王 霄 陳穎怡 馬 婧 宋爭(zhēng)放

20世紀(jì)50年代，信息理論學(xué)家John von Neumann指出：“技術(shù)正以其前所未有的速度增長(zhǎng)……我們將朝著某種類似奇點(diǎn)的方向發(fā)展，一旦超越了這個(gè)奇點(diǎn)，我們現(xiàn)在熟知的人類社會(huì)將變得大不相同?！盵1]今天，以人工智能為代表的科技新浪潮正向奇點(diǎn)逼近，而人工智能在醫(yī)療領(lǐng)域中也正發(fā)揮著越來越重要的作用。2019年博鰲亞洲論壇提出了一個(gè)新的科技時(shí)代，即ABC時(shí)代。ABC分別指人工智能(artificial intelligence，AI)、大數(shù)據(jù)(big data)以及云計(jì)算(cloud computing)。以云計(jì)算為基礎(chǔ)、AI為中樞、大數(shù)據(jù)為依托，ABC將深度結(jié)合并廣泛應(yīng)用于各個(gè)傳統(tǒng)行業(yè)[2-3]。在ABC時(shí)代背景下，認(rèn)知醫(yī)學(xué)應(yīng)運(yùn)而生，可以幫助人類解決醫(yī)療衛(wèi)生所面臨的許多管理困境和技術(shù)難題。

1 認(rèn)知醫(yī)學(xué)背景

“認(rèn)知”一詞來源于心理學(xué)范疇，自我認(rèn)識(shí)和意識(shí)是人類獨(dú)具的特征，人類將自己對(duì)事物的詮釋稱為認(rèn)知(cognition)。人類的認(rèn)知革命發(fā)生于7萬年～10萬年前，認(rèn)知革命讓歷史正式啟動(dòng)[4]。列寧說：哲學(xué)史，簡(jiǎn)略地說就是整個(gè)認(rèn)識(shí)的歷史。這個(gè)認(rèn)識(shí)的歷史，具有大量自我認(rèn)識(shí)的內(nèi)涵與經(jīng)驗(yàn)教訓(xùn)[5]。認(rèn)知科學(xué)(cognitive science)是20世紀(jì)后期出現(xiàn)的一門前沿性尖端學(xué)科，由六大學(xué)科構(gòu)成，重點(diǎn)研究認(rèn)識(shí)過程中信息的傳遞方式。1979年，認(rèn)知科學(xué)協(xié)會(huì)的成立使認(rèn)知科學(xué)迅速發(fā)展[6-7]。21世紀(jì)初，美國(guó)將認(rèn)知科學(xué)作為新世紀(jì)的科技前沿學(xué)科之一[8]。

認(rèn)知計(jì)算(cognitive computing)于20世紀(jì)后期出現(xiàn)并被廣泛應(yīng)用。傳統(tǒng)的計(jì)算技術(shù)是定量的，側(cè)重于精度和序列等級(jí)，而認(rèn)知計(jì)算則試圖解決生物系統(tǒng)中的不精確、不確定和部分真實(shí)的問題，以實(shí)現(xiàn)不同程度的感知、記憶、學(xué)習(xí)、語言、思維和問題解決等過程。目標(biāo)是讓計(jì)算機(jī)系統(tǒng)能夠像人腦一樣學(xué)習(xí)、思考，并做出正確決策[9]。認(rèn)知計(jì)算與AI密切相關(guān)，前者偏向于思維與技術(shù)體系，后者偏向于最終的應(yīng)用形態(tài)。認(rèn)知計(jì)算的滲透，讓更多的產(chǎn)品與服務(wù)具備了智能，如果說AI關(guān)注的是“讀懂人的世界”的話，那么認(rèn)知計(jì)算可以說更關(guān)注“讀懂大數(shù)據(jù)的世界”。

認(rèn)知醫(yī)學(xué)(cognitive medicine)是以數(shù)據(jù)為基礎(chǔ)、以認(rèn)知計(jì)算為手段的跨學(xué)科、跨領(lǐng)域產(chǎn)物[5]，是認(rèn)知科學(xué)、認(rèn)知技術(shù)與醫(yī)療理論、實(shí)踐的密切結(jié)合。認(rèn)知醫(yī)學(xué)通過機(jī)器學(xué)習(xí)、自然語言理解與分析推理等AI技術(shù)，輔助醫(yī)學(xué)診斷并提升醫(yī)療服務(wù)水平。作為全球人口最多的國(guó)家，中國(guó)正加速累積海量醫(yī)療數(shù)據(jù)。借助認(rèn)知醫(yī)學(xué)技術(shù)從這些數(shù)據(jù)中提取有價(jià)值的知識(shí)，對(duì)進(jìn)一步提升我國(guó)醫(yī)療管理水平具有重要意義。

2 認(rèn)知醫(yī)學(xué)發(fā)展及主要應(yīng)用

2.1 認(rèn)知醫(yī)學(xué)發(fā)展概述

循證醫(yī)學(xué)利用流行病學(xué)、醫(yī)學(xué)統(tǒng)計(jì)學(xué)等手段，對(duì)醫(yī)療行為進(jìn)行規(guī)范，認(rèn)知醫(yī)學(xué)是醫(yī)學(xué)科學(xué)的新引擎和翅膀，利用大數(shù)據(jù)、AI、云計(jì)算等技術(shù)手段為醫(yī)生提供循證證據(jù)。認(rèn)知醫(yī)學(xué)以認(rèn)知計(jì)算為核心技術(shù)，憑借其運(yùn)算模式實(shí)現(xiàn)非凡的分析推演、帶來非凡的認(rèn)知決策，其中納米-生物-信息-認(rèn)知-社會(huì)(nano-biology-information-cognition-society，NBICS)的技術(shù)綜合研發(fā)應(yīng)用不僅可以在醫(yī)療領(lǐng)域帶來非凡的變革，而且可能成為人類偉大變革的推進(jìn)器。一旦能夠從如何(how)、為何(why)、何處(where)、何時(shí)(when)這四個(gè)層次上理解思維，我們就可以用納米科技來制造它，用生物技術(shù)和生物醫(yī)學(xué)來實(shí)現(xiàn)它，再用信息技術(shù)來操縱和控制它，使它進(jìn)入神奇的工作，產(chǎn)生神奇的效能[10]。

創(chuàng)建認(rèn)知醫(yī)療機(jī)構(gòu)(認(rèn)知醫(yī)院)是做好認(rèn)知醫(yī)學(xué)的一條關(guān)鍵且有效的路徑。認(rèn)知組織機(jī)構(gòu)意味著內(nèi)部的“產(chǎn)品”與流程能夠思考，感知重要事務(wù)、對(duì)所有數(shù)據(jù)進(jìn)行推理、并持續(xù)學(xué)習(xí)和改進(jìn)。它會(huì)積累職業(yè)知識(shí)技能，令每個(gè)專業(yè)、病種的知識(shí)都快速增加，這讓所有專業(yè)人士都望塵莫及。認(rèn)知系統(tǒng)可以讓人們獲得最好、最新的信息和洞察力，進(jìn)而幫助人們更好地完成工作。它可以更深入地與人互動(dòng)并與患者交互，利用社交網(wǎng)絡(luò)等新信息來源，創(chuàng)建精準(zhǔn)的個(gè)人資料、了解他們的需求和看法，并采用這些信息探明、解決對(duì)個(gè)人而言真正重要的事情。

IBM沃森健康(Watson Health)今天已成為實(shí)現(xiàn)認(rèn)知技術(shù)模式轉(zhuǎn)變的范例，IBM成立行業(yè)內(nèi)首創(chuàng)的專門部門、打造專門的團(tuán)隊(duì)，實(shí)現(xiàn)“認(rèn)知型企業(yè)”的轉(zhuǎn)型。目前，IBM處于認(rèn)知醫(yī)學(xué)技術(shù)領(lǐng)域的領(lǐng)先地位，該公司利用認(rèn)知系統(tǒng)廣泛應(yīng)用于醫(yī)學(xué)影像、生命科學(xué)和制藥、全程醫(yī)療護(hù)理、腫瘤與基因、醫(yī)療支付五大領(lǐng)域，明顯提高醫(yī)學(xué)研發(fā)效率、改善臨床結(jié)局、精簡(jiǎn)管理流程、促進(jìn)醫(yī)患互動(dòng)[5]。谷歌公司同樣不甘示弱，積極展開認(rèn)知企業(yè)的并購(gòu)、重建，其中認(rèn)知技術(shù)將是此次商業(yè)模式轉(zhuǎn)型中非常重要的組成部分。今天行業(yè)中誰能率先邁向這樣的認(rèn)知機(jī)構(gòu)誰將獲益和占領(lǐng)制高點(diǎn)。

2.2 認(rèn)知醫(yī)學(xué)數(shù)據(jù)基礎(chǔ)

認(rèn)知醫(yī)學(xué)發(fā)展的關(guān)鍵在于醫(yī)療大數(shù)據(jù)的積累，隨著公共衛(wèi)生事業(yè)的大力推進(jìn)發(fā)展、社區(qū)衛(wèi)生的蓬勃興起、穿戴醫(yī)療保健設(shè)備的較廣泛應(yīng)用，所積累形成的健康大數(shù)據(jù)是認(rèn)知醫(yī)學(xué)的重要數(shù)據(jù)資源，其特點(diǎn)為體量大、增長(zhǎng)快、多樣化，表現(xiàn)形式為健康檔案、電子病歷、數(shù)字圖象數(shù)據(jù)等。數(shù)據(jù)的積累過程可通過構(gòu)建醫(yī)療大數(shù)據(jù)庫(kù)，建設(shè)統(tǒng)一整合庫(kù)或分散建立的方式實(shí)現(xiàn)。隨著信息和醫(yī)療技術(shù)發(fā)展，將來會(huì)有更多的獨(dú)立機(jī)構(gòu)和公司加入到健康大數(shù)據(jù)的產(chǎn)業(yè)中來。

臨床大數(shù)據(jù)方面，美國(guó)時(shí)間生物鐘中心的哈爾博格教授建立了3個(gè)重要的成果，建立了不同年齡、性別人群的基本特征的基礎(chǔ)值，包括血壓、心率、體溫、激素、BMI指數(shù)等；形成了連續(xù)體征數(shù)據(jù)波動(dòng)的算法，推動(dòng)算法進(jìn)行比對(duì)和分析；形成了分析模型對(duì)異常的體征波動(dòng)規(guī)律未來的風(fēng)險(xiǎn)進(jìn)行預(yù)警。連續(xù)的體征數(shù)據(jù)可以做未來的健康變化的風(fēng)險(xiǎn)預(yù)警。疾病的形成初期首先出現(xiàn)了體征波動(dòng)規(guī)律的紊亂，通過智能硬件連續(xù)采集用戶的體征數(shù)據(jù)通過規(guī)律性的判斷發(fā)現(xiàn)未來健康變化的風(fēng)險(xiǎn)。在亞特蘭大埃默里大學(xué)醫(yī)院5樓ICU病區(qū)，各種設(shè)備與密密麻麻的傳輸數(shù)據(jù)線映入眼簾，通常20張床的ICU每秒鐘可生成16萬個(gè)數(shù)據(jù)點(diǎn)。他們將上述相關(guān)數(shù)據(jù)流，通過含認(rèn)知技術(shù)的軟件加以分析處理，很好地捕捉到了有價(jià)值的預(yù)警信號(hào)[11]。隨處可見、唾手可得的臨床數(shù)據(jù)為認(rèn)知醫(yī)學(xué)的發(fā)展提供了底層的數(shù)據(jù)支撐。

2.3 認(rèn)知醫(yī)學(xué)主要應(yīng)用

2.3.1 認(rèn)知醫(yī)學(xué)模型與應(yīng)用

如何對(duì)數(shù)據(jù)展開專業(yè)分析、深度學(xué)習(xí)、計(jì)算并從中發(fā)現(xiàn)相關(guān)性建立認(rèn)知醫(yī)學(xué)模型是健康大數(shù)據(jù)的根本。認(rèn)知技術(shù)利用大數(shù)據(jù)，實(shí)施新型認(rèn)知方法，建立疾病風(fēng)險(xiǎn)模型，甑別關(guān)鍵風(fēng)險(xiǎn)因素，大大提升了臨床關(guān)鍵問題的解決與科學(xué)研究水平。依據(jù)模型與認(rèn)知分析做出的臨床決策系統(tǒng)同時(shí)也大大提升了醫(yī)療質(zhì)量，并針對(duì)個(gè)體狀況提出個(gè)性化的診療計(jì)劃建議。

目前，已經(jīng)有一些公司和醫(yī)療機(jī)構(gòu)合作開發(fā)出了認(rèn)知醫(yī)學(xué)應(yīng)用模型軟件，如IBM、谷歌、阿里、百度、騰訊、恩福等。IBM中國(guó)研究院利用認(rèn)知技術(shù)、大數(shù)據(jù)分析等技術(shù)，在阜外醫(yī)院開發(fā)了急性心肌梗死方面的“死亡風(fēng)險(xiǎn)預(yù)測(cè)模型”，并展示不同類風(fēng)險(xiǎn)因素對(duì)院內(nèi)死亡影響的權(quán)重[12]。騰訊公司與中山大學(xué)合作開發(fā)了騰訊覓影，應(yīng)用圖像識(shí)別、大數(shù)據(jù)分析等智能技術(shù)進(jìn)行癌癥早期篩查，經(jīng)臨床應(yīng)用已具備食管癌較好的篩檢功能，篩檢診斷用時(shí)可不超出1分鐘，其早發(fā)現(xiàn)的準(zhǔn)確率達(dá)80%左右。

IBM的沃森腫瘤專家(Watson for oncology，WFO)，可以給患者提供精準(zhǔn)的治療方案，并為每一個(gè)治療方案提供充足的循證支持，從而降低整個(gè)診療的誤差和風(fēng)險(xiǎn)。WFO存儲(chǔ)了海量醫(yī)學(xué)相關(guān)數(shù)據(jù)，包括臨床樣本數(shù)據(jù)、患者記錄、影像資料，以這些數(shù)據(jù)為基礎(chǔ)認(rèn)知、學(xué)習(xí)和積累了豐富經(jīng)驗(yàn)。WFO自動(dòng)讀取與患者疾病相關(guān)的關(guān)鍵數(shù)據(jù)(如病史及臨床特征等病例數(shù)據(jù))，結(jié)合患者的屬性，在癌癥治療指南或者已經(jīng)形成實(shí)證的基礎(chǔ)上選擇一個(gè)合適的分析和評(píng)估方法，基于學(xué)習(xí)到的證據(jù)為患者提供一個(gè)精準(zhǔn)的治療方案，并為這個(gè)方案提供大量的證據(jù)支撐，如并發(fā)癥、禁忌證、治療臨床偏好、藥物信息、目前發(fā)表的報(bào)告等。

2.3.2 精準(zhǔn)診療方案制定

一方面，已知遺傳性因素導(dǎo)致兒童及新生兒疾病，其中腫瘤的發(fā)生約占10%。獲得特定人群腫瘤遺傳易感基因突變生物大數(shù)據(jù)，使得對(duì)遺傳性腫瘤的預(yù)防干預(yù)、早期診斷、精確分子分型診斷及精準(zhǔn)治療成為可能，真正做到“上醫(yī)治未病”。從臨床獲取生物大數(shù)據(jù)到存儲(chǔ)、數(shù)據(jù)知識(shí)化、最終應(yīng)用，以生物大數(shù)據(jù)數(shù)據(jù)基線(data baseline)為基礎(chǔ)所構(gòu)建的疾病預(yù)防、篩查、診斷及預(yù)后的模式勢(shì)在必行。另一方面，根據(jù)基因檢測(cè)的結(jié)果來針對(duì)性地制定疾病診療方案，效果顯然更好、更精確。應(yīng)用科學(xué)專業(yè)知識(shí)和基礎(chǔ)設(shè)施，在患者的診斷、治療方案的選擇及監(jiān)測(cè)中，將大量的基因組數(shù)據(jù)轉(zhuǎn)化為臨床可操作的結(jié)果，通過研究開發(fā)商業(yè)化的、以基因組為基礎(chǔ)的臨床實(shí)驗(yàn)室服務(wù)，能有效提高診療決策的質(zhì)量。

西奈山伊坎醫(yī)學(xué)院開展整個(gè)基因組測(cè)序，查診全部30億個(gè)核苷酸，并在其中找出大約1 000萬個(gè)與研究疾病相關(guān)的脫氧核糖核酸片段(SNP單核苷酸多樣態(tài))。結(jié)果顯示，多維的個(gè)性化基因組分析對(duì)于患者的治療來說比特定基因的篩查更加有效，并完成了個(gè)性化癌癥治療技術(shù)的開發(fā)與測(cè)試。通過收集患者基因組成的相關(guān)數(shù)據(jù)與其腫瘤組織的測(cè)序數(shù)據(jù)，通過比較探明個(gè)性化遺傳分析對(duì)于患者癌癥治療的作用，為每一位患者裁剪癌癥治療方案[13]。

2.3.3 智慧醫(yī)院系統(tǒng)

智慧醫(yī)院系統(tǒng)，由數(shù)字醫(yī)院和提升應(yīng)用兩部分組成。數(shù)字醫(yī)院由醫(yī)院信息系統(tǒng)、實(shí)驗(yàn)室信息管理系統(tǒng)、醫(yī)學(xué)影像存檔與通訊系統(tǒng)、傳輸系統(tǒng)和醫(yī)生工作站五個(gè)部分組成。這在大部分醫(yī)療機(jī)構(gòu)已經(jīng)實(shí)現(xiàn)，可能目前面臨更新?lián)Q代、整合升級(jí)、消除孤島等問題；提升應(yīng)用方面則需要更多的關(guān)注，重點(diǎn)是智能智慧上，如海量數(shù)據(jù)計(jì)算處理技術(shù)、臨床決策智能系統(tǒng)等。智慧醫(yī)療能全面提升醫(yī)療機(jī)構(gòu)的診療能力和水平，能夠讓互聯(lián)的授權(quán)醫(yī)生隨時(shí)查閱患者的病歷、病史、治療措施；協(xié)作友善的信息倉(cāng)庫(kù)，應(yīng)急及不良事件及預(yù)防的實(shí)時(shí)感知和積極有效的響應(yīng)；知識(shí)技能獲取能力與創(chuàng)新、研究能力的提升，可靠的搜索、分析和引用大量科學(xué)證據(jù)支撐臨床的診療決策。認(rèn)知醫(yī)院可認(rèn)為是智慧醫(yī)院的升級(jí)版，創(chuàng)建中完全可以通盤考慮、統(tǒng)籌規(guī)劃。

2.3.4 醫(yī)療機(jī)器人

認(rèn)知醫(yī)學(xué)在醫(yī)療治療領(lǐng)域有巨大發(fā)展前景，醫(yī)療機(jī)器人的應(yīng)用已呈現(xiàn)大的趨勢(shì)，可謂勢(shì)不可擋。其中，手術(shù)機(jī)器人是醫(yī)療機(jī)器人的主角，典型代表是達(dá)芬奇機(jī)器人系統(tǒng)，它應(yīng)用廣泛、收效良好，又有較高的安全性。我國(guó)達(dá)芬奇機(jī)器人的手術(shù)量2010年、2016年和2017年分別是615臺(tái)、1.8萬臺(tái)和2.7萬臺(tái)。放射機(jī)器人的開發(fā)應(yīng)用能有效提升放療的精確度，精確度可達(dá)到亞毫米水平。輔助手術(shù)系統(tǒng)也是重要的應(yīng)用方向，可通過導(dǎo)航設(shè)備輔助支持手術(shù)順利進(jìn)行并取得更好的效果。此外，康復(fù)機(jī)器人、服務(wù)應(yīng)用類機(jī)器人的開發(fā)應(yīng)用也取得較好效果，能有效滿足患者需求，如PARO機(jī)器人可輔助治療老年癡呆和認(rèn)知障礙，殺菌消毒機(jī)器人能明顯降低醫(yī)院的交叉感染率，有效改善醫(yī)院環(huán)境。

目前，國(guó)內(nèi)外的不少機(jī)構(gòu)都在研發(fā)先進(jìn)的醫(yī)療機(jī)器人系統(tǒng)，針對(duì)需求、服務(wù)臨床。如美國(guó)Medrobotics公司開發(fā)的Flex機(jī)器人系統(tǒng)于2015年7月獲得美國(guó)食品藥品監(jiān)督管理局批準(zhǔn)上市；谷歌與強(qiáng)生公司聯(lián)合成立的Verb Surgical公司，向達(dá)芬奇手術(shù)機(jī)器人提出了挑戰(zhàn)；美國(guó)Hansen Medical公司開發(fā)了生產(chǎn)機(jī)器人導(dǎo)管系統(tǒng)和用于治療血管疾病的麥哲倫機(jī)器人系統(tǒng)；美國(guó)生產(chǎn)的自動(dòng)移動(dòng)輸送機(jī)器人，在美國(guó)140多家醫(yī)院每周共計(jì)要完成輸送50 000次以上，受到青睞；美國(guó)Ekso Bionics公司致力于開發(fā)醫(yī)療用途的可穿戴外骨骼，2016年獲得美國(guó)食品藥品監(jiān)督管理局第一個(gè)批準(zhǔn)證書，用于中風(fēng)和C7水平骨髓損傷，現(xiàn)已被大量康復(fù)機(jī)構(gòu)運(yùn)用；此外還有遠(yuǎn)程機(jī)器人、老年及殘疾人護(hù)理機(jī)器人等。國(guó)內(nèi)的研發(fā)應(yīng)用也在邁步向前，如神經(jīng)外科方面的手術(shù)機(jī)器人Remebot、腔鏡機(jī)器人——妙手、天智航雙平面骨科機(jī)器人等。

3 對(duì)認(rèn)知醫(yī)學(xué)的認(rèn)知及其相關(guān)倫理社會(huì)學(xué)問題

在傳統(tǒng)醫(yī)療中，醫(yī)生處于主導(dǎo)地位，其診斷和治療水平取決于醫(yī)生多年的學(xué)習(xí)和臨床經(jīng)驗(yàn)積累，受制于人的認(rèn)知限制，只能基于有限的檢查報(bào)告及個(gè)體癥狀和體征進(jìn)行疾病診治，無法對(duì)患者的疾病信息進(jìn)行全方位的關(guān)聯(lián)分析，有時(shí)甚至?xí)?dǎo)致誤診、漏診。AI最大的優(yōu)勢(shì)在于計(jì)算能力的高效，尤其在數(shù)據(jù)密集型、知識(shí)密集型、腦力勞動(dòng)密集型行業(yè)領(lǐng)域。而醫(yī)療領(lǐng)域正是典型的集數(shù)據(jù)知識(shí)腦力為一體的行業(yè)，認(rèn)知醫(yī)學(xué)借助AI技術(shù)可實(shí)現(xiàn)患者數(shù)據(jù)的深度挖掘和分析利用，從數(shù)據(jù)中發(fā)現(xiàn)隱藏的知識(shí)，從而智能輔助醫(yī)生完成疾病診斷和方案制定，有效提高診療決策的質(zhì)量和水平?，F(xiàn)在AI對(duì)傳統(tǒng)醫(yī)療行業(yè)的顛覆才剛剛開始，隨著大數(shù)據(jù)、AI等技術(shù)的發(fā)展，將助力認(rèn)知醫(yī)學(xué)充分發(fā)揮其在記憶力、學(xué)習(xí)能力和運(yùn)算速度上人類無法比擬的優(yōu)勢(shì)，成為醫(yī)務(wù)人員疾病診治的得力助手，幫助人類解決醫(yī)療衛(wèi)生所面臨的許多管理困境和技術(shù)難題。

在認(rèn)知及智能醫(yī)療的倫理社會(huì)學(xué)上人們需要有較清醒的認(rèn)識(shí)。機(jī)器的產(chǎn)生與發(fā)展是建立在人們對(duì)其環(huán)境的了解與改造上的。反過來，機(jī)器的發(fā)展進(jìn)一步促進(jìn)了人們的改造與認(rèn)知活動(dòng)[14]。如果沒有人類的指引與改造作用，機(jī)器只能停留在低端的機(jī)械重復(fù)工作層次。人類的指引、改造能有效幫助機(jī)器不斷追求更高層次的結(jié)構(gòu)化，向更高層次邁進(jìn)。但不管是研發(fā)還是應(yīng)用都得清楚地認(rèn)識(shí)人是優(yōu)先的因素，是人類操控機(jī)器，智能機(jī)器應(yīng)受到人類法規(guī)、倫理的制約。智能機(jī)器的深度學(xué)習(xí)、算法也都暗藏著一些倫理問題，如深度學(xué)習(xí)便是一個(gè)“黑箱”算法，連設(shè)計(jì)者可能都不知道算法如何決策，而算法決策在很多時(shí)候其實(shí)就是一種預(yù)測(cè)，用過去的數(shù)據(jù)預(yù)測(cè)未來的趨勢(shì)，同時(shí)算法模型和數(shù)據(jù)輸入決定著預(yù)測(cè)的結(jié)果。對(duì)這樣的結(jié)果決策團(tuán)隊(duì)有必要進(jìn)行宏觀、微觀的審視、把控。此外，數(shù)據(jù)的隱私保護(hù)、價(jià)值行為，包括道德代碼、正義、有益性、安全性、社會(huì)責(zé)任等都值得關(guān)注。還有效益或利益問題，認(rèn)知及智能醫(yī)療的發(fā)展不能離開以人為本、以患者為中心的核心理念，應(yīng)堅(jiān)持做到結(jié)合實(shí)際環(huán)境、結(jié)合人民群眾的需求變化，把維護(hù)患者利益放在首要的位置。

4 應(yīng)對(duì)與思考

認(rèn)知技術(shù)及AI正在加速發(fā)展，在醫(yī)療行業(yè)領(lǐng)域的轉(zhuǎn)化應(yīng)用越來越寬泛，無疑將會(huì)對(duì)傳統(tǒng)醫(yī)療產(chǎn)生顛覆性的影響。

4.1 整合臨床數(shù)據(jù)，實(shí)現(xiàn)醫(yī)療數(shù)據(jù)的互聯(lián)互通

臨床大數(shù)據(jù)整合是認(rèn)知醫(yī)學(xué)的基礎(chǔ)，醫(yī)學(xué)領(lǐng)域的數(shù)據(jù)特點(diǎn)是大量、動(dòng)態(tài)、可持續(xù)，要實(shí)現(xiàn)認(rèn)知醫(yī)學(xué)的迅速發(fā)展，必須實(shí)現(xiàn)醫(yī)療數(shù)據(jù)的互聯(lián)互通?！皵?shù)據(jù)孤島是醫(yī)療大數(shù)據(jù)挖掘的最大障礙”，而對(duì)數(shù)據(jù)進(jìn)行提取挖掘，才能集成新的信息，將認(rèn)知轉(zhuǎn)變?yōu)樾袆?dòng)。而臨床大數(shù)據(jù)的整合一方面是國(guó)家層面進(jìn)行資源整合，另一方面在于區(qū)域或自身的努力，積極搭建數(shù)據(jù)庫(kù)和數(shù)據(jù)平臺(tái)，加強(qiáng)云計(jì)算等技術(shù)布局，推動(dòng)AI的基礎(chǔ)軟硬件技術(shù)開發(fā)，實(shí)現(xiàn)數(shù)據(jù)的互通互聯(lián)與共享。

4.2 加強(qiáng)智能技術(shù)開發(fā)，實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)挖掘

醫(yī)療記錄的數(shù)字化催生出豐富的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，后者包括患者就醫(yī)過程中的臨床描述、影像資料、醫(yī)學(xué)報(bào)告、住院記錄、出院小結(jié)等。目前，針對(duì)結(jié)構(gòu)化數(shù)據(jù)已有一些計(jì)算方法，但針對(duì)非結(jié)構(gòu)數(shù)據(jù)的挖掘技術(shù)仍然不理想。醫(yī)療領(lǐng)域急切需要更有效的方法幫助臨床醫(yī)生和科研人員應(yīng)對(duì)“信息爆炸”的問題。因此，應(yīng)布局實(shí)施AI關(guān)鍵技術(shù)重大戰(zhàn)略計(jì)劃，優(yōu)先支持計(jì)算機(jī)視覺、自然言語理解與分析推理、智能語音處理等關(guān)鍵技術(shù)研發(fā)。同時(shí)，盡快組建AI創(chuàng)新平臺(tái)，建立國(guó)家、區(qū)域AI重點(diǎn)實(shí)驗(yàn)室和轉(zhuǎn)化中心。

4.3 推進(jìn)認(rèn)知醫(yī)學(xué)全方位的發(fā)展

認(rèn)知技術(shù)在醫(yī)療領(lǐng)域有著廣泛的應(yīng)用前景?，F(xiàn)階段，認(rèn)知技術(shù)在醫(yī)療領(lǐng)域進(jìn)行了大量的探索，但最終應(yīng)用到臨床領(lǐng)域的幾乎只有手術(shù)機(jī)器人，其中醫(yī)療行業(yè)的復(fù)雜性是重要的原因?；贏BC時(shí)代的“認(rèn)知醫(yī)學(xué)”應(yīng)幫助醫(yī)護(hù)人員更全面地了解患者的相關(guān)信息和訴求，改變傳統(tǒng)的臨床路徑，形成全新的健康服務(wù)體系。同時(shí)積極思考和探索認(rèn)知醫(yī)學(xué)機(jī)構(gòu)的創(chuàng)建，在前瞻性的部署下，有計(jì)劃地、大膽地推進(jìn)，其核心是促進(jìn)機(jī)構(gòu)與成員學(xué)習(xí)能力、認(rèn)知能力的顯著提升。因此，認(rèn)知醫(yī)學(xué)應(yīng)加快將研究結(jié)果轉(zhuǎn)化為實(shí)際成果，促進(jìn)認(rèn)知醫(yī)學(xué)的全鏈條的發(fā)展。

4.4 促進(jìn)醫(yī)療機(jī)構(gòu)的創(chuàng)新發(fā)展

創(chuàng)新是事業(yè)進(jìn)步的動(dòng)力源泉，縱觀醫(yī)學(xué)的發(fā)展更是如此。認(rèn)知科技、AI是引領(lǐng)未來的戰(zhàn)略性技術(shù)，這是世界范圍的共識(shí)。AI的迅速發(fā)展將深刻改變?nèi)祟惿鐣?huì)，并成為經(jīng)濟(jì)發(fā)展新引擎、國(guó)際競(jìng)爭(zhēng)新焦點(diǎn)。斯坦福大學(xué)此前的一篇論文顯示，在AI技術(shù)發(fā)展將會(huì)面臨改變的六大行業(yè)中，醫(yī)療為重要者之一，將引發(fā)AI技術(shù)的巨大變革。面對(duì)今天的科技浪潮我們必須抓住不可多得的機(jī)會(huì)，借助芯片、軟件技術(shù)的開發(fā)應(yīng)用，共享AI開放平臺(tái)，AI研究與轉(zhuǎn)化功能型平臺(tái)，增強(qiáng)自身的研發(fā)和行業(yè)、跨界的協(xié)同合作?！癆I+醫(yī)療”是AI技術(shù)實(shí)現(xiàn)落地應(yīng)用的重點(diǎn)方向，大數(shù)據(jù)、AI對(duì)醫(yī)療行業(yè)的賦能表現(xiàn)在多個(gè)方面，如輔助醫(yī)生診療決策、實(shí)施精準(zhǔn)醫(yī)療、提升患者就診效率等。在創(chuàng)新行動(dòng)中把握好數(shù)據(jù)與賦能這兩個(gè)關(guān)鍵因素，并密切結(jié)合二者的相關(guān)、相融性，很好地發(fā)揮科技工作者和員工的想象力、積極性、開創(chuàng)性，形成強(qiáng)大的創(chuàng)新浪潮，打造創(chuàng)新型、智慧型、認(rèn)知型醫(yī)療機(jī)構(gòu)。

在AI與認(rèn)知科技方面我國(guó)已經(jīng)令人欣喜地走在前列，認(rèn)知醫(yī)學(xué)必將帶給我們?nèi)碌奶斓?，醫(yī)療行業(yè)需要清晰認(rèn)識(shí)ABC時(shí)代和認(rèn)知醫(yī)學(xué)的特性，勇于立潮頭，順勢(shì)而大為。實(shí)際上沒有誰愿意成為這場(chǎng)超級(jí)競(jìng)賽的局外人，除非你是“人工智盲”。