下载掌阅APP，畅读海量书库
立即打开
智慧医疗可表述为利用先进的数字技术、物联网技术在医药卫生领域的深入应用和实践，实现患者与医护人员、医疗机构、医疗设备之间的互动，简化相关流程，提高运转效率。随着医疗信息化系统的使用与数据存储，将会沉淀大量的医疗数据，使得医疗模式逐渐从疾病治疗走向健康预防，从传统医学到数字医学再到信息医学的转变，更大程度上满足了人们预防性、个性化的医疗需求。智慧医疗的建设和发展主要通过信息化手段实现远程医疗和自助医疗，有利于缓解医疗资源紧缺的压力；有利于医疗信息和资源的共享和交换，从而大幅提升医疗资源的合理化分配；有利于我国医疗服务的现代化，提高医疗服务水平。
高效、高质量和可负担的智慧医疗不但可以有效提高医疗质量，更可以有效阻止医疗费用的攀升。在不同医疗机构间，建起医疗信息整合应用服务平台，将医院之间的业务流程进行整合，医疗信息和资源可以共享和交换。
在国家政策支持下，智慧医疗平台建设发展迅速，我国智慧医疗建设已有一定成效。在抗击新冠肺炎疫情过程中，我国智慧医疗呈现出研发效率高、时间成本低、产业技术精准化、接触少等特点和优势，引起全球高度关注。
目前大部分医院利用信息化手段实现了医疗一卡通，为患者提供预约挂号、候诊提醒、院内导航、在线缴费、在线查阅打印报告、在线健康教育、自助打印清单等服务，为患者节省了大量时间。2017年底，我国所有省（自治区）和统筹地区全部接入国家异地就医结算系统并联网运行，同时异地医保患者被纳入就医地统一管理。在分级诊疗政策下，远程医疗会诊、远程医学教育逐渐普及。在人口老龄化背景下，养老是医改的重点和难点，远程医疗系统进入了家庭智慧养老体系。
为实现医疗信息互联互通、资源共享，我国绝大部分三级甲等医院已建立医院信息管理系统，县级公立医院基本建立医院信息管理系统，部分发达乡镇医院也拥有了医院信息管理系统。医疗机构通过公众号、小程序、移动医疗App等方式，方便患者就医。移动查房、移动医嘱、移动护理设备、智能化动态无线监控设备、医学影像识别、疾病辅助诊断、基因测序、智慧门诊、智慧药房等应用减少了医疗服务的空间限制，极大提升了服务效率。据统计，上海已经基本完成了区、县医疗信息的联网，大医院已建立临床信息化数字系统。
有些医院还开通了互联网医院，实现患者网上问诊，做到小病不出门。传统医学与现代科技融合发展已成为潮流，生物3D打印、医疗机器人等智能医疗设备不断涌现，大数据、人工智能等技术应用于生物医药和医疗设备制造产业，培育和壮大智能医药和医疗设备服务供应商，医药和医疗设备生产智能化水平不断提高，促进了智慧医疗应用模式的创新发展，推动了全球智慧医疗市场的高速发展。
我国公共卫生信息化起步于20世纪80年代中期，法定传染病报告系统的建立是公共卫生信息化的开端。随着公共卫生工作信息化经历了3个阶段的跨越式发展：医院管理信息化阶段（HMIS）、临床管理信息化阶段（HCIS）、局域医疗卫生服务阶段（GMIS），这是根据医疗信息化水平划分的。第一阶段，2003年SARS疫情以后，我国开始建立和全面使用基于互联网的传染病和突发公共卫生事件网络直报系统。第二阶段，2009年以来，为落实新医改卫生信息化总体发展规划，实现了以疾病预防控制自我业务管理扩展为主到以全民健康保障服务为核心的转变，进一步整合和扩展了信息服务对象，同时加强了卫生监督信息系统的建设。第三阶段，促进电子病历和电子健康档案应用。目前，上海、浙江、云南等省、自治区进行了区域卫生信息化试点工作；江苏、浙江、上海等地已经实现电子病历共享；北京、重庆等地建立了可共享的电子健康信息档案库。
市场对慢性疾病管理平台研发热情高涨。人口老龄化、慢性疾病等问题已成为医疗健康管理的重点，尤其是糖尿病、高血压等慢性疾病对医疗资源消耗巨大。智慧医疗的发展，提出专病专治的医疗方案。有学者基于移动技术构建家庭医生慢性疾病管理系统，有助于解决到医院就医时间较长的问题，对我国高血压、糖尿病患者的健康生活、各类慢性疾病管理有重要意义。2015年是移动医疗的风口期，移动医疗App数量达到2000多款，其中糖尿病管理类App有700多款，约占移动医疗App总数的30%。App主要为患者提供监测、提醒、教育和预约等服务；便携式医疗设备和可穿戴设备能够实时采集患者居家的血糖、血压、心电等数据，并同步到智能平台中，平台通过对数据进行全面分析，从而为患者提供个性化健康指导，同时可以进行数据的预测研究，使慢性疾病可防可控成为可能。
发展智慧医疗需要跨智能技术、医疗健康领域的复合型人才。目前医疗卫生领域中，一方面，社区基层医生信息化技术、人工智能知识欠缺，从事与智能技术相关检验检测、医疗数据处理等业务的跨领域人才欠缺，具备跨学科知识背景的医疗服务人员数量偏少；另一方面，相关人才培育和职称晋升仍然沿用侧重于专业知识的传统模式，同时现行激励制度难以满足智慧医疗跨领域人才引育需求，激励制度缺位，造成跨领域人才上升空间狭小。
智慧医疗产业的发展有赖于人工智能技术在医疗行业各垂直领域应用的深入。由于临床应用场景高度复杂，智慧医疗要解决的问题通常聚焦于特定场景和全业务流程，需要对临床业务场景高度理解。从目前来看，智慧医疗相关技术研发活动与临床应用的联系不够紧密，一方面医疗机构开展智慧医疗的动力不足，另一方面高校、科研机构对智慧医疗技术项目的立项和研究活动往往出自科研人员对技术创新的追求，难以契合应用场景的现实需要。这种单纯依靠算法和技术的驱动模式无法满足智慧医疗产业的落地要求。
我国大多数企业集中于智慧医疗产业链的中后端，主要是面向医疗机构和患者的诊疗智能化、医疗服务智能化，而在产业链上游的智慧医疗研发相对薄弱，以AI辅助新药发现、过程开发等为主要题材的企业和项目严重欠缺。截至2019年，我国医疗AI初创企业中，从事辅助诊断的占61%，健康管理领域约占14%，医院管理约占15%，而涉及医药研发的仅占4%。在复杂的国际形势下，智慧医疗研发已成了卡脖子科技战略资源，亟须加强顶层设计和战略布局。
医疗信息系统采集患者大量的健康信息，如电子病历、医疗影像等，大部分数据挂靠在医院内网，甚至公共网络，缺少可靠的安全系统支撑，因此患者隐私数据存在被泄漏或篡改的风险。
健康医疗数据涉及患者隐私，在数据存储和使用方面具有更加严格的要求与限制。目前国家对于医疗健康相关数据的立法保护和安全应用缺乏明确的制度安排，各地区高度严格管控健康医疗数据，一定程度上制约了数据共享和商业化应用。如何在制度保障的基础上探索实现数据价值利用，是目前要解决的难题。
智慧医疗是一项兼顾公益性和经济性的事业，公益性主要通过政府推动，经济性需要通过产业化的方式体现。目前，我国已有一些智慧医疗领域的高成长性企业，但在可持续发展上还存在一些体制机制的障碍。
目前我国医疗卫生行业建设离不开政府的协助，传统信息化系统成本高，一套完整的HIS至少需要上千万投资，大部分医疗机构通常采取边积累边建设的方式，因此信息化建设的周期很漫长。过长的建设周期和设备过快的迭代更新，加速了原有设备和新设备之间的兼容矛盾（原有设备和基础设施的利旧和兼容），医院内信息化设备不能有效利旧和一次性设备支出之外的维护费用也会导致医疗服务质量下降。
5G医疗健康是5G技术在医疗健康行业的一个重要应用领域。随着人口老龄化的加快与慢性疾病人群的增加，5G与大数据、互联网+、人工智能、区块链等前沿技术在医疗健康领域得到了充分整合和应用，对推进深化医药卫生体制改革、加快健康中国建设和推动医疗健康产业发展，起到了重要支撑作用。当前5G技术体系、商业模式、产业生态仍在不断演变和探索中，在顶层架构、系统设计和落地模式上还需要不断完善，但是5G医疗健康前期探索已取得了良好的应用示范作用，实现了5G在医疗健康领域，包括远程手术、应急救援、中台操控、医用机器人操控、移动查房、远程监护、远程培训、手术示教、室内定位等众多场景的广泛应用。但是我们仍要看到5G在医疗健康领域的发展尚没有形成成熟的模式，普及应用还存在不少问题，主要体现在以下四个方面。
5G医疗总体规划不够完善，跨部门协调的问题突出，须提高产业整体协调效益。目前，5G医疗应用顶层设计不够完善，缺乏相关文件引导。由于5G技术和医疗领域的结合涉及跨行业应用，需要在国家统筹指导下，政府部门、研究机构、高校、重点企业和行业组织等多方参与、建立资源共享、协同推进的工作格局，形成长期有效的跨部门合作机制，做好部门、区域之间的协调，破解5G与医疗健康行业深度融合的体制障碍，推动跨部门的5G医疗健康数据资源开放、共享和协同。加强统一规划与监管保障，引导5G医疗行业创新应用的健康良性发展。
5G医疗应用仍处于初始探索阶段，技术验证、可行性研究不足。目前5G医疗应用以初期试点探索为主，多为应用场景初期的先导性尝试，技术验证、方案推广可行性研究仍较少，需要以企业为主体，加快构建政产学研用结合的创新体系。统筹衔接医疗健康5G技术研发、成果转化、产品制造、应用部署等环节工作，充分汇聚各类创新资源，打造一批面向行业的创新中心、重点实验室等融合创新载体，加强研发布局和协同创新。
目前，5G技术与医疗健康领域深度融合应用仍存在体制机制障碍，5G医疗在创新型医疗器械、终端设备接入方式、数据格式统一和应用数据传输等方面还存在许多不规范问题。5G医疗应用场景众多，不同应用场景对于网络的需求差别较大，尚无具体标准规范定义5G医疗的网络指标要求，需要结合医疗健康行业应用特点，面向医疗行业5G标准体系的制定、实施和应用，规范针对医疗行业的5G技术结构和内容，满足产业需要。不断完善和优化标准化技术体系，统筹推进技术创新、产品研发、标准制定、试验验证、知识产权处置和推广应用等工作。
当前，我国各级医疗机构信息化程度参差不齐，存在稳定性和安全性隐患。国内各医院医疗服务无线化程度较低，对移动网络利用不充分，如在急救车载救护场景下，我国多数急救车尚不具备远程诊疗能力，导致脑卒中、心脏病等患者在黄金抢救时间内难以得到有效救治。因此，应推进5G医疗健康创新应用，加快医疗健康与信息化融合。
当今社会是信息化不断发展的时代，医疗服务业必须抓住5G网络技术这个机遇来满足人们在医疗现代化方面日益增长的需要。5G技术在医疗网络中的应用，必然会进一步提高医疗服务质量和医疗效率，改善患者的就医体验，从而带动整个医疗行业服务水平的提高。
边缘计算是一种新的模式，将大量的计算和存储资源放置在互联网的边缘，靠近移动设备或传感器，边缘设备本质上是位于数据中心之外的任何设备。随着物联网设备的普及，信息收集也越来越容易和广泛。
在这种体系结构中，无论是以本地设备执行计算的方式，还是通过在本地设备附近部署一个微型云的方式，或者两种形态组合的方式，计算行为都在物理上更接近设备。由微型云组成的中间层有时也被称为雾，而这些云有时被称为雾节点。这种云-雾-边缘架构带来了许多好处，其中四个主要好处是延迟时间短、边缘分析成本低、隐私策略强以及可靠性高。与云相比，边缘设备和雾节点在物理上更接近，通常只有一步之遥，而边缘设备到中心云节点路途遥远。雾节点甚至可以通过有线连接到边缘设备，这提供了更低的延迟和更高的带宽，因为与中心云相比，雾节点连接的设备数量要少得多，在雾节点中管理数据可以带来更低的响应时间消耗。
边缘设备收集的数据是巨大的，特别是由高速率数据设备收集的数据。将所有这些数据发送到云端进行分析和推断会占用宝贵的带宽，而且在许多情况下是不可能实现的。在边缘设备或雾节点执行诸如采样和消隐之类的预处理可以减少正在传输的数据量，并允许将结构化数据直接发送到中心云端存储或进一步处理。因此，以较低的成本、消耗较少的带宽和电量是可以实现的。在本地节点上进行的这种预处理还可以确保执行必要的隐私策略，如从医院报告中编辑敏感和可识别的信息，以及模糊来自摄像机的面部信息。
针对电子病历、医疗影像等大规模数据远程云端上传需求，5G边缘计算可通过边缘内容数据缓存和加速能力，避免数据丢失，优化数据传输效率。利用云存储的存储池化管理，按需扩容，可满足信息共享、移动看片、移动诊疗等医用场景。近乎无限扩展的云端存储，可满足持续医院CT、磁共振成像等影像数据的存储及调度需求。位于智慧医疗用户侧的边缘计算网关可以管理待上传的医疗数据，同时也可将其在网关内做进一步缓存。在外部网络或系统出现故障时，需要上传到云平台的数据无法实时上传，但可以缓存在边缘计算网关里。故障排除之后，网关可以将数据再次上传，从而避免了由于网络断开连接等问题造成的数据丢失。在无法连接云平台期间，边缘计算节点仍可依靠本地网络和计算能力保证业务基本功能正常运行。此外，边缘计算节点可与云平台之间建立专用连接，通过数据聚合、协议参数优化等机制实现数据加速传输，提升数据上传效率。
有海量数据的地方就有机器学习。深度学习是机器学习的子领域，深度学习从大数据中发现规律，归纳总结出带有规律性的差异，从而进行诊断。机器学习与其他计算机编程类型不同，它使用从大量样本中自动提取的统计、数据驱动规则将算法的输入转换成输出（无须人类过多参与规则制定）。之前，构建机器学习系统需要利用相关领域专业知识和人类工程来设计特征提取器，将原始数据转换成学习算法，从中检测出模式的合适表征。深度学习作为表征学习的一种形式，输入原始数据后可以自行习得模式、识别所需表征，它们由多层表征组成，这些层通常按顺序排列，并包含大量粗糙的非线性运算，从而使一个层的表征（最开始是原始数据输入）输入到下一个层，最终转换成较抽象的表征。
深度学习系统可以接受多种数据类型的输入，随着数据在系统各层中传播，输入空间不断变形，直到数据点可识别为止。用这种方式可以学习高度复杂的函数。与中心云服务器或雾节点相比，边缘设备的内存要小得多，计算能力也要小得多。然而，大多数设备必须根据它们收集到的输入信息作出近乎实时的决定。这些设备中的大多数不可能保存它们生成的数据，并使用这些数据来构建机器学习模型。
人工智能会自己作出深度学习，在病历库中寻找依据，作出自己的判断。深度学习模型可扩展至大型数据集（部分原因在于它们可在专用计算硬件上运行），并继续改进，提高在更多数据上的能力，这也使得深度学习模型优于很多经典机器学习方法。
人工智能在医疗健康领域中的应用已经非常广泛，从应用场景来看主要分为虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共11个领域。
诊断和治疗是医学的两个重要环节，而诊断又是治疗的基础和前提。诊断的本质就是区分，区别不同的疾病是认识疾病原因的基础。当我们拥有足够有质量的医疗数据后，就具备了作出正确诊断的条件，而人工智能的深度学习就可以发挥作用。
人工智能与人脑相比，优越性在于可以更高效地处理海量数据，迅速找到一些特征和规律。在图像识别上，人工智能的优越性表现得特别突出。
5G医疗专网通过5G网络的边缘路由器下沉，可以进行定制化网络部署，实现数据分流、隔离、低时延。基于网络切片的5G医疗专网可分为三部分。
（1）网络切片专网：
专用通道专网，提供端到端的低时延网络。
（2）一体化专网：
从5G基站至医疗终端部署专用的医疗网络。
（3）运营支撑系统：
一个基于5G医疗的综合运营和管理平台。
5G网络具有高带宽和高速率的特性，能支持4K/8K超高清远程会诊，支持诊断影像数据高带宽、高速率的传输和数据共享。5G网络具有低时延的特性，因此在5G网络的支撑下能实现跨地市、跨省区的远程手术，同时能保证对远程手术的精准操控和指导，保证医学专家可以随时随地开展远程会诊，提升诊断准确率和医疗抢救的及时性。
网络切片分组网（SPN）不仅具备支持大带宽、灵活连接、高精度时间同步等新功能，还具备较高的分组网络切片和时延压降能力，可较好满足未来5G网络的发展要求。网络时延方面，SPN采用灵活以太网（FlexE）技术的分组交换+Client交换双平面转发架构，减少了数据包处理时间，避免了低时延业务拥塞；分组交换省去了IP转发过程中的数据成帧、缓存等处理过程，这样的分组交换技术可实现数据转发的低时延。
在5G传送网中，SPN承载中提供专用通道的网络切片功能，能够为uRLLC等需求低时延的业务提供硬隔离管道，使承载质量更加可靠、高效。当加入VR等先进技术后，还可为患者提供身临其境的诊疗全流程体验，而这一切的基础就是稳定性高、低时延、高质量的5G网络环境。远程机器人超声、远程康复，使得远程机器人手术系统得到了大量的应用及拓展。远程手术是远程医疗的皇冠，而5G医疗专网给远程手术提供了更好的技术实现条件。
移动护理、无线查房等在医疗服务领域中已经得到了部分应用。医护人员与患者之间可以更加直接和方便地进行沟通交流，不但有助于提升医护人员的亲和力，还能预防医护纠纷，提高医疗服务的质量和工作效率。随着5G技术的普遍应用，移动监测和护理必将得到普及并且更加智能化，如医院为了给患者提供更加全面的护理，设置重症监护病房（ICU）、新生儿重症监护病房（NICU）等，其中监护主设备普遍会与5G无线网络连接，时刻保障患者的生命安全。
5G能更好地支持连续监测和感官处理装置，它的大容量特点可以支持医疗物联网设备不断收集患者的实时数据。随着智能设备的进一步发展，患者更多的健康数据将会被记录监测下来。更重要的是，它们还会对患者的健康情况做一个更全面且连续的记录与分析，并向患者推荐适合的治疗方案。
我国正在面临人口老龄化问题，老年病的发病率会相应增高，老年人的医疗服务需求也随之增加。人们通过可穿戴设备、监护设备获得身体健康基本数据，同时通过多个摄像头或传感器，将视频及相关数据同步上传，通过AI智能工具的疾病预警及报警平台，实现全方位、完全的实时监测，最后在慢性疾病管理、居家养老和疾病预防方面大有可为。比如对未破裂颅内动脉瘤的破裂风险机制与预警平台，首先是收集患者的动脉瘤信息和一般健康信息，同时进行实时监测（包括血压波动、生命体征及卒中预兆），经过一个响应层（人工智能处理器）来实时地对危险进行响应，发出预警。
通过物联网和5G网络技术，实现对一些特殊患者（如精神疾病患者）的智能化管理，通过随身设备可对患者进行精确定位，跟踪限定活动范围、活动时间等，使看护管理更加人性化。
目前需要在到达医院后所做的医疗监测和数据采集，都将在5G网络的支持下在救护车上完成。所有基本信息会在几秒内通过5G网络无线发送到远程急诊中心，急诊中心的医生可以通过高分辨率视频直面患者，进行诊断。
5G远程医疗急救可视化指挥平台将触角延伸至很远。当患者突发胸痛、急性缺血性脑卒中、脑出血等紧急状况时，院前抢救尤为重要，5G网络低时延的特点可使医生在急救车内与医院专家取得联系，将患者的生命体征、车内影像等信息及时传回院内，第一时间获得专家的救治指导，尽可能地把握最佳救治时机。通过5G网络，还能够保障医院迅速做好患者来院前的接诊准备工作。利用5G高速率、低时延、大连接的特性，实现了同步传输大量高清的医疗影像等数据，保证了动态、超高清的超声检查影像在传输过程中不会出现画面卡顿或丢失，以免造成误诊、漏诊。将急救的部分工作前移，实现上车即入院，抢占黄金时间。
一直以来，医疗资源分布不均与跨地域就诊难都是行业发展的痛点。目前我国医疗资源不均衡，偏远落后地区还存在就医难的问题。因此，只有优化医疗资源配置，有效提高医疗服务效率，才能解决日益增长的医疗资源需求问题。远程医疗运用了通信、计算机及网络技术，克服了地域限制，被行业一致认为是解决以上难点的最佳途径。然而，由于远程医疗对图像传输有着特殊的要求，而目前的4G网络又远远达不到标准，因此建设和推广并没有得到实质性进展。据了解，一般情况的远程就诊需要1080P、30FPS以上的实时视频要求。在实际中，绝大部分医院只能使用一般的公共网络进行远程会诊，过低的视频质量及图片质量可能导致医生难以辨清病情。
5G通信技术的升级，将4G条件下时延50～100毫秒缩短到1～10毫秒，几乎可以做到完全同步。一方面，偏远地区的医院可以与三级甲等医院的医生进行实时视频，进行远程病理诊断、远程医学影像诊断、远程监护、远程会诊、远程门诊、远程查体、远程病例讨论等。部分地区的患者在当地医院或家中即可接受5G网络下的远程专家会诊、随访。随着物联网技术和可穿戴设备的普及，生命体征实时传输，医生可突破地域限制在线诊断，最终实现优化医疗资源配置、筛选分流患者、帮助用户管理健康，为医生和患者节省大量时间。另一方面，可以向基层开放在线教学、手术示教、远程手术指导、病例讨论等，以促进偏远地区医疗水平的提高。
长期以来，各家医院数据分离、各自为营，每家医院都是信息孤岛，存在重复检查等问题。数据是信息化的核心，把院内和院间的异构系统打通，实现无缝、高效、广泛的数据交换、集成、共享，是支撑新医院经营模式和医疗服务模式的基础。
共享的数据包括诊疗数据，如检查结果、医嘱、用药情况以及居民在基层医疗卫生单位的健康档案，如体检、慢性疾病随访等。这样一来，患者到不同医院就诊，主治医生都能看到患者的健康状况和之前的检查数据，避免了重复检查。同时，还可开展远程会诊、医疗咨询及转诊协作，合理分配医疗资源，有助于形成“小病在社区，大病去医院”的合理就医新秩序。
目前各医院的医疗服务是相对独立的，检查、检验、治疗等分别在不同的医疗部门进行。诊疗活动期间，要调阅大量如CT、磁共振成像等原始数据信息，这个调度过程需要不同医疗部门之间的信息共享。虽然医院信息系统网络普遍可以支持院内信息共享，但在网络通信方面，由于受容量和传输能力所限，接诊医生还不能随时查阅患者在其他医疗机构就诊的历史病历资料，限制了区域医疗的进一步发展。
5G网络可以发挥大带宽、低时延、网络切片等优点，助力解决区域内不同医疗卫生机构之间的网络互联互通、信息共享和医疗资源合理分配等问题。此外，通过5G移动网络与专网，使得移动数据与专网数据高效流通，各医疗机构之间可形成数据中心，进行大量数据交换与共享。
医学影像与人工智能的结合是数字医疗领域较新的分支，而且是数字医疗产业的热点。医学影像包含了海量的数据，即使有经验的医生有时也显得无所适从。医学影像的解读需要长时间专业经验的积累，影像科医生的培养周期相对较长，而人工智能在对图像的检测效率和精度两个方面都可以做得比专业医生更还，还可以减少人为操作的误判率。
近年，从图像中识别出对象物的图像识别技术的性能在深度学习的帮助下得以迅速提高。X线片的像素为3000×2000，片中恶性肿瘤图像的分辨率在3×3左右。从非常大的图像上判断一个很小的阴影状物体是不是恶性肿瘤，是非常难的。影像科医师会将一张胶片进行预处理，然后分割成若干小块，再在每一块中提取特征值和数据库进行对比，最后经过匹配后作出阳性判断。在整个诊断过程中，人工智能也会自己作出深度学习，在病历库中寻找案例，找出自己判断的依据。人工智能在医学影像上的帮助是巨大的，可帮助医生更快速地完成X线、超声、CT等检查结果阅读，让患者获得更准确的诊断建议；医院也可以得到云平台支持，建立多元数据库，降低成本。
从影像方面的误诊情况看，美国和中国的误诊主要发生在基层医疗机构。目前中国的医学影像正在从传统的胶片向电子胶片过渡，而在美国传统胶片已经成为历史。电子胶片的广泛使用使得医学影像数据大幅度增长，美国的数据年增长率达到了63.1%，在中国也达到了30%。美国和中国放射科医生的年增长率仅是2.2%和4.1%，远远低于影像数据的增长，形成了巨大的人才缺口。这意味着医生的工作量大增、判断准确性下降，借助人工智能对影像进行判断则能有效弥补该缺口。
人工智能还可以利用庞大的医学知识数据库建立医生的临床辅助决策系统，帮助医生进行诊断。美国斯坦福大学兼职教授Thrun从皮肤癌入手，用一个庞大的图像库来训练机器识别恶性肿瘤。2015年6月开始测试这个深度学习系统，使用经皮肤病专家诊断使用的14000张图片来分析这个深度学习系统是否能够准确地将图像分为3个诊断类别，即良性病变、恶性病变和非癌生长。结果系统的诊断正确率为70%，而两位皮肤病专家的诊断正确率为66%。在影像、病理的诊断方面，人工智能将有很大的用武之地。
某妇女儿童医疗中心自主开发了一款儿科发热相关疾病智能诊疗助手，利用大量高质量病历数据的优势，以真实的海量临床电子病历大数据为基础，融合临床指南、专家共识和医学文献，结合分析和深度学习技术建立多维度诊疗模型，对病历进行大量标注工作，通过人工智能提供初步的诊断提示，提高医生的诊断效率。项目自上线以来，已经逐渐融入医生的工作流程，其准确率也在逐渐提高。对200份病历的数据分析显示，这个系统目前大约可以达到中级医生的水平。
药物的发现和筛选经历了三个阶段。第一个阶段是1930—1960年的随机筛选药物阶段。这是偶然发现的时代，随机筛选药物的典型代表就是利用细菌培养法从自然资源中筛选抗生素。
第二个阶段是1970—2000年，这时的技术更加先进，可以使用高吞吐量的靶向筛选大型化学库。组合化学的出现改变了人类获取新化合物的方式，人们可以通过较少的步骤在短时间内同时合成大量化合物，在这样的背景下高通量筛选技术应运而生。高通量筛选技术可以在短时间内对大量候选化合物完成筛选，经过发展，已经成为比较成熟的技术，不仅应用于对组合化学库的化合物筛选，还更多地应用于对现有化合物库的筛选，如降低胆固醇的他汀类药物就是这样被发现的。
现在是第三个阶段，即虚拟药物筛选阶段，将药物筛选的过程在计算机上进行模拟，对化合物可能的活性作出预测，进而对比较有可能成为药物的化合物，对其进行有针对性的实体筛选，从而可以极大地降低药物开发成本。在医药领域，最早利用计算机技术和人工智能并且进展较大的就是在药物挖掘上，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等，均起到了积极作用。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真（CTS）。
计算机和人工智能为人们提供了一位检测药物的人工智能安全专家。首先，在新药筛选时，可以获得安全性较高的几种备选物。当很多种甚至成千上万种化合物都对某个疾病显示出某种疗效，但又难以判断它们的安全性时，便可以利用人工智能所具有的策略网络和评价网络以及蒙特卡洛树搜索算法来挑选最具有安全性的化合物，作为新药的最佳备选。
其次，对于尚未进入动物实验和人体试验阶段的新药，也可以利用人工智能来检测其安全性。每一种药物作用的靶向蛋白和受体并不专一，如果作用于非靶向受体和蛋白就会引起副作用。人工智能可以通过对既有的近千种已知药物的副作用进行筛选搜索，以判定其是否会有副作用，或副作用的大与小，由此选择那些产生副作用概率最小和实际产生副作用危害最小的药物进入动物实验和人体试验，从而大大增加成功的概率，节约时间和成本。
最后，人工智能可以模拟和检测药物进入体内后的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等，让药物研发进入快车道。
5G智慧医疗整体架构可分为终端层、网络层、平台层和应用层，如图2-1所示。
图2-1 5G医疗技术架构图
可实现持续、全面、快速的信息获取。终端层主要是信息的发出端和接收端，它们既是信息采集的工具，也是信息应用所依附的载体。通过传感设备、可穿戴设备、感应设备等智能终端实现信息的采集和展示。包括机器人、智能手机、医疗器械、工业硬件等设备。
实现实时、可靠、安全的信息传输。网络层是信息的传输媒介，是充分体现5G优越性的环节。通过分配于不同应用场景的独立网络或共享网络，实时高速、超可靠、低时延地实现通信主体间的信息传输。基于5G技术的医院信息化接入网络的独立建网和同运营商联合建网的技术架构如图2-2、图2-3所示。
图2-2 基于无线技术的医院信息化5G网络独立建网技术架构
图2-3 基于无线技术的医院信息化网络与运营商联合5G建网技术架构
实现智能、准确、高效的信息处理。平台层主要是实现信息的存储、运算和分析，起到承上启下的作用，以多接入边缘计算（MEC）、人工智能、云存储等新技术，将散乱无序的信息进行分析处理，为前端的应用输出有价值的信息。
实现成熟、多样化、人性化的信息应用。应用层是5G价值的集中体现，根据三大显著特征可以支撑不同的应用场景，如无线医疗监测与护理应用、医疗诊断与指导应用、远程操控应用等。
智能化医疗器械及终端设备加速普及应用，对于医疗中查房手持终端、远程会诊视频会议终端、视频采集终端、可穿戴设备等智能终端可以通过集成5G通用模组的方式，使医疗终端具备连接5G网络的能力。借助5G移动通信技术，将院内的检验、检查设备以及移动医护工作站进行一体化集成，实现检验检查移动化/无线，对患者生命体征进行实时、连续和长时间地监测，并将获取的生命体征数据和危急报警信息以5G通信方式传送给医护人员，使医护人员实时获悉患者当前状态，作出及时的病情判断和处理。
传统医疗设备设计复杂精密，如大型医疗器械、医疗机器人等。对于此类医疗终端设备，难以通过设备改造直接集成5G通用模组，可通过网口连接医疗DTU或者通过USB Dongle连接5G网络。基于5G网络切片技术，为传输流量承压的医疗检测和护理设备开设专网支撑，保障传输的稳定、顺畅，由此可以远程使用大量的医疗传感器终端和视频相关设备，做到实时感知、测量、捕获和传递患者信息，实现全方位感知患者，并且智能医疗终端打破时间、空间限制，实现对病情信息的连续和准确监测，解决了远程监护的技术瓶颈问题。
2008年底，IBM首次提出智慧医院的概念，涉及医疗信息互联、共享协作、临床创新、诊断科学等领域。通过移动通信、互联网、物联网、云计算、大数据、人工智能等先进的信息通信技术，建立以电子病历为核心的医疗信息化平台，将患者、医护人员、医疗设备和医疗机构等连接起来，实现在诊断、治疗、康复、支付、卫生管理等各环节的高度信息化、个性化和智能化，为人们提供高质量的移动医疗服务。移动医疗在国家政策、社会经济、行业需求多个层面的推动下呈现快速发展的趋势。
城镇化的快速持续推进加剧了城乡医疗水平的不均衡，国务院在2009年开始先后发布了《关于推进分级诊疗制度建设的指导意见》《国务院办公厅关于推进医疗联合体建设和发展的指导意见》《关于促进“互联网+医疗健康”发展的意见》等医改政策，要求实现医院间、区域间的信息互联互通，电子健康档案统一数据标准，真正实现按照疾病的轻重缓急进行分级、分层诊疗，移动医疗、互联网+智慧医疗将成为医疗服务发展的新契机。
老百姓看病难、医院就诊压力大，加上人口老龄化问题以及慢性病健康管理等，使得医院迫切需要转变运营方式。根据《“健康中国2030”规划纲要》，中国2020年实现每千人口医生2.5人，2030年实现每千人口护士4.7人，相比2015年已有较大提升，但从规划指标数值看，仍低于当前经济合作与发展组织（OECD）国家的平均数。因此，医疗机构也在不断探索，通过移动医疗等新技术手段将服务延伸，从治疗者向健康管理者转变。
物联网、大数据、云计算、人工智能、传感技术的发展使得计算机处理数据的能力呈现数量级增长，使得众多辅助决策、辅助医疗手段成为可能。移动通信技术促进医院联合医疗保险、社会服务等部门，在诊前、诊中、诊后各个环节对患者就医及医院服务流程进行简化，也使得医疗信息在患者、医疗设备、医院信息系统和医护人员间流动共享，让医护人员可以随时随地获取医疗信息，实现医疗业务移动办公，极大地提高了医疗工作效率。
随着人均可支配收入的提高，人们越来越关注健康，对高质量医疗服务的需求持续上升，人们对于健康的需求从过去的“以治疗为主”逐渐转向“以预防为主”。
5G具备高速率、低时延、大连接三大特性，分别对应三大应用场景，即eMBB、uRLLC和mMTC。
（1）eMBB：
即增强型移动宽带，具备超大带宽和超高速率，用于连续广域覆盖和热点高容量场景。广覆盖场景下实现用户体验速率100Mbps、移动性500km/h；热点高容量场景下用户体验速率1Gbps、小区峰值速率20Gbps、流量密度10Tbps/km 2 ，可面向云游戏、4K/8K超高清视频、AR/VR等应用业务。eMBB是5G发展初期的核心应用场景。
（2）uRLLC：
即超可靠低时延通信，支持单向空口时延最低1毫秒级别、高速移动场景下可靠性99.999%的连接。主要面向车联网、工业控制、智能电网等应用场景，更安全、更可靠。
（3）mMTC：
即低功耗大连接，支持连接数密度106万/km 2 ，终端具备更低功耗、更低成本，真正实现万物互联。
其中如eMBB场景应用主要有5G急救车，为急救车提供广域连续覆盖，实现患者上车即入院的愿景，通过5G网络高清视频回传现场情况，同时将患者体征以及病情等大量生命信息实时回传到后台指挥中心；还可以完成患者以及老年人的可穿戴设备数据收集，实现对用户的体征数据做7×24小时的实时监测。
uRLLC场景主要应用在院内无线监护、远程超声检查、远程手术等低时延场景。其中无线监护通过统一收集大量患者的生命体征信息，在后台进行统一的监控管理，大大提升了现有ICU医护人员的工作效率。远程超声、远程手术对于检测技术有较高要求，需要实时反馈，消除医生和患者之间的物理距离，实现千里之外的实时检测及手术。
mMTC场景主要集中在院内，现有的医院有上千种医疗设备，对于医疗设备的管理监控有迫切需求。未来通过5G的统一接入方式，可实现现有医疗设备的统一管理，同时实现所有设备数据联网。
虽然5G带宽速率时延能满足现有医疗行业的应用场景需求，但是医疗行业需要的是一张5G医疗专网，对5G的要求不仅限于带宽、速率和时延，在实际应用部署中仍需要考虑如下问题：①运营商公网频谱局域专用，可提供虚拟专网和物理专网两种方案，虚拟专网其实就是医疗行业和公众用户共享现有运营商的频谱资源，物理专网则是提供专用的频点给医院建设5G网络；②等级化隔离，现有的医院对于医疗数据安全性有迫切需求，因此完成5G网络建设要充分考虑医疗行业的数据安全隔离性诉求，现阶段医院对于医疗数据出医院较为敏感，因此希望数据直接保留在院内；③定制化服务，现阶段医院内部存在大量的上行大带宽业务，如远程超声，以及大量IoT设备上传患者生命体征数据信息，基于现有运营商的网络无法满足现有的上行大带宽，因此需要定制化的灵活帧结构，通过差异化无线服务满足垂直行业的需求，同时开发丰富的基站站型来满足医院内的各种场景部署；④网络要具备智慧化运营能力，使医院现有的设备可管理，业务可控制、可视化，故障易排查。
云计算、边缘计算（MEC）、大数据、人工智能、区块链等技术推动医疗信息化及远程医疗平台改造升级。未来智慧医疗受益于5G高速率、低时延的特性及大数据分析的平台能力等，让每个人都能够享受及时便利的智慧医疗服务，提升现有医疗手段性能，并充分利用5G的MEC能力满足人们对未来医疗的新需求，如实时计算且低时延的医疗边缘云服务、移动急救车、AI辅助诊疗、虚拟现实教学、影像设备赋能等高价值应用场景。同时，鉴于移动医疗发展的迫切性和重要性，在业务应用方面，新技术、新能力要支持各类疾病的建模预测；要实现医学造影的病灶识别和分类；基于移动终端和可穿戴等设备，能够满足居民日常健康管理和慢性病康复治疗的需要，支撑居民开展自我健康管理；支持基于AI的智能分诊，诊断辅助和电子病历书写等功能；支持基于传感网络的物联网应用架构；支持各类医疗终端设备的数据采集和利用；支持MapReduce、Spark、Tez等大数据分布式计算框架，其中区块链技术可以对底层数据进行加密，实现了医疗隐私数据的安全可靠传输。具备多种算法库，具备大数据存储访问及分布式计算任务调度等功能，因此大量的业务在临床医学中开始探索和实践，为患者提供以数字化为特征的、智能化与个性化相结合的诊疗服务，涉及预防、诊断、治疗和护理等健康管理全过程。
为促进5G医疗健康应用创新及产业发展，建议从以下五个方面赋能5G医疗健康产业发展。
加强统一规划与监管保障，引导5G医疗行业创新应用健康良性发展。通过政府部门、研究机构、高校、重点企业和行业组织等多方参与，建立资源共享、协同推进的工作格局，破除5G与医疗健康行业深度融合的体制机制障碍，推动跨部门的5G医疗健康数据资源开放、共享和协同。强化对技术研发、标准制定、产业发展、应用推广、安全保障、服务支撑等各环节的统筹协调。合理规划和分配频率、标识、码号等资源，促进5G医疗健康基础设施建设。引导医疗健康服务网络建设，推动医疗信息标准和医疗机构信息系统的有效集成，在全国建设一体化公共卫生和国民健康信息管理体系，优化包括社区与村镇医疗保健网络在内的医疗健康服务网络建设，克服各医疗服务机构之间信息交流的瓶颈问题。鼓励各大医院加强合作，统一医疗卫生系统，促进医疗资源融合，实现优质医疗资源共享。
聚焦5G关键技术在医疗卫生领域的应用需求，研究5G医疗健康产业的整体系统架构和技术思路，确定5G医疗健康相关产品、业务和应用服务的技术组成，增强安全保障能力，加快协同创新体系建设，推进医疗健康与信息化融合发展。以企业为主体，加快构建政产学研用结合的创新体系。统筹衔接5G医疗健康技术研发、成果转化、产品制造、应用部署等环节工作，充分调动各类创新资源，打造一批面向行业的创新中心、重点实验室等融合创新载体，加强研发布局和协同创新，推进产需对接，有效整合产业链上下游协同创新。支持企业建设一批应用于医疗健康领域的5G研发机构和实验室，提升创新能力和水平。鼓励企业与高校、科技机构对接合作，打通科研成果转化渠道。
完善5G医疗健康系列标准的顶层规划和体系设计。依靠5G大环境下的技术标准制定，结合医疗健康行业应用特点，做好顶层规划，建设标准验证、测试和仿真等标准服务平台，加快面向医疗行业的5G标准体系的制定、实施和应用，规范针对医疗行业的5G技术结构和内容，满足产业需要。不断完善和优化标准化技术体系，统筹推进技术创新、产品研发、标准制定、试验验证、知识产权处置和推广应用等工作。加强医疗应用与5G技术融合的研究，实现医疗系统内行业标准与5G技术标准的融合，确保两大产业之间业务的合作开展。充分发挥联盟、协会等机构作用，推动5G医疗健康标准宣贯与实施。构建5G医疗健康物联网评测体系，支持面向标准符合性、软硬件协同、互联互通、用户体验、安全可靠等的检测服务。
鼓励5G技术创新、业务创新和模式创新，积极培育新模式、新业态，促进医院管理和医疗服务、个人健康管理、社区医疗服务、远程医疗和健康养老等医疗健康场景应用快速增长。推动以患者为中心的医疗数据网络的形成，实现个人健康实时监测与评估、疾病预警、慢性疾病筛查、主动干预，积极推动医疗真正进入智慧医疗时代。稳步推进优秀示范工程，全面提升应用深度、广度和质量。全力支持市场需求旺盛、应用模式清晰的重点领域，结合重大应用示范工程，复制推广成熟模式，推进5G技术在医疗健康行业的集成创新和规模化应用。持续加大信息基础设施建设力度，支持已实施和拟实施的重大医疗健康5G应用示范项目和相关典型案例及创新案例向各相关领域推广，积极推动管理模式和商业模式创新，努力实现区域内5G医疗健康应用全面协同和医疗健康数据资源全面共享。
推进5G医疗健康领域的关键重点安全技术研发，引导信息安全企业与5G技术研发企业、5G技术应用企业、科研机构、高校、医疗机构合作，加强5G架构安全、异构网络安全、数据安全、个人信息安全等关键技术和产品的研发，形成安全可靠的技术体系，增强安全技术支撑能力，防止医疗健康信息丢失或窜改以及非法访问，有效保护个人隐私和信息安全。强化安全标准的研制、验证和实施，满足医疗卫生领域对5G技术和产品服务保障的要求。建立健全安全保障体系，增强安全监测、评估、验证和应急处理能力。