刘韵洁院士在大会现场
由国家卫生健康委员会国际交流与合作中心、中国信息通信研究院联合主办的，以“携手共建互联互通的健康命运共同体”为主题的“‘一带一路’互联网+医疗健康大会”8月17日在北京举行，本次大会旨在进一步落实 “一带一路”倡议和国务院 《关于促进 “互联网+医疗健康”发展的意见》的要求，推动新一代信息技术与传统医疗卫生行业融合发展，来自10多个“一带一路”国家卫生高级官员和国际组织代表出席大会。
国家卫生健康委员会副主任曾益新在开幕致辞中指出，健康是人类的共同追求，也是百年来古老丝绸之路的永恒主题。中国政府高度重视“互联网+医疗”工作，旨在让老百姓少跑腿，让数据多跑路，不断提升公共服务均等化、普惠化和便捷化水平，通过加快医联体建设，发展“互联网+医疗”，让群众在家门口享受优质医疗服务。中国工程院院士、北京工业大学北京未来网络科技创新中心主任刘韵洁教授在会上作了题为《互联网+AI助力医疗健康发展》的主题报告。刘韵洁院士说，第三代互联网的特点是与实体经济的深度融合，未来网络和人工智能将极大地助力医疗发展，提升医疗服务能力和水平。
与实体经济深度融合是必然趋势
刘韵洁院士介绍，近50年来，互联网发展经历了三个阶段，第一代互联网主要在科研部门使用，如以阿帕网为代表的互联网在军事和科研上的应用。第二代互联网开始在社会领域得到应用，万维网、电子商务的蓬勃发展对人们生活和工作产生了巨大影响；但第二代互联网也存在可扩展性、安全性、可控可管性和能耗等方面的问题。互联网现已进入第三个发展阶段，也被称为未来网络发展阶段。第三代互联网的特点是与实体经济深度融合，与包括医疗行业在内的行业、产业深度融合，如工业互联网、能源互联网、车联网等；互联网的功能已经从单纯的信息传输向消费和生产转变。“互联网+”，互联网与实体经济深度融合是必然趋势，未来网络发展迎来了新机遇和新挑战。
未来网络已成为全球竞争焦点，世界各国都在未来互联网领域做出布局。如在未来互联网基础研究方面有2005年美国科学基金FIND计划，2010年美国科学基金FIA计划，2014年美国科学基金FIA-NP计划；欧盟制定了ECIAO、FIBRE、TIRE 等计划， 日韩也 制 定 了 AKARI、RISE、K-GENI等研究计划。在未来互联网试验网研究方面，正在实施的有德国GLAB、 欧盟 FIRE、中国 CENI、澳大利亚NICTA、韩国ETRI和美国GENI等研究计划，多家国际知名公司进军未来网络产业。
刘韵洁院士说，近年来，各国通过制定国家战略，把工业互联网作为发展战略，旨在推动本国互联网与传统行业融合，抢占行业产业发展制高点。德国工业4.0，美国工业互联网，日本机器人新战略，英国制造2025，中国“互联网+”战略和中国制造2025等，其理念都是一脉相承的。
刘韵洁院士介绍，互联网占经济GDP比重被称为iGDP，2013年中国iGDP达到4.4%，同年美国为4.3%，这表明中国互联网经济已达到全球领先水平。有预测显示，2013年～2025年，互联网对中国GDP比重增长的贡献率有望达到7%至22%，发展前景广阔。“互联网+”推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。“互联网+”将进一步激发互联网对传统领域的渗透，提升互联网在社会经济发展中的重要作用。
人工智能重塑医疗行业
刘韵洁院士说，随着宽带网络、云计算、大数据、人工智能等技术的快速发展和迭代更新，互联网为传统医疗卫生行业发展提供了不竭动力，医疗产业转型、分级诊疗等都面临着网络化升级的强劲需求。今年4月28日，国务院办公厅发布《关于促进“互联网+医疗健康”发展的意见》，医疗与互联网、AI技术等的结合将有力地促进医改，而分级诊疗是我国医改的重要内容之一，其目的是通过优化医疗资源配置，让不同层级医院形成有效的分工协作，缓解医疗服务供给不足的矛盾。强基层是分级诊疗体系建设的一个重要环节，目前我国基层医疗机构的技术水平和诊疗设备等都存在很多 “短板”，“互联网+”在提高基层偏远地区医疗服务能力和水平方面将发挥重要作用。互联网及人工智能技术将赋能基层医疗，人工智能有望将国内外顶尖医学专家的知识和诊治经验快速复制，为基层医生提供实效实时的临床决策支持，有助于提高广大基层医务工作者的经验和能力，提高基层医疗卫生机构能力和加强医联体建设，将成为互联网助力医改的重要方向之一。
刘韵洁院士指出，医疗行业是数据密集型行业，医疗数据的加速积累对网络、存储、管理等提出了更高要求。IDC预测，2020年医疗大数据将达到40万亿GB，其庞大的数据量是2010年的30倍。但大数据与传统数据相比，在数据容量、处理实效、数据结构、数据来源、数据整合、存储架构、接入方式、分析对象、分析方法和分析结果等方面存在较大不同。如在数据容量方面，大数据是不断快速增长，达到 TB、PB、ZB；而传统数据为MB或GB；在处理实效性方面，大数据以秒为单位，非常迅速，而传统数据较慢，以小时或天为单位；在数据结构方面，大数据多为非结构化或半结构化数据，而传统数据则为结构化数据。
随着《“健康中国 2030”规划纲要》等国家规划的相继落地，“健康中国”建设正式进入实施阶段，在国家政策的大力支持下，互联网技术在我国医疗行业的应用方面已愈发成熟，AI医疗、数字医疗、医疗大数据共享、医疗云等创新科技正逐渐渗透到医疗领域方方的面面。刘韵洁院士认为，我国正处于互联网医疗、AI医疗并行发展阶段，海量医疗大数据储备、快速数据产生、传输和共享以及将数据结构化的能力，都需要效果出色的人工智能算法支持，技术+数据充分积累，未来网络+人工智能将重塑医疗行业。借助数据、互联和智能，人工智能将渗入到从研发、诊断、治疗到服务等医疗行业的所有环节，并以数据化、场景化、智能化趋势向前发展，医疗行业也将从医疗信息化、互联网医疗阶段发展到更高的AI医疗。AI医疗的特点是机器学习辅助，涵盖了人工智能、数据挖掘、图像处理识别、机器学习、自然语言处理、数据可视化等，通过大数据和AI医疗提升医疗服务能力和水平。
AI医疗应用贯穿三个层面
刘韵洁院士介绍，互联网医疗、AI医疗的应用贯穿了泛在感知、有效传递和智慧处理三个层面的内容。
泛在感知是指通过各种具有感知能力的设备实现感知和识别物体，采集和捕获原始信息。泛在感知是健康物联网满足多元通讯情境的需要，其特点和发展趋势是产品小型化、便捷化、低成本、网络化、突出人性化设计和产品种类多样化，如心电手机、腕表等；但成本低、高精度、易使用以及核心芯片以进口为主等问题很大程度地制约了终端低成本化的实现。受制于测量精度、测量操作设备及成本，一些血压测量、血糖测量的终端还难以被用户普遍接受，还没有得到很好普及。要从频谱效率、能源效率和成本效率出发，针对低传输速率和近距离无线通讯技术进行标准化，以适应医疗健康物联网多元应用情境。通过大数据分析技术，通过人工智能技术，把日常采集到的泛在感知数据信息真正服务于每个人的健康，让小型终端设备更便宜、更快捷、更方便于人们的生活，尤其是如何让手机成为“私人医生”，在这些领域，还有待进一步探索。
未来网络环境中，远程医疗会诊或手术都要借网络，如果网络出现问题，各种医疗活动将被迫终止，后果将非常严重。保证超高清、大流量信息传输需要建设一个可靠的、可定制的、快速方便的网络系统。为此，在未来网领域，北京工业大学提出一个新的网络架构，即基于SCN架构的未来网络试验网建设。该网络是一个可以根据不同业务定制服务的网络，也是我国正在实施的大科学工程未来网络基础设施项目，目标是在全国40个城市建设133个边缘网络，明年将在部分城市开通。
刘韵洁院士说，未来医疗健康服务需要智慧医疗体系支撑。智慧处理融合了信息通信技术与行业专业技术，与行业需求结合，实现了广泛智能化的解决方案。通过有效传递和泛在接入接口，将各类感知延伸，网络中心的局域信息快速安全地接入到网络承载的服务层中；通过开放创新接口，将众多业务系统接入到业务服务层，实现共性支撑能力调用，达到业务服务能力的相互协调管理。
医疗平台云化为数据智慧处理搭建基础。来自健康数据采集终端和各级医疗卫生机构的数据，通过数据传输汇集到医疗云平台，内容包括人口信息、健康档案、电子病历等。医疗云平台进行人工智能分析和智慧处理后，将这些医疗大数据提供给各层次医疗服务体系，包括医药监管平台、公共服务平台、医疗协同平台、家庭签约服务平台、决策预警平台等。医疗大数据可应用场景丰富，且能深度挖掘，由价值医疗驱动的产业发展实现了医疗服务质量和医疗成本双赢，其潜在价值空间巨大。医疗大数据服务对象涵盖居民、医疗服务机构、科研机构、医疗保险管理机构、商业保险公司、公共健康管理部门等。有预测显示，医疗大数据有望给美国带来每年（3000～4500）亿美元的市场价值，我国医疗大数据市场规模至少在千亿元以上。
产业化探索初见成效
刘韵洁院士还介绍了北京工业大学北京未来网络科技创新中心面向国家发展战略、面向北京经济社会发展和京津冀协同发展重大需求，在医疗大数据、人工智能核心技术和关键技术研究及应用方面取得的进展。
刘韵洁院士说，心脑血管病、糖尿病、慢性呼吸系统疾病、癌症等是常见慢性病。我国慢性病人群庞大。大数据是探索慢病形成机理，提高慢病治疗康复效果和预警预防慢病发生的有力武器。在数据挖掘与卒中研究方面，他们的研究团队收集了三个方面的数据，一是生活习惯数据，包括饮食、烟酒嗜好、运动健身、工作性质与压力等，生活习惯是卒中重要的危险因素之一，利用生活习惯数据可对卒中风险进行预测。二是临床检验数据，包括血压、心电图、血常规和生化指标等，这些临床数据可用于卒中风险评估和临床辅助诊断。三是影像数据，B超，CT等影像数据可以直接反映人体器官状态，也可用于卒中风险评估和临床辅助诊断。研究人员将以上不同类型的数据结合机器学习手段，实现了卒中的预测、预警和辅助诊断，取得了非常好的效果。
他们自主创新研发了Stroke-DLR模型，该模型利用前沿的机器学习算法，基于北京协和医院和国家脑防委的120万人群卒中筛查大数据进行强化训练，通过分析挖掘建立了一个适合中国居民身体情况的卒中预测模型，相比国际最通用的Framinghan模型39%的预警成功率，Stroke-DLR模型预警成功率达到62%，大幅提升了中国人群的适用性和预测准确性，达到了国际领先水平。Stroke-DLR模型应用取得了显著的社会效益和经济效益，已经为超过500万老年人提供了卒中发病预警服务，有效预警超过6万人次；根据卒中发病预警提前给予干预服务，单一患者诊疗费用降低65%以上，成果推广应用对维护人民健康，节省医疗费用产生了积极作用。先进的核心机器学习与数据挖掘技术，已在美国多家医院进行了大规模临床验证，《柳叶刀》等知名杂志发表了相关研究成果。
研究人员还创新研发了一些新的模型用于糖尿病等慢病预警。基于49万条生活习惯数据开发的OAE-RF慢病预警模型，实现了对糖尿病、高血压、高血脂和慢阻肺4类常见病慢病预警，并可基于算法提供个性化防病建议。基于超过100项体征数据并结合用户的人口学特征开发的SL-COX血糖血脂风险评估模型，可有效评估和预测个体血糖风险，通过不断优化和迭代分析，实现对糖尿病更为精准的预测，研究成果已在美国多家医院得到应用。研究团队建立了一个慢病管理平台——IntelliCare慢病管理平台。该平台是一个面向中老年人群的软硬件一体化慢病管理平台，以人工智能为核心驱动提供院外闭环慢病健康管理服务，平台已在30多家机构得到应用，覆盖近10万人群。
刘韵洁院士说，心电图是置于皮肤上的电极，无创记录心脏搏动产生的电活动信息，是反映心脏电生理状态的一项重要检测指标。人工智能在心电图领域有着很多应用，特别是对基层机构减少误读误判有很大的帮助作用。研究人员提出了一个创新模型，即一维多尺度卷积神经网络（MCNN），MCNN 实际测试结果显示远远优于其他国家同类技术水平。重症监护室（ICU）是医院内临床科室中医疗设备最多，院内数据汇集最密集的地方，ICU场景的数据具有数据维度多、时效性好、价值密度大和数据质量高的特点。如何通过人工智能提高ICU治疗康复水平是一个长期的、巨大的挑战。美国通过ICU智能决策预警将重症转化比例从27%降至12%，有效降低了病人的病情恶化风险，人工智能技术首次被严格在临床上证明对重症预防有效。北京工业大学研究团队在ICU预警模型研究方面也取得了非常好的成果，ICU预警模型已在全国十几家儿童医院的ICU病房得到临床应用，服务于儿童重病的治疗和康复。
文章来源：中国工业和信息化 网址: http://zhongggyhxxh.400nongye.com/lunwen/itemid-59529.shtml
上一篇： 单宁酸的生物学特征及在医学和口腔医学领域的
下一篇： 林业论文_大青杨PuWRKY74基因的生物信息及表达模式分析
