医疗新基建核心挑战：将不可算数据变得可计算

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）