大数据医疗：5大应用、5个痛点、5种趋势

如何利用AI、大数据、物联网等技术，提升医疗水平、优化公卫体系的精细化管理能力，将成为地方政府与科技公司共同面对的一场决定命运的“大考”。

《“健康中国2030”规划纲要》明确将发展健康产业作为“健康中国”建设五大任务之一，并提出将健康产业发展成为国民经济支柱性产业的战略目标：2020年健康服务业总规模达到8万亿，到2030年达到16万亿，全年GDP占比超过10%。

在新基建的七大领域中，作为城市底层基础设施和数字经济的底座，大数据中心的平台化水平和运营能力，将直接决定新基建的整体成效。而医疗，将是验证大数据中心建设成色的一把“放大镜”。

今天，强国融媒智库就来盘点一下大数据医疗的应用、痛点和未来……

5大应用

医生往往都希望尽可能多地收集病人信息，尽早发现疾病，对于患者来说，不但降低了身体健康受损的风险，同时也能够减少医疗支出。而通过对医疗大数据的分析，人类不但能够预测流行疾病的爆发趋势、避免感染、降低医疗成本等，还能让患者享受到更加便利的服务。

一、电子病历

到目前为止，大数据最强大的应用就是电子医疗记录的收集。每一个病人都有自己的电子记录，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。

这些记录通过安全的信息系统(究竟是否安全值得商榷)在不同的医疗机构之间共享。每一个医生都能够在系统中添加或变更记录，而无需再通过耗时的纸质工作来完成。这些记录同时也能帮助病人掌握自己的用药情况，同时也是医学研究的重要数据参考。

二、健康监控

医疗业的另一个创新是“可穿戴设备”的应用，这些设备能够实时汇报病人的健康状况。

和医院内部分析医疗数据的软件类似，这些新的分析设备具备同样的功能，但能在医疗机构之外的场所使用，降低了医疗成本，病人在家就能获知自己的健康状况，同时还获得智能设备所提供的治疗建议。

这些可穿戴设备持续不断地收集健康数据并存储在云端。

除了为个体患者提供实时信息以外，这些信息的收集也能被用于分析某个群体的健康状况，并根据地理位置、人口或社会经济水平的不同用于医疗研究。最后在这些前期研究的基础上制定并调整疾病的预防与治疗方案。

装有GPS定位的哮喘吸入器就是一个典型的例子，它观察的不仅是单个患者的哮喘，还能从同一区域、多名患者的哮喘规律中找到更好的适合该地区的治疗方案。

可穿戴设备在我们的日常生活中随处可见，计步器、体重跟踪器、睡眠监测仪、家用血压计等都为医疗数据库提供着关键数据。

三、医护资源配置

这个看似不可能完成的任务，已经在大数据的帮助帮助下在一些“试点”单位实现。在法国巴黎，有四家医院通过多个来源的数据预测每家医院每天和每小时的患者数量。

他们采用一种被称为“时间序列分析”的技术，分析过去10年的患者入院记录。这项研究能够帮助研究人员发现患者入院的规律并利用机器学习，找到能够预测未来入院规律的算法。

这项数据最终会提供给医院的管理人员，帮助他们预测接下来15天中所需要的医护人员“阵容”，为患者提供更加“对口”的服务，缩短他们的等待时间，同时也有利于为医护人员尽可能合理地安排工作量。

四、大数据与人工智能

人工智能技术通过算法和软件，分析复杂的医疗数据，达到近似人类认知的目的。因此AI使得计算机算法能够在没有直接人为输入的情况下预估结论成为可能。

由AI支持的脑机接口可以帮助恢复基本的人类体验，例如因神经系统疾病和神经系统创伤而丧失的说话和沟通功能。

在不使用键盘、显示器或鼠标的情况下，在人类大脑和计算机之间创建直接接口，将大幅提高肌萎缩侧索硬化或中风损伤患者的生活质量。

AI还是新一代放射工具的重要组成部分，通过“虚拟活检”帮助分析整个肿瘤情况，而不再通过一个小小的侵入性活检样本。AI在放射医疗领域的应用能够利用基于图像的算法来表现肿瘤的特性。

在发展中国家，精通放射学、超声波等领域的医护人员非常匮乏。AI能够在一定程度上完成原本需要人类参与的诊断行为，降低实际操作中对一个专业放射科医师的需求。

五、医学影像

医学影像包括X射线、核磁共振成像、超声波等，这些都是医疗过程中的关键环节。

放射科医生往往需要单独查看每一个检查结果，不但产生了巨大的工作量，同时也有可能耽误患者的最佳治疗时间。但是大数据却可以有效解决这一问题。

算法所能够研究的图像数量远远超出人类大脑，任何一个放射科医师穷尽一生也不可能与机器的运行速度和强度匹敌。通过构建识别图像中模型的算法，使这些模型能够形成编号系统，帮助医生做出诊断。

图片来源：图虫创意

5个痛点

一、数据安全

医疗数据涉及个人数据隐私方面的问题，因此要特别注意个人数据隐私保护，中国《网络安全法》规定“网络运营者不得泄露、篡改、毁损其收集的个人信息；未经被收集者同意，不得向他人提供个人信息。但是经过处理无法识别特定个人且不能复原的除外”

虽然AI医疗公司在使用数据时要进行数据的无法识别特定个人处理，这在一定程度上能够帮助AI医疗公司规避数据安全问题，但仍旧无法完全避免数据安全问题的产生。

目前，我国没有明确的法律规定数据归属问题，医疗数据使用权到底是患者个人、医疗机构、还是参与建设的企业？

医疗行业内的共识是：数据是患者、医生、医院三方共同的资源，且不能直接用作盈利，一般来说数据可以找科研项目合作中使用，使用前必须经过患者同意、医生必须得到医院科研项目申请批复。

因此，大多数AI医疗公司仍是通过与医疗机构合作科研项目，获取数据训练模型。

二、数据开放受限

中国的医疗数据开放程度有限，主要体现两个方面：一是境内与境外的流通限制，二是医院与医院或医院与公司之间流通的限制。

境内与境外的限制其实很简单，这个各个国家都有相关规定，而且有的国家规定的更加严格，比如美国和欧洲。在医院与医院的流通限制方面，我国大部分的医院数据都是独立存在的，流通起来相对困难，更谈不上共享和数据交叉应用及数据变现。

2017年以来，国家通过立法逐步规范和开放数据的使用，同时陆续建立各类数据应用平台，通过国家力量和产业资本的结合，加快医疗数据的互联互通和数据共享机制，为医疗大数据的应用带来福音。

三、数据标准差异

我国人口众多，医疗数据丰富，但”数据大“不等于 “大数据“，临床数据不够统一和规范，不同地区、不同医院之间的数据没有建立起联系，也没有统一的标准，因此价值也得不到体现。

比如影像系统的数据标准问题，超过80%的医疗大数据为影像形式，但PACS系统的生产设备和数据标准是不一致的，数据交流存在诸多障碍。

四、伦理争议

尽管AI在医疗行业取得了令人瞩目的进展，但不可否认的是，AI的应用依然存在一系列的伦理问题，比如：AI造成了个人信息泄露，导致医疗事故，责任方是谁？AI的使用造成了医疗人员的失业，引发医疗产业结构的转型，社会应该如何应对？诸如此类的问题很多，都需要行业从业者去面对和解决。

五、数据成本高

所有基于AI的医疗技术，都是以”数据“为基础的，目前AI医疗公司获得数据的渠道分为三种：第一，与医院合作科研项目；第二，从公开数据集下载数据；第三，购买数据。

总体来说，获取数据的成本主要在数据获取和数据标注上，而随着模型训练的逐步深入，数据吞吐量可能会是几何级数增长，代价也会水涨船高，这无形中为实现大数据医疗增加了负担。

图片来源：图虫创意

5种趋势

一、影像识别智能化

2018年6月，由国家神经系统疾病临床医学研究中心、首都医科大学人脑保护高精尖创新中心和中国卒中学会联合主办的“Chain”杯全球首场神经影像人工智能人机大赛全球总决赛上，一方是全球首款CT、MRI神经影像AI辅助诊断系统，一方是25名全球神经影像领域顶尖专家。

AI分别以87%、83%的准确率，战胜医生66%、63%的准确率，而且在速度上基于大数据的人工智能也占尽优势。

医疗数据中有超过90%来自于医学影像，但是影像诊断过于依赖人的主观意识，容易发生误判。中国临床医疗每年的误诊人数约为5700万人。AI通过大量学习医学影像，可以帮助医生进行病灶区域定位，减少漏诊误诊问题。

二、智能诊疗通用化

智能诊疗是人工智能在医疗领域最重要、也最核心的应用场景。

智能诊疗就是将人工智能技术应用于疾病诊疗中，计算机可以帮助医生进行病理，体检报告等的统计，通过大数据和深度挖掘等技术，对病人的医疗数据进行分析和挖掘，自动识别病人的临床变量和指标。计算机通过“学习”相关的专业知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。

IBM研发的沃森机器人可以在17秒内阅读 3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告。通过海量读取医学知识，沃森机器人在短时间内迅速成为肿瘤专家。

2012年沃森机器人通过了美国职业医师资格考试，并部署在美国多家医院提供辅助辅助诊疗的服务。目前沃森机器人提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。

三、药物研发提速

依托大数据，人工智能系统可以快速、准确的挖掘和筛选出适合的药物。通过计算机模拟，人工智能可以对药物活性、安全性和副作用进行预测，找出与疾病匹配的最佳药物。这一技术将会大大缩短药物研发周期、降低新药成本并且提高新药的研发成功率。

例如，当某人被诊断为癌症时，智能药物研发系统会利用病人的正常细胞和肿瘤来将它的模型实例化，并尝试所有可能的药物，直到找到一种能杀死癌细胞又不伤害正常细胞的药物。如果它找不到有效药物或者有效药物组合，那么它就会着手研发一种能治愈癌症的新药。如果药物医治了疾病但仍有副作用，系统则会尝试通过相应调整摆脱副作用。

四、医疗机器人广泛应用

机器人在医疗领域的应用范围很广泛，比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体，医疗保健机器人辅助医护人员的工作等。

目前，关于机器人在医疗界中的应用的研究主要集中在外科手术机器人、康复机器人、护理机器人和服务机器人方面。国内医疗机器人领域也经历了快速发展，进入了市场应用。

天智航的“天玑”第三代机器人可以辅助医生开展四肢、骨盆骨折以及脊柱全节段手术，让患者的软组织损伤更小、出血量更少、恢复更快，并减轻医生疲劳。

在医院门诊部，科大讯飞的“晓医”在全国近100家医院“上岗”，为患者提供预约挂号、问询服务、智能导诊、路径指引、报告查询等多种功能，为医院分摊导诊工作。让很多人感到痛苦和恐惧的胃镜检查，现在患者只需吞下一粒胶囊，在胃里变成“机器人”进行螺旋式扫描，将图像实时传输至医生电脑，便可快速完成。

五、健康管理实时追踪

根据人工智能而建造的智能设备可以监测到人们的一些基本身体特征，如饮食、身体健康指数、睡眠等。对身体素质进行简单的评估，提供个性的健康管理方案，及时识别疾病发生的风险，提醒用户注意自己的身体健康安全。目前人工智能在健康管理方面的应用主要在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。

目前研究人员正在努力使智能穿戴设备，通过和智能手机连接，将电子病历等多渠道的数据进行整合，人工智能系统可以为病人提供个性化的健康管理方案，帮助病人规划日常健康安排。

同时，通过手机或者家庭智能终端，用户可以随时联系智能健康咨询服务平台，获得专业的病情分析咨询。还提供专属的健康管理人员，提供上门理疗，上门送药等多种服务。

后记

相关数据显示，2020年我国健康医疗大数据行业规模将突破800亿人民币。

新冠疫情让医疗行业更清楚的认识到医疗大数据研究与应用的重要性。电子病历、智慧医院、医疗AI、DRG等投入将进一步加大，医联体、基层医疗卫生服务体系等新模式建设也将成为建设重点。

如何利用AI、大数据、物联网等技术，提升医疗机构诊治水平、优化城市公卫体系的精细化管理能力，将成为地方政府与科技公司共同面对的一场决定命运的“大考”。

注：本文数据内容来”闻海“大数据平台，”闻海“是基于人工智能与认知计算的核心技术，提供覆盖全球多维深度分析的媒体大数据服务平台。文中结论均基于新闻大数据分析得出，不代表任何个人或组织的政治观点，仅供学术交流。