3.1 人工智能的核心是医疗大数据
医疗大数据的催生源于临床医疗数据的爆炸式增长，信息时代非标、非结构化的海量医疗数据汹涌而来，也唯有人工智能能够抽丝剥茧、筑房架屋，令千头万绪的健康数据结构化、数字化、可视化，成为推动临床与科研进化的数字基因，正所谓“润物无声，大巧不工”。人工智能持续火热，国家层面开启了人工智能应用于健康研究的大门。
2017年被称为人工智能发展的转折点，标志之一就是人工智能医疗技术的加速产品化。行业内资本投入极其火热，人工智能相关企业相继获得大额融资。仅在2017年第三季度，人工智能行业公布的融资总额就超过5 025万美元，约3.3亿元人民币。
根据2017年9月动脉网发布的《2017年医疗大数据和人工智能产业报告》，健康管理配合智能硬件理论上能实现人体的全面健康管理。但限于目前的传感器、硬件发展水平，以及相关疾病数据积累不足等因素，主要应用范围是糖尿病、慢病管理、血压管理、乳腺健康管理、胎心监测等。
人工智能涉及的健康环节主要有风险识别、健康评估、精神监测、健康干预等。据动脉网统计，目前我国涉及健康管理的人工智能企业有八家，包括碳云智能、悦糖、医随访、经纶世纪等，其业务领域基本集中于慢病和专病管理。
2017年1月，碳云智能联合数字生命生态伙伴共同打造的数字化健康管理平台—觅我™（Meum™）正式对外发布，并斥资4亿元构建数字生命联盟。
2017年10月，中国平安与清华大学建立产学研合作关系，双方合作的其中一项成果便是在国家卫计委的指导下，成立全球医疗与健康研究中心。该项目旨在聚焦人工智能医学应用研究、个人健康风险研究、医疗服务机构管理研究、卫生经济学研究以及健康大数据研究等课题，提升国内医疗理论研究的学术水平并强化研究成果转化能力，积极推动国家和企业更大程度地参与到全球健康发展事业之中，助力“健康中国”目标的实现。
国家卫计委规划与信息司副司长刘文先在该合作仪式上表示：“卫计委正在组建‘国家队’进入健康医疗行业。”同期，国际欧亚科学院院士、国际欧亚科学院中国科学中心副主席张景安在首届“智慧健康管理”国际高峰论坛上指出，随着人工智能和大数据与大健康领域结合得越来越紧密，大健康领域进入了全新的“数字化健康管理”的时代，让大健康领域“获得健康数据难”和“有了健康数据但缺乏干预手段”的两大痛点有了破解路径，让“治未病”成为可能。
人工智能应用于健康管理领域的探索正在朝向政府主导、多方参与的方向发展。国家卫健委制定的《全国医院信息化建设标准与规范（试行）》（以下简称《建设标准》）中，人工智能的具体内容和要求如图3-1所示。
图3-1 人工智能《建设标准》
与过去相比，本次《建设标准》明确了人工智能在各类影像设备和重要疾病方面的应用。其中心脑血管、肺部、肝病、乳腺、眼底和心脏是影像的重点疾病方向。从具体标准中，动脉网提炼出的人工智能六大应用场景如图3-2所示。
图3-2 人工智能六大应用
综合了医院信息科主任和企业技术或项目负责人的匿名调查表后，动脉网以技术成熟度、复杂度和发展潜力值，得出了如下的评分判断，见表3-1。
表3-1 人工智能场景分析
由调查结果可知，目前业内人士对于人工智能在疾病的辅助诊疗和风险预测类场景最为看好。技术难度上，各种场景基本持平。智能健康管理是目前来说相对最成熟的领域。对于本次《建设标准》，雅森科技CEO陈晖认为，本次文件对于人工智能应用方向和临床落地，以及中国医疗系统的提升都有很好的促进作用。目前来看，面向具体病种的人工智能产品，比如阿尔兹海默症或者是心脑血管的具体病种的诊断相对来说比较缺乏，大家都集中在影像辅助的定量化的分析。人工智能企业应该把疾病的风险预测放在首位，因为我国的很多疾病预后效果不理想，归根结底是在治疗之外的环节没有做好。对于企业而言，更重要的是能否提供好的预测分析模型，进行大规模的预测应用，尤其是以心脑血管、神经类、老年病为主。
陈晖判断，疾病风险预测会成为很好的落地场景，并且它在体检中心、老年病中心和第三方的检验检查机构，都有很现实的落地场景。
在医学影像应用方面，本次《建设标准》明确了人工智能在心脑血管、乳腺、肺部等疾病的应用，影像数据也拓展到了核医学和超声等维度。这避免了大量的企业都扎堆在单一的影像上，导致企业与临床的脱节。
从医院的场景来看，检验、影像、放射、核医学、病理都是高需求科室，但未来人工智能在临床科室的应用与医技科室同等重要。以心脑血管疾病为例，能否基于临床的需求去定义分析模型、定义数据，而不是单纯从技术角度自上而下去推动，这是企业应该去尝试和拓展的方向。
据悉，雅森科技未来的发展重点包括两大方向：一是要支持大规模的基层医院，包括第三方检验中心在检验类项目上的落地；二是针对脑科学这种实际发病率很高，但缺乏有效、长期的预测和预后分析处理的领域进行探索。
延伸阅读
针对本次《建设标准》的出台，动脉网也咨询了清华大学信息学院自动化系张学工教授。据张教授透露，目前清华大学正与国内医疗信息化龙头企业卫宁健康在人工智能相关领域展开合作。
张学工教授认为，除了影像和病理之外，精神科也是人工智能的一个很好的落地场景。过去，医生判断患者是否存在精神问题，只能通过患者的思维方式和逻辑得出结论。如果利用人工智能中的语音识别技术，便可以尝试利用机器去与患者沟通，类似于图灵测试。
2017年8月，中国平安与重庆疾控中心合作，全球首个流感预测模型落户重庆。团队提出“微观+宏观”的疾病预测模型，利用平安的大医疗健康数据和人工智能技术，及重庆市疾控中心常规监测数据，运用先进的人工智能技术将互联网数据和临床数据进行整合。该模型能够提前一周预测流感发病趋势，并在验证中取得了准确的预测效果。
2018年5月17日，由中国卫生信息和健康大数据学会主办的“2018中国卫生信息技术/健康医疗大数据应用交流大会”在济南隆重召开。依图医疗是目前医疗人工智能行业唯一提出医学全链路人工智能产品矩阵的人工智能公司，公司产品总监王炤受邀参会，并发表题为《基于人工智能的医疗大数据应用之路》的主旨演讲。王炤指出：人工智能是医疗大数据的基础，只有经过人工智能解析、处理的医疗数据才能被称为真正意义上的医疗大数据，只有以此为基础，采用人工智能技术，才能开发出智能科研、临床质控、远程医疗等更多顶层应用。
长期以来，人工智能行业一直将医疗大数据视作人工智能的基础，期待以海量的临床数据“喂饱”人工智能，但事实上，在当前的医疗信息化水平下，中国绝大部分医疗数据仍然处于非标、非结构化状态，海量文本医疗数据尚处于沉睡状态，临床数据中噪音极大，尚且不论“喂养”人工智能，共享互通尚未实现，深度解析利用更无从谈起。
“想要充分挖掘中国海量医疗数据的优势，就必须以人工智能为基础，推动临床数据的解析、清洗、结构化，唤醒沉睡的文本数据，打通信息孤岛下的影像数据，建设真正意义上医疗大数据网络，并通过人工智能，充分挖掘医疗大数据的潜在价值，最终造福于患者。”王炤表示。
人工智能应用于临床的产品已经屡见不鲜，渐呈红海之势，然在数据处理和场景化应用构建方面，人工智能又能做哪些工作？王炤透露，对于纷繁复杂的健康数据，如临床数据、人口健康数据、公共卫生数据，人工智能可以充分发挥其强大的对于复杂文本数据的解析能力、医学影像数据的降维与结构化能力、质量分析与控制的提纯能力、多样化治理的数据标准化能力，摘出米饭中的沙子，洗净菜叶上的灰尘，以合适的温度、高超的厨艺，将杂乱无章的数据原料荟萃成一桌井然有序、赏心悦目的医疗大数据盛宴。
在完成对于数据的解析和处理之后，人工智能还具备强大的场景化应用构建能力，如全维度的临床科研数据制备、诊疗标准化程度的提升、中基层医疗供给的扩大等，不断提升医疗机构的临床服务和科研能力，最终建设成为智能医院。
作为国内较早涉足医疗大数据智能解决方案的人工智能企业，基于自身先进的人工智能算法、语义解析技术、文本结构化技术以及自主搭建的医学术语库，依图医疗所研发的医疗大数据智能解决方案已经能够打通HIS、LIS、PACS、RIS等系统，建立多模态、全周期的科研数据库，科研数据制备效率成倍跃升，万量级患者的全维度提取工作量从年级别压缩到月级别。
“未来，人工智能必然成为医疗机构的基础设施，成为医生临床诊断和科研的好帮手，帮助中国医疗机构中处于沉睡状态的海量医疗数据价值真正爆发。”王炤说。