關于用大數據提升人工智能醫療的建議

全國政協委員 臺盟中央委員、參政議政委員會副主任，臺盟天津市委會副主委，天津晟航通廣科貿有限公司經理 孫昌隆

我國正處于全面建成小康社會的決勝階段，人口老齡化、資源環境約束等挑戰依然嚴峻。基于大數據開發的人工智能在教育、醫療、養老、環境保護、城市運行、司法服務等領域廣泛應用，將極大提高公共服務精準化水平，全面提升人民生活品質。

現存問題：

一、 數據的整合和利用不足

當前醫院病例大多是已經實現電子化，但數據標準化程度不高，數據流通共享程度較低。不同醫院，甚至同一醫院不同科室數據協同共享較為薄弱，難以形成有效的數據共享資源。數據字段缺失，信息不準確等問題仍然存在，數據標準化工作推進力度不足。對于以數據平臺為基礎的行業整體大數據探索利用工作不夠充分。

二、 缺少科技企業和醫療機構對接的平臺

一方面企業獲取數據難，處于各方利益的關系，醫療系統通過體檢、診斷、治療采集的數據，科技企業很難得到，因此制約了科技企業以及研究機構研發準確判斷病情提高效能智能醫療設備。另一方面企業開發出智能醫療設備，找醫療機構驗證困難。

三、 缺少相關的法律保護

現在雖然有一些科技公司開發了人工智能的醫療設備，由于沒有相關的法律法規，一般醫療機構不敢試用，從而阻礙了該項科技的發展。

為此，建議：

一、 整合數據資源，實現數據使用價值

建議整合政府、醫院、社會數據資源，在符合安全性、保密性原則，不侵害公民隱私的情況下，分層次、限定范圍地逐步開放，讓醫療數據真正產生使用價值。對于敏感數據，可采用聽證、專業第三方評估方式進行具體分析。對于少量極敏感無法開放的數據，鼓勵人工智能企業或研究機構與醫院合作上門分析驗證。培育本地醫療數據處理企業和人才，鼓勵推行購買服務的方式，處理海量醫學數據，減少有經驗醫師從事重復勞動的勞動強度。

二、 優先發展醫療圖像人工智能識別

人工智能擅長解決有規律、重復性的問題，最典型的就是影像學的閱片。人工智能在醫學影像應用主要分為兩部分： 一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。人工智能在影像的識別上快速并且準確，應用在醫療領域有著先天優勢，可以讓基層醫生擁有高水平醫學影像識別能力，為專家節省大量的時間。目前，人工智能對于識別二維醫學圖像，比如視網膜、內窺鏡、病理切片和胸片、CT、核磁共振等影像比較有優勢，效果也比較好。

三、 制定相關政策支持試用人工智

目前國家沒有相關的法律，立法可能要經過相當長的時間，因此可以先出臺一些政策鼓勵醫療機構試用人工智能相關產品，鼓勵研發機構開發人工智能產品。

四、 醫療人工智需要政府各部門分工合作

人工智能發展主要涉及政府產業布局，財政等各方面資金的投入，企業引育，醫療機構的應用等各個環節，需要政府各部門分工合作。支持人工智能技術和產業創新發展。針對基礎前沿研究，會會同相關部門研究啟動市級重大科技專項；建議針對關鍵核心技術研發和轉化，針對產業發展，利用戰略新興產業專項資金和產業轉型升級專項資金、服務業引導資金等支持優勢企業，申報相關項目。通過重大項目的實施，促進產業的發展。與此同時，引導社會資本投入，將利用市創投引導資金，天使投資引導基金等引導市場化、多元化的資本投入到人工智能領域。