????? 鄔賀銓（中國工程院院士）

<大智移云時代的智慧醫療>很高興來參加這個會，我來這個會還是有點膽怯，大部分都是醫學專家和醫院院長，我到醫院都是作為病人才去的。我的報道題目是大智移云時代的智慧醫療，現在為什么說大智移云，剛才衛生部門的領導也說過，現在面臨一個新的時代，大數據、人工智能、移動互聯網、云計算、物聯網、寬帶互聯網、區塊鏈，這些是我們新生的時代，我們圍繞著智慧醫療這些技術的應用。
現在是一個計算無處不在，軟件定義一切，軟件包容萬物，連接隨手可及，寬帶永無止境，智慧點亮未來，服務以人為本，助力精準醫療。
先從我自己的專業講起，大家都有計算機，計算機多有CPU，CPU有一個芯片，早年的CPU芯片80、86、286、386、486、奔騰，2015年一個奔馳CPU上的晶體管數是81個，基本上集成電路的60年來還是按照每18到24個月芯片的密度加倍，這就是摩爾定律。30年來，CPU的速度提高了100萬倍，內存價格下降了4.5萬倍，硬盤價格下降了360萬倍，如果機械的價格能夠跟硬盤一樣的降價，今天買一部新車只要0.01美元，如果汽油的性能能夠跟集成電路一樣發展，一升汽油就科技讓飛機繞地球飛500多圈，目前為止還沒有哪一種技術有這么快，我們可以看到，2015年我們國家的集成電路代工線中芯國際，它的集成電路的工藝水平是28個納米，而同期美國英特爾、臺灣的臺積電和韓國的3C已經是14納米，到2020年芯片大概要做到5納米。
2015年80億個晶體管是28納米，如果做到14納米就160億個晶體管在一個芯片上，所以就是說沒有什么不能做的事兒了。當然集成電路差別還是很大。
另外現在談寬帶，我們說光纖通過各行各業的技術，波長上可以通過各種直分服用W的技術可以做到貸款容量很高，我們光纖還要波分服用，很多個波長一起用。所以現在來看光通信的容量是非常大的。
過去我們都用干膜光纖，一根光纖有效界面口徑做得很小，只有一個模式，多模是因為互相有干擾。現在發現利用數字信號處理技術，也幾個模也沒關系，能抵消，所以一根光纖變成幾根用，所以現在通信除了提出單波長比特率，增加波長率，增加波長數以外，還有更大的容量的提升。光纖的容量20年提高了一萬倍，目前單波長是400G，3100T。中國的光纖光纜產業發展很快，我們現在生產了全世界一般的光纖光纜，中國寬帶現在提高降費，也消耗了全直接一半的光纖光纜，十年前平均到一根光纖，一公里賣的錢大概是2000塊錢，前兩年賣到什么，是40塊錢，按單位長度算床前比面條滿意。所以光纖將來在醫院，大量用寬帶沒問題。
除了光纖以外，現在軟件應用是無所不至，軟件定義一切，軟件都是用軟件代碼行數來表示它的復雜性，1972年阿波羅登月飛行器軟件只有4000代碼，華為做個傳感器一萬行，日本高鐵列空軟件數百萬行代碼，雪弗蘭奔馳車的軟件，一千萬到一億行代碼，空客飛機的飛機是十億行代碼，你說飛機是個發動機很厲害，實際上飛機里的軟件更厲害，我們現在用的Windows7操作系統是3000萬行代碼，我們用的蘋果手機安卓手機也是上百萬行代碼，現在你的手機已經是當年阿波羅登月飛行器軟件復雜度的幾百倍了。
所以軟件從面向模塊、面向數據、面向世界、面向用戶、面向硬件設計，軟件是越來越復雜，當然軟件的產值規模也相當多。
我們說完軟件說計算機，50年代大型計算機，60年代小型計算機，80年代個人計算機，90年代筆記本電腦，現在手機作為計算機，全世界第一臺電子計算機是1946年發明的，美國當年是為了計算二戰的時候炮彈的軌跡，研發出來的進度在二戰結束以后，計算機當時有很多的機架，占地170平米，現在來看不如會計手上的計算器，美國航空航天局1975年花了500萬美元買了一臺當時最好的計算機，現在不如iPhone4，1985年美國國防部的超級計算機現在不如iPad2，90年代后期一個閃存卡要8000美元，現在0.25美元，要是回到80年代是100萬美元。
也就是說信息技術的發展，使得我們可以看到沒有什么東西不可以做，能力已經越來越強了，我們現在談云，80年代數據庫，90年代互聯網數據中心，現在談云計算，實際上是云服務，隨著信息化發展，每個單位自信息系統，我們醫院也不例外，根據前面說到的摩爾定律，一年半就換一代了，你建了一個信息系統，可能沒很好的用就過期了你就要換，這樣效率就不高，這樣怎么辦？我們就出現第三方公司，他提供服務器、存儲器和寬帶化，我們醫院可以把自己的數據到這里來，大家如果只存這里來，我把它比喻成數字房地產，無非是出租一些空間。
所以上面應該還會提供一些中間鍵、JAVA，一些軟件開發工具，你可以租用這些軟件開發枸橘來開發軟件，大醫院肯定沒問題，對于小醫院，你給他開發工具他也不會開發軟件。所以干脆直接給他租軟件算了。有企業用的CRM、ERP，雖然這些軟件原來都是為企業做的，到醫院一樣，醫院病人就是醫院的客戶，醫院有很多資產，也有更多軟件可以用，當然在上面有數據層，數據層收集了很多消費者數據，還有一些數據開發工具，可以利用這些來開發，所以馬云跟我說，我們未來不靠電商賺錢，我們靠云服務，幫人家建云計算的平臺。
醫院在云計算上，應該是特別適合用的，醫療信息復雜，數據量很大，每個醫院自己，你的利用率不高，占用你的人員水平也不高，存那里的數據還是沒有好好用，因此集中存儲更好。集中存儲云計算還是保證安全性，另外現在醫改要分級診療，怎么把我們大醫院的一些數據轉給社區醫院共享，當然這個共享也不是所有醫院都共享，還是應該有區別的，需要有云計算可以服務。
像小型醫院、私人醫生也可以享用大醫院提供的數據，可能通過云服務，需要一些少量的付費，所以現在有個西安國際醫學中心說，它可以利用云計算實現院前、院中、院后，甚至是藥物統計、三院連入的流程，另外藥劑師可以訪問云端，可以接入到我們的藥品店監管網查詢，什么樣品是合格的。另外可以通過把電子病例送到云端，一對照，可以看這個病人適合用什么藥，這個病人有什么禁忌的地方，哪些不能用。一些常見并，慢性病甚至可以推薦一些處方。
所以在醫療云上來講，現在從圖上看是發展的很快了。
除了云計算，我們還有移動通信，我們經歷的第一代移動通信，根據頻率的不同去區分用戶，當時手機很大，只能打電話，現2G的已經不多了，GSM是十分多質的，靠信息的不同區分用戶。現在靠碼道不同區分用戶，4G的是凈銷平衡多質，把時間的頻率空間因素都利用起來，使得我們的峰值數率能做到百兆的量級，去年天地我們國家使用手機上網的用戶超過了移動用戶的3/4，寬帶移動用戶超過了七成，4G用戶大概占六成，4G五平均下載速率是12兆，跟2015年比翻了一倍。估計到今年年底，4G的手機用戶下載的速度是一個月25兆。
總之每十年移動通信的峰值速率，十年提高了一千倍，現在4G還在用，5G的標準就提出來了，圓圈外圈是5G的性能，紅圈是4G的性能，5G和4G比，用戶體驗數據提升10倍，頻譜效率提升3倍，移動性提升一倍，要支持時速500公里的高鐵，另外無線接口延遲減少90%，縮短一毫秒，原來是為了開到高速公路上開到200公里時速的汽車不要碰撞，但是我認為一毫秒對于遠程醫療特別有作用，這樣能夠實時的反應醫療的動作。
連接密度做到一平方公里，100萬個傳感器上網，醫院這個范圍里面可能沒有那么多傳感期吧，能效提高一百倍，流量密度提高一百倍，峰值速率提高30倍。平均速率能到一百兆，如果說1G到4G是面向個人通信，5G就是面向產業應用和智慧城市，像增強的移動寬帶、廣覆蓋大連接，這些當然主要開始還是為工業設計的，現在醫療也是需要的各種各樣的技術會支撐5G的發展。
現在手機已經是多功能的，各種各樣的攝象頭放在手機上，假如你的手機是有陀螺儀、傳感器的，一個老人帶著這樣的手機上街，不小心摔了一跤，就把短信發到醫院和親人那里，醫院一判斷基主是80后、90后，80歲以后，90歲以后，再一查有什么基礎疾病，一看你爬不起來，不等你爬起來，通過手機定位救護車就開過來，但是這是美國和日本的情況，在中國不行，中國沒有私人醫生，你離開醫院以后，跟醫生什么關系都沒有。
所以在中國只有社區醫院發展起來，這種移動醫療才能很好，我們可以手環做檢測，美國有個APP，花2.99美元下載到手機上，然后把手機往肚皮一掃，身上什么地方語言，亮出個紅斑來，據說它還能預測癌癥的前期，不過準不準不知道。但是至少可以做一些這樣的應用，當然你在筆記本上用鋼筆畫個圖，通過藍牙自動可以轉到手機上，你到國外不懂milk是什么，拿手機一拍，牛奶。
手機是各種各樣的功能，一般來講，一般的手機只要你檔次不太低，手機上的傳感器有25種，手機上的傳感器會使網絡，容易獲得用戶的身份、位置、在線、終端應用的偏好。移動APP，現在在中國有2000多種的移動醫療APP，有沒有上醫生的，有沒有上一般百姓，有很多這樣種的應用。
現在物聯網發展也很快，2008年溫總理到無錫的時候，就把物聯網掀起高潮，實際上這么多年來，物聯網發展并不如人意，這是因為高端的物聯網是線上投10兆以上的，可以拿光纖來連，當然大量的物聯網是低端的，數據只有100K，甚至更低。用光纖不經濟，用手機也不經濟。
所以很長一段時間，連到運營商的物聯網終端只有6%，但是在去年6月份，在韓國的釜山通過了一個標準，在GSM的窄頻上抽一個，把它分成很多個直窄波，可以做到形成了很多個物聯網信道，可以支持24KB每秒，或者是250Kb每秒。它的覆蓋比GSM要高，要好100倍，原來GSM信號不能到地下車庫、地下管道的它都能到，它的連接數比移動通信網高50倍，它的功耗，一個電池可以讓它工作10年，不用換。它的模塊成本是一美元。
所以自從窄帶物聯網的標準出現，到去年年底，像華為一些公司已經把系統、軟件、芯片已經開發出來，所以會大量的應用在智慧城市、智能停車等等，我知道到醫院住院的病人都要帶個醫院的手環，實際上你只是進醫院的時候你能知道他，還有打針吃藥的時候掃描一下你能知道手環的病人，戴上手環的人，醫院你是不知道他到哪去的，但是用了這種窄帶物聯網，你就可以把病人到什么地方都可以隨時監控了。
另外一種醫療物聯網是漸凍人，是運動神經元病和肌肉萎縮，整個身體所有的有肌肉的地方都不能動，甚至講話都不行，但是大腦和眼睛是可以的，有個眼動儀，就是電腦上裝了一個傳感器，實際上它能通過紅外線檢測你的眼球的活動的情況。那么你這個眼睛是能動的，那么你訓練訓練，可能讀懂你眼睛動的意思了。已經有這樣的人了，坐在安裝眼動儀電腦面前，通過眼睛的動作，可以上網，可以發微信，可以看電子書，可以玩游戲，可以控制家用電器。
左下角是手環投影到手臂上，右下邊兩個是谷歌的眼睛。右上角是美國去年年底開發的一個高清視頻帶在眼睛上，這邊這個圖是百度的眼睛，它希望一頭是攝像頭，一頭是機器。現在不能動了，它不能用我的計算機。這里面是什么呢？頸環，像女同志戴項鏈一樣，它能檢測你日常彎腰，是不是坐的時間太長了，在電腦面前太低頭了，時間太長了，它要提醒你。它能動，不能說，沒有聲音。它可以配合手機，可以告訴你是不是應該站起來活動一下，還有改變一下你的坐姿等等。
習總書記說信息化要惠及大眾，我們現在有很多蠶子一樣，我們面對一些盲聾啞、癡呆傻、孤老寡，這些人對于信息化來講都是障礙。怎么來服務他們呢？盲人上網要點凹凸不平的書本，凹凸不平的書本比較多，那屏幕肯定不會凹凸不平，那怎么辦？戴一個指環，指環上有一個攝像頭，當你指到哪一個詞的時候，它就給你讀出來，甚至連到云端，幫你翻譯出來。有些說這些人是瞎子，怎么知道點哪里呢？不要緊，它有一個振動，每當你翻頁的時候，它要把你手指挪到前面第一頁第一個詞的位置，然后跟著挪動。
這里面是虛擬現實，虛擬現實現在應該說，目前來看人類主要是娛樂，給大家玩的。現在看來呢，在醫療上虛擬現實是一個很好的應用。右上角的圖是通過虛擬現實，給醫學院的學生做學習、培訓等等。那么左下角的虛擬現實呢，是可以把一個人，相當于看透一個人，這種訓練醫生都是很好的。另外虛擬現實可以在心理治療上，那么這個是有一個自閉癥的小孩，他帶上眼鏡，他看到了很多好玩的東西，能夠讓他融入這個社會。另外對一些有慢性病、疼痛的人，用虛擬現實可以分散他的注意力，釋放他的心理壓力和減輕疼痛負擔。
那么有人統計過，戴20分鐘的虛擬現實，可以減輕病人24%的痛苦。甚至有人說原來沒有用的時候，痛苦指數是5.5，用了虛擬現實以后，他的痛苦指數是4.0。但是我不知道這個5.5、4.0是相對于什么疼痛。另外康復，很多病人需要長時間的、幾個月的康復訓練，是很枯燥的。那么通過虛擬現實呢，可以讓他變得不那么無聊，比較有趣。另外這種康復訓練虛擬現實呢，可以有利于醫生去評估康復的結果。
另外虛擬現實有利于改善醫患關系，比如現在一個病人要動手術了，醫生要對病人講很多，這個怎么怎么樣。我去過醫院，我知道，要簽一個知情書，那上面再小的手術也告訴你搞不好要死了，搞不好要怎么樣了，當然醫生為了免責。那病人很多人不懂究竟這個手術多復雜，現在通過虛擬現實，讓病人戴著眼鏡，你就可以看看你做的手術究竟怎么樣，會有什么危險，有什么措施可以預防。我覺得可以有效改善醫患關系。
另外我們希望我們的醫生也能體驗一下病人，那么大部分醫生還是健康的，身體好的人是不知道身體不好的人的難受的。所以呢，我們說虛擬現實有什么呢？讓醫生戴著虛擬現實，你模仿一下病人的場景。另外呢，也體驗一下你變老以后會怎么樣。這樣會增加你對病人的同情心，所以我說有利于改善。但也有人說利用這個可以讓年輕人更好的珍惜自己的身體，你現在2、30歲好像無所謂，你看到你慢慢的變老，變70、變80，你會發現還是趕緊存一點錢吧。
另外用于醫學教育，現在解剖是要尸體，尸體解剖對醫學院的醫生，可能好的學生才能用一具尸體來解剖，要是前面的學生把某個器官損害了，后邊的人還學不了。那虛擬現實很好幫著做教學培訓。有人說以前培養一個可以上手術臺的外科醫生至少需要十年時間，而用虛擬現實直播教學呢，可以縮短這個時間。當然我認為他之所以沒有說縮短多少時間是為什么呢？虛擬現實還是不能代替真的解剖。
我們可以看看虛擬現實、正常現實，我們穿個紅裙子在商店，我覺得紅裙子不好看，我可以對著對面攝像頭說換個藍色的，就換成藍色了。換成綠色的，就換成綠色了。如果說你在病人前面，也需要這樣一個攝像頭，你讓他分散他的注意力，這樣也挺好的。
本來想跟大家說，這個人是不會修汽車的，可是戴上虛擬現實的眼鏡，他就能修汽車。它告訴第一步卸掉什么，第二步卸掉什么。我本來想找一個跟醫院有關的視頻，時間緊張沒有找到。醫生如果不太會做一個什么小手術，那你帶上這個眼鏡，它就告訴你怎么做。當然實際做，后面還有一個老醫生在看著

。
另外我們可以看到現在AR的應用，我們可以通過微軟的全視眼鏡來查看人的器官、肌肉組織、人體部落。這個左下角的圖是來看血管照明的，這樣照過去能夠在手持的裝置上看到血管。這邊這個是幫護士找靜脈，因為我發現我要抽血的時候，護士試一下左手，試一下右手還是比較難。有的醫生扎準都比較不容易。現在來看利用AR裝置，可以把血管能夠透視，能夠看得見，這樣有幫著護士找準靜脈的可能性提高了3.5倍。
我本來這個是什么呢？一個手的手術，實際上一個假手，可以通過VR，戴上眼鏡，可以把手切開，扒開兩邊的肌肉，找出里面的血管，還要找到骨頭。這是一個很好的關于AR利用的例子。另外患者可以通過AR，我們醫生跟患者對話的時候，實際上我知道很多患者不能準確講出自己什么癥狀的，很多人講了一大堆跟癥狀都無關，真的癥狀找不出來，那怎么辦呢？一個眼科的患者，讓他戴一個AR的眼鏡，里面很多的癥狀顯示出來了，然后讓患者戴著眼鏡說你是哪一種。你看了這么多癥狀，哪一種是你的癥狀。這樣呢，醫生就可以很好的判斷患者真正的問題是什么。
AR、VR的市場呢，還是可以發展很快，在中國應該有很好的應用。另外一個是機器人，左上圖機器人是一個會開門的機器人，它很精細的。右上圖是機器人的平衡，一個機器人很難平衡的。以下兩個圖一個是負重的機器人，一個是會走的機器人。當然將來的機器人也可以在醫療上應用，當然把機器人開刀了似乎可能現在還是一個探討的問題。為什么呢？第一，它準不準備。第二，出了醫療事故誰負責。所以還是一個問題。現在我們老醫生開刀，我看到一個老院士平時拿筆手都發抖，他說他還可以開刀。我說你這個手發抖還敢開刀，他說我開刀的時候一刀扎下去就準了。但是我想這個對人要求太高了，還不如機器人。
確實有機器人手術，實際上它是幾個人在操作，由遠程來控制的。它有外科醫生控制的器械，有床旁的機械臂系統，還有三維視頻呈現系統。達芬奇的機器人，全世界做了幾百例的手術。我印象中有一個醫院好像有一個骨科的機器人手術，也是有的。
現在說到大數據，大數據實際上涉及到很多的技術，我不詳細講了。我只是說在大數據里面數據庫是一個很重要的技術，這里面有幾類數據庫，但是不同類的數據庫，很難說哪類數據庫比哪類更好，因為它適用于不同的數據業務。有在線業務的數據，有結構化的數據，有低密度的數據，可能需要使用不同的數據庫。而且除了數據庫以外，大數據的處理挖掘需要用到可視化、智能分析、數據挖掘等等，大數據最難是建模。美國麻省理工學院已經開發了可以數學建模的一種方法，我們現在北京PM2.5比較嚴重，很多人覺得肺癌、肺的毛病發病率提升，到醫院做CT，取決于你做的精度如何。一個肺可以做出幾百張CT照片，甚至更多。當然對醫生來講，要看這幾百張、上千張照片也是頭疼的，因為病灶很小。現在辦法通過大數據，把CT的照片，幾百張、一千張還原成一個肺。看看有沒有纖維化，看看肺周邊有些什么損害。這實際上呢，大數據在醫療上很好應用。
美國開放了乳腺癌的數據，當然屏蔽掉個人的隱私、姓氏。美國的一個高中生分析了760萬個乳腺癌的數據，他用了一種活檢的辦法。乳腺癌活檢檢不到那就是誤診了，真有乳腺癌而沒有檢查到。現在用這種辦法，準確率能達到96%。實際上美國利用大數據還節省了醫院的開支和患者的開支。
另外可以把處方的數據，也可以進行分析。通過大數據分析醫生開的處方，美國有個醫院兩個人避免了40%的藥物不良反應。另外可以優化檢測的劑量，GE公司分析過現在我們CT很普及了，很多醫院都有，動不動就做CT。當然現在醫改以后，北京也把CT收費降低了。但是我很擔心CT會濫用，CT做多了并不好。因為一次CT相當于很多次X光，所以GE公司在全球做大數據統計，不同的嚴重，不同生病的部位，不同的CT掃描計量，最后分析出來可以把CT的計量降低41%，應該能保證CT測試的準確度。而不會導致，通過CT致癌。
現在人工智能發展很快，實際上計算機出現以來就有人工智能。當時因為計算機什么都能做，實際上是不可能的。后來把計算機專家系統，它可以模仿人，但是充其量它不會超過這個專家的經驗。那么現在人工智能進入到學習，學習是區別人和動物主要的差別。那么我們知道阿爾法狗戰勝了李四十，阿爾法狗和李四十都收集了已經有的圍棋棋譜，那么阿爾法狗做得好，李四十也做得到。那阿爾法狗通過自我對應，還產生了3000萬盤圍棋棋譜，那李四十是不會的，所以阿爾法狗戰勝了李四十。今年年初馬斯特戰勝了中日韓圍棋高手，我們就等待下個月中國的脫節，讓阿爾法狗怎么打，也許還是要輸。認為圍棋很復雜，但是它的復制是很強的。
我曾經跟谷歌說你這個不算厲害，他說什么叫厲害？我說你谷歌能不能訓練10個人的機器人足球隊，什么時候踢贏皇馬了，那就說明你人工智能厲害了，有一個配合的問題。我為什么問這個問題呢？我覺得機器人去做手術，發現手術很多是醫生同時上的，不是一個人所能操作的。那機器人肯定有很多個，你能不能協同，這是一個大問題。
人工智能是根據深度學習，所謂深度學習是一個很笨的辦法，把所有各種各樣的照片都送到計算機里面，通過算法把這個照片分類，然后分出一堆照片，你告訴它這堆照片就是狗，那么它將來看到類似的照片，它就知道這是狗了。所以這是一種訓練的辦法，但是人工智能按照美國去年十月份發布的國家人工智能研究戰略，它說人工智能具有變革我們生活、工作、學習、發現和交往的前提，它的研究能增加國家經濟不夠繁榮，改進教育、生活質量，增強國家安全。
所以人工智能也會在醫療上有一個很好的應用，比如說沃森，它現在能夠進行對話，它可以在17秒內閱讀3000多本醫學著作，24萬篇論文，69種治療方案，6萬多數據，10萬多個臨床報告。有一位院士他說他女兒也學醫，他就說女兒發現學醫很難，藥的品種也太多了，另外治療方案也在不斷的變，所以發現太難的事情。但是由人來學習可能很難，但是用沃森來學習是比較容易的，沃森已經收集了2萬例實際的案例，另外對每個推薦的治療，它都有病例的。比如說對導管型高分化乳腺癌的患者，它推薦的AC扎紫杉醇的方案，它在推薦這個方案之前，已經有899例用過這個方案的病人來做支撐了。所以說用沃森這種機器人來做人工智能治療，它是很好的，有經驗的，當然了它不能代替醫生。
另外AR本身能夠快速收集很多醫學的知識，結構化和非結構化的圖像。另外呢，現在美國基于深度學習開發的系統，它的癌癥檢出率超過了4個頂級的放散科醫生，診斷出了過去無法診斷出的癌癥。現在我們說大醫院跟小醫院有什么區別，不在于醫療器械。小醫院醫療器械可以很好，而在于有沒有經驗的醫生。有很多檢驗還是靠醫生看的。所以怎么提高這種經驗？當然有很多辦法。但是我覺得如果將來能夠連到云端，讓小醫院的醫生也能夠上到云端去查，什么樣的圖案對應什么樣的癥狀，可以提高他們的醫學知識。
以色里有一個醫學中心跟哈佛醫學院合作開發了人工智能系統，對乳腺癌的病例圖片里面癌細胞識別的準確率達到90%。我們知道做手術以后，比如說病理切片送到檢驗，一般要4、5天才出結果，那是要靠顯微鏡去看。那要根據看的人的水平能不能夠發現，所以往往有可能漏檢。這里面積累了很多很多的圖片，你可以對照。另外皮膚癌，它所皮膚癌底種類是很多的。哈佛大學收集了2000例不同皮膚癌病例的12萬張圖像，形成了深度學習算法，能夠對皮膚癌自動的分析。那相當于什么呢？相當于21位專業醫生。你把21個醫生會診得出的結果，可能跟它做出的結論差不多。也就說明人工智能應該還是很有用處的，當然我們不能過分迷信它。我覺得能參考的，為什么不參考呢？
另外研發藥物，現在為什么藥這么貴呢？當然除了藥販子等等以外，還有藥本身確實是花非常大的代價，才能真正把藥品的疤點找準，有效性做準。所以耗資數十億，甚至上百億美元，那么現在通過人工智能能檢查藥品。現在美國有對癌癥的精準醫療，這是能做得到。但是真正把你診斷準了，要開發精準的藥品，大概要十億美元。那像喬布斯能夠付得起，其他人是付不起的。另外藥物的篩選等等，可以很快的篩選出藥品來。現在還可以增強自身的免疫能力，把身體的免疫能力調動起來當藥品一樣，那么這里面也是很復雜的，需要AR來做支撐。
最后說一下區塊鏈，那么這個虛線框里面有很多交易，在銀行是交易，在醫學上，在醫學診斷上各個環節的姓氏。那么區塊關鍵是區塊頭，區塊頭有一個時間標簽，另外有一個計算難度系數，還有挖礦隨機數，這基本上跟比特幣差不多。那么另外還有哈斯子，它是加密的，通過數字簽名來檢驗數據的真實性。重要的是區塊，所謂區塊鏈，很多區塊串起來的。當然串起來的區塊，它們之間是通過哈斯值來關聯的。那么也稱為分布式的賬本，比如說我們在醫療過程中，有很多科會診，都有很多姓氏。那么放到這里來呢，我們參加診斷的所有環節都可以方言，那么這里面只有某一個計算能力特別強的環節可以搶到發言權。那么他發言完了以后，他就產生所有的姓氏，他扎進去的，所以的節點都參與驗證。然后形成一個新的區塊，新的區塊跟上個區塊，通過哈斯值關聯起來了。
這個區塊鏈的好處是什么呢？它是沒有中心的。不像我們存錢貸款，銀行是中心。區塊鏈做金融交易的時候，是沒有中心的。那沒有中心怎么保證誠信呢？是參與交易的所有節點都來參與計算，當然并不是每個節點都要讀懂你的姓氏，而是每個節點都知道你做了什么交易的行為，你什么時候存的什么數據進去，數據內容它可能不知道，但是你這個行為是不能抵賴的。你放進去以后，也不能隨意修改，你要再變就是新增另外一個區塊了。所以這個是不可抵賴的，無中心的環境。
我們說底下有一個數據層，剛才說了數據簽名、加密。中間的網絡層使所有參與的環節都是自主式的，點到點，都是P2P的，無中心的。也就是說也許在一個醫院里面所有科室，也許是跨不同醫院，它們之間并沒有說要找到哪個部門的衛計委來做中介，它們自動可以串聯在一起。關鍵是共識層，所謂共識層有一些機制，我以這個機制為例。大家都參與，大家都想發言，但是不能大家都發言，只能有一個發言。那誰能先發言呢？它不能指定。它通過一個數學難題的計算，誰最先把這個難題算出來，誰最有發言權，那這個難題不能太難了，太難誰都算不出來。算出來時間太慢，也不能太容易了，大家都算出來，所以就調節了難以的適度。
另外還有一個激勵層，所有參與的，總歸只有一個能計算出來，干脆我其他參與的都不參與了，都放棄了，這樣達不到區塊鏈的目的了。所以需要激勵層，還是讓大家積極參與。另外有技能合約機制，有一些保障。所以區塊鏈本身呢，它基于比特幣的一種思路開發出來。當然它給社會創造了什么呢？在沒有誠信的環境下面，可以很好的把關聯的過程，都很好的納入到一個有保證的系統里面。這是區塊鏈。
這里講物聯網的區塊鏈，為什么要講物聯網，因為醫院里面有很多的傳感器。那我們說物聯網有攜備層，有終端，另外網絡層，有服務支持上。那么物聯網的區塊鏈，跟一般的物聯網區別在于，它要有P2P的能力，另外還有賬本一次性加密、簽約合約的能力，還有區塊鏈的一些應用。區塊鏈在醫療網什么應用呢？我們剛才說醫療所有環節，你如果連在網上，所有環節都串聯起來在一個網。當然也可以在醫院內部的一個網，也可以跨醫院。目前在醫院的醫療網里面所有的數據流，都匯集到單一的中心控制系統的。我們醫院都有中心數據庫，但是如果說你的醫院很大，像我們北京的醫院，據說每天門診1萬3千人，那這個數據很大，都算到中心系統。中心系統太復雜了，那么成本難以負擔。2015年我在廣州中山大學第一醫院，他說他的數據已經是很高了。所以區塊鏈是沒有中心服務器的，可以分散。
第二，中央服務器都放到醫院，很可能被木馬攻擊。另外醫院管理中心服務器的人員，也不能保證他們都是那么純潔可愛的，也許個人良心不好，把這個數據賣出去了，這涉及到患者的隱私。所以區塊鏈本身是沒有中心的，而且都加密，所以用戶的數據隱私是更加的安全。另外醫院雖然有這么多傳感器，有些是通過無線連網的，有壞人在醫院里面也放了傳感器，也自動介入到你的網上了，你沒有辦法識別哪些是自己的，哪些是外面的。所以利用區塊鏈就能識別的合法連到網上的傳感器和非法的。
另外保證醫療網節點的通信，整個區塊鏈能夠收集和集合來自整個醫院網絡里面，醫療價值鏈參與進來組成分布式的網絡數據。每個事件和交易都有時間錯，事后是不能變的。所以這個交易是具有可靠性、可信性，保證了數據的真實，提供了數據的完整性。所以在每個科室過程中，所有的醫療數據都放在哪里，你是不可能去修改的。醫院里面有沒有不知道，但是電視劇里面有。哪個醫院哪個醫生良心不好，改了一個數據，在區塊鏈里面一旦數據寫進去是沒有辦法改的。
另外跨業組，我們很多醫院都有自己的數據，我們現在難題是醫院之間的數據不能共享。這也難怪，為什么呢？每個醫院都有自己的利益，有自己的考核。但是我覺得利用區塊鏈可以保證不同醫院之間的醫療數據可以共享，為什么？在一個互相不信任的環境下，它可以建立一個信任的環境，還可以給你合理的機會。你這個醫院以了他這個醫院多少數據，他這個醫院提供了多少數據。實際上可以保證我們醫療數據的共享。
當然有人說了，你用區塊鏈是不是更不安全。確實我們現在醫院的設備也好，智能家居的設備也好，智慧城市設備也好，很多上網密碼都是很簡單的，很容易被黑客攻擊。那么黑客一攻擊呢，就進入我們的服務器了。當然在區塊鏈的情況下，所有的網都是在一個區塊鏈里面的。跌服務器發現有攻擊的時候，它就會通知網管，這個網管會跟區塊鏈的同行交流，驗證這個不是可信的，這不是原來我們應該有的數據，所以會關閉這個服務器，拒絕服務攻擊，就發生不了。所以區塊鏈對醫院的安全，也是很有幫助的。
當然區塊鏈本身要求節點有計算能力，可是醫院里面有這么多傳感器，大大小小的醫療裝置。貴的CT你可以抓一個比較長能力的計算能力，比較一般化的醫療設備，你加進去就不劃算。所以實際上不能在醫院里面，所有的物聯網上面都加區塊鏈的計算能力。那怎么辦呢？另外選一些節點，它只是做什么呢？做計算，不做儲存。因此不做儲存，它就安全了。它做計算呢，就省去了其他節點的計算能力。所以這實際上是一種過去物聯網的中心化的區塊鏈分散化，兩者中間的接種。那么將來在物聯網和醫院的區塊鏈上面，可能會是一種應用的方向。
那么IDC給出中國醫療的十大預測，說我們到2018年網絡病毒攻擊增加20。別以為分布式拒絕服務攻擊，只攻擊我們的政府網絡，也會攻擊醫院，他要盜竊醫院存有的病人數據。另外它說2020年中國醫院使用機器人的數量增加20%，不過放心它們不是做手術的，它們只是搬東西的。到2019年30%的醫療軟件會分析醫院物聯網的場景數據，2020年20%的醫療支付方、保險公司會跟醫院的數據結合，提高高薪化的保險。
另外醫療服務里面，我們現在患者是不參與的。將來患者要主動參與生命科學治療過程。另外到2019年我們中國政府的社保，個人交的社保，有企業交的社保，這兩項社保將來會跟商業社保之間基本上是均衡了。那么到2019年，我們20%的醫療機構會使用物聯網的生物傳感技術。2021年醫療服務機構會使用硬質保健機會，2020年制藥企業會投資醫療機構的數據分析。
我的報告到這里，謝謝大家！