人工智能看病?还是先从帮助病人找到最合适的医生开始吧

病人和家属心急火燎,一头栽进信息的海洋里,往往只打捞到残缺的消息。

作者: 大健康派编辑 来源: 亲爱的数据 2019-07-16 13:50:53

病人和家属心急火燎,一头栽进信息的海洋里,往往只打捞到残缺的消息。第一、仅依靠在医疗系里打听,互相口头介绍很盲目。第二,名医掰着手指头数完,而大多数医生的技术含量很难被知晓。第三,医疗知识壁垒高,互联网上求医问药有很多陷阱。似乎也没有什么更好的办法绕过这些大坑,寻医问药吃尽苦头最后哀叹一声,只有这样的医疗条件。


与疾病群魔的斗争未分出胜负,但是改观上述这些医疗信息不对称的情况似乎已经看到了曙光。如何推荐合适的医生给病人,可以使用大数据的方式进行统计,用大数据的技术进行分析计算之后,医生和病人像寻找约会对象一样匹配。好消息是,这方面的尝试正在进行之中。

摄图网_400508860_wx.jpg


“2019中国医院协会信息网络大会暨中外医疗信息网络技术和产品展览会”上,江苏省卫生统计信息中心的唐凯科长发表了《互联网医院平台对医院的支撑》的主题演讲。从某种角度讲,这场演讲也可以理解为,如果想要人工智能技术在看病这一重要服务中发挥作用,整个医疗系统在管理方面需要做多少的准备工作。


卫生监管部门与医疗机构信息工作者多年的积累与努力是“平整土地”,多年来,医疗大数据的收集和医疗健康信息的互通的作用已经得到了重视。如果这项工作做得好,医院不再是一个个信息的孤岛。“医疗大数据的成果”为人工智能技术发挥战斗力准备“粮草”。


无论是实验室的论文,还是新技术在场景里的落地与应用,目的只有一个,让病人受益。


一方面是医疗大数据绝不是纸质病历变成电子病历这么简单,电子病历的隐私性、适用范围的合法性都不能使其成为一种公开数据。另一方面,技术能力高于集成平台的信息平台正在“拔节成长”。据唐凯科长介绍,目前江苏省级全民健康信息平台已经收集了10000余家医疗卫生机构的信息,甚至包括了村级卫生室的门诊信息住院信息数据、基本公共卫生信息、医疗卫生管理的信息数据。数据存储总量达到28T,包含5400百多万份健康档案信息、290多万糖尿病患者信息、720万高血压患者信息,接入的省属三级医院是县区及平台上传的8.4亿人次的门诊和2780多万人次的住院信息。


这是总量,再看看增量。


在江苏省一级全民健康信息平台建设成效方面,每日新增的数据规模达到3000万条,全部完成区线平台和三级医院数据对接后,每日新增数据规模将达数亿级单表,每日新增数据量约2000万。人口信息、健康档案、卫生资源等需要实时监管采集。全民健康信息平台每天还对上传的数据进行标准化校验和质量评分。医疗数据的来源还包括,医院的HIS、EMR、LIS、PACS、CMIS、输血等系统中直接采集的数据(33张表)、国家卫生信息统计网络直报系统,江苏省人力资源管理系统。


这些是未来医疗数据的冰山一角。医疗数据越多,越有效,潜力就越大,更多人工智能技术就能更好的应用。本质上,人工智能技术也是一种是数据分析与挖掘的技术。医疗数据是矿山,人工智能是其中一把铲子。


据唐凯科长举例,如今在线复诊这一环节,能够采集全省所有三级医院和10000多家医疗机构的所有数据,很方便就能知道在江苏省内的复诊病人的所有情况。江苏省内完成了处方字典库的编制,为后续自然语言处理技术在处方上的应有发挥作用。医疗大数据后续还要与金融保险资源对接,结合保险公司的数据进行相关的分析。医疗大数据描述需求,保险公司有的放矢开发险种。


缺少标准数据,没有办法进行相关的分析,很多资源和工具都被挡在门外。


以江苏省卫生统计信息中心为例,医疗信息化工作的大锤正在猛夯地基。各类基础性平台会逐步发释放医疗大数据的潜力。以互联网医疗服务平台为例,是一个一站式服务平台,面向患者的入口提供“选择就诊方式、预约、主诉”三个步骤,包括有科室的选择、医生的选择。这背后是省级功能平台服务。江苏省内每一个互联网医院都有通道去访问互联网医院的资源,可以访问到每个医院的所有的相关的这些同类的应用。背后的标准是统一的,甚至使用的SDK是统一的,所有的这些数据资源是统一的。后续还可以进一步进行横向对比,从数据中获得更多的信息。这个平台就是医疗数据的矿山。


以江苏省卫生统计信息中心为例子,所做的平台性质的基础工作都将为人工智能技术发挥作用打下基础。采集到所有医院、每个医生、每台手术相关的所有的信息,以及医生的门诊信息,医生的住院信息,医生的手术信息,进一步利用大数据进行相关的开发和比对,进而进行医患匹配。病人通过导诊之后,机器完成医生与病人的匹配,让病人收到匹配结果。究竟病人最适合被哪个医生救治就不再依靠亲戚朋友之间的打听来完成。

摄图网_500607188_wx.jpg


到这个时候,医疗大数据能够轻松地回答:哪几位最适合给你看病?因为机器看过病人所有的病历,机器也看过每一位医生的所有诊治情况的历史数据。


唐凯科长介绍,这种尝试更加符合现在看病就医的发展趋势,相关医疗机构正在进行开发和验证医疗数据服务。


罗马不是一天建成的。人工智能技术与大数据技术能够在日常生活中发挥作用,每一步微小的进展背后都有很多看不到的巨大的工作量,医院信息化标准化规范化、IT基础等前几步走得不扎实都会拖慢技术落地的脚步。人工智能技术用于诊疗,也就是机器给人看病还有很长的路要走,甚至还看不到路标,但是在预约挂号缴费、导诊出诊等环节人工智能可以出力。


清华大学人工智能研究院院长、中科院院士张钹在题为《医疗智能化面临的机遇与挑战》主题演讲中强调,医疗人工智能分为两部分:一是非核心部分,主要是指后勤、管理,包括预约、挂号、缴费、导诊、出诊、自我诊断、医学知识咨询、网络服务系统等。此项工作目前遇到的问题是,只能解决非核心医疗部分,还不能帮助做医疗诊断。二是核心部分,人工智能最重要的使用是在核心问题上,即智慧诊疗,智慧诊疗是高风险的核心问题。人工智能应用具有局限性,AI需要大量知识或数据、确定性信息、完全信息,但医疗诊断的应用场景并不都符合这些条件;人工智能的鲁棒性很差,推广性弱、有犯大错误的概率、可解释性差等局限性,要实现真正的智慧医疗还要做很多努力。人工智能应用前景很好,必须要解决互信问题,让医生信任这个系统。


互联网公司的推荐算法、安防领域的人脸识别已经成长为人工智能的全明星,而人工智能在医疗领域的发展周期会比计算机视觉领域更漫长,监管、审批环节也需要时间。


但是,当系统平台与数据准备妥当,医疗资源和病人的匹配是人工智能应该干好的事。滴滴这样的出行平台完成的是交通资源的分配工作。看病这个场景比打车复杂多了。但是如果有医疗界的滴滴平台,那么病人就是打车的人。而医生就是司机。


目前,我国医疗健康数据有超过百Exabyte,并在加速增长。医疗大数据产业链上,有上中下游三类企业,技术核心在中游,技术的应用在下游。上游有数据供应商和云服务商,云服务商提供储存和计算服务。中游企业为产业链核心企业,多为具有影像识别,深度学习,自然语言分析等核心技术的技术型企业。下游周围广泛的应用场景分为B端机构和C端客户。B端包括医院药企、政府、保险、第三方服务机构,它们的成败关乎患者的福祉,它们创造的价值,可以直接降低看病的费用。


也有观点认为说,基层医疗最大的问题医疗资源稀缺,‘资源’匹配的再好解决不了核心供给问题。人工智能还是要在早筛、辅助诊断方面发力,解决张钹院士谈到的“核心问题”,但这也是一条漫长的跑道。中国药监局正在制定有关医疗人工智能系统作为专业医疗器械的认证规范和条例。中国食品药品检定研究院负责医疗人工智能产品的评审工作。监管到位,人工智能系统在医疗领域将会迎来下一个快速发展阶段。


【凡本网注明来源非大健康Pai的作品,均转载自其它媒体,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。】

人工智能 医疗信息 医疗健康 医疗大数据

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯