十九大報告中，習近平總書記8次提到了互聯網相關內容，強調“要推動互聯網、大數據、人工智能和實體經濟深度融合”，因此推動互聯網、大數據及人工智能與臨床醫學結合將勢在必行。關于創造人工智能，馬云在世界智能大會的演講中強調有“三個要素”：互聯網、大數據、云計算。
建立臨床數據庫

張遜教授表示，既往我國胸外科建立臨床數據庫面臨的問題是“一有七無”：有海量的臨床數據、無資金、無專業人才、無標準、無隨訪、無病歷結構化、無術語標準化、無數據的互聯共享。近年來經過多方合作的共同努力，“一有七無”的問題已得到了極大改善。

2015年國務院出臺了互聯網+行動指導意見提出“發展并支持第三方機構構建醫療信息共享服務平臺；逐步建立跨醫院的醫療數據共享交換標準體系。”如果臨床數據處理的工作，包括數據集成、結構化、隨訪分析等都交給專業的第三方來做，不僅可以把這些繁雜的、龐大的臨床信息轉變成科研級的數據，供醫生進行科研、臨床經驗總結、積累真實世界診療數據等，在統一標準、數據互通的情況下，組建大樣本、多中心的臨床試驗也將變得更加簡單，讓醫生以最少的時間做最有價值的工作！

我國胸外科建設互聯網數據庫的方法：
數據庫模式：標準統一、各自獨立
數據庫建設：免費建設、負責隨訪
數據庫要求：安全保密、可視分析
數據庫應用：科室應用、多方協作
數據庫建設中面臨的問題

數據庫的所有權問題

數據所有權完全歸科室所有。未經科室/醫院書面許可，任何第三方無法觸碰本科室的臨床數據。同時針對科室不同醫生之間的職責劃分不同區別的的訪問權限，如科室主任擁有完整的數據訪問權限、科室醫生擁有針對性目標分組數據的訪問權限，其他所有第三方包括其他專業醫生、醫療主管單位等都不具備數據的訪問權限。

數據所有權，將在保密協議中進行清晰的約束和規范。
對臨床數據的隨訪

如果臨床數據不進行隨訪那么價值是有限的，我國胸外科LinkDor數據庫離院腫瘤患者做到全部隨訪， 隨訪率達到85%以上。同時利用LinkDoc系統建立了出院患者管理系統，醫生通過使用相關的手機APP，在從中選擇目標病人后，可以從數據庫中調取情況進行詳細的了解，包括病人什么時間做的什么手術、手術中發生的情況以及患者病理報告的清晰大圖等內容，更好的幫助醫生對病人進行隨訪，及時的掌握手術后病人的生存情況。

醫學術語缺乏標準化

去年李克強總理在主持座談會時表示，對于闌尾炎還是盲腸炎“這種最基本的醫療術語至今還不統一，充分反映了我們醫院現在信息孤島、信息分隔的狀況”；今年國務院辦公廳發布的2017年重點工作任務的通知中特別提到了“加快醫學名詞術語標準的統一”。因此，中國醫師協會胸外科醫師分會專門成立了胸外科專業術語標準化委員會，廣泛征求了各地胸外科專家意見，召開了多次專題討論會，最終率先推出了《胸外科疾病標準化診療術語》。
張遜教授表示，胸外科走在了其他專業的前面完成了專業疾病標準化診療術語的制定，希望能為其它學科專業起了一個帶頭作用，以此促進其它專業也能進行各自專業臨床診療術語的標準化制定，加快建立我國高水平醫療數據庫的進程。

實現“病歷結構化”

醫院His系統中的電子病歷都是“無紙化信息” ，機器是無法識別的。將臨床電子病歷的“無紙化信息” 轉化為機器可識別的“數字化信息” 稱為病歷結構化。病歷結構化的成本非常高，在美國一份結構化的病歷成本約需要5000美元，因此交由專業的第三方來做是最便捷的方法。病歷結構化是高水平醫療數據庫建立和提升醫療大數據整體質量的基礎。

目前胸外科LinkDor數據平臺已覆蓋全國30個省市、300余家三甲醫院胸外科，累計結構化病歷超過50萬份。

開展數據庫使用培訓班

張遜教授介紹，通過與吳階平醫學基金會腫瘤醫學部展開合作，今年下半年以來已經開展了 3 期“醫療大數據可視化自動分析方法培訓班”，以頂級臨床專家、知名醫學統計和流行病學專家、高級軟件技術專家的組成顧問團隊，提供多中心、結構化、高質量科研級腫瘤數據庫和可視化AI自動分析軟件，幫助更多臨床醫生了解數據庫、運用數據庫，為學科的建設與發展培養人才。
9月17日，華中科技大學同濟醫學院附屬同濟醫院、西安唐都醫院等全國頂級的10家醫院胸外科專家學者集聚召開“胸部腫瘤大數據臨床科研協作研討會”。通過醫院科室的授權，依托LinkDoc真實世界數據庫將10家醫院胸外科近5萬份肺癌、食管癌病歷放到一起，10家醫院的胸外科共享這些醫療數據，并同時確認了參與科研協作的10家醫院的研究課題，目前課題研究進展順利。張遜教授表示，過去國際上制訂肺癌和食管癌治療指南的過程中，沒有我們的聲音，因為我們沒有大組和多中心的研究；但今后再修訂肺癌、食管癌指南時，就一定要考慮我國的臨床結果，因為我們的數據量是最大的。

此外，為促進醫療大數據的發展應用，2016年吳階平醫學基金會與零氪科技合作成立了“醫療大數據專項基金”，已有多篇論文被國外著名雜志發表，取得初步成果。
醫療大數據+人工智能未來的用途

張遜教授介紹了參加“人工智能在胸部影像學診斷中的應用—肺結節AI診斷”的經歷，這是由全球20個國家和地區、2887個團隊、3953名選手參加了歷時半年的比賽，9月份在杭州舉行了決賽和頒獎典禮。全球對于人工智能和肺結節的算法得出結論，通過人工智能對肺結節診斷率非常高。對影像智能讀片的探索是機器標注疑似病變-提示醫生細小結節-良惡性概率預估的步驟，國內專家表示，未來的三至四年，人工智能診斷胸部結節從定案到定性是可以實現臨床應用的。

數據庫病歷數量的爆發性增長，必須靠人工智能完成輸錄，如果只是靠傳統的人工的輸入，既不能保證質量，也不能保證數量及時的完成。目前胸外科的數據庫已經發展到第三代，通過人工智能自動處理的病歷已經占到了80%以上，人工智能處理病歷的準確率超過99%。

最后介紹的是人工智能在大數據分析中的應用—— 零氪數據庫Hubble系統，從課題創建、設定研究人群入排標準、設定研究變量、變量運算及研究人群分組、統計分析等一系列流程上做了相關展示，讓現場專家與醫生對于零氪的Hubble人工智能系統有了全面的了解，也進一步驗證了Hubble系統在未來輔助臨床科研方面的應用價值。

最后，張遜教授強調，無論人工智能技術有多發達，醫者的專業知識以及臨床經驗，都是智能科技發展的根本。未來，希望技術的不斷進步，可以最大限度的幫助醫者，普惠患者。
來源：中國腫瘤時訊