金融科技圈> 金融科技> 大数据> 文章页

医疗行业用好大数据和AI 能“赚”10万亿美元!

摘要:想让大数据和AI在医疗系统中充分发挥潜力,面临哪些挑战?大数据和人工智能医疗前景有多大?“天下好医”一文带你了解。

来源:健康界 日期:2019-01-07 13:55

500586520_wx

想让大数据和AI在医疗系统中充分发挥潜力,面临哪些挑战?大数据和人工智能医疗前景有多大?“天下好医”一文带你了解。

“我已经不记得上次去银行是什么时候了,因为在智能手机上几乎可以完成所有的业务。” 英国爱丁堡大学Usher人口健康科学和信息研究所主管Aziz Sheikh近日在卡塔尔多哈举办的2018世界卫生创新大会(World Innovation Summit of Health, WISH)上说,“但是医疗服务体验却非常不同,它远远落后于其他行业。”

WISH2018大数据和AI讨论专场

01

医疗行业远没有发挥大数据和AI的潜力

WISH2018发布报告《从政策到应用:在医疗行业应用大数据和AI》(Harnessing Data Science and AI in Healthcare from Policy to Practice)指出,过去十年间,数据的使用发生了3大变化:

一是现在的数据比以往任何时候都丰富,世界上90%的数据,是在过去2年内产生的;

二是大数据的存储成本大大降低,只有10年前的10%;

三是机器学习可以解读大量的数据。在预测人口健康趋势,提供疾病预防服务,推动个性化治疗,改善患者体验,提高效率和降低成本等方面,数字科学和AI给医疗行业带来了新的机会,也是医疗行业下一个进步浪潮。

与此同时,消费者也在积极参与。现在,印度和卡塔尔35%~40%的人口可以通过互联网查阅自己的健康记录,在美国和中国这一比例超过了45%.用有电子病历的人群,50%以上都在积极使用(过去3个月内下载电子病历)。

在获取电子病历并不太方便的地区,如英国(14%),依然有60%的人认为这种方式很有用。在美国、中国、印度、卡塔尔和英国,30%~60%的受访者人表示愿意分享自己的数据用于改善医疗服务、开展科研和进行健康规划。消费者对于AI的热情更高,五个国家中55%~65%的受访者表示,希望医生在诊疗中使用AI决策辅助软件。

然而,大数据和AI的现实应用尚未满足消费者的热情。WISH执行主席Lord Nigel Crisp在发言中说: “我们有大把大把的机会可以利用,但却没有造成具有广泛影响力的行动。”

尤其是与其他行业相比,医疗行业远没有让大数据和AI发挥潜力。麦肯锡全球研究所(McKinsey Global Institute)的调查显示,就美国而言,大数据和AI带来的机会,医疗行业只利用了10%~20%,而零售行业的比例达到了30%~60%.不过Sheikh也指出,这是医疗行业充分利用大数据和AI最好的时代,因为其他行业丰富的经验可供借鉴。

在AI的应用上,金融和高科技通讯行业处于领先地位,而医疗健康领域远远滞后。

02

发挥大数据和AI潜力的五大基础

意识到数据科学在健康领域的潜力,政策制定者需创造环境和条件让其发挥作用。这包括创造必须的基础设施和激励措施,但首先要制定一个有效的策略。《从政策到应用:在医疗行业应用大数据和AI》报告中指出,这样的策略必须建立在以下5个基础之上:

1. 整个机构范围内的信息存储库

数据科学需要高质量可获得的数据资源,要想从数据科学获益,机构首先需要以数字化的手段收集和存储数据。例如,若有成千上万黑色素瘤图片的数据集,就可以开发一款比人工更精确的诊断工具,而要想收集所需的图片,不同的检测中心必须使用相同的系统和标准来分享各自的结果。

单应用程序工具也有很大价值,但是只有当数据存储量增大并且相互关联增多时,才会发挥潜在的影响。就像前面提到的根据图片诊断黑色素瘤的工具,其关键就在于对比上百万人的具体信息。

2. 数据监管和安全

在WISH2018大数据和AI的分论坛上,数据的安全问题被反复提及。与会者指出,因医疗数据中包含可识别患者潜在信息,患者很自然会担心对其数据的不正当分享和使用,因此不得不考虑数据存储的安全问题。由于资源有限和监管碎片化,以及医疗行业在IT上投资较少,医疗数据是网络攻击的薄弱环节。因此,所有医疗机构在存储数据时都必须考虑以下5个问题:

谁能获取什么数据,需要什么条件?

如何预防和发现未经授权的数据访问?

如何确保数据的准确性和连贯性?

如何确保关于数据的任何交互的可追踪性和责任?

自动算法引起的错误推荐或数据安全泄露,责任在谁?

要想设计一个可以回答这些问题的系统,需要遵循以下准则:

只收集、存储和开放重要信息的入口;

使用独特的、连续的但是匿名的患者识别码来连接系统内的记录;

考虑使用本地或云端的存储,而不是只用一个中央数据库;

使用加密和企业级别的安全措施;

确保所有数据交互都是可追踪的并且是透明的。

3. 医疗系统内部和医疗系统之间的数据互操作性

AI尤其是机器学习,只有在整合不同来源、不同类型的数据时,才能发挥最大的作用。要想达到这一目的,数据可以以两种规模来整合:

同一种工具或设备内的数据整合,在更大系统范围内的数据整合。

在同一种工具或设备内,不同数据源的整合,即便是只收集当地数据,也可以得到更好的结果。在更大范围内的数据整合,可以是整个国家健康系统内整合数据,并与其他公共记录相结合。例如,爱沙尼亚就将全国的电子病历与大量外部数据集相连。

4. 加大投资吸引科技和数据科学方面的人才

医疗机构吸引数据科学专家并不是件容易的事,一部分原因是,医疗机构给的工资与私营企业相比,不具备竞争力。因此,医疗系统需要在职业路径和雇佣模式上下功夫,吸引顶尖人才。

首先,医疗机构可以考虑与外部机构合作,例如很多教学医院在与学术机构、初创公司等建立合作。技术初创公司已经有了很好的数据分析能力,但是缺少专业知识,与医院合作对他们来说,是一种快速增长技能的方式。

其次,医疗系统在培养医疗健康专家的过程中,增加大数据分析技能的培训,这对未来的临床决策、效果监控和财政管理将大有裨益。在制定长期培训计划时,政府、医疗系统有大量的资源可利用,如MOOCs课程就可以用来培训员工的数据安全能力,研究生和本科生的数据科学课程可以用来培训没有相关技能的健康专家。

5. 充分和重复利用数据来改善医疗决策和诊疗

医疗系统要想持续学习和改善数据收集,必须能够重复利用数据。在数据的重复使用中,不得不重新考虑患者的知情同意问题。

在使用患者数据用于某一用途时,必须询问患者同意,但这种模式会阻止患者数据被用于其他用途,局限了数据整合的作用。这种时候可以考虑“广泛知情同意”(broad consent),即询问患者是否同意数据被长时间持有,并用于更广泛的用途,但需要说明谁能使用数据,以及用于什么目的。

03

四大应用案例

世界范围内已经有很多国家和机构在探索将大数据和AI应用于医疗系统,具体到国家、医疗系统、科技企业如何操作,或许可以从以下四个案例中获得灵感:

1. 爱沙尼亚的电子健康系统

自20世纪90年代起,爱沙尼亚就开启了“数字政府模式”,覆盖全国130万民众。在国家首席信息官的领导下,居民可以在线上进行选举投票、缴纳税款、管理教育和公共服务,以及管理自己的电子健康记录。这一模式对居民来说,更透明、快速和便捷,对国家来说好处更大——通过数字化爱沙尼亚每年可节省2%的GDP.这一模式中电子健康系统的特点是:

数据归居民个人所有:每个人都可分享和控制自己数据的入口。

每个记录都和唯一的居民识别码相连:居民通过该识别码登录系统,使用所有公共健康数据库。居民还可以设置一个相当于密码的数字签名,与实体签名拥有同等法律效力。

“只有一次”政策:政府只收集一次信息。数据在哪里产生,就在哪里存储。例如,一个牙医诊所存储自己的数据,医院也是如此,这种做法大大提高了网络安全——如果一个服务供应商泄露了数据,也只有一部分数据而不是整个系统有泄露风险。

全国的数据集可通过X-road系统连接:这种做法可以通过互联网安全地将全国数据库联系起来,帮助医生快捷地从其他数据库中调取患者就诊记录、影像和检测结果。

所有记录的交互都通过一个区块链形式的总账薄记录在案,任何人访问患者数据,患者本人都可以监测到。此前,爱沙尼亚前首相滑雪事故后有多名家庭医生查看了其医疗记录,最终因此丢掉了行医资格。

许可管理:要想分享个人数据或用于科学用途,需要当事人同意。如果企业将其数据用于商业用途,还需支付当事人一定费用。

2. 英国致力于开发健康信息化

英国是世界上第一个开发全国健康IT策略的国家,然而,其策略却没有实现改善诊疗和医疗效果的目标。部分原因是太集中于实施电子病历系统,而忽略了投资数字化数据,也没有意识到数字科学在推动医疗转型方面的潜力。

意识到问题的英国政府,吸取其他国际经验,开始重视NHS的数字科学能力。到目前为止,英国政府建立了四个培训机构:NHS数字研究院(NHS Digital Academy),培训首席临床信息官和首席信息官在数字科学技术和领导力方面的能力,还有Farr研究院(Farr Institute)、英国健康数据研究所(Health Data Research UK, HDR UK) 和阿兰图灵研究所(Alan Turing Institute)。这些机构都在全国范围内开展健康数字科学的研发。

电子病历技术非常重要,但国家和医疗机构的关注焦点应是如何最大限度地、安全地、重复地利用数据,使得临床、手术和学术利益最大化。要想达到这一目的,各机构之间需要打破原有格局,甚至与曾经的对手合作。

3. Beth Israel Deaconess Healthcare System

Beth Israel Deaconess Healthcare System拥有4家医院,共2600名医生,是美国医疗行业领先的数据科学创新中心之一。其成功一方面归因于强制增强了电子病历之间的互操作性,并且将数据挪到了云端。更重要的是,将熟练的数据工程师纳入到医院组织结构中来。他们从亚马逊和谷歌请来技术人员,使用该院多达7PB(千兆兆)的数据。这种合作大大推动了创新,不到2年时间,该团队就开发了一款具备多种功能的技术工具:

自动执行重复性任务——AI可以将99.9%的文件分类,并且帮助录入信息;

将手术室工作效率提高30%——AI可以准确预测某一位患者进项某一手术所需的时间;

使用深度学习影像分析工具,将根据淋巴结切片诊断乳腺癌的人工错误降低了85%.

Beth Israel Deaconess Healthcare System的例子说明,通过向现有技术巨头学习,可以让医疗机构以更快的速度来创新并增强能力。

4. DeepMind Health

DeepMind Health是英国一家AI公司,现已被Alphabet收购。DeepMind在健康上的尝试始于2016年初,其研发的医疗工具Streams可以更快速地将正确的患者信息在恰当的时间送给正确的医生,减少使用以纸、呼机和台式电脑为主的系统。目前Streams已被英国皇家自由医院NHS信托基金(Royal Free London NHS Foundation Trust)的医师采用。

在Streams开发前期,英国资讯专员(Information Commissioner)担心皇家自由医院NHS信托基金会和DeepMind分享患者数据。为消除这种担忧,DeepMind采取一系列措施提高透明度:聘请了一组独立评论家,同患者、家庭护理师一起工作,并且将其与NHS合作伙伴的接触公布与众。通过这些努力DeepMind可以说是该领域透明度做得最好的企业,另有3家英国医院集团正在与其合作,部署Streams.

从DeepMind的例子可以看出,让私营企业有渠道获取患者数据确实会让人担忧数据的安全,但通过严谨的规范和合法的行为,私营企业可以克服危机并消除公众不信任。

04

大数据和AI可带来10万亿美元的经济产出

要想让大数据和AI在医疗系统中充分发挥潜力,依然面临诸多挑战。但实现这一目标带来的回报也是巨大的,据估算,更健康、更高效的人口可以给全球增加10万亿美元的经济产出。

《从政策到应用:在医疗行业应用大数据和AI》建议,政府和政策制定者立即采取行动,将数字科学和人工智能技术嵌入到医疗系统中,并且可以从以下四个方面入手:

1. 为医疗行业提供国家级的数字科学和人工智能领导。这一责任可能落到某一个部门,如卫生部,也可能是专门设立的跨部门组织,如泰国设立了健康促进基金(Health Promotion Foundation),由首相领导,国家相关部委代表担任董事会成员。

2. 在前12个月内,识别并抓住“快赢”的机会。理想状态下,第一年策略组中应该有一组人员专门负责寻找可以改善效果的机会,可以是现有数据系统上的突破点,也可以其他国家成功经验的借鉴。

3. 为中期发展(1-3年)设立策略上的优先等级,这一阶段需要整合数据集,建立监管机制,并设立数据科学卓越中心等。

4. 制定长期(3-10年)转化计划,聚焦持续改进数据整合,改进监管框架等。

鉴于目前全球范围内都缺乏数据科学和AI方面的人才,那些还在犹豫不决没有采取行动的国家,未来将很难收复这块“失地”。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党

热点文章