近日出版的《數字醫療》一書(shū)中卻談及了過(guò)去人們在醫療信息化路上遇到的一些障礙。該書(shū)作者被稱(chēng)為“醫院醫生之父”，加州大學(xué)舊金山分校醫學(xué)院院長(cháng)羅伯特·瓦赫特，在書(shū)中他曝光了不少醫療事故：一位在加州大學(xué)舊金山分校醫學(xué)中心貝尼奧夫兒童醫院接受治療的罕見(jiàn)遺傳病少年患者，遵醫囑應該吃1片抗生素，護士卻讓他吃了38.5片！這個(gè)離譜錯誤發(fā)生的部分原因是由于信息系統參與到了醫療過(guò)程中：系統中的計量單位與醫生熟悉的不一致，機器人取藥系統未提出質(zhì)疑，系統警告因為太多假警報而被忽視……

數字醫療，一個(gè)計量單位的小錯誤，就可能危及生命。當整個(gè)世界信息化的比重越來(lái)越大，每個(gè)人的生活甚至可以分為“實(shí)體維”和“二進(jìn)制維”時(shí)，醫療的信息化卻進(jìn)展緩慢。盡管各種機器人奔走于藥房與病房之間，盡管AI診斷工具的診斷錯誤率在大幅降低，但“就醫的便利性提升”一欄中，患者的直觀(guān)感受并不能像金融、通信等領(lǐng)域那樣，不假思索地打上“五顆星”。

盡管步伐艱難，醫療卻是最需要信息化的領(lǐng)域，醫療信息化過(guò)程中有哪些困難？該如何破解？如何又快又安全地讓民眾獲得最大便利？

標準不統一 醫療信息大數據難共享

如果沒(méi)有健康檔案，醫生對于患者的了解將每次都要從“零”開(kāi)始，檔案的積累讓信息得以連接成連續的“健康線(xiàn)”。在數據積累的過(guò)程中，中美兩國遇到了醫學(xué)所特有的相似的技術(shù)難題。“比如血液鉀含量低可能被記為‘低鉀’‘血鉀過(guò)少癥’‘低K離子’‘↓K’等。”瓦赫特在書(shū)中寫(xiě)到，這些五花八門(mén)的醫學(xué)專(zhuān)有名詞在電子化中必須統一，否則無(wú)法實(shí)現醫療系統間的無(wú)縫對接。

多年來(lái)，隨著(zhù)硬件和算法的升級，信息“孤島”逐漸毗鄰，計算機不僅能夠識別文本信息，還可以識別圖片信息，虛擬世界里“結構化數據和非結構化數據”能被同時(shí)“消化”的時(shí)代如同現實(shí)中的“全球一體化”般到來(lái)，信息交換從技術(shù)上已經(jīng)不再是難題，它迅速在基層得到應用。

“為了構建緊密型的醫聯(lián)體，我們把社區和三級醫院的信息聯(lián)系起來(lái)。”北京大學(xué)首鋼醫院院長(cháng)顧鋼介紹，基于可對接的信息系統他們自發(fā)地嘗試信息共享，但其他醫院如果效仿可能還需要從機制體制上推一把。

北京市方莊社區衛生服務(wù)中心是主動(dòng)聯(lián)合的社區醫院之一。中心主任吳浩介紹，“我們和天壇醫院(聯(lián)合的4家三級醫院之一)信息已經(jīng)聯(lián)網(wǎng)打通，方莊所有病人的信息每天晚上要和天壇醫院交互。我們的簽約患者在天壇醫院的病歷、住院信息等都會(huì )同步到他的健康檔案數據庫和簽約醫生的管理平臺”。據此，人們完整的“健康線(xiàn)”逐漸顯現，社區簽約患者不同階段的健康可以做到“有蹤可查”，并且由醫護人員進(jìn)行隨訪(fǎng)和健康管理。

AI加入 科技巨頭紛紛放“大招”

“沃森清楚，它需要與醫生互動(dòng)并且成為他們所在生態(tài)系統中的一部分。”IBM的全球醫療改革總監這樣告訴作者瓦赫特。IBM的沃森是進(jìn)入醫療行業(yè)的人工智能(AI)之一，它掌握大量的病歷，甚至可以初步診斷，盡管不少媒體用“沃森醫生”報道它，但是它的創(chuàng )造者其實(shí)是極力想要撇清這個(gè)稱(chēng)謂的。

在中國，對AI醫療的資本投入占整個(gè)AI投入的一半左右。中國同樣擁有自己版本的“沃森”。2017年11月，科大訊飛“智醫助理”機器人以456分的成績(jì)通過(guò)了臨床執業(yè)醫師考試，其專(zhuān)業(yè)知識已能夠擔負起執業(yè)醫師的工作。

中國自主研發(fā)的肺部結節等圖像識別系統在國際比賽中也多次名列前茅。公眾感受最直觀(guān)的，是多地大醫院配備的人形導醫機器人，為患者回答問(wèn)題、初步分診、疏導患者。AI落地醫療目前正在為一線(xiàn)醫生降低勞動(dòng)強度，并幫助醫療資源覆蓋到偏遠地區。

更復雜算法被用于開(kāi)拓此前不存在的診斷方法，增強醫學(xué)整體實(shí)力。尤其在近期，科技巨頭們頻繁放出“大招”：2月，谷歌大腦從視網(wǎng)膜圖像，輔以各種因素如年齡、性別、吸煙史、血壓等數據中，可以預測心血管疾病的風(fēng)險，他們構建的系統使用了130000個(gè)視網(wǎng)膜圖像進(jìn)行訓練，成功率7成左右。而3月15日《自然》發(fā)表了德國癌癥中心的腦腫瘤診斷AI工具，彌補神經(jīng)系統腫瘤診斷的短板。

中國在A(yíng)I拓展醫學(xué)能力方面的進(jìn)展鮮見(jiàn)于公眾，記者在多次采訪(fǎng)中了解到，多個(gè)院所高校均在A(yíng)I醫療領(lǐng)域有所部屬，例如在國家重點(diǎn)研發(fā)計劃的支持下，中科院軟件所田豐研究團隊與協(xié)和醫院開(kāi)展合作，利用患者持物的微小抖動(dòng)試圖預測患帕金森癥等神經(jīng)退行性疾病的風(fēng)險。

集納數據 數字醫療還需分步走

中國擁有龐大的患者人群，能提供珍貴的研究數據。“給出10000個(gè)基因組與療效的案例，能夠通過(guò)數據挖掘預判出10000+1個(gè)患者的可能療效。”國家重點(diǎn)研發(fā)計劃干細胞專(zhuān)項專(zhuān)家組副組長(cháng)王小寧建議，建立國家生物治療療效數據庫，強制要求生物治療臨床研究申報單位將數據集中，解決無(wú)法判定療效適應癥指標的難題。

集納數據仍舊是中國需要進(jìn)一步完善的工作，從火車(chē)和鐵軌、燈泡與燈座、互聯(lián)網(wǎng)TCP/IP協(xié)議的例子可以看出，一個(gè)復雜的信息生態(tài)系統里，標準可以極大地提高效率，獲得數據價(jià)值。

“未來(lái)，我們可以通過(guò)‘數字病人’模擬一系列的臨床醫療問(wèn)題，通過(guò)分析大數據做出更佳的臨床決策，但最終，只有真正的患者才是需要我們真心去關(guān)注的。”瓦赫特說(shuō)。對比中國，也在相同的階段摸索，國家層面指征全面營(yíng)養健康的“全息數字人”的提出，也是對醫療信息化未來(lái)走向觀(guān)點(diǎn)一致性的表現。