4位大佬解读:“医疗人工智能、信息化、政策与科研”的新风向与新趋势

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

4位大佬解读:“医疗人工智能、信息化、政策与科研”的新风向与新趋势

雷锋网按:近日,在中国医院协会信息网络大会(CHIMA-2017)大会中,国家卫生计生委副主任金小桃、中国工程院副院长樊代明院士、中国医院协会常务副会长薛晓林、国家卫计委统计信息中心副主任胡建平等人,从政、产、学、研、资、管、用等维度,发表了自己的观点和看法:

金小桃:AI浪潮下,拥抱大数据,迎接变革

国家卫生计生委副主任金小桃首先指出,在AI浪潮下,医疗机构在宏观层面要迎接大变革,适应大趋势。在微观层面,要拥抱信息化,拥抱大数据。

“此前马云谈到,人工智能将让全国1100万医疗人员中的大部分人下岗,这是需要我们重视、研究、适应的大趋势。让医院的人流、物流、信息流都能清晰可视,运转自如是我们的理想,需要我们推动信息应用,建设智能型医院。要推动大健康,促进大卫生。”

而在此环境下,目前行业最重要的任务就是落实《健康中国2030规划纲要》,这需要从业者们在不同主体中积极进行协同,不要让孤岛、烟囱、碎片化成为常态。

大数据、移动互联、人工智能迅猛发展,向我们展示美好前景的同时,也给了医疗领域带来了压力和动力。

拥抱信息化、拥抱大数据,要以一个主动的姿态来融入、推动。随着医院信息化建设越来越成熟,要以更加积极主动的姿态来做好大数据和AI等工作。

与此同时,金小桃谈到信息化的发展给社会各方面带来的影响是深远的,他重点强调了这句话:未知永远大于已知。

“美国预测,2020年,将有17%的岗位让位于人工智能,AI的发展在今天已经得到了很多证实,这些岗位中,未必没有医护岗位。”

“当今大数据应用发展,给我们带来种种价值巨大的应用:如数据辅助诊断,已经能够为医生决策提供一定支持。人流、物流、信息流,都清晰可见,老百姓、医生、护士、管理者在各自的轨道上运转自如,是医院管理中需要借助信息化实现的重要目标。”

金小桃指出一个问题:现在越是大医院,越是罗马大市场,甚至连电梯都做不好。

随后他以未来安徽智慧医院为代表谈到,2017年8月20日安徽将组建第一个智慧医院,人工智能将贯彻整个流程。

“将来,每个人走进这个医院,他们都可以以主人的身份要求人工智能提供就医帮助。它的诞生预示着未来的一种新的趋势。应对这样的趋势,需要继续推动信息化的深度应用,推动人工智能和智慧医院的建设。”

最后,金小桃总结到,我国医疗行业正在经历着“从以治病为中心向以人民健康为中心”的重大变革。根据一年多的试点,将根据国家东西南北中设置五个到七个区域中心,一个国家中心,让高达1000zb的数据总量能分布在区域中心,集中在国家中心,为所有的双创集群、组织、个人提供服务,收集的主要任务在人口健康信息平台,数据收集工作由国家卫生、健康、医疗的各个政府部门、医院来收集,最终建立在家庭健康档案上,落地在家庭健康档案上,大数据专委会也将于近期探讨推进基层医疗信息化的工作。

利用信息化、利用大数据,不仅能够把健康管理知识传递给大家,同时能够为未来实施个人健康管理带来帮助。

樊代明:不要盲目崇拜新技术、新理论,医学需要系统论和整合观

樊代明院士谈到,在新技术和新研究层出不穷时,不能单纯盲目崇拜新技术,更应该注重多元素、多方向的整合,以下是樊院士的主体内容:

剑桥大学的医学史教授罗伊·波特说,人类从来没有活这么长,活这么健康,医学从来没有这么成绩斐然,但是医学受到的质疑却越来越严重。这是为什么?

医学现在的走向遇到了很大的难题,美国公布的一项数据称,医疗差错是美国第三大患者致死原因,占10%。

为什么会出现这个问题,难道是医学出了问题?医生出了问题?

其实不是。我们所有的医生在局部做着正确的事情,但是加起来不一定正确。

以国内情况为例,国内的门诊量十年内平均每一年增加33亿人次,怎么病人越来越多,医生越来越多,而我们的结果却不是越来越好呢?

病人越治越多,从医学角度讲,肯定不是好事。

科学研究古老的方法是正确的,它是从万世万物中间找两个因素,这种定律放之四海而皆准,但是医学找到一个规律,放到千百万的病人中间却各有不同,这就是医学和科学的差别。

目前医学领域发表的论文只有3%有参考价值。科学是死的东西,一旦变换条件,定律将发生变化。

传统经典医疗体系正处在崩溃中,医生与患者的关系越来越紧张。病人崇拜医生,医生崇拜仪器。

医学光靠科学是不足的,还涉及到人类学、社会学、经济学、语言学、艺术、心理学等。

这是为什么?其实科学没有造假,因为脱离了一定的层次,过于微观、过于局部的研究,不能代表医学的本质,医学缺整体观,医将不医。

我们在200年前总结的科学方法和经验,包括计算方法拿到慢性病已经失效了。

从过去的营养不良到现在的营养过剩,过去是简单病,现在是复杂病。医学的形式、疾病谱在短暂的时间内发生了深刻复杂的变化,医学人员守着老一套行吗?所以医学缺发展观,医将不医。

医学实现了科学化,医生离科学越近,离病人就越远。医学有了理论化,但有时候却朝着丢掉实用性的方向走去。

医学是实现现代化,但是不能丢掉了现代性。什么叫现代化?有别于传统是现代化,什么是现代性?就是对现代化的接纳程度,现代化了不一定好。提出中医现代化,有些现代化是可以的,全部现代化就不叫中医了。

精准医疗暂时没看到有机会,未来也不一定会行。

脱离了生命体的细胞和组织的研究很少有参考价值,现在大部分医学模式都是局部发力,解决不了医学全局性的问题。

所以,我们一定要有整合观,医学缺整合观医将不医,我们一定要是整合医学,把数据、证据还原成事实,把认识、共识提升为经验,把技术、艺术凝炼成医书,在事实经验医术有机融合成整合医学。类似于建万里长城,必须三个因素,需要图纸、沙浆、砖头,图纸是整体观,沙浆是整合观,砖头是医学观。

精准化到整体性,躯体化到心理性,医疗化到自愈性。

整合是选取不同体系的最有用的部分进行整合,把证据和数据变为事实;把技术和艺术提升为医术,最后形成整合医学。

薛晓林:国家卫生和计生委信息化部署的9大任务

薛晓林常务副会长指出:医疗信息化是国家信息化战略的重要组成部分,大家要按照中央和国务院提出的信息化发展战略,落实《关于促进和规范健康医疗大数据应用发展的指导意见》,以及《“十三五”全国人口健康信息化发展规划》等国家政策文件要求,利用信息化手段支撑医药卫生体制改革。

薛晓林指出,国家卫生和计生委将今年定为工作落实年,以下为对下一阶段工作的安排的部署:

  • 所有城市要确立公立医院改革方案,9月底前启动实施;

  • 建立现代医院管理制度,开展公立医院薪酬改革试点,创建以公益性为导向的考核评价机制;

  • 加快医联体建设,2017年内让所有公立医院都必须参加医联体建设;

  • 家庭医生签约服务;

  • 达成异地就医费用实时结算;

  • 加速改革支付方式,重点推动以按病种付费为主的医保支付方式的改革;

  • 加速建设药品供应保障制度;

  • 加强医疗卫生行业综合监管,形成全行业多元化长效监管机制;

  • 年底前争取实现省级平台与市级县级平台的互联互通。

胡建平:个性化、精准化是下一代医院信息系统的两大发展方向

国家卫计委统计信息中心副主任胡建平则在大会中指出,我国医院信息化建设已经进入第三个发展阶段,各个医院信息部门对自身的定位是非常关键的任务。

我国全民健康信息化建设在标准化、平台建设等方面已经有了实质性的成绩。但因为医疗市场系统众多、信息分散、没有建立全国统一的ID、标准问题尚未解决等因素造成的问题,仍旧没有得到彻底解决。

胡建平谈到,如今医院的信息部门,必须同时拥有管理者、需求者、技术实现者,信息部门应该是这三种角色搭配的大整体。

与此同时,胡建平也谈及对未来医院信息化的展望:随着系统由单系统到多系统再到平台化的发展,个性化、精准化的临床服务,将会是下一代医院信息系统发展的两大重要方向。



本文作者:亚峰

本文转自雷锋网禁止二次转载,原文链接

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
27天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
69 0
|
15天前
|
机器学习/深度学习 人工智能 搜索推荐
医疗领域的人工智能:诊断和治疗的革命
医疗领域的人工智能:诊断和治疗的革命
153 84
|
17天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
17天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
159 10
|
25天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
83 9
|
27天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
28天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
41 2
|
28天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
111 2
|
30天前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。
|
30天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用##
在现代医疗领域,人工智能(AI)技术正在逐步改变传统的诊疗方式。本文将探讨AI在医疗中的几个关键应用,包括医学影像分析、疾病预测和个性化治疗等。通过这些应用,AI不仅提高了诊断的准确性和效率,还为患者提供了更加精准的治疗方案。 ##
70 2