标准不一医疗信息大数据难共享 数字医疗还需分步走(3)

在中国，对AI医疗的资本投入占整个AI投入的一半左右。中国同样拥有自己版本的“沃森”。2017年11月，科大讯飞“智医助理”机器人以456分的成绩通过了临床执业医师考试，其专业知识已能够担负起执业医师的工作。

中国自主研发的肺部结节等图像识别系统在国际比赛中也多次名列前茅。公众感受最直观的，是多地大医院配备的人形导医机器人，为患者回答问题、初步分诊、疏导患者。AI落地医疗目前正在为一线医生降低劳动强度，并帮助医疗资源覆盖到偏远地区。

更复杂算法被用于开拓此前不存在的诊断方法，增强医学整体实力。尤其在近期，科技巨头们频繁放出“大招”：2月，谷歌大脑从视网膜图像，辅以各种因素如年龄、性别、吸烟史、血压等数据中，可以预测心血管疾病的风险，他们构建的系统使用了130000个视网膜图像进行训练，成功率7成左右。而3月15日《自然》发表了德国癌症中心的脑肿瘤诊断AI工具，弥补神经系统肿瘤诊断的短板。

中国在AI拓展医学能力方面的进展鲜见于公众，记者在多次采访中了解到，多个院所高校均在AI医疗领域有所部属，例如在国家重点研发计划的支持下，中科院软件所田丰研究团队与协和医院开展合作，利用患者持物的微小抖动试图预测患帕金森症等神经退行性疾病的风险。

集纳数据 数字医疗还需分步走

中国拥有庞大的患者人群，能提供珍贵的研究数据。“给出10000个基因组与疗效的案例，能够通过数据挖掘预判出10000+1个患者的可能疗效。”国家重点研发计划干细胞专项专家组副组长王小宁建议，建立国家生物治疗疗效数据库，强制要求生物治疗临床研究申报单位将数据集中，解决无法判定疗效适应症指标的难题。

集纳数据仍旧是中国需要进一步完善的工作，“我们需要提升的是医疗信息的标准化，目前一些主流的医学信息标准大部分来自美国的标准化组织，美国在医疗系统的‘互操作’方面的进展也值得我们关注和学习”。郑杰说，从火车和铁轨、灯泡与灯座、互联网TCP/IP协议的例子可以看出，一个复杂的信息生态系统里，标准可以极大地提高效率，获得数据价值。

“一个人一生的健康数据一定会分散在不同的医疗健康服务机构，必然面临跨医疗机构、跨健康医疗终端的数据共享问题。”郑杰提醒，相关配套的法律、法规，数据追溯防篡改的技术机制也要不断完善。