医疗大数据+AI是推动精准医疗和临床科研的新引擎
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
融合论坛INTEGRATION FORUM
58软件和集成电路SOFTWARE AND INTEGRATED CIRCUIT
从1987年从业到现在32年了,我是第一次以医疗行业企业经营者和专业人士的身份来跟大家分享。从国家政策的角度来讲,国家将健康医疗大数据应用发展的建设工作纳入到了“健康中国2030”规划当中,这对健康医疗大数据的属性和发展战略提出了具体的要求,也为医疗行业以健康医疗大数据为抓手、正确有效地推进医改进程指出了路线和方向。目前医疗行业的大数据需求呈现出三大趋势。一是数据来源多样化。在医疗过程中,医生根据的是HIS (医院信息系统)、LIS (实验室信息管理系统)、E M R (电子病历)、PAC S (影像归档和通信系统)等数据,但常常忽视患者遗传背景、基因、环境等信息。现在整个医疗行
业,专业纵向细化深入、横向碎片化发展趋势非
常明显。
二是关注角度多样化。除了关注治疗效
果,我们还要关注治疗过程中患者的状态、并
发症、死亡率,关注医院救治过程的执行状况
以及收费情况。
三是知识和工具多元化。对医疗救治的认
识,已经从经验积累向数据积累转化,需要医
生在成长过程中重视方法论的培养,包括必须
熟练掌握计算机工具,学会对海量信息进行处
理。
人工智能的概念最早于1956年在美国达特
茅斯大学首次人工智能研讨会中提出,最早的
医疗场景落地探索尝试出现在上世纪70年代的
—海南沃华医疗器械有限公司董事长郝庄严
大数据+人工智能就是有效精
准数据+优秀算法,将碎片化医
疗数据化零为整,将医疗救治
从经验积累转化为数据积累,
以此服务临床科研、提升医技
能力,打造“健康中国”。
医疗大数据+AI
是推动精准医疗和临床科研的新引擎
主题演讲
利兹大学,最初人工智能用于辅助临床决策诊断。从上世纪80年代开始,医疗行业从业者就几乎每天接触人工智能这个词。现在医疗行业发展到了什么阶段呢?从以数据整合为特征的起步阶段,到数据分享+计算的优化阶段,现在进入到了以医疗大数据+应用级人工智能技术为特征的价值验证阶段。
大数据+人工智能是目前非常重要的方向。首先,医疗行业现在面临重大变革,医疗行业的大部分信息化系统是C S架构,上世纪90年代初以C S架构为标志的数据库大行其道,但目前从IT行业来看,C S架构还是比较落后的。不过医疗行业变革速度非常快,系统从孤立向平台化、IT化、物联网化快速转化,大型医疗诊断和检查装备呈现全面数字化的状态,数据的质量和数量爆发式增长。
其次,信息化成为重点。整个医疗行业的信息化管理水平正在急剧变化,大数据+人工智能等同于有效的精准数据+优秀算法,能够解决医疗精准诊断和精准治疗方面的问题。
另外,场景是落地的关键,现在医学影像识别、智能诊断及辅助诊断的应用是比较成熟的。
最后,大数据+人工智能使得医疗从“智慧”向“智能”转变,应用场景也在向医疗辅助、疾病风险预测、健康管理、医学研究扩展,大数据+人工智能已经成为推动精准医疗和临床科研的新引擎。
医疗数据同样面临数据安全问题,从数据隐私脱敏处理到医院内的私有云部署,再到专网或专有的加密技术,通过各种管控手段来保障数据安全,这些都是依据最新发布的《医疗机构医疗大数据平台建设指南》而采取的措施。
临床医学的智能化应用主要体现在四个方面:第一,模拟专家经验,数据化专家“大脑”,
个性化定制教案与教学频道。我国医疗专家极
其稀缺,专家资源配置不合理,数据化专家“大
脑”其实是极其重要的;第二,序列化患者全周
期治疗康复过程,治疗模式与治疗程序能够精
准复盘;第三,专属A I模型算法能够智能推荐
评估方案、治疗方法、预后分析,以此辅助精准
诊疗;第四,实时掌控全院各项经营指标,提高
医院决策创收能力,辅助支持经营决策。
科研应用的运行逻辑是数据源经过数据
聚合和数据关联进入数据中台,科研数据中心
对数据进行科研管理,数据根据一定的规则分
别进入专病数据库、科研数据集,形成的研究
总结成果输出到临床研究评价中心,评价确认
以后发布成果,最终将成果应用到临床诊疗实
践中,临床应用再形成新的数据,如此形成一
个循环。
医疗大数据+人工智能的发展有三个引人
注意的方面。
第一,医院的数据多种多样,包含结构化
和非结构化的数据,需要构建统一的大数据平
台,整合全院各科室多元异构数据,并将平台
逐步扩展至以医院类型、隶属关系、行政管辖
区域等维度为标志的统一规划建设。
第二,以医学科研来驱动医疗信息化平台
建设,以医疗人工智能成果转化来提升医技能
力。
第三,大数据行业特别缺乏数据工程师,
医疗行业人才缺乏就更严重了,需要聚集数据
工程师、数据科学家深度参与医疗科研,个性
化服务于临床科研课题。这也是个重大机会,
希望能够有更多的数据专业人才加入医疗行
业,参与医疗大数据和人工智能领域的发展,
最终造福社会、造福百姓。
(根据演讲内容整理,未经本人审核)
59
2019年第8期