寧光院士：智慧醫療終將改變醫學未來_廈門衛健醫藥有限公司(專注國際旅行保健)

未來，智慧醫療發展的關鍵詞是“融合”“延展”和“創新”。

要有創新的模式和技術，醫務工作者提高對數字化理解的同時，必須把患者就診和疾病的過程數據化，建好真正可進行深度學習的數據知識庫，才能大規模推廣突破自我的診療模式，終究改變醫學的未來。我堅信那一天會到來。

智慧醫療從理念走向應用

智慧醫療是生命科學和信息技術融合的產物，是現代醫學和通信技術的重要組成部分。

智慧醫療和數字醫療、移動醫療等概念存在相似性，但智慧醫療在系統集成、信息共享和智能處理等方面優勢明顯，是物聯網在醫療衛生領域具體應用的更高階段。

智慧醫療的核心是數字化，使醫療和疾病信息可被記錄、傳輸。隨著科學技術進步，在醫療健康領域已經有不少智慧醫療應用成功的案例。手術機器人、VR、膠囊內鏡、智能血糖儀、可穿戴設備、手術導航系統等，都是智慧醫療的有機組成部分。

在智慧醫療發展趨勢方面，目前國內外的智慧醫療研究和應用主要集中于大數據技術、人工智能技術、醫用機器人與可穿戴設備四大方面。

國際上，一些發達國家將大數據的優勢與大規模分析完美結合，應用于治療的所有細節中，為醫療機構、醫生、患者、制藥科研人員或生命科學研究者提供了強大的平臺。

Watson（沃森）用于臨床，在肺癌、乳腺癌、直腸癌、結腸癌、胃癌、宮頸癌等領域可為醫生提出相關建議。深度神經網絡在圖像識別領域的表現超過傳統算法和人在圖像識別領域的辨識能力。

醫療機器人用于實現輔助外科手術、康復醫療和醫院服務等功能，美國、法國、德國、意大利、日本等國學術界對此給予了極大關注，相關研究工作蓬勃發展。

醫療可穿戴設備近年來逐漸用于醫療監護、家庭保健、睡眠分析、應急救護、航空航天、特殊人群監護、心理治療等方面，提高了醫療資源共享效率，增強了緊急情況處理的及時性。

在我國，當前人工智能發展較好，但醫療大數據剛剛起步。近年來，我國健康醫療大數據行業市場增速超過20%，且技術更新換代快，相關企業數量不斷增加，行業競爭格局初步成型。

在醫療人工智能方面，隨著大數據積累和硬件計算能力提升到臨界點，深度學習作為實用技術走上舞臺。人工智能深度神經網絡飛速發展，在我國醫療衛生領域應用前景廣闊。

在醫療機器人方面，我國相關科技研究相對落后，產業相對缺乏，醫用機器人大量依賴進口，從而造成醫療費用增長，加重了病人的負擔。

醫療可穿戴設備的新產品和治療概念不斷涌現，治療范圍也在不斷擴展，但由于治療認知和技術水平的限制，目前國內可穿戴治療系統尚處于專利申報的、比較初級的嘗試階段。

未來智慧醫院應具備“四新”

以人體作類比，打造有思維、能感知、可執行的智慧醫院，應該具備以下基本構成元素和特征：

一是智慧大腦，負責思考和指揮，建立知識庫，并且不斷學習進化（人工智能、深度學習）。

二是感知器官，采集醫院的各種數據，包括人員的行為數據、醫療過程及結果數據、空間環境的信息等。

三是血液循環，真正形成數據驅動，不斷匯聚臨床表型數據和組學數據，并以個體行為數據為補充，形成臨床大數據。

四是人體骨骼，即投入相關軟硬件設備設施，使其互聯互通形成一套整體體系支撐人體行為動作。

五是人體四肢，即提供醫療科研服務，包括招募、預約、檢查、治療、康復、隨訪等。

未來的智慧醫院要具備新網絡、新設施、新終端、新平臺“四新”。新網絡，指泛在聯結；新設施，即能否做到全面感知；新終端，指智能進化；新平臺，即數字孿生。

美國高德納公司副總裁大衛·塞爾利認為，未來的科技發展，將實現無處不在的智能設備，提供各種基于大數據的貼心服務。該公司將此稱為智能數字網格。智能，即人工智能將深入所有已有的垂直行業，并創造出新的行業。數字，即物理世界和數字世界將被折疊，新的“沉浸”世界將會產生。網格，即人、生意、設備、內容、服務將連接成一個不斷擴張的大網。

讓智慧的機器為智慧的人工作

當前，人工智能在醫學應用主要有以下7個場景：醫學助理，包括電子病歷語音輸入、智能導診等；醫學影像，即病灶識別、二維重建等；疾病風險預測，包括風險篩查、預防干預等；患者管理，包括醫患問答、隨訪管理等；輔助診療，包括疾病分類、用藥推薦等；醫學研究平臺，即科研數據整合分析、大數據運算；藥物研發，即化合物篩選、靶點預測等。

在人工智能逐步發展的今天，我們需要思考，醫生應該怎么做。2016年成立的國家標準化代謝性疾病管理中心，利用物聯網管理模式，配備完整的診療設備，通過物聯網技術，形成多場景綜合管理工具模式，具備疾病風險預測、臨床輔助診療等多種功能。同時借助云端整合，打通院內院外兩個環，實現代謝疾病多角色、全病程、個體化的精準隨訪和管理。截至目前，全國已有1000余家醫院加入。

一家智慧醫院最核心的是智慧的人，發明、使用智慧的機器，讓智慧的機器為智慧的人工作。放眼未來，當今醫療從業者都將成為AI場景使用者，核心任務是找到適合AI發揮最大價值的場景，使之更好地為醫療健康服務。