来源：智东西

摘要：解读五大科技趋势及其对生活的影响，盘点新兴技术对医疗健康产业的影响案例。

全球医疗水准已经达到一个临界点，那就是与技术的深度碰撞，商业与个人医疗的界限在模糊。

医疗机构越来越重视智能化技术的作用，藉此衍生出个性化、高效化、信息化的医疗。然而，这些创新也肩负着新的责任。要让数字化医疗服务发挥的全部益处，供应商和医疗计划必须优先考虑信任和责任。

来自埃森哲的数字医疗深度行研，解读五大科技趋势及其对生活的影响，盘点新兴技术对医疗健康产业的影响案例。

一、“国民AI计划”

人工智能（AI）正在更深刻地渗透医疗健康领域，它不仅仅是一种技术工具，更是未来劳动力的一部分。

人工智能算法已被用于移动端在线诊断患者伤口。这将帮助看护人和医生远程监控老年人的身体状况，帮助他们安全地独立地生活。人工智能也在帮助医疗系统对病人的社保信息进行数字验证。

此外，AI正越来越多地触及端到端的护理，并将逐步实现规模化应用。据调查，大部分（85%）的卫生管理者认同未来三年，每个人的日常生活都将受人工智能的直接影响。

与此同时，人工智能也在成长。就像一个孩子开始学习什么是自己的责任，人工智能可以在未被编程的情况下自主学习知识。这种学习型人工智能是基于大量的训练数据形成的算法模型，它们能够识别模式并根据测试数据进行自我“反省”，来纠正模型中的相关参数。得到的数据越多，这个AI算法就能越准确的实现预测（嗯，也算一种“养成”了）。

显然，人工智能在医疗健康领域的应用很牛，也很吓人，特别是使用不当可能造成可怕的恶劣影响。医疗组织必须认识到这种潜在影响链，并构建责任制的、公平的、透明的AI（尽管这种AI现在尚未实现）。81%的卫生管理者认为目前的AI相关的组织尚未做好面向社会解释AI逻辑和决策，并承担相关责任的准备。

▲卫生管理者对AI的态度

如果一个AI被“养”的很好，它就可以开始更多地帮助医疗健康企业。举个例子，它能帮助医生从更广阔的专业视角理解疾病，提供医疗建议、接受或拒绝药物治疗等。这些专业建议，在医疗领域，就是生和死的事儿。

需要注意的是，医疗健康领导必须确保算法没有被植入“偏见”，“偏见”将对人们有害。举个例子，如果医疗健康组织创建的AI模型是做心脏疾病检测的，而这个模型的数据都是年老白人病患的案例，那就可能会给年轻的非裔美国人造成不准确的诊断从而影响相关的诊疗和医疗保险。

因此，公司使用AI时一定要注意数据的普适性，他们必须小心的、不断的调整，减少偏差，将风险、错误和潜在的危害最小化。这个层面上来看，AI的可解释性就十分重要。

可以说，没有信任，就无法普及。

这个信任一个是消费者对医疗机构的信任，使其愿意将自己的私人数据进行托付；一个是大众，或者说技术人员对算法的信任，理解其逻辑，确认其动机，并能在诊疗、理赔过程中将算法结果对大众进行清晰的解释；一个是医护人员对算法结果的信任，接受其风险测评和诊疗建议，优化资源配置。

二、“拓展视界”

“拓展视界”的技术（Extended reality technologies）提供了连接人、地点和信息的桥梁，突破的空间/距离的局限性，这将带来人们生活和工作的转变。

虚拟现实（VR）、增强现实（AR），或者说视界拓展技术/XR将物理世界和数字世界的边界模糊化了。XR技术带来的沉浸式体验解决了距离的问题，提升了用户间的关联，这对医疗而言是很大的潜在应用。

▲XR主要包括虚拟现实和增强现实两类

想象一下，农村大爷大妈，自个儿在家里，接触不到专业的医疗咨询，就不看病了？没有足够的大体老师，外科医生也能通过虚拟手术中的实践丰富经验啊，扎针小护士也能在数字世界多练练静脉注射不是？参战老兵还能在数字世界治疗PTSD对吧？

事实上，82%的卫生管理者认为，XR的的确确能够消除人员、信息和经验方面的距离障碍。

先来看人员不足的情况，XR可以建立培训场景帮助训练入职员工，佛罗里达一家叫Tampa的医院允许医生向病人及其家属展示脑瘤或动脉瘤的切面情况，帮助他们更好地了解自己的病情并理解医疗决策，从而帮助医生建立更加详细的医疗计划，模型共享还能帮助医生们丰富经验。

再来看信息不足的情况，如果医生佩戴者XR眼镜对患者进行诊断，将能实时的结合病情细节和个人病历，并获得诊疗建议。事实上，德克萨斯的医生已经开始使用一种高度可视化的“GPS”系统进行微创治疗；创企Body VR则基于类似CT扫描和核磁共振成像的原理，创建了三维身体数据可视化程序；牛津研究人员也在关注活细胞遗传数据的可视化。

▲卫生管理者对XR的态度

最后来看经验不足的情况，这是XR在医疗保健领域最大的应用。临床医生不能获得足够的临床经验，但他可以通过XR“移情”，从而提高手术技能。举个例子，Embodied实验室就在创建虚拟环境培训员工的老龄服务，“We Are Alfred”实验室向学生们展示74岁人士的视听障碍，“The Beatriz”实验室帮助学生理解阿尔茨海默病的阶段性表现；南加州大学还发现基于VR的曝光治疗工具对退伍军人的压力感（包括抑郁症）治愈率高达80%。

此外，XR技术还被医院用于孩子从痛苦（如注射或换药）中分散注意力，迈阿密医院用XR技术开发沉浸式医学人才培训（心肺复苏技术等）。

三、“可靠的数据”

医疗保健比以往任何时候都更受数据的驱动，数据正在渗透行政和临床。人工智能不仅需要数据来训练，更需要数据来建立准确性。

近四分之一（24%）的卫生管理者表示，他们的医疗组织已经多次成为对抗AI的目标（例如机器人欺诈，欺骗性传感器或物联网数据和伪造的位置数据等）。这将影响医疗决策、治疗计划、保险索赔等，公共卫生数据的错误甚至会出现疫情误报等。

77%的卫生管理者表示他们还没准备好面对数字化浪潮，而且他们已经感受到了数字的脆弱。一项全美调查揭示83%的受访医生遭遇过网络攻击。为应对挑战，医疗健康企业必须遵循双重授权，最大限度地提高数据准确性，并将数据被操纵的机会最小化。

▲卫生管理者对数据安全的态度

这一方面，需要尽可能降低系统被攻击的风险，提高数据的可靠性；另一方面需要强化系统的智能性，即对错误数据的包容性，利用区块链等技术对标记数据实现可溯源和不可篡改。

四、“业务流畅性”

战略合作关系对医疗健康组织的重要性达到历史高峰，意想不到的合作伙伴正在合作非传统方式与创造体验桥梁世界。

拥有技术基础的合作方将迅速融入新的医疗生态，快速拓展业务网。然而，医疗健康遗留系统不是建立在支持这种快速稳健膨胀。很快，这些遗留系统将成为主要系统对未来增长的阻碍。

医疗健康组织必须重估技术合作方的地位及其对自身可持续发展的重要性。这里请大家关注亮点：微服务（microservices）和区块链（blockchain）。

▲有助于新型合作关系的两个新技术

微服务不是单一的技术，而是一种灵活的结构性的模块化应用，从而帮助企业快速联结多个新伙伴，实现“成长和分化”，从而允许跨界业务合作，为市场带来更快的解决方案。它利用一套工具，比如应用程序编程接口（API）、容器和云等，将传统问题解构成简单、离散的任务。药企Walgreens和Sansoro Health都在寻求第三方微服务合作。

区块链本质上是一个去中心化的分布式账本数据库，具有分布式、去信任化、不可篡改、可追溯等特点，可以帮助创建、缩放和管理合作关系，包括医疗计划、供应、协议和财务数据等。区块链中的参与方在获取和提交数据方面都是平等的，基于这种智能合同，企业可以更轻松地融入新生态。78%的卫生管理者认为区块链将帮助建立数字信任。

▲卫生管理者对生态伙伴关系的态度

五、“联动思维”

从ICU医院房间自动管理病人的点滴到设备的自我维护，越来越多的医疗机构在发展基于机器人、视界拓展技术/XR、人工智能和设备网络的智能化。

然而从硬件基础来看，这种全面实时联动的模式远未成熟，它需要足够的信号带宽来支持远程控制，需要足够的计算能力来支持实时响应。

▲实时联动需要带宽、存储、计算三方面的技术成熟

基于现有的硬件基础，未来医疗系统需要面临三大战略挑战：无处不在的智能工具、云端与侧端/边缘智能的平衡，以及自定义硬件。利用这三点塑造智能环境，将有助于医疗组织改善自己的IT架构，优化资源配置，提高诊疗效率。

举个例子，医疗设备可以根据危重病患生命体征自动自动调配点滴，减少信息滞后时间（将数据发送到云进行分析产生正确的见解）。类似的，Alexa也可以利用可穿戴设备提供的（心率）数据建议用户坐下休息等，紧急时可提醒看护人或医疗保健供应商介入。

▲卫生管理者对实时联动医疗系统的态度

小编认为，随着传感器技术、大数据技术以及计算能力的发展，物联网、人工智能和虚拟现实/视界拓展技术的概念愈发具象，这在医疗领域而言，有望帮助医护人员更精确、更贴心地为病人提供诊疗服务，帮助医疗系统更高效的运转，与第三方实现更灵活的（基于区块链的）可信的合作。当然，算法的脆弱性（易受错误数据欺骗）以及信息的敏感性等问题都有待更具包容性且更具可溯源性的技术来解决。

下载链接:https://pan.baidu.com/s/1DpxyvWuB96SO7zwCXoU1LQ 密码:hpr9

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”