智慧医疗看似很近，实则雷声大雨点小

“如果大家去查阅时下搜索频率最高的关键词‘人工智能’、‘大数据’一定会出现。”胡盛寿在演讲开始时说道，随着AlphaGo问世，人工智能和大数据不仅在专业领域掀起热潮，在老百姓心中也产生了很大共鸣。国内各大专业院校纷纷设立人工智能专业，人工智能甚至进入了中学教材。而在政策层面，国务院2017年7月8日印发《新一代人工智能发展规划》，给予我国人工智能技术发展大力支持。

在人工智能蓬勃发展的浪潮下，人工智能技术在医疗领域也取得了诸多进展。胡盛寿举例说，科大讯飞智慧医疗助理参加2017国家执业医师资格考试成绩进入全国前5%，在天坛医院人机大战中，AI也以高出20%的准确率胜出，美国FDA已审批通过12个泛AI类医疗产品进入临床应用。在这样的背景下，无论从社会环境、政策、技术还是资本层面来看，智慧医疗都看似离我们很近。

然而，在胡盛寿看来，尽管医疗人工智能公司不断涌现，医疗人工智能热度持续高涨，但人工智能技术在医疗领域距离实际落地应用还有一段距离。“数据显示，2018年中国智能医疗市场规模预计将超过200亿元，但到目前为止，国内还没有一款真正的智慧医疗产品通过FDA认证，应用到临床。”

为什么智慧医疗会出现雷声大、雨点小，落地困难的问题?胡盛寿从研发的算力、算法和数据三方面分析了问题所在。

智慧医疗的核心是真实完整的数据

胡盛寿表示，算力、算法和数据是智慧医疗发展的三驾马车。而目前主流的深度学习开源计算平台均为国外开发，需要将数据上传到云端，这导致了隐私保护和信息安全方面的问题。此外，广大基层医疗机构的硬件水平和信息化水平与智能产品的标准应用场景相去甚远，普遍存在“用不起”新型智能产品的情况。

在算法方面，胡盛寿认为，概念和算法的不断演进是人工智能发展的技术基础，但人工智能学习的原理仍然处在“黑箱”状态。“深度学习到底学到什么?智能医疗产品的诊断依据是什么?出现错误后如何修正?我们如何监管它?”胡盛寿说，人工智能的“黑箱”操作成为人工智能在医疗领域落地的最大障碍。

智慧医疗的另一大核心是数据。胡盛寿指出，当前，国内临床医疗数据可利用率极低，数据的可信度、真实性和完整性难以得到保证。一方面，基层医疗机构没有EMR系统，数据结构化、电子化程度低;另一方面，采用EMR系统的医疗机构的记录也是错误百出，导致数据无统一规范。此外，医疗、社保、安全系统信息不互通，部分病人隐瞒特殊病史，造成信息孤岛现象明显。

“抽查门诊病历结果显示，数据合格率仅能达到50%-60%，基于这种数据生产出来的智能产品，不仅是贻笑大方，甚至会产生危害结果。”胡盛寿说，医疗人工智能还有很长的路要走，数据大不等同于大数据，我国目前仍处于第一阶段，因数据有效性差而导致研发进展缓慢，现阶段的工作重点是数据整合。

健康大数据将提升基层医疗服务能力

尽管我国的医疗人工智能仍处于起步阶段，但该项技术在我国的发展前景仍然可观。胡盛寿提到了三点优势，一是我国拥有全球领先的互联网产业发展，腾讯、华为这类企业积累了先进的计算技术;二是13.5亿人口带来了庞大的数据资源和市场需求;三是来自政府层面的政策指导思想等，都为我国人工智能医疗事业的发展提供了广阔的成长空间。

从我国基层医疗的实际需求出发，胡盛寿指出，智慧医疗的突破点在于改善我国医疗资源配置不合理的问题。“我国医疗现状是大医院人满为患，基层医院床位闲置，其根本问题在于基层医生服务能力薄弱，优质医疗资源不流通。”胡盛寿表示，要解决该问题，传统的基层医生全科培训路线已行不通，需要借助基于健康大数据的智能医生、智能诊断系统。

据胡盛寿透露，国家心脑血管病中心、中国医学科学院埠外医院将与深圳市政府合作，基于深圳人口数据库、社保数据库和医院数据库系统三大数据资源，开发基于大数据的基层医疗卫生服务能力提升命题。