小议智慧医疗

祁婷婷　葛威　邹涵　赵通　刘伟

摘要：信息技术的发展改变了传统的医疗模式，以物联网感知、信息移动、信息互联共享、智能决策为核心的智慧医疗模式应运而生。本文从智慧医疗的概念出发，梳理了以人工智能为代表的智慧医疗在流行病预测，辅助诊断，精准外科手术，药物研发的应用现状，同时从责任划分，数据安全，行业标准等分析了人工智能在医疗领域存在的问题与挑战，以期更好地促进智慧医疗的发展。

关键词：智慧医疗; 信息技术 ;医疗模式; 人工智能

中图分类号：TP393        文献标识码：A

文章编号：1009-3044（2020）02-0271-02

1 起源与简介

随着物联网、云计算、移动互联网等技术的逐渐成熟，医疗领域信息化和整体化的智慧医疗蓝图逐渐展现在人们面前。智慧医疗是指具有物联网感知、信息移动、信息互联共享、决策高度智能化的医疗服务体系【1】。由三部分组成，分别为智慧医院系统、区域卫生系统以及家庭健康系統，通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。

智慧医疗打破了将医疗物理基础设施与数据中心、网络等IT基础设施分开的传统医疗体系思维，在智慧医疗体系中，从药品至各类传感器，就医流程的任一部分都可以被感知、被度量。

2 智慧医疗医疗应用场景及方向

2.1 流行病的预测

早在2008 年，谷歌就已经推出了流感预测的服务，其所开发的“谷歌流感趋势”（Google Flu Trends，GFT）软件，根据网络用户及其家人出现流感相关症状时可能搜索的相关关键词，提前1～2周准确预测了美国流感样病例百分比的变化趋势，由此在学术界掀起了利用互联网数据预测流感的研究浪潮【2】。2017年，平安集团与重庆市疾病预防控制中心的联合研发课题组，利用“互联网+医疗健康”大数据与深度学习前沿技术，实现了提前一周预测某一地区流感和手足口病的患病率。该流感预测模型目前已在重庆市上线应用，在重庆长达3年的历史静态数据及上线后动态数据的验证中，预测平均误差率都不超过10 %。基于人工智能技术的传染病预测，将帮助公共卫生服务部门及时监控疫情和合理分配医学资源。

2.2 辅助诊断

医学专家系统是智慧医疗重要的落地场景，提前将海量医学诊断知识导入计算机，通过模拟医学专家的临床诊断思路，根据病情从知识库中提取并综合有价值的诊断线索，进而给出治疗方案【3】。其中比较著名的是美国斯坦福大学在1976年研制的MYCIN 医学专家系统， 其能够鉴别细菌感染，并对患者进行诊断，开出抗生素处方[4]。

我国对医学专家系统的研究始于二十世纪七十年代末，由于中医具有非常好的数据处理原型且推理过程明晰，因此专家系统首先在中医领域获得突破，例如上海计算所的“中医妇科诊断系统”。在西医领域，阿里健康协同万里云发布了医疗AI“Doctor You”，据官网介绍，“Doctor You”AI系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等几个方面。以对外展现的CT肺结节智能检测引擎为例，对30名患者产生的近九千张CT影像进行智能检测和识别，只需要30分钟即可阅完，准确度达到90%以上。

由此看来，未来的智能医学诊断和治疗专家系统在速度与准确性方面将不断提升，为各种疾病的预防、诊断和治疗做出更大的贡献。

2.3 精准外科手术

传统外科手术针对不同病情依据经验形成大致手术方案，而实际手术过程中会发生例如解剖结构改变等突发事件，使得手术效果有较大的随机因素。借助虚拟现实和数据融合等计算机技术，传统外科手术正在向以精准为特征的全新手术模式——精准外科手术转变。

术前，计算机将主刀医生给出的手术方案结合医学影像信息，经过专家系统以三维图像呈现，通过手术团队和患者的进一步交流，形成精细的术前决策【5】。同时，利用虚拟手术系统可以设计，预演和修正手术的整个过程，对于减小手术损伤，选择最佳手术路径，提高病灶定位精度都十分有益。

2015年12月29日，海信医疗发布的海信计算机辅助手术和海信外科智能显示系统就是精准外科手术的落地成果之一。借助智慧医疗，这套系统可以帮助医生了解肝癌病灶与器官管道系统的相互关系，计算器官病变体积，从而确定手术切除线路。

2.4 药物研发

传统的药物研发周期长，成功率低，从靶点的发现、验证，到先导化合物的发现和优化，再到候选化合物的挑选和开发，最后进入临床研究【6】。而利用人工智能相关建模方法和大量高通量组学数据的分析技术进行有效靶点的筛选和药物设计，能够节省药物研发成本，缩短药物研发时间。2018年，Cell及其子刊针对癌症基因图谱（The Cancer Genome Atlas，TCGA）的Pan-cancer 分析发表了超过8篇文章，这项被誉为“人类癌症研究的谷歌地球”【7】的伟大成就，正是利用人工智能深度挖掘TCGA数据库中表观的遗传数据，寻找到肿瘤的干细胞相关特征【8】。

不仅如此，人工智能技术正促使药物研发从以靶点为核心转变为综合表型筛选药物，解决了复杂疾病靶点不明确，肿瘤的靶向药物产生抗性等疑难问题。

3 遇到的问题或挑战

智慧医疗作为一种新兴医疗模式，在提供更高效更精确的医疗服务的同时，在主题责任划分，安全与隐私，规范标准等方面也产生了一定问题，需要在其发展过程中予以重视和妥善解决。

3.1 主题责任不清晰

尽管随着人工智能技术的发展，智慧医疗的诊疗速度和准确性在稳步提升，然而一旦出现错误，责任的界定是个棘手的问题。我国尚未出台法律用于明确医疗机器人的责任归属，监管机制，以及其背后复杂的伦理边界。当人工智能更多地应用于医疗活动，如何合理划分主体责任显得至关重要。

3.2 数据安全与隐私保护

智慧医疗高度依赖的海量数据，由于缺乏合理的数据共享和数据流通的机制，更易遭受攻击和泄露的风险。近几年医疗可穿戴设备隐私数据泄露的事件频频发生，Fitbit、小米、华为、Jawbone等生产厂家都被曝出存在隐私泄露问题。2015年发布的《国务院关于印发促进大数据发展行动纲要的通知》文件，重点强调了“健全大数据安全保障体系”与“强化安全支撑”【9】。大数据在医疗中应用甚为广泛，在享受其带来的好处的同时，应考虑到背后的个人隐私，数据安全等问题，通过技术手段，健全法律法规等合理应用大数据。

3.3 标准缺失

智慧醫疗是一个涉及传感网、通信网、健康信息处理、医疗终端和应用等多个环节的信息化建设工程，各个环节都离不开标准的规范和指导。在医疗信息化建设过程中，标准与规范建设的滞后会制约信息化发展瓶颈。因此不同医疗机构与研发机构之间需要提高信息互联互通的积极性，对智慧医疗进入临床的数据的安全性，算法的有效性进行验证和评估效果，制定质量标准、准入体系、评估体系和保障体系。

4 结束语

智慧医疗的发展为人们提供了丰富的医疗资源和便捷智能的医疗服务，顺应了信息化的发展潮流。然而在发展过程中，我们同时需要注意加强数据安全建设，明确责任划分，制定监管规定与法律法规等多个方面，为智慧医疗的发展注入强大的动力。

参考文献：

[1] 陈敏，武琼，张帧，等.智慧医疗卫生服务的挑战与启示[J].中华医院管理杂志，2013，29（8）：597-599.

[2] Ginsberg J，Mohebbi M H，Patel R S，et al.Detecting influenza epidemics using search engine query data[J].Nature， 2009，457（7232）：1012-1014.

[3] Das S，Roy Chowdhury S，Saha H.Accuracy enhancement in a fuzzy expert decision making system through appropriate determination of membership functions and its application in a medical diagnostic decision making system[J].Journal of Medical Systems， 2012，36（3）：1607-1620.

[4] 孔祥溢，王任直.人工智能及在医疗领域的应用[J].医学信息学杂志，2016，37（11）：2-5.

[5] 唐雷.数字医学技术与精准外科手术[J].中国实用妇科与产科杂志，2012，28（1）：7-9.

[6] 刘琦.人工智能与药物研发[J].第二军医大学学报，2018，39（8）：869-872.

[7] Kruger R.Charting a course to a cure[J].Cell， 2018，173（2）：277.

[8] Malta T M， Sokolov A， Gentles A J， et al. Machine Learning Identifies Stemness Features Associated with Oncogenic Dedifferentiation[J]. Cell， 2018， 173（12）：338-354.

[9] 单志广.国家大数据发展的顶层设计 数据强国战略的冲锋号角——《关于促进大数据发展行动纲要》的几点解读[J].财经界，2015（28）：30-35.

【通联编辑：唐一东】