进入2020年以来,国家不断加大对新基建的扶持力度,人工智能(AI)技术成为新的时代方向。在刚刚落幕的第三届世界人工智能大会上,医疗新基建成为热议话题。要想新基建实现赋能医疗生态的愿景,我们首先要清楚医疗新基建面临的核心挑战在哪里,以及解决方法是什么。
近年来AI技术备受关注,尤其是在医疗健康领域,医院管理、健康管理、电子病历处理和分析、临床辅助决策支持等医疗健康生态的各个方向,都出现了AI技术的身影。
特别是国家出台支持新基建发展政策后,整个行业都迎来了新的发展机遇。但是对于AI工作者,当前仍面临从数据治理到应用场景等不同方面的挑战。
一个AI开发者能否训练出一个好模型,很大程度上依赖于大量可训练模型的数据,但在目前的环境下,数据治理方面依旧存在着安全性问题、伦理问题、治理问题、合规问题,以及是否标准化等问题。
在数据应用方面,虽然真实世界已有的数据规模非常大,但大部分都存在质量差、缺乏标准、共享困难等问题。这些问题会导致AI开发者面临数据不好用、不能用、不敢用的困扰。如何合规高效解决多源异构数据的连接问题,把专业人员可读懂的自然语言文本,变成机器可理解的计算语言,是我们急需解决的重大挑战。
为了解决这些医疗行业面临的挑战,就要努力将不可计算数据变得可计算。“可计算”的概念,就是去提升已授权数据的质量,通过数据治理手段,将它们结构化和标准化,构建更多样、更准确的AI算法模型,更好地应用于实际场景中,从而提供不同的产品方案,来赋能政府机构、医疗机构,乃至整个产业生态。这些都是在医疗新基建角度要完成的基础构建。
因此,在取得授权的前提下,构建一个将多源异构医疗数据结构化、标准化,并且可以处理繁杂医学自然语言的平台,将极大促进医疗智能应用的落地,降低医疗领域数据治理及深度学习的应用门槛,提升生产力和创造力。
无论是医疗人工智能解决方案,还是其他领域的人工智能解决方案,合规数据永远是核心基础,拥有了这个基础,才能更加了解真实情况。疫情防控更是如此,只有在真实情况基础上实施的政策,才可以有效预知预测,模拟仿真接下来可能会发生的情况,才能够更快地对疫情追踪溯源,为患者提供更好的治疗方案,形成一个完整的闭环,最终实现对疫情的动态平衡管理。
人类今天都在面临新冠肺炎疫情的挑战,我们也希望有更多的AI开发者,可以基于上述这些平台基础和框架,来构建各自的算法模型及应用,共同帮助全人类抗击疫情。
(作者系医渡云首席人工智能科学家)
DRG/DIP改革引发了医疗圈的广泛讨论。对于身处政策执行的基层位置、与患者接触的一线医生,他们的顾虑、担忧和考量是什么?
美国疾病控制和预防中心15日表示,美国已有9个州报告注射伪劣肉毒杆菌毒素(Botox)产品或在非正规机构接受注射后出现有害反应的病例。
将要进一步滚动实施新基建三年行动计划,加强数字基础设施建设,夯实“数字福建”的硬件支撑,让数字的计算存储传输更有速度。
地方各级公安、卫生健康、中医药等部门要对医疗机构内及周边活动的“医托”“号贩子”“黑救护”“黑护工”情况以及涉医谣言和恶意炒作等进行摸排。