一、前言

每年我國(guó)各類醫(yī)療機(jī)構(gòu)診療總?cè)舜纬^(guò)70億次，且存在醫(yī)療資源分配不均、布局結(jié)構(gòu)不合理等問(wèn)題，醫(yī)療衛(wèi)生行業(yè)面臨巨大的服務(wù)需求壓力。隨著醫(yī)療信息化的快速發(fā)展，電子病歷和健康檔案的實(shí)行，產(chǎn)生了大量的文檔、表格、圖像、語(yǔ)音等多媒體信息。利用人工智能技術(shù)輔助開(kāi)展醫(yī)療過(guò)程，對(duì)數(shù)據(jù)進(jìn)行整合分析，為提升醫(yī)療衛(wèi)生服務(wù)能力，解決醫(yī)療資源緊缺帶來(lái)了新契機(jī)。

2017年7月，國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提到，應(yīng)深化人工智能在智能醫(yī)療領(lǐng)域的應(yīng)用，推廣應(yīng)用人工智能診療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。人工智能技術(shù)能夠?qū)Υ笠?guī)模開(kāi)放式醫(yī)療數(shù)據(jù)的語(yǔ)義進(jìn)行分析、挖掘和理解，實(shí)現(xiàn)對(duì)醫(yī)學(xué)語(yǔ)義網(wǎng)絡(luò)和知識(shí)中心的自動(dòng)構(gòu)建。通過(guò)對(duì)海量的醫(yī)學(xué)文獻(xiàn)、病例數(shù)據(jù)和診療方案進(jìn)行快速檢索，分析數(shù)據(jù)之間的隱含關(guān)系，能夠開(kāi)展輔助診療、藥物研發(fā)等問(wèn)題的研究，推動(dòng)醫(yī)療技術(shù)的進(jìn)步。通過(guò)對(duì)醫(yī)學(xué)影像的智能分析，能夠準(zhǔn)確提取特征，定位病灶，為疾病預(yù)防與診斷提供幫助。此外，語(yǔ)音識(shí)別、視頻理解、智能問(wèn)答等技術(shù)能夠在輔助病歷記錄、臨床護(hù)理、康復(fù)指導(dǎo)、自動(dòng)導(dǎo)診等諸多領(lǐng)域展開(kāi)應(yīng)用。

實(shí)現(xiàn)醫(yī)療信息和健康數(shù)據(jù)的融合、開(kāi)放共享，并利用人工智能對(duì)碎片化醫(yī)學(xué)信息進(jìn)行整理分析，對(duì)醫(yī)療診斷過(guò)程提供輔助，可改善醫(yī)療健康服務(wù)，促進(jìn)政府決策合理化，解決醫(yī)療衛(wèi)生資源配置不均衡問(wèn)題，是人工智能與醫(yī)療領(lǐng)域的最直接應(yīng)用，也是醫(yī)療人工智能發(fā)展的重點(diǎn)。本文選取健康醫(yī)療信息人機(jī)交互、數(shù)據(jù)智能中的語(yǔ)義理解與醫(yī)學(xué)影像分析作為切入點(diǎn)，簡(jiǎn)要闡述了人工智能在輔助診療問(wèn)題上的發(fā)展方向與現(xiàn)狀，討論了智能診療技術(shù)發(fā)展與應(yīng)用的問(wèn)題與挑戰(zhàn)，為相關(guān)部門提供決策支持。

二、醫(yī)療信息語(yǔ)義理解與影像分析發(fā)展現(xiàn)狀

目前，利用人工智能技術(shù)對(duì)疾病進(jìn)行臨床診斷 的研究主要圍繞兩方面展開(kāi)：一是對(duì)海量醫(yī)學(xué)數(shù)據(jù) 進(jìn)行分析處理，通過(guò)推理、分析、對(duì)比、歸納、總 結(jié)和論證，從大量數(shù)據(jù)中快速提取關(guān)鍵信息，對(duì)患 者身體狀態(tài)和患病情況得出認(rèn)知結(jié)論 [1,2]；二是通過(guò)對(duì)文字、音頻、圖像、視頻等多媒體形式的診斷 數(shù)據(jù)進(jìn)行分析與理解，挖掘和區(qū)分病情特征，進(jìn)行 診斷和評(píng)估 [3]。其中，醫(yī)學(xué)信息的標(biāo)準(zhǔn)化表征和 結(jié)構(gòu)化整合是實(shí)現(xiàn)基于大數(shù)據(jù)智能手段進(jìn)行輔助診 斷的基礎(chǔ)；而醫(yī)學(xué)影像數(shù)據(jù)作為一種能夠準(zhǔn)確、直 觀反映病情表征狀態(tài)的重要診斷依據(jù)，加之深度學(xué) 習(xí)技術(shù)在圖像特征提取方面的突破性進(jìn)展，成為當(dāng) 前人工智能與輔助診斷結(jié)合最緊密的領(lǐng)域之一。本 節(jié)將從醫(yī)療信息語(yǔ)義理解與醫(yī)學(xué)影像分析兩方面的 研究現(xiàn)狀入手，對(duì)人工智能輔助診療的發(fā)展現(xiàn)狀進(jìn) 行分析。

（一）醫(yī)學(xué)知識(shí)圖譜與醫(yī)學(xué)術(shù)語(yǔ)標(biāo)準(zhǔn)構(gòu)建

醫(yī)療健康信息化的推進(jìn)積累了海量的醫(yī)學(xué)數(shù)據(jù)。轉(zhuǎn)化自然語(yǔ)言的原始數(shù)據(jù)表達(dá)方式，整合提煉不同來(lái)源的數(shù)據(jù)，形成標(biāo)準(zhǔn)化信息，建立結(jié)構(gòu)統(tǒng)一的信息化醫(yī)學(xué)檔案，不僅方便對(duì)醫(yī)學(xué)數(shù)據(jù)進(jìn)行存儲(chǔ)、整理和查找，也有利于與人工智能技術(shù)相結(jié)合。

知識(shí)圖譜作為一種應(yīng)對(duì)互聯(lián)網(wǎng)當(dāng)中海量而零散信息的高效檢索需求所設(shè)計(jì)的語(yǔ)義網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)大規(guī)模數(shù)據(jù)及數(shù)據(jù)實(shí)體之間的關(guān)系具有很強(qiáng)的表達(dá)和管理能力。通過(guò)對(duì)海量的醫(yī)學(xué)概念、實(shí)體、關(guān)系及事實(shí)進(jìn)行整合，能夠有效表示實(shí)體間的語(yǔ)義關(guān)系。將醫(yī)療機(jī)構(gòu)、醫(yī)藥產(chǎn)品、診療病例、健康監(jiān)測(cè)數(shù)據(jù)、基因數(shù)據(jù)、健康飲食數(shù)據(jù)、運(yùn)動(dòng)數(shù)據(jù)等相關(guān)數(shù)據(jù)與圖譜進(jìn)行鏈接并在時(shí)間維度上進(jìn)行延展，是構(gòu)建個(gè)性化、動(dòng)態(tài)、多模態(tài)、可語(yǔ)義理解并用于人工智能輔助決策的健康醫(yī)療信息的基礎(chǔ)。基于知識(shí)圖譜既能夠進(jìn)行高效的信息檢索、查詢，也能夠基于已有信息進(jìn)行推理，挖掘隱含知識(shí)，開(kāi)展科普查詢、輔助診療、臨床決策、藥物研發(fā)、智能導(dǎo)醫(yī)等相關(guān)應(yīng)用的研究[4,5]，提高醫(yī)生及醫(yī)院的工作效率，提供針對(duì)分級(jí)診療的智能輔助。

目前，通用知識(shí)圖譜的應(yīng)用已經(jīng)十分廣泛，如GoogleKnowledgeGraph、Yago、DBpedia、搜狗“知立方”等。大型知識(shí)圖譜的構(gòu)建是在融合“在線百科全書”等結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的基礎(chǔ)上，利用實(shí)體抽取、實(shí)體鏈接、關(guān)系抽取、屬性填充等技術(shù)，對(duì)不斷產(chǎn)生的不同來(lái)源、不同格式的開(kāi)放式非結(jié)構(gòu)化信息進(jìn)行抽取，并通過(guò)知識(shí)融合、知識(shí)驗(yàn)證實(shí)現(xiàn)對(duì)知識(shí)圖譜的擴(kuò)充和更新[6]。

作為知識(shí)圖譜重要的垂直應(yīng)用領(lǐng)域，醫(yī)學(xué)知識(shí)圖譜的發(fā)展也早已引起國(guó)內(nèi)外的關(guān)注。醫(yī)學(xué)知識(shí)圖 譜構(gòu)建在對(duì)醫(yī)學(xué)知識(shí)進(jìn)行全面整理的基礎(chǔ)上，對(duì)關(guān) 鍵醫(yī)學(xué)知識(shí)和基本概念進(jìn)行嚴(yán)格定義，形成權(quán)威、 準(zhǔn)確的醫(yī)學(xué)本體描述規(guī)范，方便對(duì)不同學(xué)科、不同 專業(yè)和不同來(lái)源的數(shù)據(jù)進(jìn)行融合與驗(yàn)證，形成語(yǔ)義 網(wǎng)絡(luò)，為臨床數(shù)據(jù)標(biāo)引、醫(yī)療信息存儲(chǔ)、檢索和聚 合提供便利。耶魯大學(xué)通過(guò)整合神經(jīng)科學(xué)知識(shí)庫(kù) SenseLab[7]，構(gòu)建了包含從微觀分子層面到宏觀行 為層面的腦科學(xué)知識(shí)圖譜，幫助人類理解和表示神 經(jīng)科學(xué)領(lǐng)域海量信息之間的關(guān)聯(lián)。由國(guó)際衛(wèi)生術(shù)語(yǔ) 標(biāo)準(zhǔn)制定組織（IHTSDO）維護(hù)的醫(yī)學(xué)本體知識(shí)庫(kù) SNOMED CT[8]，包含了超過(guò) 31 萬(wàn)個(gè)具有獨(dú)立編 號(hào)的醫(yī)學(xué)相關(guān)的本體，以及超過(guò) 136 萬(wàn)個(gè)本體間的 相關(guān)關(guān)系，廣泛應(yīng)用于電子病歷、基因數(shù)據(jù)庫(kù)、檢 驗(yàn)結(jié)果報(bào)告和計(jì)算機(jī)輔助醫(yī)囑錄入等多個(gè)領(lǐng)域。由 美國(guó)國(guó)立醫(yī)學(xué)圖書館（NLM）建設(shè)的一體化醫(yī)學(xué) 知識(shí)語(yǔ)言 UMLS[9]，整合了 100 多部受控詞表和分 類體系，包含了超過(guò) 100 萬(wàn)個(gè)生物醫(yī)學(xué)概念和超過(guò) 500 萬(wàn)個(gè)概念名稱。UMLS 對(duì)不同詞表在不同領(lǐng)域 當(dāng)中的應(yīng)用進(jìn)行聯(lián)通，具有跨語(yǔ)言、跨領(lǐng)域和工具 化的特點(diǎn)，在信息檢索、自然語(yǔ)言處理、電子病歷 和健康數(shù)據(jù)標(biāo)準(zhǔn)方面得到廣泛應(yīng)用。

我國(guó)對(duì)臨床術(shù)語(yǔ)的探索起步較晚，目前還未形 成一套完整的、廣泛應(yīng)用的術(shù)語(yǔ)標(biāo)準(zhǔn)。中國(guó)中醫(yī)科 學(xué)院中醫(yī)藥信息研究所研制的中醫(yī)藥學(xué)語(yǔ)言系統(tǒng)包 含超過(guò) 12 萬(wàn)個(gè)概念，60 萬(wàn)個(gè)術(shù)語(yǔ)和 127 萬(wàn)個(gè)語(yǔ)義 關(guān)系的大型語(yǔ)義網(wǎng)絡(luò)，構(gòu)建了中醫(yī)藥知識(shí)圖譜 [10]。 但該系統(tǒng)存在構(gòu)建定位局限、內(nèi)容不夠完善等問(wèn) 題，尚未得到廣泛應(yīng)用。此外，國(guó)內(nèi)醫(yī)療衛(wèi)生領(lǐng)域 的相關(guān)機(jī)構(gòu)和個(gè)人發(fā)起成立了開(kāi)放醫(yī)療與健康聯(lián)盟 （OMAHA），通過(guò)行業(yè)協(xié)作、開(kāi)源開(kāi)放的方式來(lái)實(shí) 現(xiàn)健康信息技術(shù)的標(biāo)準(zhǔn)化。2017 年 5 月，OMAHA 啟動(dòng)了醫(yī)學(xué)術(shù)語(yǔ)協(xié)作項(xiàng)目，致力于通過(guò)眾包協(xié)作的 方式構(gòu)建中文醫(yī)學(xué)術(shù)語(yǔ)標(biāo)準(zhǔn)。

（二）人工智能醫(yī)學(xué)影像分析

傳統(tǒng)基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像研究圍繞醫(yī)生指定的圖像特征展開(kāi)研究，這使得模型只能圍繞指定特征進(jìn)行判斷，導(dǎo)致模型泛化能力弱，且難以對(duì)病情發(fā)展程度進(jìn)行分類。而深度學(xué)習(xí)模型具備良好的圖像特征提取能力，能夠?qū)θ祟愲y以分辨和容易忽略的特征進(jìn)行準(zhǔn)確提取和有效分析，從而取得更高的準(zhǔn)確率。

基于人工智能的醫(yī)學(xué)影像研究圍繞電子計(jì)算機(jī)斷層掃描（CT）、核磁共振（MRI）、X射線、超聲波、內(nèi)窺鏡和病理切片等多種類型的醫(yī)學(xué)圖像分析展開(kāi)，對(duì)包括肺、乳腺、皮膚、腦部疾病和眼底病變等展開(kāi)研究。對(duì)于部分疾病，人工智能診斷和分析的準(zhǔn)確率已達(dá)到專業(yè)醫(yī)生的水準(zhǔn)。

視網(wǎng)膜“糖網(wǎng)”病變是糖尿病的一種典型癥狀。GoogleDeepMindHealth團(tuán)隊(duì)將深度學(xué)習(xí)模型應(yīng)用到視網(wǎng)膜“糖網(wǎng)”病變分類問(wèn)題當(dāng)中，通過(guò)準(zhǔn)確檢測(cè)視網(wǎng)膜眼底圖像的病變情況對(duì)糖尿病黃斑水腫程度進(jìn)行分級(jí)，對(duì)測(cè)試者進(jìn)行病情預(yù)警和診斷。研究團(tuán)隊(duì)利用12.8萬(wàn)張視網(wǎng)膜眼底圖像對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，在測(cè)試過(guò)程中取得了97.5%的靈敏性和93.4%的特異性，判斷準(zhǔn)確率與人類專業(yè)醫(yī)生相當(dāng)。

國(guó)內(nèi)利用人工智能技術(shù)開(kāi)展醫(yī)學(xué)影像進(jìn)行分 析的研究也已收獲成果。某眼科中心研發(fā)的人工智 能診斷平臺(tái) [11] 能夠利用深度學(xué)習(xí)模型對(duì)先天性 白內(nèi)障進(jìn)行檢測(cè)，利用晶狀體不透明面積、深淺和 位置三大指標(biāo)對(duì)患者的患病幾率進(jìn)行危險(xiǎn)評(píng)估，并 根據(jù)診斷結(jié)果輔助眼科醫(yī)師進(jìn)行治療決策。通過(guò)實(shí) 驗(yàn)對(duì)先天性白內(nèi)障的診斷準(zhǔn)確率達(dá)到 98.87 %，三 項(xiàng)指標(biāo)（不透明面積、深淺和位置）準(zhǔn)確率分別為 93.98 %、95.06 % 和 95.12 %。在輔助決策方面，為 醫(yī)師提供建議的準(zhǔn)確率達(dá)到 97.56 %。

目前，基于深度學(xué)習(xí)的醫(yī)學(xué)影像分析主要是利 用深度學(xué)習(xí)模型對(duì)圖像特征的提取能力，完成病灶 區(qū)域識(shí)別和病情病種分類。盡管這類技術(shù)能夠取得 較高的準(zhǔn)確率，但其結(jié)果缺乏對(duì)判斷依據(jù)的描述， 難以與人類醫(yī)生的思路相結(jié)合，難以投入實(shí)際應(yīng)用。 因此，醫(yī)學(xué)影像分析需進(jìn)一步結(jié)合注意力機(jī)制等技 術(shù) [12]，尋求得到符合人類思維邏輯的分析結(jié)果。

斯坦福大學(xué)提出的 CheXNet 深度卷積神經(jīng)網(wǎng)絡(luò) 模型，在利用胸部 X 線片對(duì)肺炎患者的患病情況進(jìn) 行判斷的基礎(chǔ)上，考慮了模型的可解釋性。該模型 利用 DenseNet 深度神經(jīng)網(wǎng)絡(luò)模型對(duì)圖像特征進(jìn)行 分析，不僅在利用胸部 X 線片作為診斷依據(jù)的情況 下，精度超過(guò)人類醫(yī)生的平均水平，還通過(guò)計(jì)算模 型每個(gè)像素點(diǎn)上的各類圖像特征的權(quán)值之和，衡量 圖像各位置在分類決策中的重要性，解釋決策過(guò)程， 幫助人類醫(yī)生對(duì)患者病情進(jìn)行理解。卡耐基梅隆大 學(xué)邢波教授組近期提出一個(gè)多任務(wù)協(xié)同框架，通過(guò)引入?yún)f(xié)同注意力機(jī)制，來(lái)對(duì)異常區(qū)域進(jìn)行準(zhǔn)確定位 和概括。不僅通過(guò)標(biāo)簽對(duì)圖像內(nèi)容進(jìn)行描述，還利 用層級(jí)長(zhǎng)短期記憶（LSTM）模型生成長(zhǎng)文本形式 的醫(yī)學(xué)影像分析報(bào)告，通過(guò)文字描述對(duì)分析結(jié)果進(jìn) 行描述和解釋 [13]。

除了直接通過(guò)對(duì)醫(yī)學(xué)影像圖片進(jìn)行特征提取的 方式來(lái)進(jìn)行病情預(yù)測(cè)與診斷外，還能夠通過(guò)影像對(duì) 人體結(jié)構(gòu)進(jìn)行三維建模，實(shí)現(xiàn)對(duì)內(nèi)鏡機(jī)器人等微型 診療設(shè)備在人體內(nèi)的定位和識(shí)別 [14,15]，提供更加 豐富的醫(yī)療數(shù)據(jù)采集方式。采用無(wú)監(jiān)督學(xué)習(xí)等方式 對(duì)醫(yī)學(xué)影像特征進(jìn)行提取分析，減少對(duì)數(shù)據(jù)標(biāo)注的 依賴，方便醫(yī)學(xué)影像分析過(guò)程的開(kāi)展 [16]，也是當(dāng) 前醫(yī)學(xué)影像研究的重要內(nèi)容。此外，目前主要的醫(yī) 學(xué)影像研究?jī)H圍繞影像數(shù)據(jù)本身展開(kāi)。利用海量醫(yī) 學(xué)知識(shí)，構(gòu)建多模態(tài)數(shù)據(jù)采集分析與結(jié)構(gòu)化知識(shí)推 理相結(jié)合的智能診療模型，將成為醫(yī)學(xué)影像分析的 未來(lái)發(fā)展方向之一。

三、我國(guó)人工智能輔助診斷發(fā)展存在的難點(diǎn)與挑戰(zhàn)

（一）醫(yī)療信息化程度問(wèn)題

人工智能技術(shù)以數(shù)據(jù)驅(qū)動(dòng)為主體，構(gòu)建內(nèi)容齊全、結(jié)構(gòu)統(tǒng)一的醫(yī)學(xué)健康大數(shù)據(jù)能夠?yàn)槿斯ぶ悄茉卺t(yī)療診療領(lǐng)域的研究提供有力支持，也有助于智能診療技術(shù)的應(yīng)用與推廣。

近年來(lái)，我國(guó)在全面提升醫(yī)療信息化水平方面做出了巨大努力。自2010年以來(lái)，國(guó)家財(cái)政多次撥款，加大各地醫(yī)療信息化建設(shè)力度，推進(jìn)國(guó)家、省級(jí)、區(qū)域三級(jí)衛(wèi)生信息平臺(tái)建設(shè)。目前，我國(guó)的區(qū)域醫(yī)療信息化覆蓋率較高，計(jì)算機(jī)基礎(chǔ)設(shè)施基本實(shí)現(xiàn)廣泛覆蓋，省、市級(jí)醫(yī)院已基本實(shí)現(xiàn)全面信息化管理。但應(yīng)對(duì)人工智能輔助醫(yī)療的新形勢(shì)，尚存在許多問(wèn)題：一方面，不同地區(qū)、不同機(jī)構(gòu)間的醫(yī)療信息化發(fā)展程度存在較大差異，利用信息化手段解決醫(yī)療衛(wèi)生問(wèn)題的技能與思想尚未得到有效普及；另一方面，各機(jī)構(gòu)之間的醫(yī)療信息化平臺(tái)缺乏協(xié)同性，不同平臺(tái)、不同版本之間缺乏標(biāo)準(zhǔn)化信息交換接口，機(jī)構(gòu)之間信息交流不暢，缺乏對(duì)醫(yī)療數(shù)據(jù)的統(tǒng)一管理與長(zhǎng)期存儲(chǔ)。此外，醫(yī)療信息的產(chǎn)生過(guò)程和質(zhì)量的控制也制約著人工智能相關(guān)技術(shù)的應(yīng)用深度，構(gòu)建共享、開(kāi)放、規(guī)模化、高質(zhì)量的面向?qū)I(yè)疾病的智能輔助分析決策、新藥研發(fā)、公共衛(wèi)生決策的統(tǒng)一醫(yī)療健康大數(shù)據(jù)是重要而長(zhǎng)期的工作任務(wù)。建立國(guó)家級(jí)的健康醫(yī)療大數(shù)據(jù)云平臺(tái)，開(kāi)放數(shù)據(jù)市場(chǎng)，制定醫(yī)院服務(wù)中數(shù)據(jù)還給患者的方式方法，服務(wù)流程標(biāo)準(zhǔn)及收費(fèi)規(guī)范，以個(gè)體的應(yīng)用以及交易帶動(dòng)健康醫(yī)療數(shù)據(jù)市場(chǎng)化的發(fā)展，從而開(kāi)辟新的數(shù)據(jù)和信息整合、知識(shí)發(fā)現(xiàn)及服務(wù)市場(chǎng)。

（二）醫(yī)療工作者參與度問(wèn)題

不論是構(gòu)建規(guī)范統(tǒng)一的醫(yī)學(xué)信息系統(tǒng)和內(nèi)容準(zhǔn)確完備的知識(shí)圖譜，還是設(shè)計(jì)實(shí)現(xiàn)針對(duì)特定疾病的輔助診療系統(tǒng)，都需要獲取權(quán)威的醫(yī)學(xué)知識(shí)和豐富的臨床經(jīng)驗(yàn)，經(jīng)驗(yàn)豐富的醫(yī)生與醫(yī)學(xué)專家的參與和指導(dǎo)至關(guān)重要。但在現(xiàn)階段，我國(guó)存在人口眾多，人均優(yōu)質(zhì)醫(yī)療衛(wèi)生資源匱乏的問(wèn)題，一些醫(yī)生與專家雖期待人工智能能夠?yàn)樵\療方式帶來(lái)變革，但往往忙于臨床診療，難以投入大量精力參與到相關(guān)研究工作當(dāng)中。因此，需要在跨領(lǐng)域協(xié)作組織和激勵(lì)機(jī)制上進(jìn)行改善，成立相應(yīng)的創(chuàng)新中心，部署新穎的科技計(jì)劃，實(shí)施有效的“產(chǎn)學(xué)研”一體化策略，推動(dòng)該領(lǐng)域快速健康發(fā)展。

（三）人工智能技術(shù)與醫(yī)療設(shè)備結(jié)合問(wèn)題

相比于醫(yī)療器械強(qiáng)國(guó)，我國(guó)醫(yī)療器械研發(fā)技術(shù) 的創(chuàng)新能力依然不足，核心技術(shù)開(kāi)發(fā)能力不強(qiáng)，原 創(chuàng)核心技術(shù)較少，低端產(chǎn)品較多，關(guān)鍵零部件依賴 進(jìn)口，高端產(chǎn)品依然以仿制和改進(jìn)為主 [17]。缺乏 高端醫(yī)療設(shè)備的開(kāi)發(fā)能力與自主知識(shí)產(chǎn)權(quán)，使得人 工智能技術(shù)難以實(shí)現(xiàn)在國(guó)產(chǎn)高端醫(yī)療設(shè)備上的關(guān)聯(lián) 與部署，這使得構(gòu)建信息采集、分析處理與整合存 儲(chǔ)的一體化信息化醫(yī)療系統(tǒng)難度進(jìn)一步增大。醫(yī)療 器械自主研發(fā)與生產(chǎn)能力不足，導(dǎo)致高端醫(yī)療器械 與設(shè)備依賴進(jìn)口，價(jià)格昂貴，難以在基層醫(yī)療機(jī)構(gòu) 實(shí)現(xiàn)全面部署，也是當(dāng)前醫(yī)療人工智能系統(tǒng)的推廣 和普及所面臨的困難，并制約我國(guó)醫(yī)療產(chǎn)業(yè)的升級(jí) 轉(zhuǎn)型。有針對(duì)性地制定企業(yè)在該領(lǐng)域的創(chuàng)新發(fā)展策 略，鼓勵(lì)企業(yè)跨國(guó)并購(gòu)該領(lǐng)域的優(yōu)秀國(guó)外傳統(tǒng)醫(yī)療 器械制造企業(yè)，相應(yīng)的醫(yī)療器械與人工智能相結(jié)合 的產(chǎn)品在稅收、審批、補(bǔ)助以及等級(jí)醫(yī)院在國(guó)產(chǎn)人 工智能設(shè)備采購(gòu)上給予相關(guān)的政策傾斜，助力我國(guó) 在前沿市場(chǎng)上發(fā)力成為新一輪產(chǎn)業(yè)的領(lǐng)導(dǎo)者。

四、人工智能輔助診療的發(fā)展建議

（一）構(gòu)建開(kāi)放共享的健康醫(yī)療信息環(huán)境

人工智能輔助診療以大數(shù)據(jù)智能作為基礎(chǔ)，需要解決醫(yī)療健康數(shù)據(jù)碎片化的問(wèn)題，實(shí)現(xiàn)從數(shù)據(jù)到知識(shí)，從知識(shí)到智能的跨躍，打穿數(shù)據(jù)孤島，建立鏈接個(gè)人和醫(yī)療機(jī)構(gòu)的跨領(lǐng)域醫(yī)療知識(shí)中心，形成開(kāi)放式、互聯(lián)互通的醫(yī)療信息共享機(jī)制。

首先，我國(guó)應(yīng)著手建立一套完備的中文醫(yī)學(xué)本體知識(shí)庫(kù)，對(duì)目前主要的醫(yī)學(xué)本體內(nèi)容制定統(tǒng)一的描述規(guī)范，建立完善的分類編碼描述方式，對(duì)內(nèi)容進(jìn)行管理，定期進(jìn)行修改和補(bǔ)充。

其次，應(yīng)整合不同來(lái)源、不同類型的醫(yī)療數(shù)據(jù)，依照統(tǒng)一標(biāo)準(zhǔn)，開(kāi)展針對(duì)不同醫(yī)學(xué)學(xué)科、醫(yī)療領(lǐng)域、醫(yī)療機(jī)構(gòu)和具體應(yīng)用的醫(yī)學(xué)知識(shí)圖譜構(gòu)建工作，完善數(shù)字化中文醫(yī)學(xué)體系，推動(dòng)信息化醫(yī)學(xué)語(yǔ)義網(wǎng)絡(luò)的構(gòu)建，并在此基礎(chǔ)上開(kāi)發(fā)醫(yī)學(xué)概念查詢、文獻(xiàn)檢索等工具，為醫(yī)療工作者提供權(quán)威、準(zhǔn)確的醫(yī)學(xué)信息查詢渠道。

最后，應(yīng)構(gòu)建開(kāi)放共享的健康醫(yī)療大數(shù)據(jù)云平臺(tái)。建議對(duì)各級(jí)醫(yī)療機(jī)構(gòu)、各種健康信息數(shù)據(jù)源、公共醫(yī)療健康服務(wù)機(jī)構(gòu)的信息進(jìn)行統(tǒng)一管理，實(shí)現(xiàn)對(duì)個(gè)體健康檔案、生物樣本、基因序列、醫(yī)療保健、行為方式甚至生活環(huán)境等數(shù)據(jù)的高度整合；另一方面，在現(xiàn)有醫(yī)療信息化平臺(tái)的基礎(chǔ)上進(jìn)行標(biāo)準(zhǔn)化改良，統(tǒng)一數(shù)據(jù)格式和描述規(guī)范，實(shí)現(xiàn)不同機(jī)構(gòu)、不同來(lái)源信息存儲(chǔ)與表達(dá)的規(guī)范化。利用標(biāo)準(zhǔn)化信息接口串聯(lián)各機(jī)構(gòu)數(shù)據(jù)，優(yōu)化健康醫(yī)療信息管理結(jié)構(gòu)，實(shí)現(xiàn)健康醫(yī)療信息系統(tǒng)的實(shí)時(shí)、同步更新，實(shí)現(xiàn)各級(jí)、各機(jī)構(gòu)間的健康醫(yī)療信息共享網(wǎng)絡(luò)。

（二）建立人機(jī)結(jié)合的新型醫(yī)療發(fā)展體系

利用人工智能參與診療過(guò)程，不是讓人工智能取代醫(yī)生，而是應(yīng)當(dāng)構(gòu)建人機(jī)協(xié)同的新型醫(yī)療診療體系，將生物智能與人工智能相結(jié)合。在利用認(rèn)知模型實(shí)現(xiàn)人工智能系統(tǒng)知識(shí)更新的同時(shí)，提升人類對(duì)醫(yī)學(xué)領(lǐng)域的認(rèn)知水平。

在醫(yī)療設(shè)備方面，應(yīng)加強(qiáng)國(guó)產(chǎn)高端醫(yī)療器械的研發(fā)力度，推動(dòng)智能化醫(yī)療器械和智能可穿戴式設(shè)備的研發(fā)，實(shí)現(xiàn)醫(yī)療器械與信息化醫(yī)療數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)對(duì)接，方便人工智能系統(tǒng)的部署。

在醫(yī)療人員方面，應(yīng)當(dāng)建立醫(yī)學(xué)信息化人才 培養(yǎng)體系，加強(qiáng)醫(yī)療工作者利用人工智能輔助醫(yī)療 流程的思維方式與能力，改變傳統(tǒng)的工作流程與習(xí) 慣 [18]。同時(shí)，應(yīng)當(dāng)鼓勵(lì)醫(yī)療工作者參與人工智能 與醫(yī)療結(jié)合的相關(guān)研究，將人工智能作為研究醫(yī)學(xué)、 了解醫(yī)學(xué)的新手段，促進(jìn)醫(yī)學(xué)理論的更新與發(fā)展。 最后，還應(yīng)當(dāng)將人工智能應(yīng)用到醫(yī)療衛(wèi)生教育與培 訓(xùn)過(guò)程中，改進(jìn)傳統(tǒng)教育與培訓(xùn)模式，縮短高水平 醫(yī)務(wù)人員的培訓(xùn)周期。

（三）推動(dòng)相關(guān)制度的制定與完善

智能診療系統(tǒng)投入實(shí)際應(yīng)用，需要依照相關(guān)規(guī)定和標(biāo)準(zhǔn)進(jìn)行開(kāi)發(fā)、生產(chǎn)和審批。較之發(fā)達(dá)國(guó)家，我國(guó)尚未構(gòu)建醫(yī)療信息產(chǎn)業(yè)的一些基礎(chǔ)行業(yè)標(biāo)準(zhǔn)，也未針對(duì)智能輔助診療系統(tǒng)的開(kāi)發(fā)和應(yīng)用制定適宜的行業(yè)監(jiān)管制度。應(yīng)當(dāng)盡快制定與技術(shù)進(jìn)展相匹配的醫(yī)療信息與人工智能系統(tǒng)的行業(yè)標(biāo)準(zhǔn)，為相關(guān)系統(tǒng)和設(shè)備投入市場(chǎng)化運(yùn)營(yíng)提供制度與監(jiān)管上的支持。