医疗AI如何助力于未来医院信息化建设？(3)

对外开放：教学型医院、科研型医院或多或少会有对外开放的需求，人工智能在展厅的打造、来访预约、参观者身份识别、满意度跟踪等方面都有很好的应用。

自动化可追溯物流：把流程按医院所需进行改造后，物流企业就可以快速进入医疗领域，为各大医院提供相应的服务。现阶段轨道传输体系、气动传输体系、机器人传输体系等已经在一些医院应用，还有一些专业领域仍在做新的探索，比如样本传输体系有全管道低温保存的要求。

智能大楼：现在智能大楼的建设中，与智慧医疗之间相应的衔接非常少，未来把这两项技术相衔接会有非常好的发展空间。

管理仓：医院从医疗到管理、从物流到后勤保障都智能化之后，很难通过直观方式了解到运行的情况或规律，需要有类似驾驶舱的全局管理舱，让管理者在驾驶舱了解医院运行的情况。

医疗人工智能面临的挑战

在医院全面普及医疗人工智能，一个比较大的挑战是医院的接受程度。但经过互联网的洗礼，大多数医院也在尝试拥抱技术。除此之外，还面临着几个挑战：

第一，人才。美国人工智能人才数量近85万人，中国仅有5万，人数相对较少，并且人工智能人才成本高昂；

第二，数据。数据和数据之间是有壁垒的，各医院和各专科之间的数据并不连通。如果要得到高质量的数据，首先要与一家或者多家医疗机构进行协作，这非常困难，因为全国最优质的医院和专科之间的协作是有限的。

卫计委等等组织和一些高校也在寻求突破，他们希望通过行政力量把医疗机构的数据组织在一起，形成一个数据库，用沙盒技术为未来的人工智能企业提供“养料”或学习资料，但推进的速度并不是那么快。

除此之外，还有数据归属不明确、数据安全要求高、数据开放受限制、数据标准不统一、数据伦理存争议、数据成本代价高等问题，这些都是制约人工智能医疗行业发展的重要因素；

第三，审批。在AI医疗器械审批方面，由于产品未获得三类医疗器械证书就无法上市，因此产品审批难以通过成为产业发展的重要掣肘。

现在人工智能诊断技术在飞速发展，很多企业或高校宣称在某些比赛中人工智能诊断能力已经超过了人类医生，但在中国几乎没有通过了国家食品药品监督管理局审批的人工智能诊断算法或应用，在国外也是寥寥无几。

像诊断、治疗方案等需要的智能和科技程度较高，需要得到相应的审批才能进入医疗市场。而一种新药的审批可能长达十年，一个新的医疗器械的审批也是要两三年，在人工智能领域一项技术也要进行临床的诸多实验才可以在临床上应用。当然，健康指导、宣教、问诊服务一类的人工智能服务，不涉及治疗或者诊断过程，审批相对没有那么严格；

第四，伦理。现阶段医学人工智能诊断系统难以解释诊断的原因，而一旦诊断结果出现问题，也无法追根求源到底是人类医生、数据还是算法本身出现了问题，因此仍存在“黑盒”风险；

第五，盈利。在行业应用方面，目前付费方不清晰，买单方是医院、患者、药企、保险公司还是政府，未来需要多方探索。

传统医疗信息化体系在人工智能时代正在改变，也暴露出其薄弱之处。主要集中在三个方面：一是数据采集，二是数据采集的范围、质量，三是应用的个性化与智能化的程度。

针对这些问题，医院信息化体系的建设还是要以数据为基础、技术为核心、服务为导向。

在未来智慧医疗希望能够有两个体系：

一个是应用体系，可通过将人工智能智慧应用与现有应用相互融合协作共同服务于医疗业务的形式，逐步由半智能化过渡到全智能化甚至是无人化，整个过程由各智慧应用的部署形成“智能节点”，替换原有流程上的各个节点，形成“智能单元”，最后由各单元链接形成“智能网络”，最终形成完整的智慧医院应用体系；

另一个是生态体系，通过智慧养老、智慧药房、智慧医疗、智慧健康的医联体，体系化的建设医疗机构，为医疗提供更好的服务。

医工转化案例：核心还是医疗

新疆喀什地区县市之间的平均距离超过200公里，其中有些县更是深藏在极端自然环境之中，如帕米尔高原的雪山、塔克拉玛干大沙漠。远程医疗模式在这里能发挥极大的作用，帮助当地百姓足不出户享受优质医疗服务。

上海对口支援新疆喀什第八批医疗队的目标，是帮助喀什二院升级成三甲医院并全面提升信息化能力，使其未来成为能够连接乌市和上海医疗五级联动体系的枢纽和核心，打造成为南疆医疗高地，带动和辐射周边地区的医疗服务能力。