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

　　汪鵬

　　陸軍軍醫(yī)大學第一附屬醫(yī)院

　?。ㄖ貞c西南醫(yī)院）

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

　　醫(yī)院信息化經過20年的快速發(fā)展，已經進入一個高度信息化、數據化的時代。然而，我們的臨床醫(yī)生看病與20年前又有什么本質區(qū)別呢？——從手寫到用鍵盤取而代之，甚至“忘了”手寫，這似乎是為數不多的變化。

　　能否利用最新科技改變傳統(tǒng)診療模式，給醫(yī)生和患者提供更多智能和幫助呢？我認為，醫(yī)療大數據是邁向“智能醫(yī)學”的必經之路。傳統(tǒng)醫(yī)學模式正在加速向5P醫(yī)學模式轉變，即預防性（Preventive）、預測性（Predictive）、個體化（Personalized）、參與性（Participatory）、精準醫(yī)療（PrecisionMedicine）——整個醫(yī)療服務領域已經步入數據驅動時代，醫(yī)療大數據就是精準診療、智能診療的基礎。

　　1

　　醫(yī)療大數據正逢其時

　　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?？疊igData，“大數據”一詞正式登上科學舞臺，并迅速成為各領域研究熱點。

　　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和架構，具備高效的捕捉、發(fā)現和分析能力，能夠經濟地從類型復雜、數量龐大的數據中挖掘出價值。

　　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(tǒng)思維中。特別是健康醫(yī)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”。這主要是因為沒有看清傳統(tǒng)方法對新需求的力不從心，沒有看清健康醫(yī)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(tǒng)計局給出的最新特征是“6V+1C”（見圖1），大數據是指無法以傳統(tǒng)方法進行抓取、管理、處理和利用的數據集合。來源于臨床病歷、健康檔案、基礎知識庫、臨床知識庫、參考文獻、個人健康數據、基因與組學數據的醫(yī)療場景數據和大數據相關技術深度結合，使新模式、新價值得以產生。

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

　　同時需要注意的是，生物醫(yī)學大數據的增長規(guī)模和復雜程度超出想象——來看一組數據。

　　資料卡：大數據有多大

　　2015年，生命科學和醫(yī)學研究產出科學數據保守估計已經超過EB量級，相當于五百萬個國家圖書館的信息量；

　　單個個體相關的組學數據和臨床數據總和已經超過400G，相當于2000個國家圖書館的信息量。

　　生物醫(yī)學大數據正以前所未有的方式推動生命科學與生物技術的進步，生命科學進入信息時代，通過數據鏈整合產業(yè)技術創(chuàng)新鏈已經成為國際競爭新的技術制高點。

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

　　面向醫(yī)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(tǒng)計分析、治療方法與療效對比、最小有效治療分析、精準診療與個性化治療、醫(yī)學影像學智能標注與分析等。

　　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(jiān)測等。

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

　　圖3醫(yī)療大數據應用促進診療模式的變革

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

　　我國政府也越來越關注大數據的布局——

　　2015年，國務院印發(fā)《促進大數據發(fā)展行動綱要的通知》

　　2016年，發(fā)布《十三五規(guī)劃綱要》，實施國家大數據戰(zhàn)略

　　2016年，國務院辦公廳再發(fā)《關于促進和規(guī)范健康醫(yī)療大數據應用發(fā)展指導意見》——從戰(zhàn)略到具體實施，國家從各個層面來指導健康醫(yī)療大數據的發(fā)展和實施。

　　2017年7月20日，國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，其中有兩點涉及到了大健康產業(yè)：一是關于智能醫(yī)療的；二是關于智能健康和養(yǎng)老的。規(guī)劃對全行業(yè)人工智能的發(fā)展進行了闡述，明確了我國新一代人工智能發(fā)展的“三步走”戰(zhàn)略目標，提出到2030年中國要達到國際領先地位。

　　國家這些政策和利好對企業(yè)來說是商機，對我們醫(yī)療IT建設者來說是方向和指導。因此，健康醫(yī)療大數據的產業(yè)熱度會保持很長一段時間，有望向新興的人工智能產業(yè)邁出堅實的一步。

　　2

　　百家爭鳴之靈感觸動

　　一枝獨秀不是春

　　百花齊放春滿園

　　資料卡：本節(jié)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、威斯康星大學麥迪遜威絲曼中心、中國科學院北京基因組研究所生命與健康大數據中心、清華大學數據科學研究院醫(yī)療健康大數據研究中心、電子科技大學的健康大數據研究所、高血壓大數據聯合實驗室、春雨·中國科學院大學健康大數據聯合實驗室、貴州省大數據精準醫(yī)學實驗室、上海精準醫(yī)療大數據中心、中華精準醫(yī)學中心、醫(yī)渡云、柯林布瑞、樂九醫(yī)療、Airdoc、同濟CT“阿爾法狗”、華大基因、華西-希氏醫(yī)學人工智能研發(fā)中心

　?。ㄗ髡邆渥ⅲ阂韵沦Y料均來自互聯網業(yè)界報道，部分資料為本人與相關廠商交流獲悉。）

　　首先來看一組全球醫(yī)療大數據臨床應用方面的具體實踐

　　GoogleFluView

　　專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，如關注熱點、消費習慣等。Google公司的FluView，是一個基于大數據分析的跟蹤工具，對流感預測是非常好的一個案例，也是較早廣泛報道成功案例。FluView能夠接收并處理來自搜索用戶、醫(yī)生、醫(yī)院以及CDC實驗室的大量數據，為流感疫情的蔓延提供一個清晰的圖像，進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

　　法國開建2個高速基因組測序分析平臺，主攻癌癥、糖尿病、罕見病，平均每年能夠實現對1.8萬個基因組的測序和解讀。同時，啟動基因組和個體化醫(yī)療項目，以提高國家醫(yī)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個基因測序平臺，2個國家數據中心。

　　飛利浦

　　飛利浦聯合威徹斯特醫(yī)學中心啟動精準醫(yī)療計劃，IntelliSpace基因組學解決方案無縫銜接了來自多個數據源的數據，將基因組學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提供全基因組測序、微生物組測序、代謝組學分析、臨床檢查和影像服務，可通過用戶基因組與人類參考基因組進行比較，評估用戶的基因組。

　　IBMWatsonHealth

　　廣受關注的IBMWatsonHealth的認知系統(tǒng)能不斷地學習、訓練、產生知識，與理解的對象產生互動。整個方案包括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(yī)學發(fā)現，從海量醫(yī)學文獻獲得洞察力）、Watsongenomicsadvisor（基因，從DNA序列中獲得洞察力）、Analysisofmedicalimages（醫(yī)學影像分析）。

　　IBMWatson要做的不是“占有”數據，而是通過提供平臺鼓勵用戶自己訓練Watson——我認為這個思路是正確的?；贗BMWatson的醫(yī)療助理每秒可以閱讀數億頁資料，幫助醫(yī)務人員獲取數據，這在之前是做不到的。

　　GoogleAI

　　GoogleAI進軍醫(yī)療，在一些類型的乳腺癌的病理識別準確率上超過了醫(yī)生——病理學家花了整整30個小時，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%。

　　類似的基于圖像識別的應用還很多，例如基于腦部MRI的白質高信號灶分割、基于皮膚鏡照片的皮膚癌分類診斷、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，主要是因為影像學提供了足夠的規(guī)則，因此很容易做出大數據判別。

　　威斯康星大學麥迪遜威絲曼中心和威斯康星發(fā)現研究院

　　基于錄音也可以進行大數據診斷，這非常新穎。根據威斯康星大學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人是否容易罹患與基因相關的遺傳性疾病。目前已經可以準確地識別個體的突變前期的脆弱的X染色體。

　　達芬奇手術機器人

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

　　國內在大數據、精準診療方向上也有很多布局和應用

　　中國科學院北京基因組研究所生命與健康大數據中心

　　中國科學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大數據儲存與分析體系，建設組學大數據應用與共享平臺，已完成整合全球1700多個生物數據庫，國內首個原始組學數據歸檔庫正式上線，目前正開展人群精準醫(yī)學信息庫、原始組學數據的共享平臺。

　　清華大學數據科學研究院醫(yī)療健康大數據研究中心

　　清華大學數據科學研究院醫(yī)療健康大數據研究中心整合海量醫(yī)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數據進行整合分析，實現對腫瘤、慢性病、罕見病等高危疾病實現精準預防、診斷和治療。

　　電子科技大學健康大數據研究所

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

　　高血壓大數據聯合實驗室

　　高血壓大數據聯合實驗室由中國科學技術信息研究所、北京同仁醫(yī)院、科學技術文獻出版社共同成立，正在打通院內數據，形成產、學、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·中國科學院大學健康大數據聯合實驗室

　　春雨·中國科學院大學健康大數據聯合實驗室是國內專注于健康大數據的專業(yè)實驗室，目標是實現智能和自動化的慢病管理，根據用戶線上問診數據，實現初步的智能化疾病診斷，目前已成型使用，正開展分析健康消費數據，增加用戶用藥和治療經濟性，降低醫(yī)保賠付率。

　　貴州省大數據精準醫(yī)學實驗室

　　貴州省大數據精準醫(yī)學實驗室由貴州省醫(yī)牽頭成立，通過醫(yī)學影像大數據，形成人工智能醫(yī)療體系，正在開展3D醫(yī)學影像，以讓醫(yī)學生更加熟悉人體構造，同時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(yī)療大數據中心

　　上海精準醫(yī)療大數據中心由復旦大學、復旦大學各個附屬醫(yī)院、上海張江轉化醫(yī)學研發(fā)中心組成，已開展生物大數據開發(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(tǒng)，搭建了精準醫(yī)療臨床決策支持系統(tǒng)。

　　中華精準醫(yī)學中心

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

　　醫(yī)渡云、柯林布瑞、樂九醫(yī)療等國內醫(yī)療大數據企業(yè)

　　國內的醫(yī)渡云、柯林布瑞、樂九醫(yī)療等醫(yī)療大數據企業(yè)率先在醫(yī)院推廣全數據搜索引擎，把醫(yī)院積累的海量數據資源盤活，使得臨床資料的精確查找達到秒級水平?；谛阅茏吭降尼t(yī)療大數據平臺，醫(yī)渡云等企業(yè)還在與醫(yī)院合作，利用其積累深厚的NLP和大數據平臺構建技術，共同探索面向臨床的知識推薦服務系統(tǒng)。

　　Airdoc

　　人工智能企業(yè)Airdoc的輔助診斷模型可以識別百萬級甚至更高數量級的醫(yī)學影像。如能夠通過多維度數據分析輔助診斷及疾病預測，通過對文本、影像等多模態(tài)海量數據的綜合挖掘，建立預測分析模型，進一步探索疾病分布演化規(guī)律；如醫(yī)學影像識別，已經針對大腦、心血管、肺部、肝臟、骨骼健康領域研發(fā)出多個模型。

　　同濟CT“阿爾法狗”

　　還有同濟CT“阿爾法狗”，據稱5秒讀結果，閱片水平已經接近主治醫(yī)師，對于三毫米以內的小病灶，人肉眼很容易遺漏掉，但是它卻能夠識別出來，對肺結節(jié)的發(fā)現準確率更是高達90%。

　　華大基因

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

　　華西-希氏醫(yī)學人工智能研發(fā)中心

　　就在7月27日，四川華西醫(yī)院的華西-希氏醫(yī)學人工智能研發(fā)中心經過3個月研發(fā)，已經實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2-3年臨床應用。

　　據報道顯示，該人工智能技術的研發(fā)過程分為數據篩選、消化病變歸類、AI模型數據訓練和深度學習、模型測試調整及再訓練等4階段，目前已對20萬份病例數據進行了深度學習，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醫(yī)療大數據發(fā)展現狀，但足以看出，無論是在國內還是國外，大數據、精準診療、人工智能都是一個重要的風口上，這將是信息化發(fā)展到一定階段后產生質變的關鍵時期，我們應該迎難而上，隨著潮流來做一些有意義、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于實踐法則

　　——德國哲學家費希特

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

　　資料卡：西南醫(yī)院的大數據有多大

　　以2016年為例，西南醫(yī)院門診量近400萬，20幾年來已經積累了海量數據，為大數據分析提供了基礎。目前醫(yī)院包括影像系統(tǒng)在內有600T以上的豐富數據儲備，其中包含4123萬條醫(yī)療就診記錄，253萬份電子病歷文檔資料，80萬份標準化存儲的生物樣本，110萬份與沙區(qū)共享的居民電子健康檔案。

　　目前，我院開展了臨床數據中心與搜索引擎、遺傳基因檢測運算、臨床醫(yī)師評價體系、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、臨床專科病種數據庫等八個方面的醫(yī)療數據研究與應用。

　　利用醫(yī)學超算平臺進行大數據研究

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

　　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，通過基因數據分析、跟蹤、對比研究，建立了大數據基因測序平臺，服務于個體健康和人類基因組數據應用。中科院曙光5000A超算平臺能滿足300萬億次浮點計算能力，完全能夠滿足各科室需求。經過兩年多的應用實踐，共處理、分析兩萬余份生物樣本，使用超算CPU超過近10000機時，為西南醫(yī)院的科研和臨床應用提供了重要支撐。

　　基于Hadoop架構的醫(yī)院醫(yī)療大數據基礎服務平臺

　　圖5基于Hadoop架構的醫(yī)院醫(yī)療大數據基礎服務平臺

　　該平臺可完成數據收集、數據存儲、數據清洗等工作，醫(yī)院HIS、EMRS、LIS、PACS等醫(yī)療信息子系統(tǒng)的數據通過ETL、收集、清洗、歸一化等處理，為上層應用服務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行CDSS的研究

　　根據近十年來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、組織類型、分子分型等等不同，應更多地進行個體化治療，減少盲目和不合理的治療。

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

　　醫(yī)院專享“百度”

　　如何才能充分挖掘醫(yī)院積累的千百萬份病歷數據？

　　如何才能提高醫(yī)生錄入科研及隨訪數據的效率？

　　如何形成以學科、病種為主題的醫(yī)學科研數據庫？

　　如何才能把臨床大數據轉化成臨床詢證知識系統(tǒng)？

　　如何把醫(yī)院數據轉化為有價值、可促進學科發(fā)展的資產？

　　圖7西南醫(yī)院臨床大數據醫(yī)學科研搜索引擎

　　我們開發(fā)了基于科研數據中心的臨床科研信息系統(tǒng)；開發(fā)了臨床科研信息平臺，嘗試著將歷史積累的病例數據轉化為支撐學科長期發(fā)展的戰(zhàn)略信息資源；開發(fā)了醫(yī)院臨床大數據醫(yī)學科研搜索引擎，輸入關鍵字后，三秒內可以遍歷全院臨床資料，顯示搜索結果；開發(fā)了單病種科研隨訪系統(tǒng)；我們還嘗試著開展臨床詢證知識推送系統(tǒng)研究，與門診醫(yī)生站、住院工作站、個人/科室科研數據庫集成融合，讓臨床醫(yī)生在診療過程中即時使用醫(yī)院積累的數據知識，在臨床診療過程中做科研。

　　圖8正在開發(fā)中的醫(yī)生站臨床詢證知識推送系統(tǒng)

　　在我們與一批大數據公司的合作規(guī)劃中，將逐步完成診療線索、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(yī)生站緊密結合，以便通過醫(yī)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品：工具化、產品化，與醫(yī)生的日常工作平臺緊密嵌入，具備高度的實時性和方便性，具備自主學習和智能化能力。

　　4

　　醫(yī)學智能之未來簡史

　　醫(yī)療大數據與醫(yī)學人工智能

　　是一場事關人類健康與生存的知識革命

　　最近有一部暢銷書叫《未來簡史》，我參照該書目錄的提法，描述一下醫(yī)療大數據的＂未來簡史＂。

　　第一章悠長的過往

　　1996年以前的漫長時期，醫(yī)院信息化絕大部分以財務系統(tǒng)為主，從DOS到桌面，從單機到網絡，從同軸電纜到雙絞線，一切都是為了把錢收準、把賬管好。

　　第二章全面信息化簡史

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

　　第三章傳統(tǒng)方式的終結

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

　　第四章未來第一次浪潮：從ESB、CDR走向開放互聯

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

　　第五章未來第二次浪潮：基于云端大數據的臨床輔診

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

　　第六章未來第三次浪潮：醫(yī)學人工智能的革命

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

　　第七章中國將如何

　　如果說從工業(yè)革命到信息革命，中國都處于落后與被動局面，那么在人工智能研發(fā)應用領域，我們與國外基本是在一個起跑線上。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(yī)學人工智能之前，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）會議上首次提出的，這一學科的研究領域現在包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能的發(fā)展經歷了上世紀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世紀進入突飛猛進期，人工智能在語音、語義、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注，紛紛布局人工智能醫(yī)療研究領域。

　　依托于計算機視覺技術、自然語言處理技術、語音識別技術、機器人技術、機器深度學習技術這五大人工智能核心技術，在醫(yī)學人工智能領域，知識共享、更快的分析、更智能的學習、更聰明的機器人、更自然的互動，將是未來的發(fā)展趨勢。

　　在今后一段時間，我個人判斷，融合人工智能技術的醫(yī)療大數據應用將深度嵌入臨床診療過程，主要有以下幾個方面的趨勢。

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

　　循證醫(yī)學數據、臨床指南、醫(yī)學文獻等豐富數據資源將共同服務于臨床診療過程；

　　醫(yī)生工作站平臺將會外掛越來越來的醫(yī)學知識庫為診療過程提供智能化支持；

　　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(yī)院管理可實現全時段、全領域、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(yī)生看片的醫(yī)學影像人工智能、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(yī)療、可識別和降低疾病風險的健康管理、可優(yōu)化醫(yī)療服務流程和資源配置的醫(yī)院管理等等，都是未來值得關注的發(fā)展方向。

　　不過，在醫(yī)療的AI研究領域，長期以來的一個困難是缺乏高質量干凈的有臨床標注的數據。同時，醫(yī)學的復雜性也使得尋找一個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(yī)療領域的應用尚處于比較淺顯的階段，人工智能可取代醫(yī)生的重復性體力勞動工作，提升醫(yī)生的職業(yè)專業(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《未來簡史》中的兩句話：

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

　　②全球經濟導向已經從物質經濟轉變?yōu)橹R經濟，過去主要的財富來源是物質資產，比如金礦、麥田、油井，現在的主要財富來源則是知識。

　　為此，在可見的未來，我可以大膽地預測，醫(yī)療大數據與醫(yī)學人工智能將是一場事關人類健康與生存的知識革命！

　　同道們，讓我們一起改變，一起投入到這場偉大的人類健康革命中去吧！

　　-end-