人工智能在醫(yī)療領(lǐng)域的應(yīng)用，在國外從1972年到2016年期間每年都有新的進展和突破，學(xué)術(shù)界每年都能出現(xiàn)關(guān)于輔助診斷、輔助治療等技術(shù)的成果，這是持續(xù)不斷的過程。

隨著技術(shù)進步，在醫(yī)療健康領(lǐng)域已有不少智慧醫(yī)療應(yīng)用成功案例，如輔助疾病診斷、健康管理、醫(yī)學(xué)影像、臨床決策支持、便攜設(shè)備、康復(fù)醫(yī)療和生物醫(yī)學(xué)研究，但國內(nèi)外在大數(shù)據(jù)技術(shù)、人工智能技術(shù)、醫(yī)用機器人與可穿戴設(shè)備等方面還存在著不小的差距。

我國智慧醫(yī)療的發(fā)展主要存在幾個問題：

第一，數(shù)據(jù)采集和利用的問題。醫(yī)療數(shù)據(jù)不同于商業(yè)數(shù)據(jù)或者消費數(shù)據(jù)，因為涉及到隱私而導(dǎo)致高保護級別，在國內(nèi)出現(xiàn)過幾次醫(yī)療隱私數(shù)據(jù)泄露事件而引起了國家高度的重視，因此如何有效的采集和利用醫(yī)療數(shù)據(jù)是第一大難題；

第二，環(huán)境及專業(yè)人才稀缺的問題?，F(xiàn)在人工智能技術(shù)人才非常稀缺，而既懂醫(yī)療又懂人工智能技術(shù)的復(fù)合型人才更稀缺；

第三，基礎(chǔ)支持的體系與計算能力的問題；

第四，標(biāo)準(zhǔn)和規(guī)范建立的問題?，F(xiàn)在醫(yī)療行業(yè)仍處于野蠻生長環(huán)境中，并沒有充足的規(guī)范或標(biāo)準(zhǔn)；

第五，信息安全和隱私保護的問題。一旦開始利用人工智能就要考慮容錯率，現(xiàn)在人工智能還不能代替人類醫(yī)生進行診斷，不過當(dāng)人工智能技術(shù)達到了某種可靠性之后，信息安全和隱私保護就會變得非常重要；

第六，產(chǎn)業(yè)化發(fā)展問題?，F(xiàn)在這個領(lǐng)域已經(jīng)進入了包括BAT的科技巨頭、新興的生物科技、醫(yī)療科技公司，但在產(chǎn)業(yè)化發(fā)展的道路中并沒有一個有效的指導(dǎo)，出現(xiàn)只追求快速發(fā)展，而疏忽過程中的重要環(huán)節(jié)，或解決的其實并不是醫(yī)療行業(yè)的核心需求。

醫(yī)院真正的應(yīng)用場景有哪些？

從2015年開始，國家政策就開始推動醫(yī)療與技術(shù)的結(jié)合。從“互聯(lián)網(wǎng)+醫(yī)療”，到“人工智能+醫(yī)療”，其實在業(yè)內(nèi)更多思考的是“醫(yī)療+”，因為無論技術(shù)怎么變化，核心應(yīng)該還是醫(yī)療。

在雨后春筍一樣出現(xiàn)的大批互聯(lián)網(wǎng)醫(yī)療、人工智能醫(yī)療公司中，很多不是從解決某一類具體醫(yī)療問題出發(fā)，而是先成為掌握某項技術(shù)的廠商，再去找醫(yī)院或醫(yī)生合作，謀求短期內(nèi)在某個場景中落地，開發(fā)出某款產(chǎn)品、某種解決方案。這樣的場景可能不是真正的場景，解決方案與場景可能不完全匹配。這樣沒有醫(yī)療根基的企業(yè)，很難在醫(yī)療行業(yè)立足。

從醫(yī)院的角度，什么才是人工智能技術(shù)真正的應(yīng)用場景呢？這就要從打造有思維、能感知、可執(zhí)行的智慧醫(yī)院目標(biāo)說起。

一家醫(yī)院要稱為有“智慧”，必須具備：

第一，智慧“大腦”：思考和指揮?！按竽X”融匯了大量信息（大數(shù)據(jù)）和知識（知識庫），并能不斷學(xué)習(xí)和進化（人工智能、深度學(xué)習(xí)）。針對外部刺激，“大腦”可以迅速對信息進行有效組織和組合，作出決策并指揮“行為”；

第二，感知“器官”：感知和采集，“大腦”的思維判斷需要眾多信息輸入作為依據(jù)，這就依賴于感官：視覺（攝像頭）、聽覺（智能語音助手）、嗅覺、觸覺（各種智能設(shè)備及傳感器）對醫(yī)院各種數(shù)據(jù)的采集，既包括人員的行為數(shù)據(jù)（患者動線、醫(yī)護人員動線、醫(yī)院物質(zhì)運送動線）、醫(yī)療過程及結(jié)果數(shù)據(jù)，也包括空間環(huán)境的信息（能耗、空氣質(zhì)量）；

第三，“血液”循環(huán)：數(shù)據(jù)驅(qū)動，不斷匯聚臨床表型數(shù)據(jù)和科研組學(xué)數(shù)據(jù)，并以個體行為數(shù)據(jù)為補充，形成臨床研究大數(shù)據(jù)。這些數(shù)據(jù)傳送到大腦進行學(xué)習(xí)和決策， 從而指揮“行為動作”（各種應(yīng)用軟件系統(tǒng)）；

第四，“人體骨骼”：軟硬件設(shè)施，轉(zhuǎn)化醫(yī)學(xué)中心的軟硬件設(shè)施互聯(lián)互通形成一套整體支撐“行為動作”；

第五，“人體四肢”：醫(yī)療科研服務(wù)，轉(zhuǎn)化醫(yī)學(xué)中心的提供的醫(yī)療及科研服務(wù)（招募、預(yù)約、檢查、治療、康復(fù)、隨訪等）。

由此可以把人工智能在醫(yī)院的應(yīng)用場景分為四類：第一類為智慧服務(wù)，這是當(dāng)下最熱門的領(lǐng)域，像互聯(lián)網(wǎng)+醫(yī)院、人工智能+醫(yī)院、App移動醫(yī)院等都集中在這一領(lǐng)域；第二類為智慧管理，更多服務(wù)于醫(yī)院的醫(yī)療和運營管理；第三類轉(zhuǎn)化醫(yī)學(xué)研究，像臨床研究和新藥研發(fā)未來都會依賴于數(shù)據(jù)或人工智能，在未來也是很大的產(chǎn)業(yè)；第四類教育，包括對患者的科普類教育，分級診療中對各層級基層醫(yī)院的基礎(chǔ)教育。這四大類是醫(yī)院最需要應(yīng)用人工智能的場景，未來這幾類場景中將有優(yōu)秀的新產(chǎn)品、新技術(shù)和廠商誕生。

這四大類場景具體來說又包含：

診前：首先，患者身份識別?，F(xiàn)在的身份識別技術(shù)依賴于醫(yī)療卡。未來患者在就醫(yī)時，從接待到就診、取藥、醫(yī)技服務(wù)及后續(xù)的預(yù)約等一系列服務(wù)，都可以通過無感面部識別技術(shù)來實現(xiàn)，將大幅提高醫(yī)院就診的效率。從醫(yī)院的角度出發(fā)，當(dāng)前技術(shù)還不是非常成熟，會先從人流量較小的診療區(qū)域如特需醫(yī)療、高端醫(yī)療或私立醫(yī)院等進行測試，在技術(shù)逐漸成熟、能夠識別大量人員信息后，就可以淘汰現(xiàn)在所用的磁卡，為患者帶來很大的便利；其次，自動繳費。從2013年開始，支付寶等發(fā)了這一應(yīng)用場景，已經(jīng)在醫(yī)院運行良好；再次，智能化的引導(dǎo)?，F(xiàn)在已經(jīng)有 APP室內(nèi)定位等多種引導(dǎo)方向，未來的智能服務(wù)機器人引導(dǎo)可能不是單純的診室導(dǎo)航，而是全程從到入院開始或之前就可以像護士陪同一樣，進行病情的分類、分診，然后引導(dǎo)最優(yōu)路徑，讓患者有很好的就醫(yī)體驗；最后，在就醫(yī)過程中涉及的檢查或取藥的行為，比如自動發(fā)藥機已經(jīng)在一些醫(yī)院開始大規(guī)模的應(yīng)用。現(xiàn)在自動發(fā)藥機還需要醫(yī)務(wù)人員在發(fā)藥后進行藥品的核對，之后再交給患者，未來將像自助銀行一樣直接為患者提供取藥或檢查。

診間：現(xiàn)在醫(yī)患的溝通非常短暫，特別是大型三甲醫(yī)院，醫(yī)生的診療任務(wù)非常繁重。未來，通過大數(shù)據(jù)、大屏互動等技術(shù)，把患者生命體征數(shù)據(jù)、歷史診療數(shù)據(jù)等提前告知醫(yī)生，患者到診間后就可以在屏幕前進行良好的溝通，從而提高溝通率，也提高患者的滿意率。

診后：當(dāng)診療結(jié)束后，患者大部分時間是在家里進行健康管理，未來人工智能在這個領(lǐng)域也有很好的應(yīng)用。雖然醫(yī)院提倡全程診療，但由于醫(yī)患比例嚴(yán)重失衡，并沒有時間一對一進行個性化看護，這就給了智能化很大的空間。可穿戴設(shè)備已經(jīng)實現(xiàn)了血糖檢測、心電監(jiān)測、運動監(jiān)測、飲食種類和熱量的監(jiān)測，未來如果把已經(jīng)制定好的飲食處方、運動處方等通過可穿戴設(shè)備在院外的患者進行有效的干預(yù)或健康生活方式的引導(dǎo)，將對慢性病人起很大的作用。

病房：患者住院的過程中，怎樣有效、實時地收集患者的生命體征數(shù)據(jù)？怎樣對患者進行有效、及時的治療干預(yù)？怎樣對患者進行有利健康的宣教？由于醫(yī)護與患者比例嚴(yán)重失衡，需要人工智能技術(shù)來輔助醫(yī)護人員高效地完成工作，同時又讓患者感受到溫暖，這是未來智慧病房中人工智能技術(shù)和生物技術(shù)的應(yīng)用方向。

日常診療：查房和電子病歷等工作戰(zhàn)勝了醫(yī)生的大量精力，現(xiàn)在用機器人查房可以來幫助醫(yī)護減輕工作量，通過自然語言處理技術(shù)自動形成電子病歷，讓醫(yī)生省去鍵盤輸入的過程。

護士站：護士在執(zhí)行醫(yī)囑時，有大量的護理工作要做，包括醫(yī)囑的核對、藥品的發(fā)放、生命體征的采集等等，而通過智能化的配置或物流，能幫助護士更高效、更標(biāo)準(zhǔn)化地為患者提供服務(wù)，且防止出錯。

對外開放：教學(xué)型醫(yī)院、科研型醫(yī)院或多或少會有對外開放的需求，人工智能在展廳的打造、來訪預(yù)約、參觀者身份識別、滿意度跟蹤等方面都有很好的應(yīng)用。

自動化可追溯物流：把流程按醫(yī)院所需進行改造后，物流企業(yè)就可以快速進入醫(yī)療領(lǐng)域，為各大醫(yī)院提供相應(yīng)的服務(wù)?，F(xiàn)階段軌道傳輸體系、氣動傳輸體系、機器人傳輸體系等已經(jīng)在一些醫(yī)院應(yīng)用，還有一些專業(yè)領(lǐng)域仍在做新的探索，比如樣本傳輸體系有全管道低溫保存的要求。

智能大樓：現(xiàn)在智能大樓的建設(shè)中，與智慧醫(yī)療之間相應(yīng)的銜接非常少，未來把這兩項技術(shù)相銜接會有非常好的發(fā)展空間。

管理倉：醫(yī)院從醫(yī)療到管理、從物流到后勤保障都智能化之后，很難通過直觀方式了解到運行的情況或規(guī)律，需要有類似駕駛艙的全局管理艙，讓管理者在駕駛艙了解醫(yī)院運行的情況。

醫(yī)療人工智能面臨的挑戰(zhàn)

在醫(yī)院全面普及醫(yī)療人工智能，一個比較大的挑戰(zhàn)是醫(yī)院的接受程度。但經(jīng)過互聯(lián)網(wǎng)的洗禮，大多數(shù)醫(yī)院也在嘗試擁抱技術(shù)。除此之外，還面臨著幾個挑戰(zhàn)：

第一，人才。美國人工智能人才數(shù)量近85萬人，中國僅有5萬，人數(shù)相對較少，并且人工智能人才成本高昂；

第二，數(shù)據(jù)。數(shù)據(jù)和數(shù)據(jù)之間是有壁壘的，各醫(yī)院和各專科之間的數(shù)據(jù)并不連通。如果要得到高質(zhì)量的數(shù)據(jù)，首先要與一家或者多家醫(yī)療機構(gòu)進行協(xié)作，這非常困難，因為全國最優(yōu)質(zhì)的醫(yī)院和?？浦g的協(xié)作是有限的。衛(wèi)計委等等組織和一些高校也在尋求突破，他們希望通過行政力量把醫(yī)療機構(gòu)的數(shù)據(jù)組織在一起，形成一個數(shù)據(jù)庫，用沙盒技術(shù)為未來的人工智能企業(yè)提供“養(yǎng)料”或?qū)W習(xí)資料，但推進的速度并不是那么快。除此之外，還有數(shù)據(jù)歸屬不明確、數(shù)據(jù)安全要求高、數(shù)據(jù)開放受限制、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)倫理存爭議、數(shù)據(jù)成本代價高等問題，這些都是制約人工智能醫(yī)療行業(yè)發(fā)展的重要因素；

第三，審批。在AI醫(yī)療器械審批方面，由于產(chǎn)品未獲得三類醫(yī)療器械證書就無法上市，因此產(chǎn)品審批難以通過成為產(chǎn)業(yè)發(fā)展的重要掣肘?，F(xiàn)在人工智能診斷技術(shù)在飛速發(fā)展，很多企業(yè)或高校宣稱在某些比賽中人工智能診斷能力已經(jīng)超過了人類醫(yī)生，但在中國幾乎沒有通過了國家食品藥品監(jiān)督管理局審批的人工智能診斷算法或應(yīng)用，在國外也是寥寥無幾。像診斷、治療方案等需要的智能和科技程度較高，需要得到相應(yīng)的審批才能進入醫(yī)療市場。而一種新藥的審批可能長達十年，一個新的醫(yī)療器械的審批也是要兩三年，在人工智能領(lǐng)域一項技術(shù)也要進行臨床的諸多實驗才可以在臨床上應(yīng)用。當(dāng)然，健康指導(dǎo)、宣教、問診服務(wù)一類的人工智能服務(wù)，不涉及治療或者診斷過程，審批相對沒有那么嚴(yán)格；

第四，倫理。現(xiàn)階段醫(yī)學(xué)人工智能診斷系統(tǒng)難以解釋診斷的原因，而一旦診斷結(jié)果出現(xiàn)問題，也無法追根求源到底是人類醫(yī)生、數(shù)據(jù)還是算法本身出現(xiàn)了問題，因此仍存在“黑盒”風(fēng)險；

第五，盈利。在行業(yè)應(yīng)用方面，目前付費方不清晰，買單方是醫(yī)院、患者、藥企、保險公司還是政府，未來需要多方探索。

傳統(tǒng)醫(yī)療信息化體系在人工智能時代正在改變，也暴露出其薄弱之處。主要集中在三個方面：一是數(shù)據(jù)采集，二是數(shù)據(jù)采集的范圍、質(zhì)量，三是應(yīng)用的個性化與智能化的程度。

針對這些問題，醫(yī)院信息化體系的建設(shè)還是要以數(shù)據(jù)為基礎(chǔ)、技術(shù)為核心、服務(wù)為導(dǎo)向。

在未來智慧醫(yī)療希望能夠有兩個體系：一個是應(yīng)用體系，可通過將人工智能智慧應(yīng)用與現(xiàn)有應(yīng)用相互融合協(xié)作共同服務(wù)于醫(yī)療業(yè)務(wù)的形式，逐步由半智能化過渡到全智能化甚至是無人化，整個過程由各智慧應(yīng)用的部署形成“智能節(jié)點”，替換原有流程上的各個節(jié)點，形成“智能單元”，最后由各單元鏈接形成“智能網(wǎng)絡(luò)”，最終形成完整的智慧醫(yī)院應(yīng)用體系；另一個是生態(tài)體系，通過智慧養(yǎng)老、智慧藥房、智慧醫(yī)療、智慧健康的醫(yī)聯(lián)體，體系化的建設(shè)醫(yī)療機構(gòu)，為醫(yī)療提供更好的服務(wù)。

文章圖片來源于網(wǎng)絡(luò)，僅供交流學(xué)習(xí)，版權(quán)歸原作者所有，如有侵權(quán)，請聯(lián)系刪除，謝謝！