【回顾展望】陈金雄：智能医疗蓬勃兴起 之技术篇

【编者按】当前，人工智能（AI）怎一个“火”字了得？知名医疗信息化专家陈金雄教授认为，2017年是智能医疗蓬勃兴起之年。他将从政策、技术、数据、应用、资本、人才、挑战等几方面，对智能医疗展开分析。全文将分三次刊发，敬请关注。

来源：HIT专家网   作者：陈金雄

记得2017年初写回顾展望文章的时候，第一篇文章就是针对智能医疗，2017年的标题是《智能医疗悄然来临》。在那篇文章中，我提出：“2016年是智能医疗的元年。”

一年过去了，当我们回顾2017年人工智能以及智能医疗发展的时候，可以用波澜壮阔来形容，“BAT”更是全面拥抱人工智能：百度的战略是“ALL IN AI”，腾讯的战略是“AI IN ALL”，阿里也发布了“ET大脑”。

智能医疗的蓬勃兴起主要体现在以下几个方面：

一、国家政策持续发力

2017年7月，国务院颁发《新一代人工智能发展规划》，无疑是从战略层面谋划中国人工智能的发展。

此后，各种配套政策持续发力。2017年11月15日，科技部在北京召开新一代人工智能发展规划暨重大科技项目启动会，会上公布了首批国家人工智能开放创新平台名单：依托百度公司建设自动驾驶国家人工智能开放创新平台，依托阿里云公司建设城市大脑国家人工智能开放创新平台，依托腾讯公司建设医疗影像国家人工智能开放创新平台，依托科大讯飞公司建设智能语音国家人工智能开放创新平台。

2017年12月13日，工业和信息化部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。

二、关键技术快速发展

这一轮人工智能兴起主要以数据驱动为主，其核心技术是算法和计算能力，基础条件是数据。因此可以认为，医疗与人工智能结合的关键要素是“算法+算力+有效数据”。

深度学习算法2017年进一步取得快速发展，Google Deepmind AlphaGo 在战胜世界围棋第一人柯洁后，2017年10月更是自我创新，提出了一个新的变种AlphaGo Zero。该程序完全不依赖人类专家的对局，从零开始，使用强化学习的方法，完胜前面的版本AlphaGo和Master，标志着在围棋领域，机器已经完胜人类。

深度学习算法的开源加速推动了人工智能的发展，巨头们通过不断开源，试图建立自己的人工智能生态系统。谷歌在2015年开源了TensorFlow机器学习库；2017年2月，谷歌发布了TensorFlow 1.0；2017年11月，谷歌又发布了1.4版本。Facebook、微软和百度等也都加快了开源步伐。

目前开源的深度学习算法还有Facebook的Torch、加州大学伯克利分校的Caffe、蒙特利尔理工学院的Theano、初创企业Skymind的Deeplearning4j及国内BAT等，这些开放平台提供了大量的算法库，帮助开发者依托已有的积累快速进行优化，应用于计算机视觉、语音识别、自然语言处理与生物信息学等领域，并获取了极好的效果。

英伟达（NVIDIA）、英特尔等芯片厂商提供的图形处理单元推动了机器学习和深度学习技术的发展，这些芯片可以同时进行多项计算或并行进行，加速机器学习的训练过程。谷歌已经针对机器学习开发了定制化芯片 Tensor 处理单元（TPU），并宣布计划进一步提高芯片功能。2017年6月，谷歌在ISCA 2017上发表了一篇论文，显示这款第一代TPU比现代GPU或CPU同类产品快15-30倍，性能/功耗大约优化了30-80倍。图形处理芯片 GPU 开发商英伟达被 MIT 提名为世界上最聪明的公司。此外，苹果正在为人工智能设备开发专门的芯片。这种竞争性发展使高性能计算的成本大幅下降，并且在持续下降，让越来越多的用户可以采用人工智能。

云计算服务平台不仅提供了AI开发的基础存储资源，也在不断推出云化GPU/FPGA服务器，并通过云平台输出AI服务，是市场发展的重要驱动力之一，同时也是2017年以来发展速度最快的一个细分市场。

在关键技术领域，包括自然语言处理、智能语音、计算机视觉等技术的进展，也让人工智能得以更广泛的应用。

随着人工智能的升温，另外一个学派逻辑学派也不甘寂寞，特别是知识图谱的发展非常迅速。事实上，知识图谱技术由来已久，只是在不停地换名字而已——从上世纪70年代的“专家系统（Expert System）”，到万维网之父Berners-Lee提出“语义网（Semantic Web）”，再到他后来提出的“链接数据（Linked Data）”，都是知识图谱的前身。

伴随着Web技术的不断演进与发展，人类先后经历了以文档互联为主要特征的“Web 1.0”时代和以数据互联为特征的“Web 2.0”时代，正迈向基于知识互联的“Web 3.0”时代。知识图谱发展有赖于专家系统、语言学、语义网、数据库以及信息抽取等众多领域，是一个交叉融合的产物。

著名的通用知识图谱包括：谷歌“Knowledge Graph”、搜狗“知立方”、YAGO、DBpedia等，它们具有规模大、领域宽、包含大量常识等特点。医学是知识图谱应用最广的垂直领域之一，如上海曙光医院构建的中医药知识图谱、本体医疗知识库 SNOMED-CT和IBM Watson Health等。

三、医疗数据得到重视

有效的医疗大数据是人工智能应用的基础，对于机器学习算法的训练来说，获取海量和特定数据是成功的关键。

正因为医疗数据有如此重要的作用，所以国家、医疗机构和企业都高度重视医疗数据的开发和利用。2016年6月，国务院出台《关于促进和规范健康医疗大数据应用发展的指导意见》，把医疗大数据作为国家发展战略，同年10月把福建省、江苏省以及福州、厦门、南京和常州列为医疗大数据试点省、市。

2017年12月，国家又将山东、安徽、贵州三个省作为健康医疗大数据中心第二批国家试点，并制定“1+5+X”（1个国家数据中心、5个区域数据中心、X个应用发展中心）的国家医疗大数据规划，即贵州、江苏、福建、山东、安徽共同作为东南西北中五个健康医疗大数据区域中心建设及互联互通试点省。

除了在政策层面，还由国家卫生和计划生育委员会统一牵头组织，以国有资本为主体组建了三大健康医疗大数据集团：中国健康医疗大数据产业发展集团公司、中国健康医疗大数据科技发展集团公司和中国健康医疗大数据股份有限公司。

2017年4月，中国健康医疗大数据产业发展有限公司由中国电子信息产业集团公司、国家开发投资公司、中国联合网络通信有限公司、中国国有企业结构调整基金股份有限公司宣布正式筹建。

随后，中国健康医疗大数据科技发展集团公司由中国科学院控股有限公司、中国银行、工商银行、中国电信、中国信达、广州城投等公司宣布筹建。

2017年6月20日，中国健康医疗大数据股份有限公司宣布筹建，由中国移动通信集团公司与浪潮集团有限公司作为发起方，携手国新控股、国家开发银行、工商银行、农业银行、中国银行、建设银行、交通银行等多家企业共同组建。

除了政府层面，医院和企业也在大力发展医疗数据。最近几年，特别是2017年，大型医院信息系统从以前“以系统建设为主”逐步转变为“以数据建设”为主，临床数据中心基本已成为大型医院标配的建设项目。

正因为有需求推动，医疗数据企业崭露头角，这些企业以医疗大数据为基础，与医院联手，推动病历结构化、术语标准化，并逐步推进实现精准医疗及智能医疗。专注于医学文本（临床病历、影像学报告、基因检测报告等）分析的人工智能解决方案提供商的森亿智能，公司成立时间还不到两年，2017年11月公司即获得由红杉资本和中国基金领投的5500万元A轮融资，说明资本市场非常看好医疗数据及相关企业。

【作者简介】

陈金雄，福州总医院信息化办公室主任，全军医院信息化研究与技术支持基地主任。

医疗信息化长期耕耘者、探索者与实践者，《迈向智能医疗——重构数字化医院理论体系》、《互联网+医疗健康》、《互联网+基因空间》以及电子工业出版社“互联网+医疗健康”丛书主编。

现为中国医药信息学会电子病历与电子健康档案专业委员会主任委员、中国IT价值联盟医疗分会和福建分会理事长、中国研究型医院学会医疗信息化分会副会长、中国医学装备协会数字医疗技术分会副会长、中国医院协会信息管理专业委员会常委、中国医师协会医学工程师分会常委、福建省卫生医疗行业计算机用户协会理事长。

【责任编辑：谭啸】