数智重塑医健模式，行业专家告诉你医学AI的未来在哪里 | 2021健康界峰会

医院究竟需要什么样的AI产品？医学AI的应用前景到底如何？老问题又有新答案。

5月21日，由健康界、海南博鳌医学创新研究院举办的“2021健康界峰会”在北京召开。峰会首日为中国数字健康大会，大会设置1个主论坛和4个分论坛，众多业界嘉宾共话数字技术在医疗领域的创新发展。

其中，人工智能分论坛以“数智重塑医健模式”为主题，聚焦医学AI，现场嘉宾畅聊大数据，展望“AI+医健”的未来愿景。

北京卫健委信息中心主任琚文胜

“人工智能熏陶着人们的生活，人们在享受人工智能带来便利的同时，也会逐步成为人工智能的创造者或买单者。”对于人工智能未来的发展，北京卫健委信息中心主任琚文胜如此表示。

琚文胜认为，虽然人工智能企业在经营发展上还有诸多挑战，但对医疗人工智能充满信心。未来，人工智能将会迎来“东风”助力，只是“风”还在路上。

完善数据治理与数据利用要循序渐进

北京大学第三医院信息管理和大数据中心主任计虹

“大而全的系统几乎没有，因此，不能因为有问题就停止不前。”北京大学第三医院信息管理和大数据中心主任计虹说。

如何高效地利用好数据，是临床医生对数据信息化提出的要求。

谈到大数据的利用原则，计虹认为，大数据的利用是一个长期的系统工程，需要持续优化、改进和完善，因此，不能说有问题数据就不能用，相反，有问题才应该用，发现问题，早规范，早整改。

计虹认为，大数据时代的来临，将加速医学科研的进程，利用好数据也能驱动学科发展。医院进行数字化转型，首先要从智慧科研开始，用海量数据结合人工智能，让数据使用智能化、自助化。

值得一提的是，北京大学第三医院一直以来都注重数据信息化建设，2008年EMR建设、2015年HIECDR建设、2017年大数据HDR建设、2019年智能研究平台建设、2020年研究型医院建设......北京大学第三医院在探索医疗数据价值、提升临床科研能力的道路上从未停止。

如今，北京大学第三医院利用精准高效的数据利用，在大数据智能平台、临床决策支持系统、内涵病历质控系统中形成了科研闭环体系。

数据可用不可见

翼方健数医疗事业部副总裁李苇刚

数据作为生产要素，只有通过分享、流通才能产生出价值，而数据在流通和分享的过程中则具有被泄露的风险。如何做到创造、共享、流通数据价值，而不共享、流通数据本身？

翼方健数医疗事业部副总裁李苇刚认为，隐私安全计算可以解决这一问题。隐私安全计算的具体方案，是在医院内部搭平台，把数据加密存放在平台中，同时，对数据进行标准化最小单元处理。

这样在需要用数据的时候，首先只能取得所用的数据——这就是数据共享里的数据最小可用原则；其次数据只有通过授权才能使用；最重要的是，这些数据的使用必须在封闭的空间以及有限的时间范围内使用。

同时，在数据出库过程中，数据本身、数据密钥以及用来处理数据、计算数据用的所有的算法，随后都会被销毁，以此来保证数据的安全。这也是隐私安全计算的核心：不分享原始数据，只分享数据价值，数据可用不可见。

通过这一方案，医疗数据的核心价值得以在医教研管中充分发挥。医疗数据价值反馈于医疗临床应用，辅助临床决策，提高工作效率，优化工作流程，同质化诊疗水平；为临床教学提供指导、培训和实践的环境和工具，驱动临床教学模式的改革和创新，打通数据壁垒，丰富数据来源，融合多源异构数据，让临床科研更有说服力；通过医疗数据，抓绩效、增效益、防隐患，提高医院管理决策水平。

信息系统建设=数据生产线+数字资产生产线

北京市回民医院信息中心主任丁强

深化医改以来，中小医院在信息化建设的道路上与大型公立医院在共同发力。10年来，北京市回民医院信息中心主任丁强致力于中小医院信息化建设模式探索，倡导医院数字资产管理体系战略方针指导下的医院信息化建设。

丁强表示，随着医改的不断深入，医院运营管理对医院信息化建设的需求日益增长。在医院信息化建设中，不考虑医院整体战略建设，追求具体战术实施，将无法应对整个社会数字经济飞速发展下，给医院运营管理带来的冲击和新矛盾。

丁强认为，医院信息中心的任务是建设医院数字资产管理体系，其信息系统建设的模式是“数据生产线”+“数字资产生产线”。

为什么叫“数字资产”而不是“数据”或“数据资产”？

丁强解释，在IT覆盖率概念下，数据可分为IT数据和非IT数据。

前者包括“信息系统”程序内生产、采集、存储的数据，这是第一条生产线，生产数据，是目前医院大数据应用的主要数据来源。后者是因种种原因没有进入信息系统，但客观存在的信息数据，这部分信息数据应该加工处理成数字资产，这是第二条生产线，生产数字资产。

IT数据与非IT数据的相融，结合大数据应用的数据维度问题，以此得到完美的数字画像。

同时，丁强还表示，医院运营管理是大数据应用场景之一，在应用中，大数据更像是一种方法、工具，不能只是数据可视化，应该是资产加工、分析管理。大数据分析的工作角色，应该是医院的“职能者”，也是资产生产者之一，不应该是“工具”制造者。

因此，大数据应用下，医院运营管理模式应该有新的改变：由以“数据”为基础，“流程”为对象，信息互联为目的，传统设计为技术方法的“报表式”管理，逐步转向以“数字资产”为基础，“角色”为设计对象，价值互联为目的，大数据分析为技术手段的“精细化”管理，构建体系化管理基础上的大数据应用。

商业价值的最大体现在于产品

医准智能创始人兼CEO吕晨翀

当同行都在“造风、造势”，大量扩军的情况下，很多竞品企业都会选择跟风，而医准智能却选择把精力和“弹药”全部投入产品研发。

“对于一个创业科技公司来说，它的商业价值最大的体现首先在产品。”医准智能创始人兼CEO吕晨翀表示。

针对乳腺癌筛查的痛点与挑战，医准智能创新性发布“全栈式乳腺智能分析解决方案”，该解决方案包含基于实时动态视频分析的“乳腺超声智能分析系统”与“乳腺X线智能分析系统”，并在此基础上进行探索与创新，推出“乳腺断层智能分析系统”。突破技术壁垒全面覆盖乳腺癌早筛中的影像设备，满足临床工作需求，实现从筛查管理到诊断分析的全栈式乳腺智能分析解决方案，高效赋能乳腺癌早筛及诊疗。

留住决策关键过程数据

北京大学第一医院心内科医生李昱熙

北京大学第一医院心内科医生李昱熙认为，HIT和EMR在我国蓬勃发展，但多数医院的现实临床科研模式并没有改变，大数据在临床研究领域并非主流，“技术”与临床现实的差距导致了HIT与临床研究的需求错位。

人工智能面临着诸多困境，预测模型的好坏很大程度取决于训练数据。此外，作为真实世界数据的EHR数据，面临太多不恰当的“非黑即白”，这会直接影响人工智能的学习，而临床医生在“灰区”中进行决策，90%以上的决策过程并不会被记录下来。因此，如何将决策关键过程数据留存，是值得探索的问题。

李昱熙以医学影像为例进行了说明，医学影像之所以能够成为人工智能主战场，是因为一副完整的标准的医学影像包含影像医生所有需要的数据，但是临床医生的真实看病场景并不是这样。

大量的变量没有记录在电子病历的数据，而医学影像其实也存在问题。比如，人工智能在心脏领域的冠脉功能学指导，也需要人工辅助勾勒出冠脉图像，但这并不能够达到非常精确的分析，而最主要的问题是在于图像采集的过程不规范，如果是不同医疗机构和医生去操作，则会影响人工智能进行更精准的判断。

在过去的人工智能算法设计过程中，非平衡的数据也给人工智能带来了巨大的挑战，其核心问题还是出在数据的层面。在李昱熙看来，制约人工智能在临床研究领域应用的主要问题依然是数据。

医工结合助力高效外科手术

北京瑞医博科技有限公司CEO聂智

种植牙技术日趋成熟，是目前最为有效的修复方法。根据北京瑞医博科技有限公司的调查，我国55岁以上人群中过半有缺牙情况，潜在种植数量超过9亿颗，而年种植牙手术总量仅350万颗，远远无法满足现有及新增需求。

瞄准这一市场，北京瑞医博科技有限公司在医疗智能技术发力，研发智能手术机器人，让手术流程标准化，精度可视化，操作制度化。

北京瑞医博科技有限公司CEO聂智在会上分享了该公司在研发医疗智能设备的成长历程。作为口腔手术机器人研发的创新企业，“让距离不是障碍，让数量不是瓶颈，让沟通不再困难，让价格不成问题”是瑞医博的愿景，聂智表示，机器人今后将在医联体和医共体中落地中提供强大的设备支持。

汇医慧影联合创始人兼COO郭娜

在圆桌讨论环节，在场嘉宾围绕人工智能和大数据方面的主要实践、亮点和困境进行了讨论。该环节由汇医慧影联合创始人兼COO郭娜主持。郭娜表示，“十四五”规划，国家对于人工智能在技术和医疗健康两个方向大力投资，医疗人工智能得以获得双轮驱动，这是非常好发展方向。

深睿医疗高级副总裁李朝阳

深睿医疗高级副总裁李朝阳表达了对企业商业化成长的看法。李朝阳认为，从企业侧来看，企业应该静心做好产品研发，商业场景的落地不是“空中楼阁”，它来源于技术的不断进步。产品满足了用户痛点，用户自然愿意付费。此外，国家的政策支持也在不断发力，支撑企业商业化的发展。

嘉宾圆桌讨论环节

“十四五”期间，数字经济已经被提上了非常重要的战略高度，医疗人工智能作为科技领域的重头戏，也将在市场舞台上展现其惊艳价值。