醫(yī)療人工智能時(shí)代的大數(shù)據(jù)要怎么用

無(wú)論對(duì)于醫(yī)療健康行業(yè)，還是對(duì)于醫(yī)療保險(xiǎn)行業(yè)來(lái)說(shuō)，健康大數(shù)據(jù)都是行業(yè)治理的基礎(chǔ)設(shè)施和得力工具。海量數(shù)據(jù)采集自人類個(gè)體，流淌于IT系統(tǒng)之中。據(jù)測(cè)算，每個(gè)人一生將產(chǎn)生不少于605 TB（不包括任何可能和必要的數(shù)據(jù)交互），全國(guó)每年將產(chǎn)生超過(guò)1000 ZB的交互數(shù)據(jù)量（不包括這些數(shù)據(jù)的二次使用和復(fù)制/衍生等）。

世界衛(wèi)生組織（WHO）早已言明，健康是一種生理、心理與社會(huì)適應(yīng)都臻于完滿的狀態(tài)，而不僅是沒(méi)有疾病或虛弱。2016年，中央召開的全國(guó)衛(wèi)生和健康大會(huì)指出，全方位全周期保障人民健康。大數(shù)據(jù)是人民健康水平、國(guó)民健康戰(zhàn)略的“晴雨表”和“指南針”。大數(shù)據(jù)可以提高衛(wèi)生健康部門、醫(yī)保部門的決策精準(zhǔn)性、精細(xì)化水平，比如：預(yù)測(cè)下一個(gè)段季節(jié)病、流行病高峰期的時(shí)點(diǎn)、周期、烈度，可以提前部署醫(yī)療衛(wèi)生資源，避免被動(dòng)挨打的“非典”（SARS）事件重演。再比如：預(yù)測(cè)近期有組織在線欺詐行為的單數(shù)、行業(yè)、架構(gòu)、流程，可以針對(duì)“黑灰產(chǎn)”將魔手伸到醫(yī)保欺詐騙保領(lǐng)域提前布防，避免醫(yī)?；鸪蔀椤疤粕狻薄?/p>

從這一總要求出發(fā)，廣義的健康大數(shù)據(jù)可以從兩個(gè)維度予以定義：一是涵蓋人類個(gè)體產(chǎn)生的所有作為健康影響因素的數(shù)據(jù)，包括：生理大數(shù)據(jù)（含基因等多組學(xué)大數(shù)據(jù)）、心理大數(shù)據(jù)、環(huán)境健康大數(shù)據(jù)、生活方式大數(shù)據(jù)，等等。二是國(guó)民健康服務(wù)、國(guó)民健康保障這兩大體系所產(chǎn)生的數(shù)據(jù)，包括：醫(yī)療機(jī)構(gòu)大數(shù)據(jù)、公共衛(wèi)生大數(shù)據(jù)、健康管理大數(shù)據(jù)、醫(yī)療保障大數(shù)據(jù)、商業(yè)保險(xiǎn)大數(shù)據(jù)，等等。

然而，我國(guó)健康大數(shù)據(jù)治理水平低、實(shí)際利用率低，難以形成健康績(jī)效。一是多頭監(jiān)管：由國(guó)家衛(wèi)生健康部門提出的“健康醫(yī)療大數(shù)據(jù)”（狹義健康大數(shù)據(jù)），尚未也無(wú)法將國(guó)家醫(yī)保部門提出的“醫(yī)保大數(shù)據(jù)”囊括其中，難以形成覆蓋全生命周期、全方位需求的廣義健康大數(shù)據(jù)，健康醫(yī)療大數(shù)據(jù)、養(yǎng)老大數(shù)據(jù)、社保醫(yī)保大數(shù)據(jù)、商業(yè)保險(xiǎn)大數(shù)據(jù)、生物多組學(xué)數(shù)據(jù)之間更是無(wú)法打通。二是數(shù)據(jù)質(zhì)量低：來(lái)自智能監(jiān)測(cè)設(shè)備（如：智能手環(huán)、智能血壓計(jì)、智能血糖儀）的海量健康數(shù)據(jù)，在維度、精度、實(shí)時(shí)性、穩(wěn)定性等方面難以達(dá)到醫(yī)療級(jí)應(yīng)用，僅起到預(yù)警功能，無(wú)法用于臨床診斷治療。

有基于此，在建立數(shù)據(jù)共享開放平臺(tái)的部分省份、地市，健康大數(shù)據(jù)被框定在醫(yī)療機(jī)構(gòu)大數(shù)據(jù)（甚至只是醫(yī)院大數(shù)據(jù)）的范圍內(nèi)。2018年，我國(guó)公立醫(yī)院12032個(gè)，民營(yíng)醫(yī)院20977個(gè)。醫(yī)院大數(shù)據(jù)相對(duì)定期采集、處理相對(duì)規(guī)范、應(yīng)用相對(duì)成熟，是衛(wèi)生健康部門、醫(yī)保部門、商業(yè)機(jī)構(gòu)開展行業(yè)治理的首要選擇。2015年以來(lái)，國(guó)家衛(wèi)生健康部門圍繞系統(tǒng)集成、業(yè)務(wù)協(xié)同、數(shù)據(jù)互聯(lián)互通、智慧醫(yī)療應(yīng)用，先后開展了一系列舉措。這包括：電子病歷系統(tǒng)應(yīng)用水平分級(jí)評(píng)價(jià)、醫(yī)院信息平臺(tái)應(yīng)用功能指引、醫(yī)院信息互聯(lián)互通標(biāo)準(zhǔn)化成熟度測(cè)評(píng)，等等。

2017年，“人工智能”首次寫入國(guó)務(wù)院《政府工作報(bào)告》，并上升為國(guó)家戰(zhàn)略。國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，設(shè)置了“智能醫(yī)療”專門段落，提出：“探索智慧醫(yī)院建設(shè)，開發(fā)人機(jī)協(xié)同的手術(shù)機(jī)器人、智能診療助手，研發(fā)柔性可穿戴、生物兼容的生理監(jiān)測(cè)系統(tǒng)，研發(fā)人機(jī)協(xié)同臨床智能診療方案，實(shí)現(xiàn)智能影像識(shí)別、病理分型和智能多學(xué)科會(huì)診?；谌斯ぶ悄荛_展大規(guī)?；蚪M識(shí)別、蛋白組學(xué)、代謝組學(xué)等研究和新藥研發(fā)，推進(jìn)醫(yī)藥監(jiān)管智能化。加強(qiáng)流行病智能監(jiān)測(cè)和防控?！?/p>

特別是在深度學(xué)習(xí)輔助診斷、輔助治療輔助決策領(lǐng)域，新一代醫(yī)療人工智能技術(shù)（如深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等）有助于在三個(gè)方面提升醫(yī)療衛(wèi)生體系的治理績(jī)效：（1）緩解我國(guó)?？漆t(yī)務(wù)人員短缺局面，為高飽和度工作減負(fù)（如：影像醫(yī)生、病理醫(yī)生），（2）洞察醫(yī)務(wù)人員肉眼識(shí)別無(wú)法發(fā)現(xiàn)的高維空間影像，揭示隱藏在疑難病癥之后無(wú)法感受也無(wú)法表達(dá)的“暗知識(shí)”，提高診斷準(zhǔn)確性和治療方案科學(xué)性。（3）將高等級(jí)醫(yī)院、高年資醫(yī)生的“人類智能”固化為算法模型，用人工智能賦能基層醫(yī)院、低年資醫(yī)生。

隨著新一代人工智能在醫(yī)療領(lǐng)域開展應(yīng)用，對(duì)健康大數(shù)據(jù)（尤其是醫(yī)院大數(shù)據(jù)）提出了更高要求。

算法是人工智能產(chǎn)業(yè)的“皇冠”，但在臨床應(yīng)用環(huán)節(jié)面臨著諸多未知數(shù)。自達(dá)特茅斯會(huì)議標(biāo)志著人工智能誕生以來(lái)，人工智能發(fā)展經(jīng)過(guò)了“三落三起”。最近一輪的人工智能崛起，深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)算法是其核心驅(qū)動(dòng)力。由于“人命關(guān)天”的醫(yī)療決策對(duì)人工智能脆弱性、不穩(wěn)定性、“算法黑箱”問(wèn)題容忍度低，且許多醫(yī)療機(jī)構(gòu)基于自身的醫(yī)療安全、患者隱私、醫(yī)囑知識(shí)產(chǎn)權(quán)等因素，不愿將醫(yī)院大數(shù)據(jù)交付給自己控制范圍之外的算法模型。據(jù)國(guó)家衛(wèi)生健康委統(tǒng)計(jì)信息中心2018年調(diào)查數(shù)據(jù)顯示，仍有多達(dá)一半以上的三級(jí)醫(yī)院尚未開展大數(shù)據(jù)、智能應(yīng)用。

臨床大數(shù)據(jù)是訓(xùn)練算法模型繞不過(guò)去的坎，如果機(jī)器學(xué)習(xí)所需的“食材”連喂都喂不飽，更別說(shuō)吃上精細(xì)加工后的“餐食”，這就無(wú)法讓算法模型一天比一天“聰明”。大數(shù)據(jù)和人工智能行業(yè)對(duì)數(shù)據(jù)共享開放表達(dá)了困惑：一是數(shù)據(jù)共享水平有限，數(shù)據(jù)量、數(shù)據(jù)維度、數(shù)據(jù)精度受限，難以滿足神經(jīng)網(wǎng)絡(luò)的算法模型訓(xùn)練需求。二是大部分原始數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)的集中化、標(biāo)準(zhǔn)化、智能化程度較差，需經(jīng)過(guò)數(shù)據(jù)歸集、清洗、數(shù)據(jù)脫敏、數(shù)據(jù)標(biāo)注等額外環(huán)節(jié)，導(dǎo)致算法模型訓(xùn)練的耗時(shí)過(guò)長(zhǎng)、成本過(guò)高。