这些问题不解决在医疗领域只能打下手永恒

共同探讨问题及解决的办法。班子在处理一切问题时都坚持公开、公正、公平的原则 智能“阅片”、临床决策、护理机器人……近年来，随着人工智能的蓬勃发展，人工智能与医学结合的相关技术开发也进行得如火如荼。

近日，人工智能在药物研发领域迈出重要一步，澳大利亚研究团队将全球首个AI设计药物——“涡轮增压”流感疫苗推入人体试验阶段，这款药物开发用时两年时间。

就像“互联+”一样，“人工智能+”的模式必然会给我们的生活带来翻天覆地的变化，但在涉及生理和生命的医学领域，人工智能落地还将面临哪些挑战？

质与量并重 基础数据仍需“精炼”

不论在何种领域，数据都是让机器聪明起来的根本。

“人工智能若想在医学领域长足发展，数据质量、数据量和标准化方面还有待改进和完善。” 8月6日，天津市肿瘤医院副院长徐波在接受科技采访时表示。

“医疗大数据如何‘降噪’是个关键问题。”徐波指出，医疗大数据涉及的类型近年来呈多模态发展。而病例数据覆盖面广，服务用户多样，如何构建以病人、医生、医院和政府等多中心的数据治理体系，进而面向不同的用户提供不同的数据视图和分析结果，是医疗大数据采集及研究中亟待解决的问题。

自改革开放以来，我国医学领域发展迅速，信息化程度也在逐渐提高。但是随着医疗设备更新迭代，数据的格式和录入的内容也在不断变化。以慢性病为例，即便是同一位病人在同一家医院治疗，几年前后的数据内容和形式也可能会大有不同。更何况我国医学领域在病种分类、名称方面也有部分尚未统一，还有一些医生会采用口语、简称，如“乳腺癌”和“乳癌”就是不同医师对同一种病症的不同叫法，这也会给人工智能在临床决策或影像分析时平添困扰。

“尽管我国医院的数据庞大, 但由于疾病的复杂性，数据维度、特性各不相同, 质量参差不齐,导致很多细分的病种实际可用数据量少，尤其是较为罕见的疾病类型。如果是多学科交叉的病症可使用的数据量就更加有限了。”徐波表示。

此外，数据共享也存在壁垒。我国当前医院与医院、同一家医院内科系互不相连, 没有统一标准的临床结构化病历报告,不同地域甚至不同医院之间的数据库无法通用。

我国人口数量庞大，医学数据体量也很大，但在某种程度上，人工智能发展却陷入了“无数据可用”的尴尬境地，怎样才能将这座“富矿”充分挖掘出来呢？

“数据标准化和规范化是解决该问题的必经之路。”在徐波看来，应加快医疗数据电子化、标准化的进程, 打破医疗机构的数据壁垒, 建立数据共享机制,进一步“精炼”医学领域数据。