下载掌阅APP，畅读海量书库
立即打开
医疗健康信息化的技术进化史可以分为三个阶段（见图1-1）。第一个阶段是医疗信息化阶段，通过计算机、宽带网络等技术实现医院信息共享和区域医疗信息共享；第二个阶段是互联网医疗阶段，借助可穿戴设备、4G网络、云计算、大数据等技术，实现以在线导流、问诊为主要模式的互联网医疗以及医院内部融合医保的全流程移动；第三个阶段是智能医疗阶段，人工智能技术全面融入医疗健康全环节，借助医疗机器人、虚拟现实、增强现实、5G网络、人工智能等技术，实现人工智能辅助诊断、远程手术等业务模式，实现医疗健康全流程智能化。当前，医疗信息化正处在从互联网医疗向智能医疗过渡的阶段，智能医疗时代的曙光已经到来。
图1-1 医疗健康信息化的技术进化史
在智能医疗阶段，人工智能技术融入诊前、诊中、诊后的医疗健康全流程：在诊前阶段，主要应用于疾病预防与健康管理；在诊中阶段，主要应用于辅助诊断、临床辅助决策、辅助治疗等；在诊后阶段，主要应用于康复辅助等。同时，人工智能技术也与生物医药智能制造深度结合，应用于生物医药增材制造（3D打印）、医用设备全生命周期管理、药物研发等领域。
多数疾病都是可以预防的，但是由于疾病通常在发病前期表征并不明显，到病况加重之际才会被发现。虽然医生可以借助工具进行疾病辅助预测，但人体的复杂性、疾病的多样性会影响预测的准确程度。人工智能技术与医疗健康可穿戴设备的结合可以支撑慢性病与健康管理，实现疾病的风险预测和实际干预。通过收集和分析数据，医生可以更好地判断病人病情，可实现计算机远程监护，对慢性病进行管理。通过对远程监控系统产生的数据的分析，可以帮助患者寻找病因，发现潜在风险，实现预防病和早期治疗。例如心血管疾病，在发病之前，都伴随高脂血症、肥胖、高血压、糖尿病等症状，如果能及时检测到相关症状并改变不良生活习惯（比如减肥、戒烟），就可以达到很好地控制心血管疾病的目的。同时，许多疾病在彻底康复之前会出现情况反复，患者出院再入院的情况普遍存在，通过可穿戴智能医疗设备可以持续跟踪患者的后续情况，医生可以动态评估药物的疗效，及时跟踪患者的康复进展情况，发现潜在的风险因素。
基因测序是一种新型基因检测技术，它通过分析测定基因序列，可用于临床的遗传病诊断、产前筛查、罹患肿瘤预测与治疗等领域。单个人类基因组拥有30亿个碱基对，编码约2.3万个含有功能性的基因，基因检测就是通过解码从海量数据中挖掘有效信息。目前高通量测序技术的运算主要为解码和记录，较难以实现基因解读，所以从基因序列中挖掘出的有效信息十分有限。大数据与人工智能技术的介入可突破目前的瓶颈。通过建立初始数学模型，将健康人的全基因组序列和RNA序列导入模型进行训练，让模型学习到健康人的RNA剪切模式。之后通过其他分子生物学方法对训练后的模型进行修正，最后对照病例数据检验模型的准确性。
医疗影像数据是医疗数据的重要组成部分，从数量上看超过90%以上的医疗数据都是影像数据，从产生数据的设备来看包括CT、X光、MRI、PET等医疗影像数据，但是对医学影像的诊断主要依赖于人工的主观分析。人工分析只能凭借经验去判断，容易发生误判。据中华医学会数据资料显示，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%。对于放射科医生而言，患者拍片过程会产生几百甚至几千张片子，繁重的任务量加之疲劳的工作状态，容易导致漏诊；对于病理医生而言，依靠经验从众多细胞中找到癌变细胞难度较大，误诊现象时有发生。
人工智能技术与医疗影像数据的结合有望缓解此类问题。医学影像辅助诊断应用主要指通过计算机视觉技术对医疗影像进行快速读片和智能诊断。人工智能在医学影像中的应用主要分为两部分：一是感知数据，即通过图像识别技术对医学影像进行分析，获取有效信息；二是数据学习、训练环节，通过深度学习海量的影像数据和临床诊断数据，不断对模型进行训练，促使其掌握诊断能力。目前，大数据及人工智能技术与医疗影像诊断的结合场景包括肺癌检查、糖网眼底检查、食管癌检查以及部分疾病的核医学检查和病理检查等。
临床中遇到的疑难杂症，有时即便专家也缺乏经验，做出正确的诊断和治疗更加困难。临床决策支持系统可以通过海量文献的学习和不断的错误修正，给出最准确的诊断和最佳治疗。大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力的日益加强。比如挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议。此外，临床决策支持系统还可以使医疗流程中大部分的工作流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。以IBM Watson 为代表的临床决策系统在开发之初只是用来进行分诊的工作。而如今，通过建立医疗文献及专家数据库，Watson 已经可以依据与疗效相关的临床、病理及基因等特征，为医生提出规范化临床路径及个体化治疗建议，不仅可以提高医生的工作效率和诊疗质量，还可以减少不良反应和治疗差错。在美国Metropolitan 儿科重症病房的研究中，临床决策支持系统就避免了40%的药品不良反应事件。世界各地的很多医疗机构（如英国的NICE，德国IQWiG 等) 已经开始了比较效果研究(CER) 项目并取得了初步成功。
近年来，机器人不仅用于工业领域，在医疗系统也已得到推广应用。目前，医用机器人主要包括外科手术机器人、康复机器人、护理机器人、配药机器人等。其中，外科手术机器人是目前应用范围最广且最具前景的医用机器人。结合高精度空间定位能力、快速计算能力、3D数字化医疗影像技术，外科手术机器人能够克服传统外科手术中精确度差、手术时间过长、医生疲劳、缺乏三维精度视野等问题，已经在普外科（胃部分切除术、阑尾切除术、胃造口术、乳房切除术等）、肝胆外科（胆囊切除术、肝门空肠吻合术、胆总管造口术等）、妇产科（子宫切除术、卵巢错位、子宫肌瘤切除术等）、泌尿外科（前列腺切除术、肾切除术、输尿管成形术等）、胸心外科等领域广泛应用。目前，应用最广泛的da Vinci手术机器人已经在全球销售3000多台，医用机器人手术数量从2005年的2.5万例增加到2016年的65万例。
康复辅助器具是指改善、补偿、替代人体功能和辅助性治疗以及预防残疾的产品，包括矫形器、假肢、个人移动辅助器具、外骨骼康复机器人等，适用人群主要包括残疾人、老年人、伤病人等。康复辅助器具结合虚拟现实/增强现实、柔性控制、多信息融合、运动信息解码、外部环境感知等人工智能新技术，将极大推动智能假肢、智能矫形器、外固定矫正系统、新型电子喉、智能护理机器人、外骨骼助行机器人、智能喂食系统、多模态康复轮椅、智能康复机器人、虚拟现实康复系统、肢体协调动作系统、智能体外精准反搏等新型康复辅具发展。
药物研发需要经历靶点筛选、药物挖掘、临床试验、药物优化等阶段。利用传统手段研发药物需要进行大量的模拟测试，导致药物研发过程周期长、成本高。制药公司平均成功研发一款新药需要10亿美元及10年左右的时间。目前业界已尝试利用人工智能开发虚拟筛选技术，发现靶点、筛选药物，以取代或增强传统的高通量筛选（HTS）过程，提高潜在药物的筛选速度和成功率。通过机器学习和自然语言处理技术可以分析医学文献、论文、专利、基因组数据中的信息，从中找出相应的候选药物，并筛选出针对特定疾病有效的化合物，从而大幅缩减研发时间与成本。