摘要：如今，为了处理大量数据，人们需要获得成本更低的计算能力。医疗保健数据的爆炸式增长需要采用人工智能技术提供更好的见解和结果。

  如今，为了处理大量数据，人们需要获得成本更低的计算能力。医疗保健数据的爆炸式增长需要采用人工智能技术提供更好的见解和结果。然而，现实情况是，目前的数据来源是分散的和非结构化的，这使得很难真正利用数据的力量——这种观点得到了科学与医学的信息分析机构爱思唯尔(Elsevier)公司首席营销官IanChuang博士的认可。他表示，医疗保健的民主化似乎很有希望，但未来发展之路充满挑战。
　　
　　人工智能（AI）和机器学习（ML）是医疗保健民主化的支柱之一，正如斯坦福医学的“2018年健康趋势报告”所述。您对人工智能（AI）和机器学习（ML）在短期和长期内对医疗保健行业的影响有何看法和预测？
　　
　　Ian Chuang：与任何创新技术一样，将会有一个采用的过程。目前的人工智能（AI）和机器学习（ML）技术具有远远超出人类能力的计算能力。医学成像和基因组学是重要的应用的领域，这两个领域都是数据密集的。基因组学富含分子细节，可以寻找遗传密码与分子、蛋白质和生物学功能之间的联系，分析这些需要巨大的计算能力。而分析医学成像的数字信号以检测识别病理的细微变化可以利用计算机提供的敏锐度。这些能力增强了医生的临床决策能力。
　　
　　利用人工智能（AI）和机器学习（ML）预测或检测基于跨不同领域聚合的临床数据是比较棘手的。挖掘大量数据首先是在很大程度上依赖于数据的四个V：数量、种类、速度、准确性。这四个维度仍然存在一些限制，因为人工智能（AI/机器学习（ML）只在给定时间点使用最佳可用数据。
　　
　　如今通过日常护理收集的大部分数据来自多种来源，如电子健康记录和健康跟踪设备。这些数据通常是不一致的和非结构化的，但广泛可用。要将其转化为支持临床实践的真实证据，首先需要对非结构化数据转变为结构化的数据，然后才能采用人工智能技术。人工智能技术在真正转变医疗保健之前需要获取高质量的数据，这就解释了人工智能和机器学习对医疗保健的影响仍然是一个长期考虑因素的原因，因为需要克服行业存在的几个障碍。
　　
　　与任何研究和发现一样，风险在于根据不完整和不完善的数据集得出结论。因此，任何生成的预测模型都必须根据临床试验和研究原则进行分析。知识的进步和发展是渐进的，因此，必须分析和判断新的知识，特别是那些被机器发现而不是基于启发式的知识,以确定它是否有意义，或者它是否在合理的范围内。我们需要对与机器生成知识相关的数据集和算法实施同行评审的方法。人工智能和机器学习在这方面进展缓慢，需要明智的分析和交叉验证，而现有的知识已经经过时间测试。
　　
　　在短期内，医疗服务提供者必须开始专注于利用机器学习和临床决策支持等技术，为深度数据分析准备临床治疗和患者数据，这有助于正确记录和构建临床数据以提高其质量。
　　
　　医疗保健的民主化意味着更多的知识、便利和赋予患者自己负责的能力。医学领域面临的持续挑战之一是确定与外部组织分担患者护理的责任，以及如何以改善患者结果的方式进行协作。作为一名训练有素的临床医生，您对医生具有家长作风的心态，以及与患者分担责任/知识以确保他们获得最佳结果有何看法？
　　
　　IanChuang：作为一名医生，我们的核心业务是运用专业知识更好地为患者提供治疗服务。实际上，我个人的观点是，家长式的医疗保健模式并没有始终如一地带来最佳的患者护理或体验。知识的增长和医疗培训传统上遵循“看一、做一、教一”的方法。通过这种方法，临床医生将他的老师一样训练有素，而且随着时间的推移，其医学知识也会滞后。
　　
　　随着医学知识的爆炸式增长，了解最新的医学知识变得越来越困难。现在可以通过互联网和医疗保健内容源（如WebMD）访问有意义的信息。医疗服务成本上升，以及患者对护理体验的不满，使患者能够在寻求自己的信息和实践自我护理方面采取更多的控制。
　　
　　从哲学上讲，患者希望更多地了解并参与自己的护理决策，而不是被告知需要做什么。如果我是一名患者，我可能非常重视有关治疗的讨论，并与临床医生共同决定如何改善自己的健康。我们需要患者参与其治疗和健康维护的过程，如果临床医生认为他们的角色是一种权利，并且关系层次分明，就会感受到挑战。如果医疗保健真的是一种使命，而使命是为寻求医疗护理人员提供服务和护理，那么临床医生应该发展和调整治疗护理经验以及与患者的关系，帮助他们感受到作为一个人的价值：他们的意见和担心同样重要，他们的偏好和选择是护理决策的重要考虑因素。
　　
　　医疗保健数据的泛滥如何影响您作为临床医生的工作？
　　
　　IanChuang：医学知识爆炸式增长和医疗保健数据的数字化为临床医生带来了挑战和焦虑。事实上，我自从医学院毕业后，并在医生执照考试的前一天晚上，在知识库方面可能处于最佳状态。从那时起，我就一直在追求保持最新状态，这是因为人类不可能采用记忆的方法来扩展医学知识领域。在这个时代，我们需要知道更多，做的更多，以改善人们的健康。目前，临床护理研究数据和知识构成循证医学的基础，如果这些知识只保存在图书馆中，它将与临床护理保持距离和脱节。
　　
　　因此，重要的技能是掌握医学知识的广泛原则和进展，知道何时、如何和在何处寻找最新的信息来学习更多的知识。临床治疗的当务之急不再是谁记住更多的知识，而是谁能够在临床行动点获得最新基于证据的知识，以便提供最好的治疗和护理。
　　
　　尽管数据和知识的洪流可能是压倒性的和具有挑战性的，但幸运的是，我们现在拥有诸如医疗点访问数字参考数据库和临床决策支持（CDS）等技术，以帮助突破知识民主化的障碍。当医疗保健专业人员需要时，它可以访问临床决策支持（CDS）CDS工具使临床决策和行动更容易、更透明。
　　
　　谷歌公司和亚马逊公司等传统医疗保健领域的科技公司越来越多地专注于促进医疗保健领域的创新，您认为具有哪些潜力和挑战？医疗机构如何更有效地与科技公司合作？
　　
　　IanChuang：像谷歌和亚马逊这样的创新型公司正在考虑解决医疗问题，一些问题仍然没有得到很好地解决，如果这些重大问题得到解决，可能会节省大量成本。这些大型组织在政治和市场方面具有强大的影响力，可以消除医疗保健的一些结构和流程障碍，就像亚马逊公司减少了传统实体零售业务的成本和流程之间的冲突。医疗保健行业在传统的实体模式方面有相似之处，因为它是医疗保健行业发展的唯一途径，并且在如何接受和支付医疗保健方面存在一些冲突。
　　
　　然而，医疗保健并不是任何其他传统的零售或供应消费商业模式。第三方支付系统创造了“道德风险”，因此，从经验和成本的角度改善医疗保健需要重新设计整个系统。谷歌公司和亚马逊公司面临的挑战是改变医疗保健系统。所以我认为，这种改变将很困难，可能有一种新的医疗模式可以更好地协调激励和价值，以及重要的患者体验。
　　
　　医疗保健组织可能继续抵制变革，但抵制变革只会使遗留系统长期存在，这对于临床医生和患者来说效果不佳。由于外部实体有兴趣修复医疗保健系统，临床医生或者是被动接受任何结果，或者参与进来以确保他们和患者的观点得到关注。临床医生和患者是医疗保健领域的关键利益相关者，医疗机构和临床医生必须对新的角色和护理交付流程持开放态度。我鼓励他们进行公开对话，提供从内到外的解决方案，采用以人为本的设计思维。否则，任何新的解决方案将始终受到外部力量和传统思维定义的约束。未来的解决方案永远不会真正创新。
　　
　　成功的一个重要标准将要求所有利益相关者从改变思维模式和态度开始，而不是对抗。总之，需要利用知识和技术，向未来定义的医疗保健模式迈进。
　　
　　编辑：Harris