就在一年前，医院门诊引入导诊机器人还是大新闻，各类新闻媒体描述标题从“有望”到“试点”到“首个”等不一，报道中，常见的患者与机器人互动画面，流露出满满的人类对这一技术生物的期待和兴奋。

但近一年，这样的新闻虽然增多了，却不再特别令人兴奋。去医院，甚至会感觉，没有机器人的门诊大厅才算新闻。

短短时间，以机器人为代表的各类人工智能产品在全国医院不断上马，令人迅速感知到现代医院服务的迭代升级。智能时代确已来临，各医院也没有落后。只是，有些担忧却不约而同地浮现——2018年12月2日，在第十二届中国医院院长年会 【创想空间】 AI+医者：创人 创智 创新分论坛上，医院管理者们的分享共同呈现了这一特征。

AI向荣，横岭成峰

从演讲者展示的各医院医疗人工智能应用实践情况看，各医院均已结合本医院发展特色，嵌入了适合医院发展的智能医疗产品。

如国内最早抓住“互联网+医疗健康”机遇的浙江大学医学院附属邵逸夫医院，从惠民便民角度出发，使从急救到复诊的出入院流程更加快捷。

通过杭州市急救中心（120）搭建信息交互平台，医院医生在急诊室内即可实时掌握救护车内的救护动态及救护车位置，从而提前掌握病人心电监护和生命体征，使“急诊更快速”。

首创融合医保移动智慧就医流程，在中心化预约平台支撑下的诊间预约、移动患者自助预约使患者检查少跑腿，此外，门诊一站式服务中心，门诊区域中心化设置让“门诊更顺畅”。

作为国内最早建立、功能最齐全的入院准备中心，邵逸夫医院的一站式服务流程实现“住院更省心”；床边办理出院手续，轨道小车配送药物到床边，实现“出院更便捷”；云平台会诊、药店、社区远程视讯令“分诊更可行”“复诊更方便”等，医院副院长周道扬介绍。

类似的场景同步也正在其他医院展现，如，温州医科大学附属第一医院基于信息化建设实现医院流程的再造与优化，上海市第十人民医院在人工智能助力下实现从学科建设到就诊质量再到精细化管理的综合能力全面提升，等等。很显然，医院基础服务能力的改善已基本普及，不过，各医院的人工智能应用场景还分别呈现出一些新特征：平台、系统化思路凸显，特色系统的研发应用频现。

各医院内部嵌入的智能化应用不再是零散的单枪匹马，相反，系统规划和有侧重的平台、系统建设思路已经实现。

如佛山市第一人民医院利用信息技术重点打造四个平台：以优化患者诊疗体验、提高满意度为目标的患者服务平台，以保障医疗安全、提高医疗质量为目标的临床诊疗平台，以大数据利用、提高科研和医疗决策支持水平为目标的知识库平台和以实现精细化管理、提高运营效益为目标的运营管理平台，该院副院长段光荣在介绍中提及。

温州医科大学附属第一医院副院长卢朝升介绍，温医附院同样也构建起以临床应用系统为核心、辅以临床支撑应用系统和行政后勤应用系统为支撑的信息化自主建设架构。

在临床应用核心系统下，又包含了“以医嘱执行为依据的收费管理系统、以组织管理协调为方向的管理与服务系统、以医疗科学评价为目标的决策支持系统、以电子病历为核心的临床信息系统、以病人全程关怀为中心的患者关系管理系统和以医院运营保障为目标的资源计划系统”六大子系统。在系列系统支撑下，医院信息化下的医疗流程实现创新与突破。

锦州医科大学附属第一医院同样也建立了基于精准医学时代考量的、跨组学的大数据系统在临床研究、运营管理分析、临床决策支持功能支撑下，平台即将开展的工作有四项：医患AI助手、跨组学大数据平台优化、大数据AI提取和研究型数字化MDT库。

专特凸显，经纬分明

有了平台和规范操作体系，不少医院已开始发力基于自家医院诊疗数据特色的、更加真实的AI模型训练和打造。

在上海交通大学医学院附属仁济医院副院长王育看来，现阶段国内医疗AI面临的问题是缺乏用于训练、验证AI模型的高质量的医疗数据。因此，结合这一现实问题，仁济医院在医疗AI构思应用方面，思路非常简单直接：一方面，通过应用现有成熟AI产品提高工作效率，另一方面，则重点构建基于仁济医院真实医疗大数据驱动的医疗AI解决方案。

但既能承载仁济医院海量医疗数据，又能支持快速挖掘分析的大数据平台，在当下国内医疗数据80%为不能被统计分析使用的非结构化数据、缺少对患者专病化全病程数据的采集的现状下，基础与期待产出即已首先产生隔阂，怎么办？

王育介绍了仁济医院科研级大数据平台建设思路：一是，以疾病为单元，通过初诊、确诊、诊疗、疾病转归、随访等时间点和病史、患者结局报告、检验、检查、样本库和影像学数据的采集类别，首先实现全病程数据采集；其次，通过自然语言处理、机器学习和知识图谱等人工智能技术，实现临床数据智能化治理；最后，通过升级电子病历模板，采集科研级数据等前结构化采集科研数据措施，实现专病化数据质控。

最终，综合国内外最新疾病研究进展，仁济医院现已制定出胆道肿瘤等多种专病全病程数据采集标准，并构建起以疾病为单元，构建覆盖患者全病程数据的专病数据库，实现通过AI技术，使多源异构的临床数据满足科研细粒度的效果。

上海十院则针对院内获得性疾病静脉血栓栓塞症（VTE），从2014年调研院内VTE发生情况、启动全院VTE防治工作，通过连续五年的信息化、规范化建设和内涵质量把控及制度完善，终于在2018年实现了VTE-AI的医护技管一体化管理。

“没有国内版评估表，没有实时动态监测，没有模拟诊疗建议，没有个性随诊档案。”作为院内常见病，院内获得性疾病，其非预期死亡原因使得VTE成为医院管理者和临床医务人员面临的严峻问题，上海十院医务处副处长侯冷晨介绍。

但通过现已建成的VTE防治管平台，已经可以实现高风险患者早期识别，并通过每小时评估结果自动更新，实时监控；通过Caprini自动评估，AI模型预警，精准识别患者风险，并推荐治疗方案，按需提醒抗凝药物使用，等等。

“总的来说，模型的搭建有效弥补了当前评分量表人工评估耗时多、不通用、实时性不强的不足，为住院患者提供全流程风险评估，切实加强了患者住院安全。”

不止于前，后AI时代

虽然欣欣向荣，但显然，AI还是一项新兴技术，正处于高速发展中的它，必然希望与失望并存。

在论坛分享中，各位医院管理者分别就各自医院的应用实际，对AI未来进化提出新的要求与期待。

首先，喂养AI急需的高质量、标准化数据是与会者强烈呼吁的。“人工智能应用要落地，就需要优质的数据土壤。虽然中国的医疗数据整体量很大，但是数据的质量也不够高，就拿医疗影像举例，必须要有临床经验丰富的医生对数据进行标注后才能拿给机器学习，这种高质量的、标注过的数据资源相对有限。”段光荣表示。

其次，医疗信息标准的缺失也是难题。AI是强数理、强逻辑的工具，对于内容的精准度和标准化要求很高。

但对于医疗图像的病灶标注，即使同一个科室的医生也可能有不同的标注方式，另外在病历方面，患者的电子病历数据很难保证完全准确同步，不同的医生对于各个病种的名称叫法都会存在地域差异，这些如何解决？

AI+医学的复合型人才短缺问题也在各位管理者关注之列，医疗本身是极专业领域，人工智能技术在医疗应用上的突破离不开医学界的深度参与。人工智能医疗领域目前最缺乏的就是复合型人才，医学人才的参与能够让人工智能团队少走弯路，许多医学问题也可能在人工智能辅助下有所突破。但目前这类人才不仅是短缺，而且是稀缺。

再次，医疗数据信息安全还须进一步加强，支付体系便利性的进一步提升，可能也还需要政策的进一步支持。最后，“便民无损医”，周道扬强调，便民的服务，技术的引入，一定不能建立在给医生增加负担的基础上。

此外，王育还特别提到基于区域/医联体实时数据迭代AI模型和基于单中心多学科实时数据迭代AI模型构建。

毫无疑问，所有问题最终都指向合作，段光荣指出。要在国家层面有意识地整合资源，梳理出临床医学人工智能的发展规律和路径，鼓励医学界、科研单位、企业等多方深度合作，进一步推动医疗人工智能发展。

AI棋局，下步还能怎么走？

人工智能，下步还能怎么走，当问题找不到出路时，也许回归初心会带来思路。

事实上，各位与会者也都有这样的智慧，锦州医科大学附属第一医院副院长朱志图即谈到了人。“2015年的电影《超能陆战队》大家都看过，如何在现代数据的基础上，很智能地让AI把我们每一个需求体现出来，目前人类还有很多路要走，不仅是因为技术，还是因为真实世界的大数据，更是因为我们人类。因为人的视野决定AI的行为，我们有太多行为是目前数据不可分析的，其中充满了不确定性。”

侯冷晨的观点类似，“AI扩展人类的能力其实是与人类互补的。”人类优势，即推理、反思及解决复杂问题，恰恰是AI的弱势，而人类的弱点，阅读、分析和处理大量数据，又恰恰是AI的优势。很明显，AI现阶段优势是与人类互补的，但未来，它的拓展能力，是否会超过人类，也许还要从现在的数据处理慢慢期待。

但即便AI+医者，可以创人、创智、创世纪，但在中国工程院院士、中国工程院副院长、中国医学科学院 北京协和医学院院校长王辰看来，“院长们还是应当真正懂得与做好住院医师与专科医师规范化培训”。

固守医者初心不变，首先将临床医生培养体系中，毕业后医学教育阶段工作做实，从住培、专培基地的遴选、管理、师资，到住培、专培后的职业发展，再到医生的临床工作方式，即主诊医师负责制下配套管理体制改革，理顺未来医生与科研等工作的关系，方可畅谈医生以外的AI未来。

浙江大学医学院附属第一医院副院长陈作兵则逆向思维，抛开AI，从现代医学的灵魂：质疑和创新讲起，反谈AI之于医学的意义。

在陈作兵看来，当下机器发展得越来越好，相反是人的健康越来越跟不上。因此，“医疗重心必须转移：以‘健康’为中心”“健康过程必须延伸：必须构造全方位、全周期健康服务”“道路必须自信：建设中国特色的健康制度”。通过详解这三句话，陈作兵点明本论坛试图呈现的初衷，不论AI与医者谁创世纪，基本立足点都应是民众健康。“而中国健康，关键在于创新。”陈作兵指出。

斯坦福大学的AI指数2018年度报告(AI Index 2018 Report)显示，AI研究目前在全球区域下呈现不同的侧重点。在2017年与2000年的AI研究成果对比中发现，欧洲的AI研究一直以来都较为全面，能涵盖多个领域；而中国则刚开始侧重于在农业科学、工程和技术上的AI研究；相比之下，美国的研究侧重点则逐渐注重转向人文科学、医学和健康的AI研究。

面对这样的压力和竞争，医疗AI究竟是谁，从哪里来，要到哪里去，也许这样的一个solgan最能回答：Make every medical decision optimal，即最优化每一个医疗决策，正如森亿智能学术总监吴海明在现场介绍的。

最后，特别感谢华中科技大学同济医学院附属协和医院党委副书记夏家红，浙江大学医学院附属第一医院副院长陈作兵两位嘉宾为本论坛带来的精彩主持。或许未来AI横行的时代，这样的妙语连珠将镌刻在一代人的回忆中。