医疗人工智能与未来医院信息化建设

德勤在近日发布的《亚太地区医疗保健展望》报告中指出，以前医疗保健行业主要集中在美国和欧洲，现在却正向亚太地区迅速转移，亚太地区医疗保健行业将呈现井喷式增长。投中研究院的数据显示，2018年我国医疗健康行业VC/PE融资案例数量和规模大幅反弹，融资案例数量776起，较2017年增长36.38%，融资规模104.01亿美元，较2017年增长46.41%。种种迹象显示，我国将迎来医疗保健行业的创新创业新高潮。

目前医疗人工智能是创新创业的热点，出现了许多新技术、新产品，也引起了大量资本的关注。创新创业与投资更多关注的是“产”的部分，但产学研要与真正使用者的反馈形成闭环，才能促进行业更健康的发展。在钛资本新一代企业级科技投资人投研社第17期，上海交通大学医学院附属瑞金医院学科规划与大设施管理处副处长林靖生，带来了“学”、“研”和医院角度的分享。

林靖生是中国研究医院学会医工转化与健康产业分会常务委员、中国卫生信息学会远程医疗信息化专业委员会委员、中国医院协会医院信息统计专业委员会新疆分会副主任委员、上海交通大学2019《中国人工智能医疗白皮书》研究团队主要成员，他拥有近20年医疗IT从业经验，曾任上海交通大学医学院附属瑞金医院信息中心副主任、上海援疆喀什地区第二人民医院信息中心主任，目前主要负责“转化医学国家重大科技基础设施（上海）基地”相关建设管理工作，“上海交通大学医学院智慧医疗研究院”相关研究管理工作。林靖生主要研究方向包括智慧医院信息化体系建设、人工智能医疗服务机器人、基于NLP技术的虚拟健康助理等。

 

医疗人工智能的发展史

 

人工智能在医疗领域的应用，在国外从1972年到2016年期间每年都有新的进展和突破，学术界每年都能出现关于辅助诊断、辅助治疗等技术的成果，这是持续不断的过程。但在国内，从1978年“关幼波肝病诊疗程序”率先把中医学这门古老的民族学科与先进的电子计算机技术结合起来，直到2016年百度发布百度医疗大脑，中间出现了长达38年的断层。

随着技术进步，在医疗健康领域已有不少智慧医疗应用成功案例，如辅助疾病诊断、健康管理、医学影像、临床决策支持、便携设备、康复医疗和生物医学研究，但国内外在大数据技术、人工智能技术、医用机器人与可穿戴设备等方面还存在着不小的差距（如上图）。

我国智慧医疗的发展主要存在几个问题：

第一，数据采集和利用的问题。医疗数据不同于商业数据或者消费数据，因为涉及到隐私而导致高保护级别，在国内出现过几次医疗隐私数据泄露事件而引起了国家高度的重视，因此如何有效的采集和利用医疗数据是第一大难题；

第二，环境及专业人才稀缺的问题。现在人工智能技术人才非常稀缺，而既懂医疗又懂人工智能技术的复合型人才更稀缺；

第三，基础支持的体系与计算能力的问题；

第四，标准和规范建立的问题。现在医疗行业仍处于野蛮生长环境中，并没有充足的规范或标准；

第五，信息安全和隐私保护的问题。一旦开始利用人工智能就要考虑容错率，例如无人车可以接受从10%到万分之一的容错率，但在医疗行业连万分之一的错误率也不被接受。美国到现在为止，FDA（国际医疗审核权威机构）的人工智能诊断类应用屈指可数，而诊断类也只是非常基础的应用。现在人工智能还不能代替人类医生进行诊断，不过当人工智能技术达到了某种可靠性之后，信息安全和隐私保护就会变得非常重要；

第六，产业化发展问题。现在这个领域已经进入了包括BAT的科技巨头、新兴的生物科技、医疗科技公司，但在产业化发展的道路中并没有一个有效的指导，出现只追求快速发展，而疏忽过程中的重要环节，或解决的其实并不是医疗行业的核心需求。

 

医院真正的应用场景有哪些？

 

从2015年开始，国家政策就开始推动医疗与技术的结合。从“互联网+医疗”，到“人工智能+医疗”，其实在业内更多思考的是“医疗+”，因为无论技术怎么变化，核心应该还是医疗。

在雨后春笋一样出现的大批互联网医疗、人工智能医疗公司中，很多不是从解决某一类具体医疗问题出发，而是先成为掌握某项技术的厂商，再去找医院或医生合作，谋求短期内在某个场景中落地，开发出某款产品、某种解决方案。这样的场景可能不是真正的场景，解决方案与场景可能不完全匹配。这样没有医疗根基的企业，很难在医疗行业立足。

从医院的角度，什么才是人工智能技术真正的应用场景呢？这就要从打造有思维、能感知、可执行的智慧医院目标说起。

一家医院要称为有“智慧”，必须具备：

第一，智慧“大脑”：思考和指挥。“大脑”融汇了大量信息（大数据）和知识（知识库），并能不断学习和进化（人工智能、深度学习）。针对外部刺激，“大脑”可以迅速对信息进行有效组织和组合，作出决策并指挥“行为”；

第二，感知“器官”：感知和采集，“大脑”的思维判断需要众多信息输入作为依据，这就依赖于感官：视觉（摄像头）、听觉（智能语音助手）、嗅觉、触觉（各种智能设备及传感器）对医院各种数据的采集，既包括人员的行为数据（患者动线、医护人员动线、医院物质运送动线）、医疗过程及结果数据，也包括空间环境的信息（能耗、空气质量）；

第三，“血液”循环：数据驱动，不断汇聚临床表型数据和科研组学数据，并以个体行为数据为补充，形成临床研究大数据。这些数据传送到大脑进行学习和决策， 从而指挥“行为动作”（各种应用软件系统）；

第四，“人体骨骼”：软硬件设施，转化医学中心的软硬件设施互联互通形成一套整体支撑“行为动作”；

第五，“人体四肢”：医疗科研服务，转化医学中心的提供的医疗及科研服务（招募、预约、检查、治疗、康复、随访等）。

由此可以把人工智能在医院的应用场景分为四类：第一类为智慧服务，这是当下最热门的领域，像互联网+医院、人工智能+医院、App移动医院等都集中在这一领域；第二类为智慧管理，更多服务于医院的医疗和运营管理；第三类转化医学研究，像临床研究和新药研发未来都会依赖于数据或人工智能，在未来也是很大的产业；第四类教育，包括对患者的科普类教育，分级诊疗中对各层级基层医院的基础教育。这四大类是医院最需要应用人工智能的场景，未来这几类场景中将有优秀的新产品、新技术和厂商诞生。

这四大类场景具体来说又包含：

诊前：首先，患者身份识别。现在的身份识别技术依赖于医疗卡。未来患者在就医时，从接待到就诊、取药、医技服务及后续的预约等一系列服务，都可以通过无感面部识别技术来实现，将大幅提高医院就诊的效率。从医院的角度出发，当前技术还不是非常成熟，会先从人流量较小的诊疗区域如特需医疗、高端医疗或私立医院等进行测试，在技术逐渐成熟、能够识别大量人员信息后，就可以淘汰现在所用的磁卡，为患者带来很大的便利；其次，自动缴费。从2013年开始，支付宝等发了这一应用场景，已经在医院运行良好；再次，智能化的引导。现在已经有 APP室内定位等多种引导方向，未来的智能服务机器人引导可能不是单纯的诊室导航，而是全程从到入院开始或之前就可以像护士陪同一样，进行病情的分类、分诊，然后引导最优路径，让患者有很好的就医体验；最后，在就医过程中涉及的检查或取药的行为，比如自动发药机已经在一些医院开始大规模的应用。现在自动发药机还需要医务人员在发药后进行药品的核对，之后再交给患者，未来将像自助银行一样直接为患者提供取药或检查。

诊间：现在医患的沟通非常短暂，特别是大型三甲医院，医生的诊疗任务非常繁重。未来，通过大数据、大屏互动等技术，把患者生命体征数据、历史诊疗数据等提前告知医生，患者到诊间后就可以在屏幕前进行良好的沟通，从而提高沟通率，也提高患者的满意率。

诊后：当诊疗结束后，患者大部分时间是在家里进行健康管理，未来人工智能在这个领域也有很好的应用。虽然医院提倡全程诊疗，但由于医患比例严重失衡，并没有时间一对一进行个性化看护，这就给了智能化很大的空间。可穿戴设备已经实现了血糖检测、心电监测、运动监测、饮食种类和热量的监测，未来如果把已经制定好的饮食处方、运动处方等通过可穿戴设备在院外的患者进行有效的干预或健康生活方式的引导，将对慢性病人起很大的作用。

病房：患者住院的过程中，怎样有效、实时地收集患者的生命体征数据？怎样对患者进行有效、及时的治疗干预？怎样对患者进行有利健康的宣教？由于医护与患者比例严重失衡，需要人工智能技术来辅助医护人员高效地完成工作，同时又让患者感受到温暖，这是未来智慧病房中人工智能技术和生物技术的应用方向。

日常诊疗：查房和电子病历等工作战胜了医生的大量精力，现在用机器人查房可以来帮助医护减轻工作量，通过自然语言处理技术自动形成电子病历，让医生省去键盘输入的过程。

护士站：护士在执行医嘱时，有大量的护理工作要做，包括医嘱的核对、药品的发放、生命体征的采集等等，而通过智能化的配置或物流，能帮助护士更高效、更标准化地为患者提供服务，且防止出错。

对外开放：教学型医院、科研型医院或多或少会有对外开放的需求，人工智能在展厅的打造、来访预约、参观者身份识别、满意度跟踪等方面都有很好的应用。

自动化可追溯物流：把流程按医院所需进行改造后，物流企业就可以快速进入医疗领域，为各大医院提供相应的服务。现阶段轨道传输体系、气动传输体系、机器人传输体系等已经在一些医院应用，还有一些专业领域仍在做新的探索，比如样本传输体系有全管道低温保存的要求。

智能大楼：现在智能大楼的建设中，与智慧医疗之间相应的衔接非常少，未来把这两项技术相衔接会有非常好的发展空间。

管理仓：医院从医疗到管理、从物流到后勤保障都智能化之后，很难通过直观方式了解到运行的情况或规律，需要有类似驾驶舱的全局管理舱，让管理者在驾驶舱了解医院运行的情况。

 

 

医疗人工智能面临的挑战

 

在医院全面普及医疗人工智能，一个比较大的挑战是医院的接受程度。但经过互联网的洗礼，大多数医院也在尝试拥抱技术。除此之外，还面临着几个挑战：

第一，人才。美国人工智能人才数量近85万人，中国仅有5万，人数相对较少，并且人工智能人才成本高昂；

第二，数据。数据和数据之间是有壁垒的，各医院和各专科之间的数据并不连通。如果要得到高质量的数据，首先要与一家或者多家医疗机构进行协作，这非常困难，因为全国最优质的医院和专科之间的协作是有限的。卫计委等等组织和一些高校也在寻求突破，他们希望通过行政力量把医疗机构的数据组织在一起，形成一个数据库，用沙盒技术为未来的人工智能企业提供“养料”或学习资料，但推进的速度并不是那么快。除此之外，还有数据归属不明确、数据安全要求高、数据开放受限制、数据标准不统一、数据伦理存争议、数据成本代价高等问题，这些都是制约人工智能医疗行业发展的重要因素；

第三，审批。在AI医疗器械审批方面，由于产品未获得三类医疗器械证书就无法上市，因此产品审批难以通过成为产业发展的重要掣肘。现在人工智能诊断技术在飞速发展，很多企业或高校宣称在某些比赛中人工智能诊断能力已经超过了人类医生，但在中国几乎没有通过了国家食品药品监督管理局审批的人工智能诊断算法或应用，在国外也是寥寥无几。像诊断、治疗方案等需要的智能和科技程度较高，需要得到相应的审批才能进入医疗市场。而一种新药的审批可能长达十年，一个新的医疗器械的审批也是要两三年，在人工智能领域一项技术也要进行临床的诸多实验才可以在临床上应用。当然，健康指导、宣教、问诊服务一类的人工智能服务，不涉及治疗或者诊断过程，审批相对没有那么严格；

第四，伦理。现阶段医学人工智能诊断系统难以解释诊断的原因，而一旦诊断结果出现问题，也无法追根求源到底是人类医生、数据还是算法本身出现了问题，因此仍存在“黑盒”风险；

第五，盈利。在行业应用方面，目前付费方不清晰，买单方是医院、患者、药企、保险公司还是政府，未来需要多方探索。

传统医疗信息化体系在人工智能时代正在改变，也暴露出其薄弱之处。主要集中在三个方面：一是数据采集，二是数据采集的范围、质量，三是应用的个性化与智能化的程度。

针对这些问题，医院信息化体系的建设还是要以数据为基础、技术为核心、服务为导向。

在未来智慧医疗希望能够有两个体系：一个是应用体系，可通过将人工智能智慧应用与现有应用相互融合协作共同服务于医疗业务的形式，逐步由半智能化过渡到全智能化甚至是无人化，整个过程由各智慧应用的部署形成“智能节点”，替换原有流程上的各个节点，形成“智能单元”，最后由各单元链接形成“智能网络”，最终形成完整的智慧医院应用体系；另一个是生态体系，通过智慧养老、智慧药房、智慧医疗、智慧健康的医联体，体系化的建设医疗机构，为医疗提供更好的服务。

 

 

医工转化案例：核心还是医疗

 

新疆喀什地区县市之间的平均距离超过200公里，其中有些县更是深藏在极端自然环境之中，如帕米尔高原的雪山、塔克拉玛干大沙漠。远程医疗模式在这里能发挥极大的作用，帮助当地百姓足不出户享受优质医疗服务。

上海对口支援新疆喀什第八批医疗队的目标，是帮助喀什二院升级成三甲医院并全面提升信息化能力，使其未来成为能够连接乌市和上海医疗五级联动体系的枢纽和核心，打造成为南疆医疗高地，带动和辐射周边地区的医疗服务能力。

当时的远程医疗的需要是：一，建立云计算数据中心, 构建南疆医联体信息平台，打造喀什地区区域医疗信息化；二，建立南疆医联体互联网远程医学中心。

这时出现了新的问题：医疗活动发生在医院的各个角落，通过传统远程会诊系统的建设方式无法满足需要，或是需要耗费巨额资金和精力。根据上面这个问题，提出的解决方案是采用移动推车，把一些简单的远程设备架设在医疗推车上，推到病房中去。但这需要要让设备能自动行走，不需要护士为此做更多的额外工作，还想要帮助护士从一系列重复性劳动力工作中解放出来。

科研团队认为，医疗服务机器人的核心功能有三个：一，跑腿，精准地在病房内移动，找到具体的目标和人物；二，替身，代替专家作为主治大夫、带教老师、指导专家出现在多地，作为护士的替身帮助实现简单查房、宣教、量表；三，耳目，在确保隐私和伦理安全的情况下，监察病区环境、监察患者情况，及时感知、及时处理。

此外，还有几个特殊要求：一，身材要尽量纤细，真实的医疗场景非常的拥挤，机器人要能够穿梭于拥挤的场景中；二，高机动性，医护平时走路的速度都非常快，机器人不能拖后腿，现在很多的机器人还要等一两分钟才能跟上，在核心的应用场景中失去存在的意义；三，传感器要足够的多；四、可以搭载各式各样的人工智能应用。

最后通过医工结合的模式，将人工智能技术、机器人技术与远程医疗活动相融合，把核心医院、专科医联体、援外医联体、托管型医联体、直管型医联体等形成一个协作网络，实现远程查房、远程会诊、远程疑难病理讨论、远程医疗等一系列的功能。

智能医护服务机器人项目只是开始， 通过人工智能、机器人、物联网技术，打造多模态混合智能交互医护服务集成示范区。在人机协同的基础上通过自主学习逐步提升服务深度，最终实现无人化照护服务，解决医护人员短缺、医患沟通不足、照护不全面、人性化服务缺乏等一系列医改核心问题，用AI全面赋能医护服务，助力健康中国2030规划。

从这个案例可以看出，新产品、新的解决方案的产生的过程中，核心是医疗。这个项目最早的时候，并没有瞄准人工智能领域，只是为了解决让医生能够远隔千里更好地进行医疗活动的问题，在解决问题的过程中，才逐渐有了智能医护机器人的诞生。后来在援外工作中，像日喀则、喀什、云南、新疆、西藏各个地方都有非常好的应用，包括在整个医联体的领域内，如儿童医学中心的专科医联体、综合医联体、民营和公立医院相结合的医联体中都发挥了非常好的作用。整个产品在研发过程中迭代了很多代，最终拿到专利，实现了产品化。从现在的角度上来说，这个人工智能技术和医疗场景相结合的产品，其实是从一个小需求出发，一步步演变过来的。

所以，还是要从需求出发，看一看初心是要解决什么样的问题，需要什么样的产品，然后慢慢地演化、与最新的技术相结合，而这种结合也不是硬结合，而是为了达到某种效果而选用了某项技术。

人工智能近期在三个领域可能会有突破：第一是智能医护服务机器人，对患者进行感知、适当的干预，从远程医疗出发，在护理、健康、陪护、康复、助残、巡检、导览等公共服务中发挥作用；第二是虚拟护士或者虚拟助手，通过语音、语义等技术结合，是非常好的突破点。但虚拟护士一般并不提倡由人工智能完全接管而是人机协作，人类可能只负责20%最尖端的、最需要协调的工作，人工智能负责大量粗活脏活累活；第三是IOT智慧病房。未来通过可穿戴设备、物联网、传感器，把后续要分析、决策、干预或者提供服务的所需数据采集上来，采集的越多意味着思考越完善、分析越彻底、服务越精准。

总结来说，当下可能是医疗机构信息化的分水岭，之前称为传统医疗信息化，而发展到今天，医院对于应用系统专业化和智能化的要求将日趋显现。针对医院特定人群、特定业务、特定需求提供具有针对性的智能应用将是未来智慧医疗发展的主要特征，其特点是智能、精准、迭代频繁、重视应用的个性化和创新性。随着技术的快速发展以及医疗信息化领域相关产业的日趋成熟，未来智慧医院建设发展将呈现共性与个性并存的特点。

 

钛资本研究院观察

 

2019年，中国将全面展开医联体的建设工作，所有三级公立医院均参与医联体建设。目前，我国已形成了城市医疗集团、县域医共体、跨区域专科联盟、远程医疗协作网4种医联体模式。2019年，我国将在100个城市开展城市医疗集团建设试点，在医疗集团内部建立以信息化为支撑的远程医疗系统、远程会诊系统、远程教育系统、双向转诊系统，各级医疗机构信息互联、互通、共享，为患者提供连续一体化的诊疗服务，同时重点在500个县开展县域医共体建设，提高基层医疗服务水平。

中国大规模推广医联体模式，是人工智能在医疗和医院体系创新创业的重大契机。过去，人工智能进入医疗和医院体系，只能在外围和辅助服务方面发挥作用，无法进入医疗和医院的核心运营体系。而随着医联体的推广，远程医疗、医疗机构互联互通、家庭看护等需求将规模化兴起并进入到医联体的核心运营体系，这打开了人工智能的创新应用空间。实际上，新的医疗体系变化正在发生：据国家卫健委统计，2018年全国医疗机构双向转诊患者1938万例次；其中，上转患者比上年同期减少15%；下转患者比上年同期增加83%；75%的医疗机构实现医联体内检查检验结果互认，远程医疗协作网覆盖所有地级市和1800多个县。

当医疗和医生系统发生重大的体系性变化时，正是创业投资的好时机。回归医疗初心，不为了技术而技术，是考察医疗人工智能项目的出发点和最终落脚点。

 

【免责声明:原文出处品略图书馆:http://www.pinlue.com/；版权归原作者所有】