醫(yī)療是人工智能較好的落地場景之一。近幾年，隨著人工智能政策的出臺，資本的接連涌入，醫(yī)療人工智能公司呈雨后春筍般涌現(xiàn)。人工智能技術(shù)最先成熟應(yīng)用的領(lǐng)域是在肺部，肺結(jié)節(jié)篩查準確率已經(jīng)達到了95%以上。此后，乳腺癌、冠狀動脈斑塊、皮膚癌、眼底病等疾病篩查產(chǎn)品也接連出現(xiàn)，如去年谷歌率先推出了乳腺癌篩查平臺、今年平安科技在各大展會上亮相的OCT智能眼部篩查系統(tǒng)。

事實上，心血管領(lǐng)域?qū)τ谌斯ぶ悄芗夹g(shù)也抱有極大期望。據(jù)《中國心血管病報告2017（概要）》最新發(fā)布的數(shù)據(jù)顯示，近年來，我國心血管病患病率與死亡率均逐年上升，心血管患病人數(shù)高達2.9億，而心血管病死亡占居民疾病死亡構(gòu)成40%以上，居首位，已經(jīng)成為影響中國居民健康水平、阻礙社會經(jīng)濟發(fā)展的重大公共衛(wèi)生問題和社會問題。

但要想將人工智能技術(shù)充分賦能心血管領(lǐng)域，有“兩道門檻”需跨越：第一，在數(shù)據(jù)收集階段，需促進醫(yī)院與醫(yī)院間的數(shù)據(jù)互聯(lián)互通，實現(xiàn)高效運算、快速分析及其與臨床表型組數(shù)據(jù)的整合；第二，能進行大規(guī)模組學數(shù)據(jù)分析，落地應(yīng)用。

難題一：醫(yī)療數(shù)據(jù)前端存壁壘，心血管信息化研究平臺難形成

欲將人工智能技術(shù)應(yīng)用到心血管領(lǐng)域，第一步需解決的是數(shù)據(jù)收集問題。目前，各醫(yī)院間存在系統(tǒng)相互割裂，壁壘森嚴的問題，這也就造成了各家醫(yī)院間的信息數(shù)據(jù)難以交換、共享和整合，更無法大規(guī)模進行數(shù)據(jù)模型訓練。

構(gòu)建一個心血管信息化研究平臺是解決數(shù)據(jù)壁壘的根本。此前，中國心血管健康聯(lián)盟就曾主導成立了“iHeart項目”，以此來整合及共享心血管疾病相關(guān)臨床信息，促進跨領(lǐng)域、跨行業(yè)的數(shù)據(jù)融合及協(xié)同創(chuàng)新。中國醫(yī)學科學院阜外醫(yī)院也曾成立國家心血管疾病臨床醫(yī)學研究中心，致力于心血管平臺建設(shè)。

具體來講，心血管信息化研究平臺的建設(shè)流程包括：第一是對數(shù)據(jù)進行采集與轉(zhuǎn)化，從院內(nèi)專家的臨床經(jīng)驗、文獻資料抽取知識內(nèi)容，通過數(shù)據(jù)的治理引擎對數(shù)據(jù)進行統(tǒng)一處理，并在此過程中進行數(shù)據(jù)的質(zhì)量控制，最終將數(shù)據(jù)匯總到臨床大數(shù)據(jù)中心；第二對大數(shù)據(jù)中心的數(shù)據(jù)經(jīng)過加密脫敏，通過映射到標準術(shù)語集，再經(jīng)過自然語言處理，形成術(shù)語庫及知識庫；第三是存儲于通用數(shù)據(jù)模型，可進行科研分析平臺的多場景和多中心應(yīng)用。

在平臺建設(shè)中，有兩個難點：第一是對數(shù)據(jù)質(zhì)量的控制。中國工程院院士、國家心血管病中心主任胡盛壽就曾在2018深圳國際BT領(lǐng)袖峰會上提到，我國的醫(yī)療數(shù)據(jù)存在不完整和不真實的問題，比如診斷行為不規(guī)范，信息產(chǎn)生、采集的錯誤百出。而平臺建設(shè)需要高標準、高質(zhì)量的標注數(shù)據(jù)庫。第二是平臺建設(shè)也需診斷場景的深度學習模型研發(fā)。雖然深度學習算法有很多公開的開源模型，但這些模型都是在一定的數(shù)據(jù)集上訓練出來的，且大多是基于自然界的二維圖像。

也正是這兩個難點，中國至今還沒有心血管領(lǐng)域的醫(yī)療產(chǎn)品通過FDA認證。但為解決上述問題，大部分的心血管信息化研究平臺在建設(shè)上都會選擇有科研實力的大型醫(yī)院作為模型數(shù)據(jù)構(gòu)建試點區(qū)。此外，在模型的搭建上，也會選擇有臨床醫(yī)學數(shù)據(jù)中心實施經(jīng)驗的單位進行承建。

難題二：心血管領(lǐng)域的臨床決策支持系統(tǒng)成熟難度大，落地較困難

自2015年以來，國家已陸續(xù)出臺了多項推動醫(yī)療人工智能領(lǐng)域發(fā)展的政策，Al產(chǎn)品也紛紛出現(xiàn)。在心血管領(lǐng)域，已經(jīng)有不少的醫(yī)學影像篩查產(chǎn)品。但能對診療起到更大幫助的臨床診療決策支持系統(tǒng)目前仍處在一個十分不成熟的階段，其主要原因一個是術(shù)語庫的建立難度大，另一個是人機交互體驗難以實現(xiàn)。

術(shù)語庫的建立往往與心血管信息化研究平臺的建立有莫大關(guān)系，而人機交互體驗則涉及到后期的應(yīng)用落地。通俗一點講，人機交互體驗就是讓系統(tǒng)按照醫(yī)生的臨床思維過程，在醫(yī)生需要的時候提示需要的信息，為醫(yī)生輸出可支持智能評估，智能填表、自動風險提醒、醫(yī)囑提醒、治療方案建議，醫(yī)療質(zhì)量控制等多種決策支持服務(wù)，并結(jié)合心血管臨床科室的實際臨床決策場景，提供提醒、警告、建議等多形式的決策服務(wù)。

人機交互之所以難以實現(xiàn)的主要原因在于Al醫(yī)療這一行很少具備兼醫(yī)學知識與技術(shù)并存的人才，臨床決策支持系統(tǒng)的構(gòu)建主要依靠的是技術(shù)人員，但最終的用戶是醫(yī)生，兩者的思維差異很大，因此，人機交互體驗不佳。

此前，平安集團SMART科技大會上平安科技首席醫(yī)療科學家謝國彤透露了平安醫(yī)療科技在臨床決策支持系統(tǒng)上所做的突破。在談及人機交互體驗上，他表示，目前平安醫(yī)療科技設(shè)計的解決方案包括兩個環(huán)節(jié)：一是事中，也就是醫(yī)生在操作臨床決策支持系統(tǒng)的過程，平安醫(yī)療科技的智能輔助診斷系統(tǒng)會干預到整個診斷過程，并會提供最后的用藥指導。另一個是事后，平安醫(yī)療科技通過為醫(yī)生提供助手，運用機器對一天看過的病歷進行匯總、復盤，找出可能存在診斷問題的病歷，進一步減少醫(yī)生的出錯率。

建立臨床決策支持系統(tǒng)就面臨重重困難，而要建立心血管領(lǐng)域的臨床決策支持系統(tǒng)更不簡單。目前，臨床決策支持系統(tǒng)主要以全科為主，應(yīng)用場景也主要偏向基層，為全科醫(yī)生服務(wù)，主攻心血管領(lǐng)域在少數(shù)。未來，人工智能技術(shù)想進一步賦能心血管領(lǐng)域，可以預料到還有很長一段路要走。