本文首發于微信公眾號：動脈網。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。

互聯網醫療給患者就醫帶來了很多便利。大量醫院已經開通了諸如在線掛號，化驗單、檢查報告推送，在線繳費等一系列服務。但截止目前為止，國內互聯網醫療產品尚無法面向醫院形成足夠規模的商業模式，在醫生的日常診斷工作中也沒能探索出剛性需求。

而北京長遠佳信息科技有限公司推出的醫眾影像數據云服務正試圖打破僵局，利用獨有的云計算技術解決一個越來越困擾醫院的難題。

醫學影像診斷市場規模龐大，數據量增長迅速

醫學影像檢查在診斷過程中發揮的作用越來越大。公立醫院診斷收入預計于2016年將突破2600億元，而單影像檢查收入一項就占將近一半的份額。與影像檢查匹配的耗材市場規模也高達數百億元且保持兩位數的年化增長。

隨著檢查量的增多以及影像檢查精度的提升，醫院存儲影像數據正在面對越來越嚴峻的挑戰。

醫學影像是一種專業的灰階圖像。這類數據文件體積大、碎片化程度高，而且單個檢查數百層甚至數千層的圖層間具有緊密的關聯性。

我國有一多半的醫院陸續采購了PACS系統專門用于影像數據的保存管理。傳統PACS系統數據庫結構和存儲架構對服務器、存儲等硬件以及網絡環境要求頗高，而大量數據的歸檔已經超出了傳統PACS系統的支持能力。

影像數據的存儲入庫一般都要耗費數分鐘，而通過系統調閱數據的速度在越大規模的醫院越不堪忍受。傳統PACS系統對并發訪問的支持性能更差，服務影像科室都已遭遇瓶頸，更加無法在可控的投入下給臨床科室提供有效的數據訪問支持。

數據存儲的困境促使醫院尋求云計算方案

為緩解這一困境，醫院正需要影像云計算的服務模式，由軟硬件采購向服務采購模式轉型。國內云計算平臺服務商，例如阿里云、騰訊云、中國電信天翼云也都推出了針對醫療行業影像存儲的IaaS方案。

但由于醫學影像歸檔管理及傳輸協議的特殊性，云計算平臺服務商都不具備提供SaaS層影像計算服務的能力。目前已有的影像云計算產品都基于傳統PACS系統架構，在有限帶寬資源及計算資源條件下，僅僅能勉強支持少量的遠程診斷業務需求，完全不具備對大規模影像數據傳輸、存儲以及訪問的服務能力。

　　云存儲對傳統PACS系統架構提出革命性要求

醫眾影像數據服務已經突破技術瓶頸，形成了完整的解決方案，為醫院降低成本、提高效率以及信息化服務的穩定性提供了革命性的選擇。產品上線近3個月以來，醫眾已經陸續為15家醫療機構開通了影像數據存儲托管服務。

醫眾的影像壓縮技術以及數據處理技術大幅提升了數據傳輸及調閱速度。經跟蹤客戶實際情況統計，公網20Mbps上行帶寬，100M的影像數據從接收、處理、上傳到前端設備可以調閱平均耗時2分鐘，比多數千兆帶寬局域網PACS系統的速度還要快。通過一般3G／4G網絡打開影像需時1-2秒，遠快于局域網內調閱的速度。

而實現這一體驗，所需醫院負擔的成本卻節約了90%左右。實施成本也大幅降低，目前服務的最大規模醫院日門診量逾萬例，每日完成影像檢查量千余例；服務的最小規模醫院單日影像檢查量僅數十例。

支持這么大規模的影像數據服務，醫眾所投入的計算資源卻可以忽略不計，目前單臺服務器支撐的并發訪問量實測3000個左右，但還遠未到極限，還有大量閑置計算資源。

更多的產品及服務模式得以落地

極致的速度以及并發訪問的支持性使得醫眾在數據存儲的基礎上可以給醫生及患者提供更多的服務模式：

首先在傳統工作站的模式上給影像科醫生增加了移動調閱、網絡調閱的產品，讓影像醫生可以隨時、隨地訪問影像數據并完成報告錄入。

另外醫眾的前端調閱產品（PC工作站、移動APP、微信客戶端）完全不限制license數量，更多的臨床科室醫生可以實現對原始數字影像的調閱。包括三維圖像都可以放開給臨床醫生使用，幫助臨床診療提高精準性。

院間的協作例如區域影像數據互通、影像診斷的托管及會診等合作，也可以利用醫眾平臺更便捷而且更加專業的展開。包括醫眾提供的原始影像微信轉發功能、加密脫密處理服務、時間膠囊授權功能等，在保證影像數據的專業性、隱私保護等前提下讓醫生間基于影像的診斷協作或交流開展的極度靈活。

強大的并訪支持可以進一步給患者提供便利。目前患者做影像檢查一般只能獲得膠片，如果需要診斷信息更豐富的完整影像數據，在極少數醫院可以申請光盤刻錄服務，物價收費一般為50元。而光驅正在淡出歷史，數據的云端保存正成為替代方法。

醫眾推出的掌上膠片服務目前在3家合作醫院進行公測，已經給很多腫瘤疾病、慢病、小兒疾病患者保存了一份極具價值的個人影像檔案，為患者后續的轉診、復診所帶來的便利及價值非常可觀。

另外，醫眾還推出了面向第三方機構的API接口服務。調用醫眾開放API，可以在極短時間內實現專業影像調閱與自身業務系統跨平臺的無縫集成。例如遠程醫療、移動醫療、醫療教育等各種從事運營服務或產品開發服務的公司都可以以非常低的成本實現專業的功能。目前醫眾已經為一家中等規模的HIS廠商以及一家國內頂級的三甲醫院遠程醫療平臺開通了接口集成服務。

圖像智能診斷算法研發的基礎逐步完善

最后，沉淀下來的數據怎么用，醫眾也給出了一個方案。IBM 2015年收購了醫學影像軟件公司Merge Healthcare，納入其Watson智能醫療研究體系中,影像數據在人工智能診斷研究中非常關鍵。醫眾除了為醫院提供影像數據的存儲及獲取服務，還致力于影像診斷數據結構化知識庫的建立。

目前已經實現通過智能語義分析對大量歷史影像診斷報告進行智能的結構化、標準化處理。海量圖像數據的高效處理能力與知識庫的智能建立兩相結合，將有效推動人工智能診斷的研發進度。醫眾正在與國內頂尖的影像診斷機構、專家以及人工智能診斷的算法科學家交流合作，也正在尋求風投機構對下一階段服務推廣及研發的投資。

文章來源：微信公眾號動脈網