智慧醫療的未來真的很美

長期從事醫學信息醫院信息化相關工作，現任CMIA電子病歷與健康檔案專委會副秘書長，海南省醫學會醫學信息專委會副主任委員。

時光荏苒，又到一年終了時。

某個夜晚，我正饒有興趣地翻看馬爾科夫的《與機器人共舞》，突然想起2013年的某個深夜，偶然看到桌上一本《大數據時代》，同樣也是翻看幾頁就著了迷，後來居然通宵讀完整本，那種興奮的情緒現在想想都還縈繞在心頭。但興奮歸興奮，當時的感覺是，書中描繪那些「高科技」還遠未達到可以向全人類普及的地步，很多場景也只有在科幻小說或電影中才能見到，如此未來離自己還是有距離的。

現如今，雲計算、大數據、物聯網、移動技術、人工智慧（簡稱「雲大物移智」）等新技術日趨成熟，人機共舞指日可待，這期間僅僅時隔五年！現在的我驚嘆于波士頓動力的兩足機器人，折服於打敗人類頂尖圍棋高手的AlphaGo，寄希望於能代替專家為腫瘤患者制定治療方案的IBMWatson，也偷笑李彥宏乘坐百度無人駕駛汽車卻在五環被開了罰單……但眼前發生的一切都讓人不得不相信，「超能陸戰隊」中的大白似乎離我們越來越近了。

可以說，作為醫療衛生信息化行業工作者，我們正處在科技快速發展的新時代，在面臨巨大機遇的同時，也必將面臨各種挑戰。

科技迎來新時代

3.jpg雲技術主要包括雲存儲和雲計算技術，其中雲存儲解決了海量數據的訪問存儲問題，雲計算則通過分散式計算解決了高速計算的問題；大數據技術其實是海量數據分析的方法；物聯網則通過各種感測器解決了海量數據的收集問題；移動技術從本質上講加速實現了信息對稱的問題，提高了人機交互的體驗；至於人工智慧，既然有了收集數據、存儲數據、分析數據的能力，那理所當然應該是「雲大物移」技術的終極發展方向。

2017年Gartner技術曲線

在技術層面，根據2017年Gartner技術曲線顯示，機器學習、深度學習、認知計算等代表著人工智慧的先進技術已經進入「炒作」高峰期，估計用不了多久，相關行業就會洗牌重整，真正具有創新技術優勢的公司將會沉澱，並將人工智慧技術的應用範圍逐步擴大，技術也會日益成熟，甚至在醫療信息化領域，逐步引領智慧醫療時代的到來。

在政策層面，「大數據」、「人工智慧」已經正式寫入十九大報告，國務院也於2017年7月頒發了《新一代人工智慧發展規劃》，從建立快速精準的智能醫療體系到智慧醫院建設，涉及導醫導診、輔助診斷、影像識別、基因組識別等眾多業務和領域，為智慧醫療發展明確了指導方向。國家科技部在2017年11月15日召開了「新一代人工智慧發展規劃暨重大科技項目啟動會」，依託百度、阿里雲、騰訊、科大訊飛「四大金剛」建立了自動駕駛、城市大腦、醫療影像和智能語音四大人工智慧開放創新平台，標誌著新一代人工智慧發展規劃和重大科技項目進入全面啟動實施階段。

國家層面的重視和布局將帶動行業快速發展，其中也必然包含醫療衛生領域。

智慧醫療應用實例

在智能診斷方面，新技術的應用已經帶來臨床診斷方法的變革。

日本的一群科學家讓機器學習了超過3萬張直腸癌癌變前和癌變后的影像照片，然後讓機器觀察放大500倍的直腸息肉照片，自動給出診斷時間不超過1秒，準確率高達86%。我國肺癌發病率和死亡率較高，騰訊公司的騰訊覓影產品，在早期肺癌篩查方面取得進展，可以對微小尺寸的肺部結節利用多尺度三維卷積神經網路進行識別，結合病理診斷數據和大量醫生標註的結節位置信息，實現良性肺結核識別正確率>84%，對於直徑大於3mm小於10mm的微小結節檢出率則超過95%。

在智能護理方面

日本推出了ROBEAR護理機器人，這個類似玩具熊的大傢伙高150厘米，體重140公斤，能夠代替護士抱起或攙扶患者，並且不會讓患者感覺不舒服。後台則是利用關節力量感應裝置和數據分析處理系統。日本面臨嚴重的人口老齡化問題，藉助其發達的機器人技術，可以有效解決護理人員不足的問題。在美國，波士頓醫學中心聯合波士頓東北大學開發了一款臨終關懷機器人系統，通過平板電腦，患者可以和機器人系統聊天解悶，機器人還會監控患者用藥情況，提醒用藥，並精確判斷疼痛等級，其後台依託的智能語音系統能夠幫助患者在生命結束前完成「難以啟齒」的對話，帶給患者最貼心的臨終關懷。

在臨床決策方面，IBM Watson智能腫瘤診斷系統當之無愧走在了最前沿。

IBMWatson系統基於認知計算技術和自然語言處理技術，通過學習專業醫學文獻不斷豐富自己的知識庫，而這些文獻都是由美國紀念斯隆-凱特琳癌症中心（MSKCC）專家來進行篩選，其專業性可見一斑，也從另一個側面說明智慧醫療離不開人類專家的協助。IBMWatson智能腫瘤診斷系統目前已經在世界各地開始使用，據報道，在韓國使用后癌症診斷率高達96%。2016年IBMWatson正式在中國落地，與國內21家大型醫院建立了合作關係。

在藥物研發方面，大數據分析技術被用於發現新葯。

英國的葛蘭素史克和Exscientia合作研究新葯的分子化合物，他們通過分析已有藥物的研發數據設計與特定靶標相關的小分子化合物，這會產生很多待選的分子化合物。經過篩選、實驗檢測，實驗人員最終能發現具有潛在開發價值的分子化合物。這種方法極大縮短了新葯研發時間，並且使研發過程更有精準性。值得一提的是，他們會把實驗數據再次反饋給AI系統以改善遴選策略，用於選擇下一輪化合物，目前已經發現7200多種有價值的化學分子有可能被進一步研發為抗癌新葯。

在基因組分析方面，科學家們一直在通過各種手段研究基因與疾病之間的關係，但是收效甚微，原因主要是基因數據過於龐大，數據分析效率低下。

利用大數據和雲計算技術，可以解決海量數據處理問題。美國的GNSHEALTHCARE公司針對帕金森患者，研究了該病同遺傳的關係，通過選擇帕金森患者組和對照組，把臨床數據、遺傳學數據以及基因數據進行比對分析，發現如果將LINGO2基因與某個遺傳變異特性一同分析可以預測患者運動能力衰退的進展情況，從而為帕金森患者做出診斷。

未來的挑戰

智慧醫療時代已經來臨，掌握住機遇就等於掌握了未來，伴隨機遇的永遠都有挑戰，主要體現在以下幾個方面。

　　人才匱乏的問題

中國雖然在新技術應用的某些方面已經走在了世界的前面，但是不可否認，中國仍然缺乏高精尖技術人才，尤其在上述新技術相關領域。據領英（LINKIN）網站調查顯示，中國只有5萬人從事人工智慧相關的技術工作，位居全球第七，遠遠落後於美國（85萬人），是英國和印度從事AI技術工作人數的三分之一。國家工信部教育考試中心公布的信息表明，中國人工智慧人才缺口超過500萬人。同樣，從事醫療衛生信息化的人才儲備也嚴重不足，很多醫院招不到合適的信息化人才，人才匱乏將成為制約智慧醫療發展的主要因素。

　　基礎仍然薄弱

軟體和硬體基礎薄弱同樣也會影響到智慧醫療的發展。

首先是核心技術基礎薄弱，我國一直在大規模集成電路的研製方面存在嚴重的技術不足，晶元製作已經成為制約我國高精尖技術發展的短板，GPU行業壁壘始終無法打破，核心部件仍依賴於進口。缺少上述技術基礎的支撐，僅靠夢想是不行的。其次就是基礎研究薄弱，據FinancialTimes報道，2016年中國人工智慧領域的論文數量第一次超過28個歐盟國家發表論文總和，但在被引用率Top5的論文數量方面，仍落後於歐盟。

　　未知的社會問題

智慧醫療會不會導致醫生護士大量失業？這可能是目前最有爭議的問題。根據歷史上幾次科技主導的工業革命發展進程來看，科技進步會導致一部分工作崗位被代替，但是會湧現新的工作崗位。人與智能體之間的關係會怎樣，現在沒有人能明確回答，我相信智能體可以更好地為人類服務，「人機共舞」時代終將來臨，到時候會有一系列法律問題、倫理問題湧現出來，而這些問題現在都還沒有答案。

　　信息安全面臨更高挑戰

智慧醫療也許是雙刃劍，因為未來是數據縱橫的時代，是信息時代，各種新技術將為我們收集海量的數據用於分析，其結果可以造福人類，同樣也可以用來做壞事，甚至毀滅人類。我們都不願意相信某超級大國會利用基因數據挖掘來毀滅其他人種的論調，但是這種風險是客觀存在的。因此，智慧醫療時代中的數據保護將變得格外重要。

智慧醫療的未來看起來真的很美，但是挑戰與機遇永遠是並存的，我們是新時代的弄潮兒，我們有幸開啟智慧醫療元年，我們更要努力奔向未來。

作者：張震