当前，人工智能技术正在持续深入医疗的各类应用场景中，为医院提升医疗服务水平、解决医疗资源分布不均等现实问题，提供了新的解题思路。数据作为AI得以落地的重要支撑，其采集、存储、调用等各环节均与AI与医疗的深入融合息息相关。如何构建坚实底层架构、全面提升数据管理能力，也已成为医院深化人工智能应用程度、挖掘人工智能技术价值的重要前提。

为加速人工智能技术与医疗行业的融合与发展，推动医疗健康向智能化、智慧化进阶，HC3i数字医疗网联合戴尔科技集团于2023年11月22日共同举办《共探数据赋能下的医疗AI进阶》线上研讨会。复旦大学附属华山医院大数据中心主任黄虹、东南大学附属中大医院信息化建设总工史亚香、戴尔科技集团医疗行业首席技术官张灿、趋动科技售前解决方案顾问洪喜如共同出席本次研讨会并发表精彩分享。

黄虹：数据质量是基石、智慧化是终极目标

会议上，黄虹围绕AI进阶对于数据的需求、医疗数据管理所面临的痛点，以及如何通过数据管理推动医院智慧化管理等核心内容，结合复旦大学附属华山医院（简称：华山医院）实践经验，带来了精彩的分享和宝贵借鉴。她表示，提高数据质量、统一数据标准、实现数据集中管理，是医疗AI进阶过程中对数据的需求，然而当前现状下，“数据虽多但并非全部都能用”是现实问题，让数据转换为AI落地医疗的生产要素，还需解决数据需求与医院现状的冲突和挑战，即找数难、用数难、看数难、复用难、可信伙伴难。

黄虹介绍说，华山医院正在通过持续完善数据体系的规划和治理模式，来加速推动数字化转型的进程。如何推动医院数据体系建设和可持续发展呢？黄虹主任介绍了华山医院的“四步法”：

第一步：夯实数据底座。即建立数据标准体系，实现数据要素化管理；打造医院数据资源中心，沉淀医疗大数据资产；搭建数据安全管理体系，建立数据应用规范。

第二步：完善管理模式。以国考为杠杆，从人才培养、运营决策出发，建立精细化管理体系；基于临床资料的过程数据和结果数据，加速区域间数据共享，提升诊疗效率、改善诊疗流程。

第三步：创新数据体系。制定专科规范体系，提升专科数据能力，体现临床研究等水平提升；通过构建“所见即所得”的临床诊疗工具，加快科研成果转化，促进医疗质量提高。

第四步：盘活数据资产。提升数据资产运营能力，运用数据资产的高价值特性加速产学研转换。

“我们希望通过‘四步法’让每个医疗体系内的数据资产都能成为整个社会的重要数据资产，构建可复制、可利用、可共享的高价值数据体系，为整个行业乃至社会提供真正的数据价值。”

演讲最后，黄虹分别就数据资产驾驶舱、集团化智慧门办线上指挥中心、患者流管理、数据应用超市等前瞻性建设成果进行了详尽展示。她说，未来医院在数字化、智能化、智慧化三个阶段将呈现螺旋上升的态势，在此过程中，医院需要不断努力和打磨，才能更好、更快、更稳的前行。

史亚香：发展医疗AI，应以应用场景和业务需求为导向

会议上，史亚香表示，从政策层面可以看出国家正在持续推进AI与各行业的应用与融合，聚焦医疗行业，尤其是对于规模较大的医疗机构而言，AI的触角已经深入到医技、临床、设备、管理与服务、科研等方方面面。

史亚香在演讲中详尽介绍了东南大学附属中大医院（简称：中大医院）在AI应用方面的多项代表性实践：

1.病历质控

中大医院在2018年开始尝试利用人工智能技术进行病历质控的探索，并通过开发多个质控引擎的方式最终解决了诸如主诉无法帮助医生完成第一诊断、主诉与现病史不相关等内涵质控问题。据统计，截至2019年上半年，中大医院通过AI质控数据的准确率就已经超过了人工质控的准确率。对此，史亚香强调，引入AI技术进行病历质控的前提是要与医院的业务流程和业务场景紧密结合。

此外，AI技术在首页编码方面也发挥了巨大价值。由于首页编码的工作难度很大，对于编码员的能力要求也很高，引入人工智能技术进行编码工作，能够有效节省人力、时间等成本，为医院编码工作提质增效。

2.不良事件管理

中大医院正在通过AI技术辅助医务人员进行不良事件的管理。通过该项功能，能够快速判断出各类疑似的不良事件，并将判断结果推送给相关管理人员对于这些推送内容进行二次判定。这一功能不仅节省了不良事件管理所需的人力和时间成本，更大大降低了不良事件的漏报率。

3.影像AI

中大医院在影像AI方向已经有了较为成熟的应用，较为常见的应用场景包含：针对肺结节的智能检测、自动定位、良恶性分析、结节靶重建、图文报告等；针对平片骨折的秒级阅片、骨关节可疑征象的自动检出、病变类型自动识别等；针对头颈CTA的全自动一站式后处理及报告、头颈血管多维重建、血管狭窄及斑块自动分析、颅内动脉瘤自动检出等；全自动一站式后处理及报告、自动头颈血管多维重建自动血管狭窄及斑块分析、自动颅内动脉瘤检出等。

演讲最后史亚香表示，人工智能技术在医疗行业的应用与发展，不应该以技术为导向，而应当聚焦具体应用场景、明确其发展目标和待解决的问题，然后再结合流程改造等手段进一步完善和推进。

张灿：以统一就绪的IT架构，赋能医疗AI加速进阶

张灿在演讲中表示，当前医疗AI的应用逐渐从单个模块、单个病种向着多模态、全病种、全流程发展。“早期，AI在临床方面的应用以肺结节筛查最为常见，但运用更多的临床上业务上存在很多难点和痛点，但当前随着技术的发展，我们能够看到更多的临床应用场景。例如，可以通过AI技术将影像中的心脏肌肉组织‘去掉’，进而对血管进行三维建模来找到病灶，并进行数据的后结构化处理、自动出具诊断报告。医生可以通过AI生成的报告来进行后续的检验、检查，整个流程从一个小时左右缩短至10分钟左右，大幅提升了临床的诊断效率。”张灿还表示，医疗机构同时还需要覆盖到院前、院中和院后的全流程化AI应用，即院前采集患者生命体征数据开展健康预测、院中通过辅助诊断等应用提供高效精准的医疗服务、院后通过数据为患者提供愈后辅助及康复跟踪等。

算法、算力和数据，是推动人工智能发展和应用的三要素。张灿认为，目前虽然算法和算力已经取得了显著成果，但是AI的应用落地仅靠模型训练或建模等相关工作是远远不够的，其所需的周边工作非常庞大。据统计，在AI应用落地的整个生命周期过程中，约90%则集中在数据采集、数据验证、数据清洗、数据管理等工作上。此外，在AI发展的进程中已经呈现出以计算为中心到以数据为中心的转化，聚焦医疗行业，医疗数据中心的建设也正在以数据为中心开展和推动。

基于上述背景，戴尔科技集团正在努力帮助医院用户从基础架构层面推动AI应用、加速智能化发展。据张灿介绍，由戴尔科技集团推出的高效数据管理平台解决方案，能够有效帮助医疗机构实现对于患者多维度数据的汇聚、整合、利用等需求。该解决方案包含了数据存储和处理平台，以及数据管理工具两大模块，涵盖了数据的存储、处理、管理和保护等关键功能。与此同时，戴尔科技也能够为医疗用户提供覆盖AI业务全生命周期的解决方案，该方案不仅涵盖了包括算、网、存、管、咨询在内的多种服务，还能够帮助用户对所需算力、存储空间、网络资源等进行计算和设计，为用户提供符合需求的、统一就绪的IT架构支撑。

洪喜如：软件定义GPU，充分激发算力价值

洪喜如在演讲中表示，据统计，过去两年间的医疗大语言模型在医疗相关领域的问答准确率提升了超过50%；最新的医疗大语言模型在一致性、医学归因能力、低伤害性等8个维度(共9个)均优于医生。这些都意味着，生成式AI技术浪潮正在医疗行业产生深刻影响。此间，算力作为支撑AI发展重要因素，如何破局其稀缺现状、充分应用已有算力，已成为一个重要的课题。与此同时，打破数据孤岛、加速数据高效流转，也是让数据发挥出更大价值的关键。

趋动科技作为一家软件定义AI算力的公司，可以实现非常灵活的、以软件定义资源分配的方式，帮助用户更好使用昂贵的算力资源。据洪喜如介绍，软件定义GPU是智算中心非常必要的一种手段，通过该手段能够帮助使用者在整个数据中心的全局范围内寻找合适的GPU资源，以获得更充足的算力来支撑AI应用需求。此外，基于GPU可虚拟化的特性，可实现对不同的应用场景（如智能问诊、病历生成、图像识别等）的相互隔离，让多个应用共享同一GPU，进而实现资源的复用，最终大幅提升算力的利用率；此外，针对AI繁多复杂的模型训练需求，可以通过软件定义的GPU来实现算力的“聚少成多”，将多台机器的算力聚合起来调度给同一AI模型，用以支撑其训练，最终获得更好的训练结果。

“之前，GPU作为一种昂贵的资源，在应用过程中往往是静态的方式，这种方式下，GPU的利用率很难监控，甚至多数时间处于闲置状态，对算力资源造成了极大程度的浪费。为全流程、全链路的优化GPU，我们研发了‘OrionX猎户座’这一软件定义GPU的解决方案，并在此基础上开发了‘Gemini双子座’这一AI开发训练平台。借助以上两个解决方案，可以非常好地满足、AI全生命周期的技术需求。”洪喜如说。

会议最后，洪喜如在谈及对医疗AI的展望时表示，AI技术已经在生物制药、医学影像、临床科研等多个医疗行业的应用场景中落地并持续深化，毋庸置疑，医疗AI具有令人期待的发展前景。

*以上内容整理自《共探数据赋能下的医疗AI进阶》线上研讨会。点击此处即可观看精彩回放。