2017年12月9日，中國衛生經濟學會衛生政策與技術經濟評價專業委員會在北京國際會議中心召開了2017年學術年會。此次會議主題是“未來醫療與健康中國經濟”，主要圍繞健康中國建設發展背景下，探討信息技術應用與醫療衛生相結合的趨勢以及帶來的政策風險及其防控措施，并深入討論了現代信息科學技術對于推動醫療衛生經濟發展的促進作用。湘雅醫院、移動醫療教育部-中國移動聯合主任室副主任黃偉紅教授做《醫療+X：數據時代智能醫療研究與應用》主題報告。

謝謝今天在座的各位領導和老師，借這次機會跟大家做一點分享。我之前在英國工作了十幾年時間，接觸移動醫療比較早。移動醫療mHealth這個詞就是2005年我們大學的同事老師提出來的。這兩年移動醫療行業風起云涌，還有大數據、人工智能，我在這里跟大家做一點小小的探討。站在醫院的角度，今天很多老師、科長、主任、院長都談了怎么做管理，怎么利用現有的信息來做管理，把醫院的成本越控越低，效率越提越高。我們現在做的一些比較有意思的事情，管理上我們的的確確思維要超前，但更重要的一點，我們怎么利用信息技術或者先進的信息技術，去走到臨床實踐的層面。不管將來用ICT使用的好不好，用什么其它的信息技術好不好，咱們首先得把基礎的東西做好，這個是我們的立足點。

簡單的介紹一下湘雅醫院，我們醫院今年建院已經111周年，是我國最早的一批西醫院之一。我們在醫療信息化特別在智能化方面，可能走的稍微靠前一點，所以在整個全國醫療信息化體系里面，有唯一一個教育部的實驗室就是設在我們醫院的。一般教育部的實驗室，都是放在大學的，以學術論成績。我們不是，教育部給我們的定位是以應用為導向的創新為主。這幾年我們做了一些有意思的應用，下面給大家介紹一下，不做任何技術性的探討，給大家介紹一下我們怎么去支持醫生的，怎么去做這些事的。

現在，人人都在提人工智能，但我覺得智能醫療離我們還有點遠。因為我們自己在醫院里頭就知道，剛才趙主任也說了，數據怎么來的，報上來的很難說，但是你一說真的是系統里面來的，系統來的怎么定義，這個很重要，規則大家得定好。例如我們在個人計算機出現之前，我們可以把它當做一個模擬時代，現在經過十幾二十年的建設，我們已經基本上做到了數字化，下面一步我們將要進入的是數據化，什么事情都用數據說話。我們即使信息科的工作難做，但是咱們也不隨便背鍋，很多事情就拿數據說話比較好。

我們認為真正有人用的技術，包括大數據和智能技術才有價值。首先臨床醫生要用，不管你是不是進臨床路徑，我們希望他們對于病人病情的把握，越精準越快越提前越好，這是我們在臨床上想做的。掛號支付這種流程我們也做，服務管理和運營。在當今數據時代，我們的人工智能和大數據，國家有各方面的大動作，不管成立各種各樣的大數據公司，還是十九大的報告里頭提到的推動互聯網、大數據、人工智能與實體經濟的深度融合，其實我們早就開始做這些工作了。

根據信息技術的成熟度曲線，今年深度學習實際上是一個比較火的概念。我們的確在面向臨床的項目里頭，用到了這些技術。將來會越來越普適性。現在你在這個曲線里頭看不到大數據的存在，因為大數據已經跟移動互聯網的概念一樣，它已經基本上被眾人所接受了，現在我們手上就可以看一個BI，看一個科室的運營狀況，或者醫院的運營狀況，都可以做。將來大數據的分析可能會越來越精確。我們大數據的整個行業蓬勃發展，中南大學在2014年就投了一點幾個億做大數據的基礎建設，湘雅系三家醫院都加入了，我們一直都在尋找這個模式突破。現在想來真的叫哪家醫院自己投一點幾個億做這個事，院長首先要考慮我的產出是什么。所以我們國家，包括國家的這些投入，有可能是幾十億上百億一個項目的級別，怎么去找到投入產出，也是大家搞衛生經濟最重要的一點。如果說我投進去，結果都是給公司打工了，對于我們醫療的質量和效率沒有提高的話，醫院肯定不滿意。所以一樣的，人工智能現在大家也聽的比較多，醫學影象的分析與診斷是最先被提的，但從某種角度上來說，切入點還不夠精確。因為它的確有一點沒考慮到，就是沒與我們的臨床實踐深度融合。它不知道它的東西是在哪個點上被醫生所用，有什么樣的產出，醫生為什么要用你的，他用你的有什么好處。如果用你的用的不好，會給他帶來什么樣的壞處，這點真的沒想到。某個系統說我們的準確率是98%，那有沒有想過，假如你自己是被檢查的人，用這個系統來做輔助決策，你愿意自己落到那2%里頭嗎？從衛生經濟學的角度，這就都可以理解了，不是純做技術，這是我們的一個想法。

從我們周邊的這些醫生也好，教授里面，實際上我們信息提供的是一些決策的基礎，將來數據越來越多的時候，我們可以把醫學，醫生在做這種高速的、緊張的判斷的時候，把他的不確定性降到最低，手術有時候會長，有時候會短，他們做的臨床判斷，實際上是基于他們很有經驗的幾十年的學習，或者老師帶出來的，這點是學不到的。我們不能代替他們，我們只能告訴他，我們現在在做一款手術室的智能化產品，假如手術室里有一個中級的醫生自己上場的時候，如果有一個原來教授的類似案例就擺在邊上，我可以對應著片子在那邊放的話，對他絕對是有好處的。如果沒有這套系統，現在教授的東西在你的手邊看不到，數據調不到，也控制不了，那就沒有參考。我們現在就在做這樣的產品，能夠幫助醫生提高醫療質量和效率，降低在手術風險中的不確定性。所以我們在想將來醫療和信息會越來越多深度的融合。現在各種技術基礎都已經具備了，對于很多醫院來說，大數據是不是我該投的，數據平臺，咱們很多管信息或者管財務的院長，一提建設平臺的時候，幾百萬、上千萬的時候就開始皺眉頭，有啥好處。所以我們這個東西到底給誰用，你產出什么，這些商業模式是最大的問題。很多時候信息科主任也不會做決策，看到大家都上了就上吧，所以最重要的一點，我們在大數據或者是人工智能面前，我們一定要潛下心來，把我們的基礎做好，這個是我們的一個小小的比喻。挖金礦第一步先要把金豆種好，不可能什么都沒有就去挖，你挖的全是爛泥有什么用。這里頭我們還得往里頭灌一些東西，得用知識培育，這個知識不是給我們人用的，是給機器用的，是給系統用的。下面我給大家講一講，我們想做的這個大數據或者是現在的智能化的醫療怎么幫醫生。

我們首先要從院內跨到院外，現在談分級診療，然后從醫療跨到大健康，然后要從病程抓到他以前的病史。我們再從臨床要幫助我們的運營，這是第一步。然后從衛生再把環境全部納進來，這個才有意思。如果你一旦不全，你這個就不叫大數據，光看個影像，醫生光看你影像有用嗎？沒用，他得看別的檢查數據，所以你說準確率有多高，在目前看來沒有太多參考價值。所以我們說兩句話，一個橫到邊，第二個要縱到底，這樣才能叫健康醫療大數據。所以這塊兒是需要大家攜手來做的。我們現在湘雅醫療大數據是三家醫院來做，三家附屬醫院在中南大學的管理下做數據匯集，每天會把所有的數據匯總到中南大學的總部里面，現在我們三家醫院基本的運營狀況，就是大家想說的這種BI，分析的事情都可以看得到，包括病種的分析，甚至乃至成本的分析都可以做到。

下面我重點介紹一下自己在怎么幫醫生做事。首先對醫生來講，他首先想要看到的病人，什么時候調進來，有可能一個ID進來，可能住兩次院，不同的住院號，我想把所有這些歷史信息都拿到，這叫360度的全景示圖。首先我們要幫他們做科研。醫生現在不太接受數據化的思維，但首先要幫助他們做科研。的確能發現某一些病癥指標是新的，就有意思了，然后這個結果再回到臨床的時候，可以用于診療。所以我們在一個頁面里面可以看到患者所有的臨床信息，如果這個患者本身醫院里頭連這個門診里頭都沒有門診病歷的話，這點就會差了，所以沒辦法，這塊兒是基礎建設問題，這是我們360度的一個示圖，就在我們臨床的CDR里面，會有他所有相關的信息，只要他是一個姓名和一個身份證號進來的，我們就可以找到患者的健康線，還有住院期間的原發病與并發癥的關系，都可以找到。還有類似的患者，就是跟他相關的患者，這樣的話，醫生可以在帶教的方面或者其它的方面，或者做研究的方面，一看就清楚了。我們怎么做提高，怎么做隊列的分析。臨床科研做好了，才能對他們有更大的幫助，包括職稱、學術、科研、教學等各方面。

把這個東西構建好的時候，我們做了一些機器學習的東西，機器深度學習的一些算法，我們把知識體系結構建立起來了，這是某些專科的，還沒建全，準備一步一步的往前走，這個東西的確有它的意思。比如說我們在腎內科的時候，如果我們的電子病歷對你來說是透明的，電子病歷你正常輸入輸，還是這樣的，原來是什么樣的模板你照輸，輸完之后你這個東西一存到庫里面，假如你要用到這個病歷的時候，搜索的時候，它就會根據一個叫知識圖譜的東西，根據你的關鍵詞去匹配現在的知識圖譜里面的關鍵詞。然后會生成我們的預警模型，比如說我現在覺得該對這個新指標管控的時候，就會生成預警模型，我自己配出這個指標來，然后再加以檢測，這個東西我們為什么要做呢？兩個原因，一個是急性腎損傷在中國有它臨床研究的意義，不管是對病人還是對花費來說，急診入院的患者有20%的人都會發生AKI。然后另外一方面，我們其實想追蹤一下國外，做阿爾法狗的谷歌能做的AKI我們目前的確也能做了，我們做了這樣一個預警系統，如果血液檢查的指標出現波動到了臨界值的時候，就會自動發消息給我們的醫生。如果說當職醫生處理不了，沒有按系統里面推薦的解決辦法路徑里面去確定執行的話，我們的主管醫生、主任就會接到這樣一些匯報，這樣的話，他就能夠很快的把這件事情解決掉，會降低醫療的風險。這個是我們的移動端應用，醫生可以看到手上的病人列表、發展狀況，我們把門診血透的病人也加進來了，這樣一來就很有意思了。我們還在這里頭做了很多的一些擴展想法，到時候你有什么新的指標來了，我們根據這幾個指標組合一下，配一下，看原來有什么病歷，現在有新的發展是什么樣子的，這里頭測試一下。

另外一個比較有意思的是病理，我們湘雅醫院的病理也是全國重點專科。我們分了三步走，第一步是先把我們整個遠程醫療體系里面，為了解決底下二級醫院病理科的醫生比較缺失的情況下，先做了遠程病理，遠程病理之后我們做了快速病理、術中病理，簡單的來說，對于某一種特定的情況下，例如腫瘤手術中做快速取樣切片，在醫生關肚子之前，看能不能夠在2、30分鐘之內，請有經驗的主任病理醫生給把一下關，到底腫瘤是良性還是惡性，該怎么處理。這是性命攸關的事情，往往能救到很多的病人。目前快速我們開展有千多例了，效果還可以。

現在我們在做的另外一件有意思的事情，跟AI有點關系的，我們跟清華大學一起合作，合作了小細胞和非小細胞癌的病理切片的自動識別。我們現在做的還不夠，樣本量還不夠大，但路子已經基本上探出來了。我們就是從醫生的角度出發。識別率高有沒有用？有用，但醫生最先關心的是不要漏診也不要誤診。什么是誤診？就是本來沒病的診為有病。漏診是什么？本來有病的你沒發現。對于人來說，漏診是可以接受的，因為每個醫生的處理能力有限，他每天比如看那么多病人，看那么多片子，他眼睛掃過去是有視覺極限的，有生理極限的。但如果對于機器來說是沒有這種生理極限的，如果出現漏診，只要是千分之一的概率發生在單個人身上，那就是百分之百，這個從倫理上來說實際上接受不了的。所以我們就通過各種工具的研發，對于我們所有的這些簡單的、典型的區域的判斷，我們首先做的是，這張病理的圖片弄進來了，一掃描我們就知道他有還是沒有問題，有的話，到底是炎癥還是癌癥，在肺癌領域，我們再去判斷它到底是小細胞還是非小細胞，分三層進行判斷，基本還可以。將來還可以做更多不同的病種進行綜合。我們現在有了這么一套工具之后，用人工智能技術輔助把所有片子里面相關的一些區域圈出來。假如你用一個人去圈去畫，一個片子做標注至少要一個小時，現在只有一臺測試型的機器，一個GPU的機器，大概5分鐘就能解決。假如用我們實驗室里比較強大的新深度學習服務器，基本上一張片子一分鐘就自動標出來，這多好。其實不要你做最后的結論，你只要把那個標出來就行了，病理醫生一看，一眼就發現，只要它不漏什么，醫生自己判斷一下，幾分鐘就好了，就是我們希望從遠程病理的48小時到快速病理的30分鐘再到智能病理的3分鐘，這才算是人工智能技術融入醫院的流程里，發揮它的效用。

另外在分級診療里面，我們的確做了一些先進的服務，可能在座的院長或者是主任們都聽說過全病程的，非醫療服務，咱們醫院在這方面推的比較早，2015年的時候就開始在全國都已經比較有名了。這個是我們總結的一點，以患者為中心，全病程、全數據、全服務、全質控。我們的醫生在某一些專科里，會設個案管理師，對我們的VIP或者病情緊要的病人，入院之后就全程的跟蹤，出院以后仍然會信息共享和隨訪，隨訪方面我們不會問你滿意度，滿意度是市場部的事，咱們這個是專科隨訪，專科隨訪這塊兒比較專業，只有個案管理師和他們的護士協作才能做這個事。為什么這件事情能做下來？同一套系統它在云端，下級醫院可以知道上級醫院在出院的時候給的后續方案，告訴你下面一兩個月你該怎么做，這樣下級醫院就可以轉下去，也可以接起來。現在雙向轉診里面最大的問題是可以轉上來但轉不下去，下級醫院接不了，他們不知道怎么做。如果在這種信息共享的情況下，我們醫院在上面解決疑難雜癥，在中間做普通的診療或者是做執行，最底下做初篩，然后我們在信息方面打通的時候，那么它就實現了全病程，這個就實現了跨地域，院內和院外，院外我們直接做跟蹤隨訪，適當的時候，如果病情發生變化的時候，他就應該回來到上面醫院這邊做檢查，如果不方便的話就不用走了。

當然了，咱們再往前走一步，如果在慢病里頭，比如心血管做了支架的，出去進入康復階段，在他的日常生活里面，非醫療服務的時候光吃藥，進入健康領域的時候就把醫療和健康打通了。我們希望我們把所有的數據都放到這里面。更有意思的一點，因為我們醫院可能門診量比較大，患者每天進來看到烏壓壓的人群的都不舒服，包括到協和和301去，我自己也去過，真的是心情很壓抑，到我們醫院也一樣，排一堆都是人。醫生本來要花十分鐘問明白病史的，現在看這么多人基本上兩分鐘把關鍵的問題問好就行了，其實這樣醫生覺得不舒服，病人也覺得不舒服。那這個問題怎么解決呢，想個辦法，病史的收集其實是有其規律的，比如說問哪邊疼，疼多長時間等等，這些事情完全可以用人工智能的辦法解決。你以前的病歷不是有嗎，都給我拍上來，你不是會說話嗎，拿著手機，你直接拿app說就行了，一問一答，這就是我們在做的事。也許到明年，系統接入我們的信息中心的實時系統的時候，患者到我們的醫生面前的時候，他就應該有一個綜合的狀況，是醫生所熟悉的那種模板，相當于幫他們把前面問診那一段流程和內容都總結好了，我們要做的是這個。病人或者家屬在家里面可以慢慢說，明天來看病，今天晚上就可以說了，拍完了說完了，比如說某人胸痛半月有余咳嗽等等，系統一下子就把它解析出來了。當然自然語言的翻譯和理解實際上蠻難的，有不少技術挑戰。但我覺得這些是比較有意思的應用。

我們把這些臨床的問題解決之后，因為管理的問題在我們純計算機的角度上來說，是一個分析，有多少數據就分析多少，分類也好，中間截斷也好，這是一點。我們現在更迫切的需要去解決的就是我們新技術，怎么去幫到醫生。因為只有他們用了，他們才把醫療質量提高了，我們再談我們運營管理，當然這個設備也管，手術也要管，耗材也要管，但是有沒有你這個AI，有沒有大數據都要做，我們做的是補缺的事。將來我們是想把這個云計算、大數據、物聯網、人工智能的東西做深度融合，我們想提一件事情，先進的這些技術將來可以用在改善醫療方面，希望這個東西能夠在具體的場景里面用。我們在醫養結合里面走的算比較早的，去年我拿了英國政府一個繁榮中國基金，把英國最好的一個做醫養結合的醫院也引過來，英國駐華大使在我們110周年院慶的時候去參加了我們的醫養結合醫療服務中英論壇，還發表了演講，我們也去英國做了一些學習。在醫養結合方面，的確可以向西方學習，特別在物聯網的應用。以后有機會可以再去深度探討。

我覺得信息技術應用需要扎根于臨床，現在我們手上的研究生也好，博士后也好，都是基本上五天時間，大概有三天都會在科室里面泡著，我覺得將來我們會發現更多的需求，有更多的可能，我也希望有更多的機會能夠跟大家一起探討這方面的未來的應用，謝謝大家。