智能、认知时代下医疗IT化的难点和机遇 - 安防知识网

医疗IT化从最初的系统数字化逐渐拓展到云服务、开放共享平台，甚至人工智能和认知技术领域，形成了近年来医疗领域中日益受到关注的计算机智能趋势。

　　过去几年来，“医院上云”在医疗行业开始形成趋势，包括金山、阿里等主流云服务提供商都为医疗行业提供了云服务，这其中大多是以基础设施即服务（Infrastructure as a Service，IaaS）架构为主。然而对医疗行业而言，向云端迁移只是IT化的一个步骤，目前整个医疗数位化仍然需要来自服务商、硬件、软件和集成技术能力的支持。

计算机智能开始在医疗领域崛起

　　老龄化、慢性病都在逐年加重医疗负担，这个趋势催生了计算机智能在医疗领域的崛起。用医疗IT化来形容这个过程或许不能完整地覆盖，因为涉及大量智能化、认知技术、数据采集和分析的医疗领域的计算机智能化趋势面对的挑战远比传统的系统IT化更加艰巨。

　　在医疗大数据的建设目标下，可穿戴设备成为采集病患健康数据的新途径。然而“目前全球的医疗设备制造商都面临了获取患者资讯的困境，但可穿戴设备让制造商有更多途径收到到这类数据，”咨询机构IDC高级研究经理肖宏亮认为，可穿戴设备在医疗领域将扮重要角色。据IDC预估，到2019年中国医疗行业中30%的医疗软件将能提供来自物联网(IoT)设备的实时场景数据，自动生成医疗需要的文档，估计可为医护人员节省20%时间。

　　对医疗系统而言，目前面临的最大挑战之一，是在开发医院核心管理系统时，必须特别考虑能自动生成文档的技术。这就代表着医院核心系统要有能力收获、规范化和存储相关的数据，包括健康问题和社会的影响因素等，并使用预测分析来找出病人的风险和可能被视为最容易受到干预的类型。

　　从技术角度而言。无论是医院核心管理系统，或是自动数据采集软件，都需要建立认知能力，才能支持文档自动生成。因而部署认知、人工智能技术进行实时数据分析并提供可操作的建议至关重要。

　　这些都需要认知和人工智能技术，以及搭载这些技术的可穿戴设备用于收集数据来做为支持。因而建立包含认知和人工智能在内的系统是医疗IT化和医疗单位的首要任务，特别是认知技术，它将是未来理解个人健康状况，提供医疗建议，让患者加入自主健康管理的关键所在。

医疗大数据需导入认知技术

在医疗环境中导入计算机智能，将推动真正的医疗大数据落地应用。过去几年来，医疗大数据一直是政府和医疗机构的发展重点，但过去仅止于收集数据和分析是远远无法因应医疗保健、个性化护理计划甚至是预防医学的需求。因而目前的医疗大数据建置重点开始导向认知计算，进一步发展以数据为基础的医疗大数据系统。

　　IBM的Watson是将认知计算导入医疗应用的例子。目前Watson已经应用在国外二十几家医院之中，而中国也已经有医院开始测试人工智能应用。

　　目前无论是是政府或医院，都在谈论健康大数据，这意味着医疗大数据将是包含医疗、健康、食品等跨行业的整合，要让本来不相关的数据共同组成大数据，这是医疗数字化技术提供商面临的另一个挑战，却也是一大机会。

　　肖宏亮指出，在国内因应医疗大数据的建置，政府目前已经有目标了，但业内仍然没有厂商有能力建设示范性的项目，今年将是开展相关业务的好起点。

　　另一方面是需要针对医疗大数据创建算法，以提供最佳的护理管理实践方式。医院在采用智能设备时，需要统筹考虑认知和人工智能系统的导入，建设具备认知和总结能力的系统，因此，目前医院的核心管理系统建设和采集场景数据系统的集成已经成为医疗数字化的建设重点。

　　基于数字化的医疗系统在互操作性上仍然有待提升。健康信息交换(Health Information Exchange，HIE)平台是医疗信息共享的目标，这个愿景虽然仍未实现，但随着医疗数字化的发展，基于特定业务规则数据实时共享将会增加，这些改变将支持更多临床医疗获取实时信息，帮助病患获得更好的照护或诊断，而这也意味着传统医疗单位应用系统的用户界面必须做出改变。

　　系统开发商们在开发下一代医疗核心系统时，应该考虑与临床工作人员共同制定业务规则，这些规则会用在数据驱动事件中产生预测性的临床效果，并自动将临床信息生成文档。医院则必须以更开放的态度迎接传感器和新的文档技术，包括语音识别、物联网、可穿戴设备等，并将实时定位系统(RTLS）做为临床应用系统自动输入方式的一部分。

　　这些改变都象征着医疗系统集成行业将迎来重大变化。对中国的医疗机构来说，要提前统一规划和部署物联网设备与软件的集成，制定通信、集成的标准和规范，才能确保获得好的收益。另外，在升级医院核心系统时需要考虑人工智能应用，在建立医院和集成平台时则需要考虑认知计算的应用。

向云迁移的挑战

　　从医疗发展现状来看，尽管向云上迁移从技术角度来讲已经是一个成熟的业务，但医疗行业内的厂商仍必须和医院及云厂商一起形成云服务的基础能力。

　　“目前行业较欠缺的是云上迁移的能力，”肖宏亮说。目前行业内都是由云服务商或硬件厂商提供支持，但从满足需求来讲，目前云集成能力在医疗行业还是较落后的，因为该行业对云的迁移并不是那么迫切。

　　基于云的系统是未来实现个性化护理计划甚至精准医疗，以及落实商业医疗保险提供实时服务的基础。所谓个性化护理计划是指患者恢复过程中依照患者情况来调整医疗计划，这部份还涉及到了负责患者数据采集技术；而精准医疗则更多地涉及到基因或遗传病学等数据，目前北大、清华都有计划。难点在技术要突破，且应用模式还没有形成，现阶段以实验性的项目为主。

商业医疗保险蓄势待发

　　商业医疗健康保险正在建立直接报销系统，加上互联网医疗的发展，未来商业医疗健康保险将具备或强化收集客户健康数据，为客户提供个性化服务的能力。

　　简言之，支付方必须具有跟踪、接收、存储、集成和报告个人健康数据的能力，而这些数据来自于各种来源，包括个然性数据、实验室数据、电子健康档案(EHR)数据、理赔数据、传感器数据等。具备这些能力的支付方才能让产品快速推向市场，而且能够灵活地为团体和个人规划组合产品，以降低保费或实现共同支付等。而其中的重点就在于支付方必须把病人健康表现的数据与保单数据集成。

　　这些工作代表着随着医疗数字化启动的商业医疗保险将引入大规模的IT投资，数字化转型意味着以技术为中心的改革将对医疗业务和与之相连的社会运作形态带来重大转变。举例来说，未来医院必须建设支付或收款平台，才能和商业医疗健康保险体系对接，建构完整的数据交换体系。

　　在这个平台上，用于生命体征监测的智能可穿戴设备、用于分析患者实时生命数据的认知技术都将是支持医疗服务中护理计划的关键。在美国，FDA已批准多种临床用的智能可穿戴设备，中国预计2020年起可跟进做认证，届时后台的认知计算技术也将开始起步。

	全球	中国
1	2018年全球的医疗机构网络攻击事件预计会翻倍。	2019年中国医疗机构的网络勒索攻击将增长20%。
2	到2019年发达国家医院使用的机器人将增加30%。	到2020年中国医院使用的机器人将增加20%。
3	到2019年40%的医疗软件将提供来自物联网(IoT)设备的实时场景数据，自动生成医疗需要的文档，可为医护人员节省30%时间。	到2019年中国医疗行业中30%的医疗软件将能提供来自物联网(IoT)设备的实时场景数据，自动生成医疗需要的文档，可为医护人员节省20%时间。
4	到2020年，20%的医疗支付方(保险公司等)将能根据客户提供的健康数据提供个性化的保障方案。	到2021年中国20%的医疗支付方(保险公司等)将能根据客户提供的健康数据提供个性化的保障方案。
5	截至2018年底，医疗支付方(保险公司等)通过实施机器人过程自动化相关的工具、技能和流程再造等，全球医疗行业大约可节省10亿美元费用。	截至2020年底，中国医疗支付方(保险公司等)通过实施机器人过程自动化相关的工具、技能和流程再造等，本地医疗行业大约可节省5亿美元费用。
6	2017年，患者参与治疗和健康管理的过程将从被动转变为主动。	2018年中国医疗服务中患者参与参与治疗和健康管理的过程将从被动转变为主动。
7	2020年，70%发达国家转向以扩大政府资助来替代个人购买或企业购买医疗保险。	2019年中国居民对商业医疗保险和政府社保医疗保险认可程度将达到普遍接受水平。
8	到2019年全球40%医疗机构将采用基于物联网的生物传感器技术，自动度量患者的关键体征和其他生物特征。	到2019年20%的中国医疗机构将采用基于物联网的生物传感器技术，自动度量患者的关键体征和其他生物特征。
9	到2020年护理计划实时调整将会实现，20%以上的病人将参与到其治疗和保健规划中。	到2021年中国医疗服务中的护理计划实时调整将会实现，20%以上的病人将参与到其治疗和保健规划中。
10	到2018年制药厂将双倍投资用于医疗数据的分析。	到2020年中国的将双倍投资用于医疗数据的分析。

表：全球医疗IT化十大趋势预测。中国医疗IT化在导入新技术和提升医疗服务方面仍与全球市场有着1-2年左右的差距。（来源：IDC，2017.03）