X光片。阿里巴巴醫療部門使用人工智能解讀CT片，騰訊覓影使用人工智能發現癌癥的早期跡象。不僅如此，人工智能技術還可以分析及標注患處。

在醫院建設中應用人工智能一體化技術，能夠有效緩解我國人口老齡化帶來的醫療壓力，特別是在醫療服務稀缺地區，緩解了由于總數巨大的病患和緊張的醫療資源帶來的壓力。在醫院建設中應用人工智能一體化技術，如智能診斷、人工智能手術輔助、醫療影像的人工智能識別功能、長期健康監測、基因學等方面，能夠提高檢測效率和結果的準確性，幫助醫生詳細掌握病患情況，提出更加有效的治療方案。

3 人工智能醫療應用離不開大數據

在國家政府部門搭建統一健康大數據醫療平臺的過程中，最需要考慮的問題，就是醫療數據的來源、質量和安全性。目前，我國已經初步計劃制定大數據醫療平臺標準，并將之下發到各個醫療衛生機構和衛生健康單位，包括醫療相關企業，實現數據的對接和讀取。之所以這么做，是因為人工智能醫療需要大數據的支持。

在推廣電子病歷結構化，病歷大數據儲存分析標準化的同時，要注意保護患者的隱私，即便是推廣應用大數據時，也要隱去個人姓名、特征和地址等。政策要求各個醫療單位和企業，要有一定的安全防范意識，除此之外，政府也在逐步完善相關法律法規的制定。

由于大數據應用在我國發展的世界很短，我國對大數據安全相關的實踐，缺少長期執法的經驗，雖然已經設立的相關的法律法規，但是僅僅是有執法依據是不夠的，還需要進一步的強化對數據保護的執法力度。

一方面要不斷借鑒國外經驗，提高個人和企業以及醫療單位的自我保護意識，提高全社會對數據安全保護的法律意識；另一方面，要建立配套的數據安全指南與標準，對大數據應用的健康發展要做出長期指導的準備。為了安全防護大數據的整體安全，行業內部要遵從以下幾點：一是在安全體系建設過程中，要考慮遵守法律法規；二是要有大局觀，做到事前保障系統穩定性、事中實現業務連續性、事后確保及時運維整改；三是加強信息安全環境下的人事管理和培訓；四要主動保護和建設積極防御信息安全體系。

盡管人工智能在醫學領域發展迅速，但在中國醫學領域，人工智能的最終形式不是取代醫生，而是重建和建設中國未來新醫療體系的基礎設施。其中，人工智能在兩個方面改變了中國新醫療體系的基礎結構：一是醫學方面，包括篩查和預防疾病、對腫瘤的診斷和治療、新藥物的發現等；二是醫療方面，包括對數據的標準的制定、多源數據結構化、病灶勾畫的優化、民眾的健康管理等。

4 結束語

綜上所述，只有數據土壤足夠優質，才能讓人工智能的應用落到實處。我國醫療數據雖然整體上量很大，但是一旦落到某一類具體醫療問題時還是存在數據量不足的問題。不僅如此，這些數據的質量也低，以醫療環節中的影像為例，因為所需的數據要先有臨床經驗豐富的醫生進行標注，之后才可以讓人工智能學習，而這類經過標注的高質量數據來源有限。當今，最有可能成為人工智能企業的模型的，就是來自三甲醫院的醫生和影響數據。

其次，在人工智能應用于醫院建設中的另一個難題，就是缺失醫療信息標準。以病歷為例，患者的病歷信息很難做到準確同步，在對電子病歷標注的時候，不同的醫生處于個人習慣會有不同的標注方式，即便是同一個的科室的醫生，也會在叫法上存在差異。而人工智能這種工具的數理和邏輯性上十分的強，有很高的精準度要求和標準化要求在學習內容上，導致一些時候信息錄入不全，或者產生偏差。

在醫院建設中應用人工智能還存在著人力資源的問題。作為一個非常專業的領域，應用人工智能技術，離不開醫學界的深層溝通和合作。現實中，人工智能在醫療領域的應用，最為缺乏的就是既懂人工智能技術又懂醫學的人才。要想在人工智能的輔助下突破一些醫學問題，就少不了醫學人才的加入。

要解決上述問題，實現大數據人工智能一體化在醫院建設中的應用，就少不了合作。這種合作是國家層面的合作，是有意識的資源整合，是醫學界、企業和科研單位的合作，是對醫學人工智能發展的梳理，要進一步推動醫療人工智能的發展，強化在醫院建設中的作用，就少不了多方面、深層化的合作參與，才能最終實現全面醫療人工智能一體化建設。