任何一次技術的變革都是在需求的驅動下進行的，人工智能與醫療的融合自然也不例外。人口老齡化、醫療資源供需嚴重失衡且分配不均等問題，催生了醫療對人工智能的巨大需求；同時，我國人口基數大、市場應用規模廣等特點，又為人工智能的發展提供了良好的發展基礎。AI技術幫助醫療行業逐漸打破“被動迎戰疾病”的局面，在臨床輔助決策、疾病預測模型、患者服務體驗、個性化疾病治療等多個醫療服務領域發揮出巨大作用。

基于這些現狀，發展醫療人工智能的意義不言而喻，各方專家都在不斷探索和解鎖基于新興技術的“新玩兒法”，試圖開啟醫療健康領域新世界的大門。

大咖說：解鎖AI“花式玩兒法”，新醫療就要“求突破、敢創新”

1． 上海兒童醫院院長 于廣軍：

“從臨床角度來看，兒童骨齡檢測對于AI技術融合的需求非常強烈。人工智能骨齡檢測能有效提升診斷效率，還能夠避免因醫生水平差異等因素導致的診斷結果不精準等問題。數據質量是人工智能在醫療領域發展的基礎前提，雖然在醫療大數據研究的過程中，有一些應用場景對于數據質量的要求沒有那么高，但是用于機器學習模型訓練的數據集質量必須要過關。就拿AI骨齡檢測為例——它的數據來源必須是醫院影像庫里所提取出的一些質量較好、同時經由專家標注過的數據。只有用這樣的數據作為機器學習的訓練基礎，才能讓人工智能診斷更精準。”

2．  廈門市第二醫院醫學影像科主任 郭崗：

“現階段，醫學影像是AI“破冰”醫療的突破點，導致該現象的原因主要有二：第一，海量的影像數據絕大部分是常見病和多發病，有比較典型的影像表現和規律性，診斷難度相對較低，為人工智能的介入打下良好基礎；第二，鑒于影像科醫生巨大的工作負擔，如何把醫生從繁重甚至簡單重復的工作中解脫出來，有更多的時間進行精準醫療和教學研究也成為一個必要的需求。人工智能與醫療融合，并不是為了取代醫生，而是幫助醫生提升工作效率，讓醫生在有限的工作時間里做更多更有意義的事。”

3．   復旦大學附屬腫瘤醫院信息中心主任 王奕：

“有限專家號源卻有眾多求醫患者、緊急病情不容耽擱卻遭遇一號難求、專家超負荷工作卻依然無法提升效率，在深化改造就醫流程、建設互聯網服務的過程中，我們不斷挖掘著患者需求和醫生痛點。如何讓有限的醫療資源發揮最大效用和價值？利用AI手段提高醫療效率和質量成為有力方式。基于AI技術的精準預約平臺極大提升門診效率和醫療資源的匹配效率，準確率高達到99．2％。這種以病情優先的智慧化就醫服務，不但讓患者對智慧醫療觸手可及，還能減少醫療資源錯配率，實現‘專癥找專家，專家看專病’，使患者服務從簡單化邁入精準化。”

4．  匯醫慧影CEO 柴象飛：

“目前，醫學影像的研究可以分為兩個方面：一是影像表現的診斷意見；二則是疾病的預后預測。雖然目前AI與行業的融合主要集中在診斷方面，但隨著技術的不斷發展，預后預測方面會出現更多可能性。所謂疾病預后，就是指預測疾病的可能病程和結局，它既包括判斷疾病的特定后果，如康復，某種癥狀、體征和并發癥等其它異常的出現或消失及死亡。事實證明，在一個定義非常明確的問題上，通過向病理學家不斷學習，機器學習可以交付足夠好的表現。借助AI的優勢為疾病的診斷、治療及預后判斷提供更多依據指日可待。”

現狀論：GET新技能，仍需跨越三道“坎”

隨著人們對醫療健康需求的日益提升，醫療機構對技術支撐提出越來越高的要求。能夠滿足7＊24小時的全周期運轉、通過合理有效的訓練能夠具備精準特性、適合從事繁復的工作，這些特性讓AI成為醫療領域的“新寵”。深度學習是AI獲得突破性進展的關鍵，對于AI的能力影響巨大，數據作為AI核心算法的根本支撐，毋庸置疑成為AI發展不可或缺的一部分。但是，借助AI優勢打通醫療壁壘，成功GET醫療新技能，我們仍需跨過三道“坎”。

1． AI欲崛起，數據需先行

AI正在以前所未有的滲透力不斷影響和革新著多個行業與領域，“人臉識別”、“語音識別”、“影像識別”等應用的背后支撐，是日益龐大和精準的數據。毫不夸張的說，脫離數據的人工智能只能是天方夜譚。

訓練AI模型離不開大量分布式的計算資源，正因為有了大量的并行計算資源和算法，才使得大量的數據得以快速處理，讓人類的數據庫成為復雜模型的知識訓練體系，為機器人提供智能決策和行動，讓人工智能成為現實。計算力的突破，數據洪流的爆發、算法的不斷創新……醫療健康領域對IT架構的要求越來越高，存儲作為傳統行業，如何實現技術顛覆以滿足AI發展的要求無疑是所有醫療信息化建設者當下需跨越的第一道坎。

2． 克服“多云”困擾，AI才能騰“云”駕霧

隨著云應用在醫療領域的深入以及AI在行業中的應用展開，AI與云結合得越來越緊密。但醫療場景復雜多樣，需要更具靈活性、可伸縮性和安全性并能夠降低成本的云部署方式，多云就成為醫療機構的首選。管理多個云服務非常具有挑戰性，因為每個服務都有不同的底層架構，每個架構都有不同的管理控制臺，并且需要不同的設置和監視工具，數據放在不同的云和不同的物理存儲空間里，管理方法會有所不同，數據的同步性也不容易設定。在多云環境下，存儲架構如何在滿足醫療需求變化方面取得突破、迎接新業務和數據爆發所帶來挑戰則是第二道坎。

3． 敏感數據不丟失，AI才會更可靠

醫療健康作為關乎民生的事業，其數據重要性和敏感度不言而喻。雖然近年來國家政策對于醫療數據的應用持越來越開放的態度，但數據安全和患者隱私保護依然不容小覷。因此，無論是對患者而言，還是對醫療機構來說，保障敏感數據的安全是一切應用落地的基礎。

AI模型訓練所需數據成本投入非常大，在為機器學習構建知識庫時，龐大的數據集就會被進行信息分析和情境化， 一旦敏感數據被泄露，對患者和醫療機構而言，都是巨大的損失。因此，保障數據安全、讓AI應用更加可靠是我們要跨越的第三道坎。

答疑簿：智控數據、云享健康，軟件定義存儲開啟醫療AI之旅

在助推AI應用落地的過程中，如何合理有效進行數據的管理和共享成為首要問題。醫療數據類型多樣，且這些數據往往都存在于孤島式的存儲庫中，無法互通。為解決這個問題IBM推出軟件定義解決方案，為醫療機構提供支持大數據分析，提供面向文件和對象存儲的、統一的、可擴展的高性能存儲軟件平臺。

平臺具體特征可以簡單概括為以下幾點：

1． 云時代下的數據管理專家

“云”應用不斷深入，我們已經步入“云時代”，健康醫療數據及其存儲容量呈現井噴式增長，開放和共享順其自然的成為發展醫療大數據所強調的“關鍵詞”。傳統IT平臺面臨海量數據存儲、保護和業務應用需求時，難以協同高效地滿足需求，這就需要采用新的技術手段進行數據獲取、存儲和分析。IBM提供了有效方式：

在最底層采用IBM Cloud Object Storage （Cleversafe）作為IBM云對象存儲，實現大容量、高安全性的數據存儲；然后通過IBM ESS高性能存儲解決用戶負載平衡問題，滿足不同用戶度數據的請求；最后通過IBM Spectrum LSF調度系統進行硬件計算資源的統一調度管理。這一方式幫助醫療機構輕松應對數據管理挑戰，同時為智能診斷等多方面醫療應用提供支撐。

2． 更靈活、更敏捷，讓存儲與眾不同

醫療行業業務模式多樣、應用場景復雜，因此云部署狀況并不單一。更靈活更敏捷的存儲方式才能夠滿足“多云”環境下的數據存儲需求。

IBM ESS高性能存儲通過存儲與計算分離、獨立按需擴容，保證集群能夠靈活多變的擴展，避免了傳統的分布式架構必須要同時擴容存儲和計算而導致的容量或資源浪費。

3． 突破傳統，數據安全保護更全面

保證醫療健康與生命科學數據的高度安全是醫療AI發展的前提，這就需要IT系統具備數據快速傳輸的能力和嚴格的數據安全保護機制，保證收集到的原始數據能安全、完整的進行存儲后可以安全、快速、便捷的傳輸。

IBM云對象存儲在應對海量增加的非結構化數據的安全問題時極具優勢——跨站點數據切片的數據保存方式和夏津的數據糾纏碼加密技術讓該存儲方式比傳統存儲更安全。

實踐錄：“不可能”變“可能”，實現IT架構顛覆性跨越

數據互聯互通的融合和數據機制共享是我國政府和所有醫療領域人士長期關注的兩大問題，國家醫療大數據中心應需而生。杰若創與IBM進行深度合作，為中心共建大數據平臺和高智能計算平臺，為數據的采集、存儲和分析提供有力支撐，在兼顧安全的同時確保數據的開放性和流動性。

目前，平臺已經突破江蘇8000萬人健康檔案的存儲，讓“不可能”成為“可能”。

“這套解決方案是對傳統分布式架構的顛覆性跨越，無論從經濟性、安全性、可擴展性、可用性，還是數據的備份等各個方面看，都比傳統的分布式存儲更先進！”杰若創執行董事兼CTO劉健如是說。