432
阿裏雲ET醫療大腦的實踐/思考
本文主要從臨床決策係統的關鍵開始談起，接著分享了醫學影像的機器識別，以及數據是業務的支撐，最後總結了阿裏雲ET醫療大腦的總體架構。
ET大腦是阿裏雲的項目組之一，阿裏雲有非常多的大腦在運作，比如城市大腦，它掌管了交通路線的攝像頭，能夠控製紅路燈的時間；工業大腦可以幫助企業檢測工業生產當中的路徑，提高良品率；公安大腦幫助公安鎖定嫌疑人。ET大腦深入行業中，利用數據智能和人工智能幫助行業業務，這其中有很多複雜的事情。
“不能一味專研技術,然後再考慮可以把它用在什麼產品上,以及用什麼辦法把它賣掉。”很多時候人工智能技術看起來非常令人驚奇，但是事情能不能做成一個業務才是人工智能技術能不能在該行業運用下去的主要原因。
臨床決策係統的關鍵
圖為Watson係統在某家醫院實施應用，這是對臨床決策提供支持的IT係統，目標提供臨床工作的效率。在醫院有watson診室，如果醫生覺得患者需要被watson診治，就將患者帶到watson診室，或者醫生帶著患者病曆來到診室告訴watson醫生， 然後反饋回患者該如何被治療。
在技術和數據應用上麵，watson係統在世界上是絕對領先的，並沒有任何公司可以趕得上，它的數據交互非常好。臨床係統的關鍵對於watson來講，它已經有足夠廣泛的知識，但是在業務上會有一些業務問題，比如watson看一次病需要收取一定費用，那麼誰來付費呢？假設IBM不收費，醫院也不收費，這套係統進到醫院有兩種方式，一種是與醫院係統完全脫離開，單獨與它的數據庫進行交互；一種是集成到EMR係統中，集成費用誰來出？單次使用費用怎麼算？維護費用怎麼算？
不隻是watson，還有需要CDSS都麵臨著與醫院係統無法打通，隻能做一個手機App或獨立電腦在醫院運作，這就意味著該係統並沒有很好進入到醫院中去，那麼，它到底滿足了誰的需求？醫務科、臨床醫生或是信息科？
上圖是我看到的比較好的臨床輔助決策係統，在這個係統裏麵，我們看不到人工智能的影子，它與醫院中的EMR非常相似，除了右邊特有的小模塊，這個模塊提示醫生在使用EMR過程中，根據輸入患者症狀信息，推斷有可能患有何種疾病，診斷標準是什麼，需要做多少檢查為患者確診，該係統在知識庫層麵和數據層麵遠不如watson，但是它與醫生實際使用過程EMR有很好的結合，藥物之間是否有相互作用，藥物是否適合患者，有沒有過往病史顯示藥物可能不適合患者，這樣的知識庫體係被比較好的用到了醫患的流程中。
對於信息科，有電子病曆評級、HIMSS評級、互聯互通評級；對於臨床醫生，可以不增加工作量，提升病曆標準程度；對於醫務科，可以不增加工作量，提升病曆標準程度。
醫學影像的機器識別
大量專家標注的醫學圖像，經過機器學習後培養能夠自主識別醫學圖像的算法係統。回過頭來，我們也要問，這個能力帶入到醫院中有解決什麼業務問題嗎？目前在醫院中仍然還存在很多問題待解決，比如一位患者不隻看肺結節一樣，他可能還有50～100中HIMSS在裏麵，根據經驗判斷可能是肺水腫、心髒肥大、肺結節，所以隻有單一具備判斷肺結節的能力不能解決特定業務需求；其次判斷肺結節的能力不能夠做任何收費標準，無法跟患者收費，看不到收益，那麼誰來付費呢；最後，一些業務需求是否會根據這件事情產生，比如讀片有瓶頸，準確率受到質疑。
現在去醫院，如果抽一管血，很大程度上並不是在醫院檢驗科做檢查，可能送到第三方血檢中心集中做檢查，下午將報告送回來。影像中心也是一樣，下級醫院會讓患者去影像中心做檢查，他們就會批量看非常多的患者，一天檢查的肺結節的人數可能非常多，而影像中心自己不一定看片，通常會把讀片業務再外包出去，給到其他地方的醫生看片，每位醫生讀一張片大約20元左右，如果有任何的工具能夠幫助醫生看片從十分鍾壓縮到五分鍾，就會節約讀片成本。實際上我們發現，影像識別能力在三甲醫院隻是擺設，但是在影像中心的讀片軟件中被應用的非常好，這就產生了一個新的業務模式，節約了本身該付錢的人力支出，節約這部分錢有商業化的運作來做。
語音聽寫
醫護專業人員的語音速記，語義識別，及語音合成。我個人對該能力並不看好，我並沒有看到新的業務模式可以支撐，因為醫生寫病曆不是業務，並沒有人要代醫生寫病曆。如果有人要代醫生寫病曆，那麼語音聽寫就是一個業務。
數據是業務的支撐
那麼，阿裏雲在醫療行業做了什麼事情呢？本質上我們是一家技術公司，我們並不對外輸出業務層麵的能力，我們並沒有做任何的軟件在用戶交互端使用，醫院係統不會由我們來做，我們為醫院提供混合雲解決方案，能夠快速的進行混合雲和本地的調配，醫院將影像存儲到阿裏雲上，成本降低了三分之二。
阿裏雲賦能行業智能應用進入醫院業務場景，醫院係統如圖所示，它們交互非常複雜，我們需要任何一個互聯網公司想要應用一個能力到醫院時，都遇到高集成成本，而阿裏雲做了一個數據集成中間件，我們在上麵做了一定的開發，讓其能夠被傳統的HIS公司所用，來幫助傳統的HIS公司很好的做醫院內部的數據集成。再往上會有很多的數據應用架構架在上麵，比如臨床數據中心、管理數據中心、人力財務管理中心等。再向上到引擎的能力，比如影像輔助診療、語音CDSS等都是醫院會用到的基於數據所產生的智能應用。
我們希望利用本身的技術能力，讓醫院希望向人工智能技術發展時，能走的更加通順；阿裏雲上有很多在做人工智能能力的公司，阿裏雲將雲端能力匯集在一起，幫助人工智能公司在醫院場景下落地。
考慮急診患者等待時間要求的實時調度策略研究：醫院的很多小模塊背後都有人工智能的影子，隻是我們沒有感覺到。比如醫院預約係統，患者預約通常情況下是先到先得，此時會遇到一個問題，如果突然有急診必須插隊使用，就必須需要進行調整。對此，我們與醫院進行合作，我們可以動態的預測醫院明天急診患者的入院情況，以及住院患者術前檢查預警，還有門診預約患者的人數情況，通過這樣的調度係統，盡可能給有緊急需要的患者預留空間，其中運用了算法能力、數據調度能力幫助醫院提高資源有效利用率，這中間有很大利益可以產生。
阿裏雲–ET 醫療大腦平台
阿裏雲為數據智能業務鋪路搭橋。打通專有雲和公有雲上部署係統的賬號、網絡、存儲，實現在統一平台上一站式運維管理；構建基於zstack的混合雲，滿足數據安全性能和公有雲彈性穩定的雙重需求。
混合雲架構的所有的業務係統都在本地，按照正常的方式在運轉，脫離後不受任何影響。而數據智能和迭代速度越來越快，公有雲有所有API信息，可以對醫院內部做雲開放。目前醫院已經有專線和阿裏雲做對接，好處是當你想用某一個智能能力，類似於到應用市場下載，這邊會有軟件鏡像拷貝到本地，不用擔心軟件更新、升級和維護，混合雲都可以幫助所有應用係統快速種在內部。
最後更新：2017-09-18 16:33:10