“人工智能在健康医疗当中将有重大的价值，疫情防控、诊断治疗、卫生管理等方面，要建立一套新的模式、新的服务、新的产业。”近日中国工程院院士李兰娟在全球人工智能产品应用博览会上表示，基于人工智能的公共卫生大数据、疫情研判、疫情研判、情绪管理、地图服务、基因测序、药物研发、互联网医院、智能化服务机器人等技术在疫情检测分析、病毒溯源、防控救治、资源调配等方面起到了非常重要的作用。“是‘人工智能+大数据+5G+互联网’对整个疫情防控全流程的支撑，我们才能打赢这场防疫战。”她说。
2020年，新冠肺炎病毒挑战人类医学知识极限。人类科技文明发展的两座顶峰——现代医学和人工智能，联合抵御未知病毒的入侵。在医院的放射科室、在远程协作的移动屏幕前、在医患集中的方舱医院，医疗机器人忙不更迭的身影，记录着人工智能在医疗领域踏过的足迹。
经此一疫，我们看到从语音电子病历、智能导诊、智能问诊为代表的虚拟助理，到AI医学影像实现病灶识别与标注、三维重建、靶区自动勾画与自适应放疗；医疗大数据、医疗机器人实现辅助诊疗，到利用AI技术与新药研发、老药新用、药物筛选结合，进行药物挖掘；以及在医院管理的病历结构化、分级诊疗、DRGs智能系统、专家系统……
守着数据“金库”，却依旧“贫穷”
对疫情时期医疗数据所发挥的作用，森亿智能副总裁马汉东言语中透露着遗憾：“即使是在医疗信息化水平较高的地区，收集上来的病人的基础信息中，体温、呼吸等护理信息仍然不全，无法让这些数据背后的分析决策作用真正发挥出来。”
AI的算法训练、深度学习等都需要大量数据支持，但是新冠疫情早期的确诊案例样本量少，医疗机构缺少高质量临床诊断数据，随着临床诊断数据的积累，新冠肺炎的影像学大数据特征逐渐清晰，AI算法和算力将在新冠肺炎诊断中发挥更大的价值。
而从长远来看，利用大数据、人工智能技术，将对公共应急卫生应急管理体系发挥重要作用。尽管前期受到疫情突发影响，无法收集有用的数据，但马汉东坚信，通过此次疫情能让医疗机构意识到医疗数据质量的重要性，未来3-5年，医疗数据治理必定会有长足的发展。
数据是人工智能时代的金矿、石油，但有太多的医疗机构守着“金库”，却依旧“贫穷”。因为数据质量不容乐观，这是医疗AI应用落地的保障基础。数据多样化、缺少统一标准、集成困难；数据分散、信息孤岛、共享困难等……医院已形成大数据，但针对其应用及进一步治理则面临诸多难题。
基于电子病历评级的CDSS（临床决策支撑系统）可以说是医院所有信息系统中难度系数最高的技术难题。CDSS决策的基础依旧是数据，或者说是一条条数据构建的知识库。据了解，CDSS的建设包括临床数据中心、搭建知识库配置统一架构。其中临床数据中心内容涵盖了HIS、EMR、LIS、手麻、重症影像、护理、超声、内镜、心电等临床业务系统数据，其中有医院的临床相关数据表就有145张。
比数据重要的是知识
影像、实验室、医生问诊、体检是医疗AI数据应用的主要来源。其中，放射影像具有大量数据用于模型训练，人工智能在影像辅助诊断方面比其他领域更为快速。因此，医学影像是AI+医疗落地最早、最成熟，也是企业入场最快的领域。
此次疫情发展过程中，医院内诊断试剂短缺导致大量疑似病例难以得到确诊，随后CT影像诊断成为新冠肺炎疾病诊断的标准之一。1月28日，依图医疗与上海公共卫生临床中心联合研发的业界首个AI影像辅助智能评估系统已经正式上线，该系统在筛选高危和疑似病例、定量分析、疗效评估等方面发挥重要作用。
并非所有的AI医疗影像的反应都能如此迅速。人工智能团队利用医学知识和临床数据，快速把握新冠肺炎的医学特征，建立算法模型才是AI影像辅助诊断产品落地的关键。
针对专病的临床病例，如何利用小样本数据实现深度学习、医疗数据质量低标准化差如何为临床决策提供支撑、人工智能技术与医学专业难以逾越的知识壁垒等，是当前阶段AI医疗面临的难题。
石磊表示，新冠肺炎在CT影像方面呈现的特征与许多炎症是相互交叉的，多以斑片状为主。训练AI的第一步就是让其识别所有与炎症相关的特征。而这并非在短短几天内就可以完成。
“所谓AI阅片，并不是AI独立阅片，也不是AI独立给出诊断，实际上是‘医生+AI’，”石磊认为，AI在医疗上更高维度的场景落地应该是围绕单病种全流程诊治——即从诊断、治疗、随访、临床研究，涵盖影像、问诊、临床病历等跨多学科的诊疗信息，通过人工智能的手段，让医生从更全面的看到病人经历的诊治流程，形成临床有用的辅助决策。
这更像是一个懂得各个学科知识点，并拥有理解能力和融合能力，最终做出综合诊断的AI医生。医学本身是一项多学科、多维度信息交叉的学科。医疗专业人士的介入是必须的。智慧医疗归根到底是要解决医学的问题，数据不是最重要的，知识比数据更重要，知识就是临床经验。知识图谱是下一个人工智能必须突破的难点，机器智能一定要靠知识图谱。
医学知识图谱用于描述各个知识点、各个知识实体，以及实体和实体之间相互关联、关系的知识体系。“它最大的逻辑就是把人类医生无法标准化的知识信息，通过知识图谱的转化形成计算机能够标准化理解的相应知识点，它是整个构建智慧医疗的核心基础，也是关键的基础。”石磊表示，如何去用人工智能的方式处理自然语义，进行高质量的知识图谱的自动构建研发的技术，是下一步在整个医疗需要突破的核心技术。