近日，西門(mén)子公司發(fā)布一篇醫(yī)療數(shù)字化的報(bào)告。報(bào)告中宣稱(chēng)，當(dāng)前醫(yī)療數(shù)字化相比其他互聯(lián)網(wǎng)領(lǐng)域比較緩慢，但從長(zhǎng)遠(yuǎn)看醫(yī)療行業(yè)資源會(huì)更加緊缺，數(shù)字化是解決資源匱乏的必要途徑。在醫(yī)療數(shù)字化過(guò)程中，人工智能和物聯(lián)網(wǎng)的數(shù)據(jù)互聯(lián)是發(fā)展的重要方向。

以下是報(bào)告原文：

標(biāo)題：擁抱醫(yī)療4.0：數(shù)字化醫(yī)療是實(shí)現(xiàn)高價(jià)值醫(yī)療的關(guān)鍵

醫(yī)療的數(shù)字化正在進(jìn)行中,但并不明顯,部分原因是該行業(yè)在利用這項(xiàng)技術(shù)方面比其他行業(yè)慢。但不要搞錯(cuò)了——在你附近的醫(yī)院或診所,一場(chǎng)革命性的變化正悄然而至,可謂恰逢其時(shí)。隨著人口老齡化、慢性疾病的增加和醫(yī)療成本的飆升,醫(yī)療行業(yè)迫切需要數(shù)字化帶來(lái)的改善,以便節(jié)約成本、改善診斷和實(shí)現(xiàn)更有效的醫(yī)療。此外,醫(yī)生、護(hù)士和技師的全球性短缺,要求提高效率,并需要技術(shù)來(lái)幫助填補(bǔ)服務(wù)方面的供需缺口。當(dāng)前的“碎片化”或“孤島式”的醫(yī)療模式,剝奪了醫(yī)療機(jī)構(gòu)充分利用數(shù)字化醫(yī)療積累的先進(jìn)分析技術(shù)的能力。根據(jù)MeriTalk對(duì)IT負(fù)責(zé)人的調(diào)查,由于政府醫(yī)療衛(wèi)生主管部門(mén)難以管理不同的數(shù)據(jù)集,因此,糟糕的數(shù)據(jù)集成水平可能導(dǎo)致每年損失3420億美元。62%的檢驗(yàn)室檢查和35%的放射學(xué)檢查沒(méi)有被跟蹤,從而導(dǎo)致錯(cuò)過(guò)關(guān)鍵的診斷。

在美國(guó),未來(lái)的效率提高勢(shì)在必行,因?yàn)獒t(yī)療成本是人們普遍關(guān)注的一個(gè)問(wèn)題。根據(jù)《哈佛商業(yè)評(píng)論》的一篇文章,美國(guó)的醫(yī)療費(fèi)用目前占美國(guó)經(jīng)濟(jì)總量的近乎五分之一,是歐盟經(jīng)濟(jì)體占比的近兩倍。隨著預(yù)期壽命的延長(zhǎng)以及糖尿病和肥胖癥等慢性病的增加,預(yù)計(jì)醫(yī)療費(fèi)用占經(jīng)濟(jì)總量的比例將繼續(xù)上升。

醫(yī)療改革的可見(jiàn)部分已經(jīng)在醫(yī)療器械和醫(yī)療手術(shù)中得到了體現(xiàn)。例如,用于精密腦部手術(shù)的射波刀,甚至用于前列腺切除術(shù)的機(jī)器人。隨著人工智能(AI)、物聯(lián)網(wǎng)(IoT)的結(jié)合,以及成像技術(shù)的不斷提高,診斷準(zhǔn)確性和更精準(zhǔn)的靶向治療也在發(fā)生飛躍。數(shù)字化世界中的醫(yī)療行業(yè)的數(shù)據(jù)正以48%的年增長(zhǎng)率增長(zhǎng),而挑戰(zhàn)在于如何將這些海量數(shù)據(jù)轉(zhuǎn)化為有意義的信息。這就是人工智能如何通過(guò)將其與醫(yī)療物聯(lián)網(wǎng)中的數(shù)據(jù)源互聯(lián)而產(chǎn)生巨大影響的原因。

“數(shù)字雙胞胎”,即人體器官的個(gè)性化的計(jì)算機(jī)人體模型,使醫(yī)學(xué)專(zhuān)業(yè)人員能夠創(chuàng)建人體模型,通過(guò)虛擬的仿真結(jié)果和有效性來(lái)幫助實(shí)現(xiàn)個(gè)性化治療。未來(lái),人們的“數(shù)字雙胞胎”可以作為預(yù)測(cè)個(gè)人風(fēng)險(xiǎn)和預(yù)防疾病的健康指導(dǎo)和教練。

在使用了幾年之后,數(shù)字雙胞胎已經(jīng)被用于其他行業(yè),以幫助優(yōu)化制造、機(jī)器建模和工作流中的流程。它們將現(xiàn)實(shí)世界和數(shù)字世界聯(lián)系起來(lái),這源于一種直覺(jué)技術(shù),它利用人工智能將數(shù)據(jù)轉(zhuǎn)化為可執(zhí)行的洞見(jiàn)。這是通過(guò)使用數(shù)以百萬(wàn)計(jì)的數(shù)據(jù)來(lái)實(shí)現(xiàn)的,然后利用這些數(shù)據(jù)來(lái)訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),然后這些神經(jīng)網(wǎng)絡(luò)會(huì)近似于一個(gè)組合的多尺度生理模型的若干部分。

通過(guò)人工智能篩選數(shù)以百萬(wàn)計(jì)的記錄和檔案,以發(fā)現(xiàn)生物特征和疾病之間的聯(lián)系或相似性,醫(yī)生們現(xiàn)在可以發(fā)現(xiàn)一些原本不易察覺(jué)的問(wèn)題。在醫(yī)生分析了基因組和蛋白類(lèi)數(shù)據(jù),可在糖尿病、癌癥和其他疾病發(fā)病之前識(shí)別出有患病風(fēng)險(xiǎn)的患者后,未來(lái)的健康問(wèn)題也就可以得到準(zhǔn)確預(yù)知,這也是數(shù)字化如何有能力將醫(yī)療行業(yè)的重點(diǎn)從治病轉(zhuǎn)移到預(yù)防的一個(gè)例證。