智慧醫療看似很近，實則雷聲大雨點小

“如果大家去查閱時下搜索頻率最高的關鍵詞，人工智能、大數據一定會出現。”胡盛壽在演講開始時說道，隨著AlphaGo問世，人工智能和大數據不僅在專業領域掀起熱潮，在老百姓心中也產生了很大共鳴。國內各大專業院校紛紛設立人工智能專業，人工智能甚至進入了中學教材。而在政策層面，國務院2017年7月8日印發《新一代人工智能發展規劃》，給予我國人工智能技術發展大力支持。

在人工智能蓬勃發展的浪潮下，人工智能技術在醫療領域也取得了諸多進展，胡盛壽舉例說，科大訊飛智醫助力參加2017國家執業醫師資格考試成績進入全國前5%，在天壇醫院人機大戰中，AI也以高出20%的準確率勝出，美國FDA已審批通過12個泛AI類醫療產品進入臨床應用。在這樣的背景下，無論從社會環境、政策、技術還是資本層面來看，智慧醫療都看似離我們很近。

然而，在胡盛壽看來，盡管醫療人工智能公司不斷涌現，醫療融資熱度持續高漲，但人工智能技術在醫療領域距離實際落地應用還有一段距離。“數據顯示，2018年中國智能醫療市場規模預計將超過200億元，但到目前為，國內還沒有一款真正的智慧醫療產品通過FDA認證，應用到臨床。”

為什么智慧醫療會出現雷聲大、雨點小，落地困難的問題?胡盛壽從算力、算法和數據三方面分析了問題所在。

智慧醫療的核心是真實完整的數據

胡盛壽表示，算力、算法和數據是智慧醫療發展的三駕馬車。而目前主流的深度學習開源計算平臺均為國外開發，這導致了隱私保護和信息安全方面的問題。此外，廣大基層醫療機構的硬件水平和信息化水平與智能產品的標準應用場景相差甚遠，普遍存在“用不起”新型智能產品的情況。

胡盛壽認為，概念和算法的不斷演進是人工智能發展的技術基礎，但人工智能學習的原理仍然是一個“黑箱”，這成為人工智能在醫療領域落地的最大障礙。

“深度學習到底學到了什么?智能醫療產品的診斷依據是什么?出現錯誤后如何修改?我們如何去監管它?”

胡盛壽指出，智慧醫療的另一大核心是數據，然而，當前，國內臨床醫療數據可利用率極低，數據的可信度和真實性難以得到保證。一方面，基層醫療機構沒有EMR系統，數據結構化、電子化程度低;另一方面，采用EMR系統的醫療機構的記錄也是錯漏百出，導致數據無統一規范。此外，醫療、社保、公安系統信息不互通，部分病人隱瞞特殊病史，信息孤島現象明顯。

“抽查門診病歷結果顯示，數據合格率僅能達到50%-60%，基于這種數據生產出來的智能產品，不僅是貽笑大方，甚至會危害生命。”胡盛壽說，醫療人工智能還有很長的路要走，我國目前仍處于第一階段，因數據有效性差而導致研發進展緩慢，現階段的重點是數據整合。

健康大數據將提升基層醫療服務能力

盡管我國的醫療人工智能仍處于起步階段，但該項技術的發展仍有很大空間，胡盛壽提到了三點優勢，一是我國擁有全球領先的互聯網產業發展，騰訊、華為這類企業積累了先進的計算技術;二是13.5億人口帶來了龐大的數據資源和市場需求;三是政府層面的政策和指導思想，都為我國人工智能醫療事業的發展提供了廣闊的成長空間。

胡盛壽指出，智慧醫療的突破點在于改善我國醫療資源配置不合理的問題。“我國醫療現狀是大醫院人滿為患，基層醫院床位閑置，其根本問題在于基層服務能力薄弱，優質醫療資源不流通。”胡盛壽表示，要解決該問題，傳統的基層培訓路線已行不通，需要借助基于健康大數據的智能醫生、智能診斷系統。

據胡盛壽透露，國家心腦血管病中心、中國醫學科學院埠外醫院將與深圳市政府合作，基于深圳人口數據庫、醫保數據庫和醫院數據庫三大數據資源，開發基于大數據的基層衛生服務能力提升的命題。目前團隊正聯合耶魯大學、牛津大學團隊對深圳三大數據系統進行初步觀摩。