宁光院士：智慧医疗终将改变医学未来_厦门卫健医药有限公司(专注国际旅行保健)

未来，智慧医疗发展的关键词是“融合”“延展”和“创新”。

要有创新的模式和技术，医务工作者提高对数字化理解的同时，必须把患者就诊和疾病的过程数据化，建好真正可进行深度学习的数据知识库，才能大规模推广突破自我的诊疗模式，终究改变医学的未来。我坚信那一天会到来。

智慧医疗从理念走向应用

智慧医疗是生命科学和信息技术融合的产物，是现代医学和通信技术的重要组成部分。

智慧医疗和数字医疗、移动医疗等概念存在相似性，但智慧医疗在系统集成、信息共享和智能处理等方面优势明显，是物联网在医疗卫生领域具体应用的更高阶段。

智慧医疗的核心是数字化，使医疗和疾病信息可被记录、传输。随着科学技术进步，在医疗健康领域已经有不少智慧医疗应用成功的案例。手术机器人、VR、胶囊内镜、智能血糖仪、可穿戴设备、手术导航系统等，都是智慧医疗的有机组成部分。

在智慧医疗发展趋势方面，目前国内外的智慧医疗研究和应用主要集中于大数据技术、人工智能技术、医用机器人与可穿戴设备四大方面。

国际上，一些发达国家将大数据的优势与大规模分析完美结合，应用于治疗的所有细节中，为医疗机构、医生、患者、制药科研人员或生命科学研究者提供了强大的平台。

Watson（沃森）用于临床，在肺癌、乳腺癌、直肠癌、结肠癌、胃癌、宫颈癌等领域可为医生提出相关建议。深度神经网络在图像识别领域的表现超过传统算法和人在图像识别领域的辨识能力。

医疗机器人用于实现辅助外科手术、康复医疗和医院服务等功能，美国、法国、德国、意大利、日本等国学术界对此给予了极大关注，相关研究工作蓬勃发展。

医疗可穿戴设备近年来逐渐用于医疗监护、家庭保健、睡眠分析、应急救护、航空航天、特殊人群监护、心理治疗等方面，提高了医疗资源共享效率，增强了紧急情况处理的及时性。

在我国，当前人工智能发展较好，但医疗大数据刚刚起步。近年来，我国健康医疗大数据行业市场增速超过20%，且技术更新换代快，相关企业数量不断增加，行业竞争格局初步成型。

在医疗人工智能方面，随着大数据积累和硬件计算能力提升到临界点，深度学习作为实用技术走上舞台。人工智能深度神经网络飞速发展，在我国医疗卫生领域应用前景广阔。

在医疗机器人方面，我国相关科技研究相对落后，产业相对缺乏，医用机器人大量依赖进口，从而造成医疗费用增长，加重了病人的负担。

医疗可穿戴设备的新产品和治疗概念不断涌现，治疗范围也在不断扩展，但由于治疗认知和技术水平的限制，目前国内可穿戴治疗系统尚处于专利申报的、比较初级的尝试阶段。

未来智慧医院应具备“四新”

以人体作类比，打造有思维、能感知、可执行的智慧医院，应该具备以下基本构成元素和特征：

一是智慧大脑，负责思考和指挥，建立知识库，并且不断学习进化（人工智能、深度学习）。

二是感知器官，采集医院的各种数据，包括人员的行为数据、医疗过程及结果数据、空间环境的信息等。

三是血液循环，真正形成数据驱动，不断汇聚临床表型数据和组学数据，并以个体行为数据为补充，形成临床大数据。

四是人体骨骼，即投入相关软硬件设备设施，使其互联互通形成一套整体体系支撑人体行为动作。

五是人体四肢，即提供医疗科研服务，包括招募、预约、检查、治疗、康复、随访等。

未来的智慧医院要具备新网络、新设施、新终端、新平台“四新”。新网络，指泛在联结；新设施，即能否做到全面感知；新终端，指智能进化；新平台，即数字孪生。

美国高德纳公司副总裁大卫·塞尔利认为，未来的科技发展，将实现无处不在的智能设备，提供各种基于大数据的贴心服务。该公司将此称为智能数字网格。智能，即人工智能将深入所有已有的垂直行业，并创造出新的行业。数字，即物理世界和数字世界将被折叠，新的“沉浸”世界将会产生。网格，即人、生意、设备、内容、服务将连接成一个不断扩张的大网。

让智慧的机器为智慧的人工作

当前，人工智能在医学应用主要有以下7个场景：医学助理，包括电子病历语音输入、智能导诊等；医学影像，即病灶识别、二维重建等；疾病风险预测，包括风险筛查、预防干预等；患者管理，包括医患问答、随访管理等；辅助诊疗，包括疾病分类、用药推荐等；医学研究平台，即科研数据整合分析、大数据运算；药物研发，即化合物筛选、靶点预测等。

在人工智能逐步发展的今天，我们需要思考，医生应该怎么做。2016年成立的国家标准化代谢性疾病管理中心，利用物联网管理模式，配备完整的诊疗设备，通过物联网技术，形成多场景综合管理工具模式，具备疾病风险预测、临床辅助诊疗等多种功能。同时借助云端整合，打通院内院外两个环，实现代谢疾病多角色、全病程、个体化的精准随访和管理。截至目前，全国已有1000余家医院加入。

一家智慧医院最核心的是智慧的人，发明、使用智慧的机器，让智慧的机器为智慧的人工作。放眼未来，当今医疗从业者都将成为AI场景使用者，核心任务是找到适合AI发挥最大价值的场景，使之更好地为医疗健康服务。