醫療大數據：人工智能技術，如何幫助病人找到最合適的醫生？_風聞

生病了，看醫生。為了找醫生，一頓瘋狂打聽 。

“哪裏看的好？”“醫生怎麼樣？”

病人和家屬心急火燎，一頭栽進信息的海洋裏，往往只打撈到殘缺的消息。第一、僅依靠在醫療系裏打聽，互相口頭介紹很盲目。第二，名醫掰着手指頭數完，而大多數醫生的技術含量很難被知曉。第三，醫療知識壁壘高，互聯網上求醫問藥有很多陷阱。似乎也沒有什麼更好的辦法繞過這些大坑，尋醫問藥吃盡苦頭最後哀嘆一聲，只有這樣的醫療條件。

與疾病羣魔的鬥爭未分出勝負，但是改觀上述這些醫療信息不對稱的情況似乎已經看到了曙光。如何推薦合適的醫生給病人，可以使用大數據的方式進行統計，用大數據的技術進行分析計算之後，醫生和病人像尋找約會對象一樣匹配。好消息是，這方面的嘗試正在進行之中。

2019年夏天，7月4日-7日，廈門。

 “2019中國醫院協會信息網絡大會暨中外醫療信息網絡技術和產品展覽會”上，江蘇省衞生統計信息中心的唐凱科長髮表了《互聯網醫院平台對醫院的支撐》的主題演講。從某種角度講，這場演講也可以理解為，如果想要人工智能技術在看病這一重要服務中發揮作用，整個醫療系統在管理方面需要做多少的準備工作。

衞生監管部門與醫療機構信息工作者多年的積累與努力是“平整土地”，多年來，醫療大數據的收集和醫療健康信息的互通的作用已經得到了重視。如果這項工作做得好，醫院不再是一個個信息的孤島。“醫療大數據的成果”為人工智能技術發揮戰鬥力準備“糧草”。

無論是實驗室的論文，還是新技術在場景裏的落地與應用，目的只有一個，讓病人受益。

一方面是醫療大數據絕不是紙質病歷變成電子病歷這麼簡單，電子病歷的隱私性、適用範圍的合法性都不能使其成為一種公開數據。另一方面，技術能力高於集成平台的信息平台正在“拔節成長”。據唐凱科長介紹，目前江蘇省級全民健康信息平台已經收集了10000餘家醫療衞生機構的信息，甚至包括了村級衞生室的門診信息住院信息數據、基本公共衞生信息、醫療衞生管理的信息數據。數據存儲總量達到28T，包含5400百多萬份健康檔案信息、290多萬糖尿病患者信息、720萬高血壓患者信息，接入的省屬三級醫院是縣區及平台上傳的8.4億人次的門診和2780多萬人次的住院信息。

這是總量，再看看增量。

在江蘇省一級全民健康信息平台建設成效方面，每日新增的數據規模達到3000萬條，全部完成區線平台和三級醫院數據對接後，每日新增數據規模將達數億級單表，每日新增數據量約2000萬。人口信息、健康檔案、衞生資源等需要實時監管採集。全民健康信息平台每天還對上傳的數據進行標準化校驗和質量評分。醫療數據的來源還包括，醫院的HIS、EMR、LIS、PACS、CMIS、輸血等系統中直接採集的數據（33張表）、國家衞生信息統計網絡直報系統，江蘇省人力資源管理系統。

這些是未來醫療數據的冰山一角。醫療數據越多，越有效，潛力就越大，更多人工智能技術就能更好的應用。本質上，人工智能技術也是一種是數據分析與挖掘的技術。醫療數據是礦山，人工智能是其中一把鏟子。

據唐凱科長舉例，如今在線複診這一環節，能夠採集全省所有三級醫院和10000多家醫療機構的所有數據，很方便就能知道在江蘇省內的複診病人的所有情況。江蘇省內完成了處方字典庫的編制，為後續自然語言處理技術在處方上的應有發揮作用。醫療大數據後續還要與金融保險資源對接，結合保險公司的數據進行相關的分析。醫療大數據描述需求，保險公司有的放矢開發險種。

缺少標準數據，沒有辦法進行相關的分析，很多資源和工具都被擋在門外。

以江蘇省衞生統計信息中心為例，醫療信息化工作的大錘正在猛夯地基。各類基礎性平台會逐步發釋放醫療大數據的潛力。以互聯網醫療服務平台為例，是一個一站式服務平台，面向患者的入口提供“選擇就診方式、預約、主訴”三個步驟，包括有科室的選擇、醫生的選擇。這背後是省級功能平台服務。江蘇省內每一個互聯網醫院都有通道去訪問互聯網醫院的資源，可以訪問到每個醫院的所有的相關的這些同類的應用。背後的標準是統一的，甚至使用的SDK是統一的，所有的這些數據資源是統一的。後續還可以進一步進行橫向對比，從數據中獲得更多的信息。這個平台就是醫療數據的礦山。

以江蘇省衞生統計信息中心為例子，所做的平台性質的基礎工作都將為人工智能技術發揮作用打下基礎。採集到所有醫院、每個醫生、每台手術相關的所有的信息，以及醫生的門診信息，醫生的住院信息，醫生的手術信息，進一步利用大數據進行相關的開發和比對，進而進行醫患匹配。病人通過導診之後，機器完成醫生與病人的匹配，讓病人收到匹配結果。究竟病人最適合被哪個醫生救治就不再依靠親戚朋友之間的打聽來完成。

到這個時候，醫療大數據能夠輕鬆地回答：哪幾位最適合給你看病？因為機器看過病人所有的病歷，機器也看過每一位醫生的所有診治情況的歷史數據。

唐凱科長介紹，這種嘗試更加符合現在看病就醫的發展趨勢，相關醫療機構正在進行開發和驗證醫療數據服務。

羅馬不是一天建成的。人工智能技術與大數據技術能夠在日常生活中發揮作用，每一步微小的進展背後都有很多看不到的巨大的工作量，醫院信息化標準化規範化、IT基礎等前幾步走得不紮實都會拖慢技術落地的腳步。人工智能技術用於診療，也就是機器給人看病還有很長的路要走，甚至還看不到路標，但是在預約掛號繳費、導診出診等環節人工智能可以出力。

清華大學人工智能研究院院長、中科院院士張鈸在題為《醫療智能化面臨的機遇與挑戰》主題演講中強調，醫療人工智能分為兩部分：一是非核心部分，主要是指後勤、管理，包括預約、掛號、繳費、導診、出診、自我診斷、醫學知識諮詢、網絡服務系統等。此項工作目前遇到的問題是，只能解決非核心醫療部分，還不能幫助做醫療診斷。二是核心部分，人工智能最重要的使用是在核心問題上，即智慧診療，智慧診療是高風險的核心問題。人工智能應用具有侷限性，AI需要大量知識或數據、確定性信息、完全信息，但醫療診斷的應用場景並不都符合這些條件；人工智能的魯棒性很差，推廣性弱、有犯大錯誤的概率、可解釋性差等侷限性，要實現真正的智慧醫療還要做很多努力。人工智能應用前景很好，必須要解決互信問題，讓醫生信任這個系統。

互聯網公司的推薦算法、安防領域的人臉識別已經成長為人工智能的全明星，而人工智能在醫療領域的發展週期會比計算機視覺領域更漫長，監管、審批環節也需要時間。

但是，當系統平台與數據準備妥當，醫療資源和病人的匹配是人工智能應該幹好的事。滴滴這樣的出行平台完成的是交通資源的分配工作。看病這個場景比打車複雜多了。但是如果有醫療界的滴滴平台，那麼病人就是打車的人。而醫生就是司機。

目前，我國醫療健康數據有超過百Exabyte，並在加速增長。醫療大數據產業鏈上，有上中下游三類企業，技術核心在中游，技術的應用在下游。上游有數據供應商和雲服務商，雲服務商提供儲存和計算服務。中游企業為產業鏈核心企業，多為具有影像識別，深度學習，自然語言分析等核心技術的技術型企業。下游周圍廣泛的應用場景分為B端機構和C端客户。B端包括醫院藥企、政府、保險、第三方服務機構，它們的成敗關乎患者的福祉，它們創造的價值，可以直接降低看病的費用。

也有觀點認為説，基層醫療最大的問題醫療資源稀缺，‘資源’匹配的再好解決不了核心供給問題。人工智能還是要在早篩、輔助診斷方面發力，解決張鈸院士談到的“核心問題”，但這也是一條漫長的跑道。中國藥監局正在制定有關醫療人工智能系統作為專業醫療器械的認證規範和條例。中國食品藥品檢定研究院負責醫療人工智能產品的評審工作。監管到位，人工智能系統在醫療領域將會迎來下一個快速發展階段。（完）

親愛的數據

出品：譚婧

美編：黃楠