心智圖資源庫 【社區作品】AI醫療健康:智慧化醫療健康的應用與未來
《AI 醫療健康:智能化醫療健康的應用與未來》的心智圖,更直觀理解此書籍,希望此腦圖對你有幫助!
編輯於2024-01-31 17:23:23Microbiologia medica, Infezioni batteriche e immunità riassume e organizza i punti di conoscenza per aiutare gli studenti a comprendere e ricordare. Studia in modo più efficiente!
La teoria cinetica dei gas rivela la natura microscopica dei fenomeni termici macroscopici e le leggi dei gas trovando la relazione tra quantità macroscopiche e quantità microscopiche. Dal punto di vista del movimento molecolare, vengono utilizzati metodi statistici per studiare le proprietà macroscopiche e modificare i modelli di movimento termico delle molecole di gas.
Este é um mapa mental sobre uma breve história do tempo. "Uma Breve História do Tempo" é um trabalho científico popular com influência de longo alcance. Ele não apenas introduz os conceitos básicos da cosmologia e da relatividade, mas também discute os buracos negros e a expansão. Do universo. questões científicas de ponta, como inflação e teoria das cordas.
Microbiologia medica, Infezioni batteriche e immunità riassume e organizza i punti di conoscenza per aiutare gli studenti a comprendere e ricordare. Studia in modo più efficiente!
La teoria cinetica dei gas rivela la natura microscopica dei fenomeni termici macroscopici e le leggi dei gas trovando la relazione tra quantità macroscopiche e quantità microscopiche. Dal punto di vista del movimento molecolare, vengono utilizzati metodi statistici per studiare le proprietà macroscopiche e modificare i modelli di movimento termico delle molecole di gas.
Este é um mapa mental sobre uma breve história do tempo. "Uma Breve História do Tempo" é um trabalho científico popular com influência de longo alcance. Ele não apenas introduz os conceitos básicos da cosmologia e da relatividade, mas também discute os buracos negros e a expansão. Do universo. questões científicas de ponta, como inflação e teoria das cordas.
AI 醫療健康:智慧化醫療健康的應用與未來
第一章 人工智慧賦能醫療健康產業
1.1 人工智慧 醫療健康發展背景
1.1.1 產業痛點激發新需求
醫療健康是人民最根本的民生需求之一
在需求面方面,醫療健康服務需求持續快速成長
我國2002年65歲以上人口占比7.01%,已進入高齡化社會
預計2027年65歲以上人口占比達14%,已進入深度老化社會
慢性病蔓延,亞健康常態化
在供給面方面,一是醫療資源總量不足,。我國醫療資源總量匱乏而人口眾多,形成巨大資源缺口;二是資源不均,優質的醫療資源向大城市傾斜
1.1.2 技術突破提供新手段
在運算能力方面,圖形處理器(GPU)顯著提升了運算效能,擁有遠超中央處理器(CPU)的平行運算能力
在演算法模型方面,深度學習是目前研究和應用的熱點演算法,也是人工智慧的重要領域
在數據資源方面,醫療和健康養老數據產生的場景較多
一是醫療機構數據。
二是基因及臨床試驗數據
三是患者數據
四是健保及支付數據
1.1.3 政策推出營造新環境
近年來,人工智慧在全球的關注度日漸升高,發展速度迅猛,已成為世界各國的戰略佈局重點
1.2 人工智慧 醫療健康能做什麼
1.2.1 醫療健康資訊化的科技進化史
子主題 1
1.2.2 診前:疾病預防與健康管理
多數疾病都是可以預防的,但是由於疾病通常在發病前期表徵並不明顯,到病況加重之際才會被發現
1.2.3 診前:基因定序
基因定序是一種新型基因檢測技術,它透過分析測定基因序列,可用於臨床的遺傳疾病診斷、產前篩檢、患有腫瘤預測與治療等領域
1.2.4 診中:醫學影像輔助診斷
人工分析只能憑經驗去判斷,容易發生誤判
1.2.5 診中:臨床輔助決策
臨床決策支援系統可以透過大量文獻的學習和不斷的錯誤修正,給予最準確的診斷和最佳治療
1.2.6 診中:醫用機器人
目前,醫用機器人主要包括外科手術機器人、復健機器人、護理機器人、配藥機器人等
1.2.7 診後:復健輔助
復健輔助器具是指改善、補償、替代人體功能和輔助性治療以及預防殘疾的產品,包括矯形器、義肢、個人移動輔助器具、外骨骼復健機器人等,適用人群主要包括殘疾人、老年人、傷病人等。
1.2.8 生醫藥
透過機器學習和自然語言處理技術可以分析醫學文獻、論文、專利、基因組數據中的信息,從中找出相應的候選藥物,並篩選出針對特定疾病有效的化合物,從而大幅縮減研發時間與成本。
1.3 人工智慧 醫療健康科技產業體系
1.3.1 人工智慧 醫療健康科技體系
感知環節
電腦視覺是使用電腦模仿人類視覺系統的科學,讓電腦擁有類似人類的提取、處理、理解和分析圖像以及圖像序列的能力,在醫學影像識別、病理輔助診斷、心電輔助診斷等方面具有廣泛應用
自然語言處理是電腦科學領域與人工智慧領域中的重要方向,研究能實現人與電腦之間用自然語言進行有效溝通的各種理論與方法,涉及的領域較多,主要包括機器翻譯、機器閱讀理解與問答系統等,主要應用於智慧分診、智慧導診、虛擬助理等領域的病患資訊收集分析
生物徵象感知技術是指透過個人生理特徵或行為特徵對個人身分進行辨識認證的技術,生物徵象感知技術涉及的內容十分廣泛,主要應用於健康醫療穿戴式裝置、慢性病管理、疾病預測等領域。
思考環節是使電腦具備足夠的運算能力模擬人的某些思考過程和行為對分析收集來的資料資訊做出判斷
行動環節是將前期處理與判斷的結果轉譯為肢體運動與媒介訊息傳遞給人機互動介面或外部設備,實現人機、機物的資訊交流與物理互動
行動環節與機械技術、控制技術、感知技術等密切相關。
1.3.2 人工智慧 醫療健康產業生態
1.3.3 人工智慧 醫療健康產業格局
根據統計,到 2025 年人工智慧應用市場總值將達到 1,270 億美元,其中醫療產業將佔市場規模的五分之一
國內外科技公司紛紛開始在醫療人工智慧領域佈局
第二章 醫學影像識別,電腦輔助醫師“閱片”
2.1 應用場景
2.1.1 發展背景
在臨床上,超過70%的診斷都依賴醫學影像
醫學影像醫師缺口大
醫學影像診斷誤診率高、效率低
醫學影像資訊化程度偏低
人工智慧技術發展加快了醫學影像診斷速度,提升了影像診斷的精準度,並為影像科醫師的「閱片」方式帶來改變
(1)閱片方式改變。人工智慧應用直接實現機器自動對片子進行初篩、判斷、病灶勾選等,醫師只需要最後負責判斷即可
(2)閱片速度改變。人工智慧自動快速初篩,並勾選病灶,醫師只負責關鍵部位的複判,為醫師節省大量煩瑣的初篩過程。時間大為縮短,效率提高
(3)精準度改變。人工智慧具備穩定性和全面性雙面特點,不受工作時間長短影響,且能夠做到片子全局完整觀察無遺漏,快速穩定地完成初篩、判斷,最後由專業醫生對關鍵部位進行複判。因此,閱片的精準度得到雙重保障。
2.1.2 主要應用場景
(1)影像病例分類
病例分類主要是對一套典型多張圖片進行分析,從而得出相應的病例的分類結果
(2)目標或病灶偵測分割
其更著重於影像的某一部分或細小的組織、病變等局部差異的分類,例如常見的肺結節檢測與分類
2.2 關鍵技術
2.2.1 技術發展現狀
(1)學術研究現狀
影像組學、深度學習、遷移學習等人工智慧演算法已經在醫學影像資料上進行了開發和測試,形成了病灶檢出、病灶分割、病灶性質判斷、治療規劃、預後預測等多種應用模式
(2)產品開發現狀
國內外已有許多大型企業及新創公司投入AI 醫學影像產品開發。
騰訊覓食、深睿醫療、健培科技、醫渡雲、智影醫療、睿佳醫影RayPlus、迪英加、拉克森等
(3)臨床應用現狀
由於人工智慧效能的臨床驗證尚不充分,適合人工智慧研究標準資料庫和場景的缺乏以及臨床的倫理和法規問題尚待解決,導致真正臨床實踐規範應用的產品較為缺乏
2.2.2 模型設計
此模型解決的問題必須是臨床醫師及影像醫師普遍關切的,其解決效率或準確性的提升是可以使得病人普遍受益的
模型設計需要參考相關領域最新的臨床指引規範,並在現有醫療流程上對疾病診斷治療做出貢獻
必須使用足夠量的數據及數據標註來進行學習,如應把學習的重點放在常見腫瘤的鑑別,而非罕見腫瘤的診斷上
模型設計的關鍵在於選擇最有利於醫師決策和病患受益的問題,所選解決的問題還必須有大量易於取得和標註的學習數據。
2.2.3 模型構建
模型的建立包括學習資料的結構化構建,使用學習演算法建立模型,最後進行模型的驗證
2.2.4 演算法選擇
不同建模方式的選擇應根據學習資料的資料量和複雜度來規劃
第一,針對大量學習數據,建議使用包含各種神經網路的深度學習作為學習器建模
第二,針對中等量學習資料可以嘗試使用深度學習建模,效果不佳時可以考慮採用神經網路擷取特徵,使用機器學習方法建立模型的折中方式
第三,針對少量學習數據,建議使用影像組學方法先進行高通量檢驗,擷取病灶範圍內的影像特徵,使用機器學習方法建立模型
第四,雖然只具有中等量學習數據,但有大量面對其他問題的相似模態數據,可以嘗試使用遷移學習方式,將大樣本數據經驗應用到小樣本數據學習中
2.2.5 服務建立
結合模型設計時的應用特性、臨床需求與醫師的工作習慣,建立合理的服務模式
第一,目前雲影像技術發展迅猛,其與AI 技術的結合可以更好地為醫療機構、特別是基層醫院提供影像傳輸、儲存、輔助診斷的一攬子解決方案,有利於提高醫療機構的運作效率及診斷準確性
第二,在與現有工作流程結合方面,可以與RIS 系統結合提供AI 結構化報告,同時與PACS 系統結合將AI 綜合分析報告使用DICOM 格式提交給PACS 系統,並在醫師瀏覽影像時進行病變標註提示
2.3 業務模式
2.3.1 產業發展模式
醫學影像設備,最終服務對象為醫院及影像科醫生
以機器或系統的銷售收入作為統計口徑,壁壘是包括研發累積、精密製造水準及配套服務
醫學影像診斷服務,最終服務對象為患者
以診斷服務收入作為統計口徑,在影像設備產出影像的基礎上附加醫生的勞動成本,診斷服務環節最重要的因素是專業且可靠的診斷結論
2.3.2 應用難點
(1)基於機率分析的關聯推理無法判斷疾病的因果關係
然而AI的發展過分強調“機率關聯”,但是疾病對於人來說永遠都有未知的領域,如何能夠基於已有的醫學知識,將數據和知識這兩種模型結合起來,這才是醫學影像人工智能在醫療領域向更深層的治療與介入層面應用的關鍵。
(2)資料資源量體量雖大,品質卻不高且不能互聯互通
雖然前醫療影像累積了大量數據,為人工智慧分析奠定了基礎,但是品質卻不高,且各大醫院也無法互聯互通。且擁有大量數位化影像資料的三甲醫院的資料開放也是一個很大問題。
(3)影像資料標準化程度低
除了醫療影像標準化、結構化資料嚴重不足外,資料標註尤其困難
(4)數據標註難度高
醫學影像人工智慧的訓練需要大量已經標註好的影像數據,而標註需要花掉大量的人力成本,並且對訓練結果產生直接影響
(5)醫療資源的供給與需求極度不平衡
影像學或影像科專家門診、網路專家會診、醫病衝突突出、從醫環境不佳、醫療資源浪費、醫療成本高等也是阻礙因素
第三章 臨床決策支援系統,醫師的虛擬助手
3.1 應用場景
3.1.1 產生背景
臨床決策支援系統(Clinical Decision Support System,CDSS)是指將臨床數據作為輸入訊息,將推論結果作為輸出,有助於臨床醫生決策的軟體系統
臨床決策支援系統的基本原理為建構各種疾病的知識庫,將各種病情的診斷標準、閾值判斷、治療處方、專家經驗等輸入計算機,借助計算機超強和精準的信息存儲、提取功能及快速的計算能力,透過人工智慧技術和電腦邏輯推理運算來模擬醫生的診斷治療思維,幫助醫生做出快速診斷和治療決策。
面對患者複雜多變的病情,醫師常常感到力不從心,即使全力以赴、一絲不苟,仍然難免出現疏漏和差錯。調查表明,因決策失誤所致的用藥錯誤或處置不當,是造成醫療錯誤甚至責任事故的重要原因。
3.1.2 發展歷程
臨床決策支援系統的研究始於20世紀50年代末,最早的研究方向是醫學專家系統開發,透過應用產生式規則的推理引擎,將醫學專家的專業知識和臨床經驗經過整理後,儲存於電腦的知識庫中,利用推理和模式匹配的方式,幫助使用者進行診斷推論
3.1.3 應用前景
診斷決策:通用的臨床決策支援系統,可以根據臨床醫生針對患者的症狀的描述,在診斷、用藥和手術之前,按照標準診療指南提示醫生診斷要求、鑑別要點以及相關診療方案,包括手術診斷時提示手術操作要點及術前檢查等。
治療決策:臨床決策支援系統根據病人的病情,醫師的臨床觀察,結合醫學指引和實證依據,向醫師提示藥品適應證、藥理、藥效等,包括手術併發症常見症狀,以及術後綜合治療及評估方案等。
預後決策:臨床決策支援系統挖掘患者與其既往醫療資訊、臨床研究之間聯繫的資料,以便於預測患者未來的健康問題,儲存並分析不符合《臨床診療指南》以及《臨床技術操作規範》的治療方案,為醫療品質評估提供依據,提升醫院管理水平,規範醫療行為,同時也為實證醫學提供科學的證據。
3.2 關鍵技術
3.2.1 系統關鍵技術
臨床決策支援系統是HIMSS電子病歷評級(EMRAM)中最核心的評估重點之一
整個0-7級其實是臨床決策支援功能遞進、不斷升級的過程,直到最後達到七級的全面臨床決策支援能力(full CDSS)
CDSS分類
決策演算法機制:在內部決策支援過程中,目前可以應用的演算法範圍很廣
決策演算法應用的差異主要取決於臨床決策支援系統的內部知識表示方式,針對不同的決策需求存在著不同的知識表示方式,從而形成了不同的決策機制
系統功能設計:具體來看,就是什麼是輸入,什麼是輸出,如果輸出的是診斷結論,用藥建議,那麼依據則來自臨床指引、實證病例、權威文獻
一是幫助決策什麼是對的判斷
二是幫助醫生決策下一步該做什麼事
互動方式:在輸出決策支援資訊的過程中,是如何設計互動過程的,是否允許使用者在互動上擁有主動權,是否可以介入最終結果。臨床決策系統的建議方式分為主動和被動兩種
主動的方式為系統主動地給醫生決策建議,不管醫生此時有沒有決策幫助的需要
被動的方式是指只有醫師主動詢問系統時才給予決策建議的方式。
系統融合:CDSS的工作邏輯,是與醫院現行資訊系統進行整合還是獨立運行,是否需要與醫師的工作流程融合,都是要考慮的重要因素
決策支援程度:在決策支援上,是直接輸出結果,還是較間接提供輔助決策知識,參考案例,也和CDSS的臨床應用程度有著重要的關係
3.2.2 數據關鍵技術
(1)整合數據
在醫院中,臨床決策支援所需的病人資料是透過電子病歷系統完成資料收集的,再透過一個資料泵進行抽取和整理
(2)醫學知識庫
臨床決策支援系統內核的推理程序可以根據知識庫的知識和經驗產生建議以支援決策
(3)決策支持形成
。其功能是將醫學知識應用於病人資料的結果,進行分析、歸納,最終針對具體病人提出相應的決策和建議
CDSS對資料的重要特性與必備條件
第一,有強大的醫學知識資料庫支持
第二,以開放性神經網路知識結構追蹤全過程,使系統有能力隨機建構過程性診療通道,輔助醫師對病人做出準確、穩健、及時的診療處理
第三,模擬臨床思維,提供臨床全過程輔助決策
第四,隨病人病情的變化,產生多條臨床決策通道,提供醫師決策參考,使臨床診療具有多視角會診的性質
3.3 業務模式
3.3.1 細分市場
(1)大型醫院資訊化
2018年以來多個城市的三甲醫院資訊化招標標書都對於CDSS部分的需求沒有形成真正有臨床意義的表述和需求
(2)基層醫療衛生市場
基層醫療機構涵蓋了中國相當規模的人口,即使以金錢來考核,27.7萬個醫療機構的付費能力,也足以撐起一個龐大的基層CDSS市場
3.3.2 典型應用案例
IBM Watson系統
其第一步商業化運作就是透過和紀念斯隆—凱特琳癌症中心進行合作,共同訓練IBM Watson腫瘤解決方案
一支由醫生和研究人員組成的團隊一起上傳了數千份病人的病歷,近500份醫學期刊和教科書,1500萬頁的醫學文獻,把IBM Watson訓練成了一位傑出的「腫瘤醫學專家
2015年7月IBM Watson成為IBM Watson Health的首批商用計畫之一,正式將肺癌、乳癌、結腸癌、直腸癌四個癌種的腫瘤解決方案投入商用
2016年8月IBM宣布已經完成了胃癌輔助治療的訓練,並正式推出使用。
國內典型CDSS應用模式與方向
(1)人衛臨床助手
衛臨床助理的主要資料來源是人民衛生出版社63年來的精品專著,其中匯集了2000多家醫院案例資料,並成立了專家評審委員會,制定資源審核發布流程,甄選權威內容入庫
(2)惠每臨床決策輔助系統
2015年,惠每醫療集團正式引進了梅奧的整套知識體系,並且在2016年發布了基於人工智慧的惠每臨床決策輔助系統
診前問診/分診階段:患者可在惠每智能分診系統進行自檢自查,透過一系列引導性問題,在就診前得到病情的適當評估,明確就診的「輕、重、緩、急”,快速獲得權威的處理建議。
診中決策階段:在醫院授權的情況下,惠每臨床決策輔助系統與電子病歷系統(CPOE)廠商進行資料合作,將電子病歷中的資料植入到惠每臨床決策輔助系統中,使門診醫師受到標準化、專業化的規範。
系統還能自動挖掘症狀和疾病之間的關係,如發燒和感冒之間的關係、發燒和肺炎之間的關係等,為連鎖診所提供標準化診療路徑,幫助醫生提高業務能力和工作效率,提升診所品牌號召力。
診後治療階段:惠每臨床決策輔助系統不僅有豐富的疾病詳情內容,也涵蓋全面的疾病治療建議,包括處置建議、檢查建議、用藥建議及病人指導等。
其中在合理用藥方面,系統有嚴格的用藥審核功能,提供藥品說明、藥物交互作用、禁忌症檢查等,及時提醒醫生,防止藥物的錯誤搭配和抗生素濫用等情況發生。
惠每臨床決策輔助系統將慢病用藥指引電子化、智慧化,完整評估病人病情,自動產生治療方案供醫師參考,並建議合併用藥計畫及禁忌用藥方案。
3.3.3 發展方向
首先,基於臨床病歷文字資料的臨床決策支援系統開始增加包括影像在內的各個元素,從而豐富診斷決策的資料鏈。
從專科的角度來看,腦神經相關疾病也是重要的臨床決策支持系統演進的方向之一,這是因為腦神經疾病有著參與決策數據種類多、診斷過程依賴專家長期積累的經驗等特點,適於採用機器學習等人工智慧方法進行決策增強
最後,也應該面對臨床決策支援系統應用從研發到實施的困難點
(1)資訊科技與醫學的交叉與融合
(2)如何建立並引用大規模、統一化的臨床知識資料庫
第四章 基因定序,開啟精準醫學時代
4.1 應用場景
4.1.1 非侵入性產前檢測
非侵入性產前基因檢測可以透過採集孕婦的周邊血,對母體週邊血液中游離的DNA的片段(包括胎兒遊離DNA)進行定序,加以分析後,可以計算出胎兒罹患染色體非整倍體的風險,此技術能同時檢測21-三體、18-三體及13-三體,目前準確率能夠達到99.9%
4.1.2 腫瘤檢測
腫瘤的NGS伴隨診斷使醫生可以根據患者自身基因變異情況以及相對應的臨床狀況制定最佳的治療方案,儘早發現潛在可用的標靶藥物及提高抗腫瘤藥物的治療效率
4.1.3 罕見遺傳疾病篩檢
第三個利用基因檢測治「未病」的例子是罕見遺傳疾病的篩檢
4.1.4 精準健康管理
基因檢測可以幫助一個人在還沒有發病時,就開始預防將來可能會發生的疾病
4.1.5 身份確認
DNA
4.2 關鍵技術
4.2.1 第一代基因定序技術
主要利用四色螢光和毛細管電泳技術進行定序,和人類基因組計畫息息相關
4.2.2 第二代基因定序技術
也就是現在常聽到的下一代定序 (NextGeneration Sequencing,NGS) 技術
4.2.3 第三代基因定序技術
第三代定序技術能直接對RNA和甲基化DNA序列進行定序
4.3 業務模式
4.3.1 基因定序儀器製造
4.3.2 基因定序服務
面向科學研究服務的基因定序服務以基因定序作為服務內容
直接面向消費者的基因定序服務,都是以基因晶片為定序技術平台提供服務
以醫學診斷為主要模式的基因定序服務,涉及的定序項目有先前提到的唐氏症篩檢、腫瘤檢測、罕見疾病檢測、未知病原檢測等
4.3.3 軟體開發與雲端服務
用戶將租用運算、儲存資源一樣租用定序能力,並且可以選擇不同的定序平台、技術,甚至可以像選擇雲端運算服務一樣,透過競價來快速獲得定序服務
第五章 健康管理,不治「已病」治「未病
5.1 應用場景
5.1.1 疾病預防
疾病預防應用透過收集使用者的飲食習慣、運動週期、服藥習慣等個人生活信息,運用人工智慧技術進行數據分析,對使用者的健康狀況進行量化評估,幫助使用者更全面準確地了解身體狀況,並為糾正不健康的行為和習慣提供基礎
5.1.2 慢病管理
慢病管理應用是作為醫病溝通的橋樑,在減輕醫生的工作的同時保證患者病情在已知、可控的情況下進行病情判斷和處理。
5.1.3 運動管理
運動管理應用透過運動管理穿戴式裝置(例如夾在跑步短褲背面的穿戴式裝置),使用感測器及其演算法以捕捉運動數據,透過計算每分鐘的步數來測量節奏,也可提供有關骨盆垂直振盪的數據,幫助調整久坐帶來的骨盆旋轉和過度跨步的傾向,並支持識別和糾正骨盆下降的問題。
5.1.4 睡眠監測
睡眠監測設備可使用BCG(心臟穿刺心電圖)來測量心臟、肺和其他身體功能的機械活動,並可透過iPhone監控使用者每日睡眠習慣,包括打鼾、睡眠時間、休息心率、呼吸速率、需要多久才能夠入睡、起床次數、進入深度睡眠的總時間等
5.1.5 母嬰健康管理
一方面是針對女性受孕前後的數據監測,通常會結合智慧硬體或穿戴式設備,對個體的生理症狀、情緒狀態、睡眠等數據進行監測
另一方面是針對育兒知識的問答。從母嬰健康到孕育新的生命,再到寶寶出生長大,包括個人形體變化、心理情緒變化、育兒技能,甚至還要解決各種複雜的家庭問題
5.1.6 老年人護理
老年人照護系統主要針對老年人的養老生活,使家人可以遠端了解老年人的狀況,並在出現突發狀況時及時進行救助
5.2 關鍵技術
5.2.1 終端關鍵技術
健康管理終端透過與應用軟體、雲端服務結合實現各種人體體徵資料(血糖、血壓、血氧、心跳等)的採集、傳輸等功能
健康管理類設備
主要包括健康手環、健康腕錶、穿戴式監護設備等,對血壓、血糖、血氧、心電等生理參數和健康狀態資訊進行即時、連續監測,實現線上即時管理和預警
醫療檢測類設備
主要包括便攜式健康監測設備、自助式健康檢測設備等
養老監護類設備
主要包括用於家庭養老及機構養老的智慧輪椅、監護床等智慧監測、復健、照顧設備,預防老年癡呆症患者走失的高精度室內外定位終端等
5.2.2 網路關鍵技術
網路層透過公網或專網以無線或有線的通訊方式將資訊在感知層與平台層及應用層之間傳遞
5.2.3 平台關鍵技術
目前,大數據平台關鍵技術包括資料擷取技術、資料儲存技術、資料平台技術、資料處理技術、資料表示技術等五大核心技術
難題
(1)健康數據的互聯互通問題
基礎資訊和各種臨床資訊資源分散、重複、孤立
(2)健康態評估資料品質控制問題
在資料精準度的把控以及對複雜病況的科學辨識上沒有相關標準進行衡量
5.3 業務模式
5.3.1 硬體銷售模式
多數企業處於銷售產品採集資料階段,未來可能會提供下游的服務將病患管理起來
銷售收集健康數據的終端產品競爭非常激烈,產品使用體驗及後續服務是形成客戶粘性的核心
5.3.2 服務提供模式
面向患者的收費模式是為患者提供慢性病管理服務,患者自費
面向醫師的收費模式在美國較為普遍,美國健保政策按服務品質付費後,醫院受到醫保的壓力,有動力用最低成本幫助病患達到最適治療效果,醫院或醫師願意為健康管理付費
5.3.3 數據整合模式
一種為研究機構提供科研數據
另一種為醫療機構提供綜合性資料管理服務
5.3.4 保險付費模式
服務提供者透過對投保人進行精準分析或提供醫療服務等,降低保險公司的理賠開支,從而獲得收益
第六章 醫用機器人,診療、復健與服務
6.1 應用場景
6.1.1 手術機器人
手術機器人是一組裝置的組合裝置。它通常由一個內視鏡(探頭)、刀剪等手術器械、微型攝影機和操縱桿等裝置組裝而成
機器人的最大特點是它具有人不具備的靈巧性,其基礎在於:1)震顫過濾系統能濾除外科醫生手部顫動;2)動作縮減系統能成比例(5:1)縮減外科醫生的動作幅度。
6.1.2 非手術診療機器人
非手術診療機器人主要包括放射治療機器人、膠囊機器人和影像機器人等輔助診斷治療的機器人系統
6.1.3 復健機器人
以因應精準/微創手術、功能補償與復健、老年服務等對醫療健康的新需求
6.1.4 醫療服務機器人
醫療服務機器人的工作重點也在於幫助醫護人員分擔一些沉重、煩瑣的運輸工作,提高醫護人員的工作效率
6.2 關鍵技術
6.2.1 人體機工效學
為理解人和系統中其他要素之間的互動關係,其理論、原則和方法主要應用於機器人設計過程中,目的是使人的健康和系統績效達到最優的一門科學
人體工效學與醫療機器人融合,即透過電腦輸入、輸出設備,以有效的方式實現人與電腦對話的技術,相關技術包括機器透過輸出或顯示設備給人提供大量有關資訊及提示請示,人透過輸入設備給機器輸入有關訊息,回答問題及提示請示等
導醫機器人
6.2.2 遙操作
遙操作技術是指操作者在本地對主操控器進行控制,以完成對遠端難以接近或特殊環境中機械的遠距離控制
遠距手術,是指外科醫生能夠在本地對一個遙遠地方的病人利用儀器來進行手術治療,可緩解偏遠地區優質手術醫生緊張問題,降低醫療成本,給許多生活在遙遠或特殊環境中的患者以希望
6.2.3 空間定位技術
手術空間定位系統將病人術前或術中影像資料和手術床上病人解剖結構準確對應,手術中追蹤手術器械並將手術器械的位置在病人影像上以虛擬探針的形式即時更新顯示,使得醫生的手術操作更加精確、有效率、安全。
(1)基於術前影像的導航系統,需要進行術前計畫和術中註冊追蹤。典型的術前CT導航系統可用於骨科、脊椎外科導航,典型的術前MRI導航系統可用於神經外科導航。
(2)C型臂X光透視手術導航系統:無須術前、術中配準,可即時呈現影像解剖結構,獲得手術器械相對病人的空間位置關係,醫師可據此推測手術器械的行進路徑,是近年來的研究熱點
(3)超音波可即時成像,安全方便,且費用低廉,目前常用於超音波引導下的腰椎穿刺術、顱腦外傷手術、冠狀動脈搭橋術等操作
(4)術中MRI可即時監測術中解剖結構的位移,能夠徹底解決現有術前影像導航系統的術中影像漂移的問題。
(5)內視鏡廣泛應用於微創外科,醫師可在內鏡可視化影像引導下執行取活體組織檢查、取結石、縫合等操作。
6.2.4 多模影像處理
醫學影像配準是透過尋找某種空間變換,使兩個影像的對應點達到空間位置和解剖結構上的完全一致
影像融合的主要目的是透過對多幅影像間的冗餘資料的處理來提高影像的可讀性,對多幅影像間的互補資訊的處理來提高影像的清晰度
影像分割就是把影像中具有特殊意義的不同區域分開來,這些區域使互不相交的每個區域都滿足特定區域的一致性
醫學影像的三維視覺化對擷取影像進行三維重建,透過二維濾波,減少二維斷層影像的雜訊影響,提高訊號雜訊比和消除影像的尾跡
6.2.5 人工智慧技術
目前人工智慧已可用於眼科、內科、腫瘤等多種疾病的影像診斷,還可根據某領域一個或多個專家提供的知識和經驗,進行推理和判斷,模擬人類專家的決策過程,解決領域中的醫學問題
6.2.6 醫療大數據
醫療大數據是面向醫療方向的資料庫技術,其面向電子病歷、醫學影像、醫院視訊等多種類型的數據,包括面向醫療電子病歷的結構化資訊擷取、面向醫學影像的資料分析、面向醫院監控視頻的智能分析等。
6.2.7 虛擬實境/擴增實境技術
虛擬實境技術為復健治療提供了重複練習、成績回饋與維持動機三個關鍵環節的技術手段,設定合理的虛擬環境及有效的資訊回饋,患者可以對自身狀況進行客觀評估,從而大大提高了復健訓練的效果。
6.3 業務模式
6.3.1 手術機器人業務模式
A類:手術參與機器人系統(Surgical CAD/CAM)
A 類系統中醫療機器人主要參與和完成整個手術的過程,包括切除和縫合等。手術醫師起到指導和輔助的作用
B類:手術輔助機器人系統(Surgical Assistants)
B類系統中醫療機器人主要扮演輔助醫師進行手術的作用,包括術前規劃、術中定位等
6.3.2 非手術診療機器人業務模式
(1)放療機器人
放射治療機器人典型產品如CyberKnife射波刀,射波刀是一種新型的全身立體定位放射治療設備,用於治療各種類型的癌症及體內腫瘤
(2)影像系統機器人
閱片機器人可應用於甲狀腺結節超音波、子宮頸癌篩檢、肺部疾病篩檢等影像診斷領域,是人工智慧、醫療大數據和醫療機器人結合的典型
(3)膠囊機器人
膠囊機器人是一種能進入人體胃腸道進行醫學探查和治療的智慧化微型工具,是體內介入檢查與治療醫學技術的新突破
6.3.3 復健機器人業務模式
(1)運動功能復健
運動功能復健主要針對殘疾、年長、行動不便的人
(2)智慧義肢
智慧義肢透過收集殘存的肌肉收縮肌電訊號,在訓練中建立肌電訊號與義肢關節運動的對應關係,從而實現智慧化模擬真實肢體運動。
(3)其他復健機器人
復健機器人的應用領域還包括心肺功能復健、語言功能復健、認知功能復健等其他類型的復健機器人。
6.3.4 醫療服務機器人業務模式
遠距醫療機器人
它可以透過累積、更新數據,能夠不斷解答人們提出的新問題,可以有效率地填補醫院中龐大、複雜的資訊服務需求
物品運輸機器人
能夠實現自主路徑規劃、避障、充電、物品運輸等
藥局服務機器人
配藥
第七章 工業互聯網,生醫發展新方向
7.1 醫療設備全生命週期管理
7.1 醫療設備全生命週期管理
7.1.1 發展背景
隨著我國衛生主管機關對等級醫院管理中醫療設備品質管理要求的提高和相關規章制度的逐步完善,醫療設備品質安全及風險管理工作逐漸成為各級醫院保障臨床工作安全開展的重要組成部分
智慧管理有助於醫療設備相關管理部門之間在進行系統管理的同時建立實際聯繫,防止資訊孤島
7.1.2 關鍵技術
醫療設備智慧管理,涵蓋整個醫療設備和配套的醫用耗材從入院到報廢階段的全生命週期管理過程
醫療設備管理
普通耗材管理
高值耗材管理
醫療智慧管理就是以醫療設備的生命週期為核心,運用智慧手段,結合醫療單位其他的一些資訊系統實現對醫療設備的精細化管理
7.1.3 面臨的問題
(1)完善醫療設備智慧管理標準
(2)明確醫療設備智慧管理發展層級
(3)確定醫療設備智慧管理內容
7.2 生醫增材製造(3D列印)
7.2.1 發展背景
積層製造(3D列印)首先需要將設計完成的產品透過電腦以3D形式呈現,再採用特定的列印材料,逐層列印,直到產品成型。
生醫學領域常見的積層製造(3D列印)技術主要包括選擇性雷射燒結成型、雷射光固化、熔融沈積造型、分層實體製造技術等
7.2.2 關鍵技術
(1)醫學模型設計
(2)再生組織器官製造
(3)醫療器材製造
7.2.3 面臨的問題
主要局限於列印材料的材質特性與單一性
7.3 人工智慧輔助藥物研發
7.3.1 發展背景
新藥研發是個高風險、長週期、資本和技術密集的技術領域,藥物研發失敗率也高達90%以上(特別是原廠藥)
7.3.2 關鍵技術
(1)靶點篩選
(2)藥物篩選與優化
(3)病人發現及招募
(4)依從性管理
(5)藥物晶型預測
(6)患者大數據與真實世界研究
第八章 中國人工智慧 醫療健康發展展望
8.1 政策標準
8.1.1 產業發展促進
國家政策支持
8.1.2 產業監督管理
目前監管部門禁止虛擬助理軟體提供任何疾病的診斷建議,只允許提供使用者健康輕問診諮詢服務
人工智慧 醫療健康產品與服務必須符合國家相關標準,從而確保對安全性、可信賴性、可追溯性、隱私保護等方面的要求
8.1.3 資料安全保護
在健康醫療大數據和人工智慧發展過程中,個人隱私保護、資料安全、甚至國家安全的問題越來越受到重視
8.2 技術創新
8.2.1 關鍵技術研發
智慧感測器、神經網路晶片、開源開放平台等技術應用於醫療健康領域,已取得顯著成果
8.2.2 訓練資料集建設
下一步將針對人工智慧 醫療健康重點產品研發和產業應用需求,初步建成並開放多種類型的人工智慧海量訓練資源庫
8.2.3 資訊安全保障
智慧醫療應用結構體系龐大,平台開放性強,業務繁雜,使用者身分多,尤其是病患的敏感隱私資訊多,空間資料量大,資訊的城域連動性也很強
人工智慧 醫療健康網路安全技術研發不斷加強,產品和系統網路安全防護未來將進一步強化
資安市場將逐漸集中,資訊安全策略將轉向主動防禦
人工智慧 醫療健康安全體系建置將持續加快,安全管理責任制度將初步建立,標識賦碼、科學分類、風險分級、安全審查規則將初步製定
等級保護?
8.3 商業模式
8.3.1 網路巨頭企業
百度、阿里巴巴、騰訊
8.3.2 新創型企業
相較之下,對於新創公司來說,與B 端的合作業務更值得深入挖掘
8.3.3 醫療設備企業
同一品牌產品收集的數據更規範,格式更統一,方便數據的挖掘與應用
8.4 人才資源
人工智慧 醫療健康的人才需求主要來自人工智慧和醫療健康兩個不同領域(複合型人才)
。堅持培養和引進相結合,吸引和培養具有發展潛力的人工智慧領軍人才。鼓勵並引導國內創新人才和團隊,加強與全球頂尖機構合作互動。
8.5 法規倫理
法律規制需要保護技術創新,技術的創新發展也需要遵守法律的價值底線