丁 然 丁華東

（上海大學(xué)圖書情報檔案系 上海 200444）

云存儲、大數(shù)據(jù)、VR、區(qū)塊鏈、人工智能（Artificial Intelligence，簡稱AI）等技術(shù)的普及，5G商用標(biāo)準(zhǔn)的出現(xiàn)，意味著數(shù)據(jù)已形成洪流之勢，全球進(jìn)入萬物互聯(lián)的極速時代。人工智能帶來了技術(shù)革命與時代變革，在許多領(lǐng)域引發(fā)生產(chǎn)力變革，醫(yī)療健康領(lǐng)域的改革使得電子健康檔案與AI的結(jié)合成為大勢所趨。

1 國內(nèi)外研究現(xiàn)狀

1.1 國外相關(guān)研究

電子健康檔案（Electronic Health Records，簡稱EHRs）是個人居民健康管理過程的規(guī)范、科學(xué)記錄，以居民個人健康為核心，貫穿整個生命過程，涵蓋各種健康相關(guān)因素的信息資源[1]。它是電子病歷檔案（Electronic Medical Records，簡稱EMRs）的高階形式，作為電子病歷檔案實現(xiàn)互操作性與支持醫(yī)療連續(xù)性而存在，是實現(xiàn)全球人類健康共同體發(fā)展戰(zhàn)略的基石。為進(jìn)一步推動全球范圍內(nèi)的醫(yī)療改革，AI與電子健康檔案的結(jié)合應(yīng)用成為全球的研究熱點。

國際權(quán)威刊物《Nature》在2019年1月子刊就發(fā)表了9篇關(guān)于AI驅(qū)動電子健康檔案助力實現(xiàn)智慧診療的研究成果，部分應(yīng)用包括：美國數(shù)字病理學(xué)初創(chuàng)公司PAIge.AI利用AI診斷癌癥而獲得了美國食品藥品管理局（FDA）的“突破性設(shè)備”稱號；由麻省理工學(xué)院（MIT）電子工程與計算機科學(xué)（ECCS）實驗室多位博士所做的醫(yī)學(xué)影像AI論文被CVPR 2019收錄，該團(tuán)隊致力解決醫(yī)學(xué)圖像標(biāo)注數(shù)據(jù)缺乏的問題；倫敦帝國理工學(xué)院和墨爾本大學(xué)的研究人員開發(fā)了一套人工智能系統(tǒng)Texlab，該系統(tǒng)在分析所導(dǎo)入的健康數(shù)據(jù)后能夠?qū)β殉舶┻M(jìn)行預(yù)后（預(yù)測疾病可能病程和結(jié)局），預(yù)測卵巢癌患者的存活率，并給出對患者最有效的治療建議，該團(tuán)隊研究人員表示，與現(xiàn)有醫(yī)療技術(shù)相比，該系統(tǒng)預(yù)測患者存活率的準(zhǔn)確度是傳統(tǒng)方法的四倍。

國外相關(guān)研究多以社會科學(xué)研究的方法，從技術(shù)層面探討解決病患的具體病癥的相關(guān)問題，用實驗數(shù)據(jù)說明電子健康檔案與人工智能相關(guān)技術(shù)的結(jié)合所能夠?qū)崿F(xiàn)診療的智慧程度。加拿大約克大學(xué)信息檢索與知識管理研究實驗室的研究團(tuán)隊認(rèn)為具有抽象醫(yī)學(xué)知識的EMRs的復(fù)雜性使得傳統(tǒng)的數(shù)據(jù)分析模型變得低效，因此利用大量的EMRs數(shù)據(jù)訓(xùn)練一種新的模型來模擬醫(yī)學(xué)實踐中的信息分析和決策過程，旨在評估深度學(xué)習(xí)架構(gòu)在計算機輔助醫(yī)學(xué)的決策中所起的作用[2]。Rishi V Parikh等人用評估的手法測試在EHRs數(shù)據(jù)驅(qū)動下的自然語言理解技術(shù)（NLP）是否能夠準(zhǔn)確診斷急性心力衰竭患者，并試圖提高NLP對急性心力衰竭的住院判定和門診病例中的效用[3]。Rashidian Sina團(tuán)隊在大量電子健康檔案的背景下，嘗試以深度學(xué)習(xí)的方法來模擬編碼器預(yù)測臨床表現(xiàn)所對應(yīng)的代碼，實驗表明在充分學(xué)習(xí)電子健康檔案之后，疾病編碼的準(zhǔn)確性大大提高[4]。

此外，也有相關(guān)研究論及在EHRs質(zhì)與量有保證的前提下，深度學(xué)習(xí)是能夠高精度預(yù)測各種疾病的風(fēng)險。英國斯旺西大學(xué)醫(yī)學(xué)院與中國東盟研究院的聯(lián)合研究旨在通過人工智能的技術(shù)手段從公民基礎(chǔ)保健的電子健康檔案中找出影響力較大的預(yù)測因子，并通過判斷檔案中預(yù)測因子的大小來預(yù)測癡呆患者是否會入院或繼續(xù)接受治療[5]。Awais Ashfaq等人使用瑞典2012年至2016年期間住院的7500多名瑞士充血性心力衰竭患者的實際數(shù)據(jù)，建立并測試了一個深度學(xué)習(xí)框架，以預(yù)測在患者出院30天之后再次因病入院的風(fēng)險幾率，通過識別高風(fēng)險患者來減少再入院率并降低護(hù)理成本[6]。Marcus Julia L的團(tuán)隊則是利用機器學(xué)習(xí)改善現(xiàn)有的HIV預(yù)測模型，以便更好地識別潛在的HIV攜帶者[7]。

怎樣才能充分利用電子健康檔案以發(fā)揮其最大的效用價值，并同時提高技術(shù)的決策能力也是研究的一大熱點。Koleck Theresa A等人利用NLP處理分析EHRs中所記錄的癥狀信息，提出未來的NLP研究應(yīng)該集中在EHRs文本敘述中的癥狀和癥狀記錄的調(diào)查上，也即提高EHRs的質(zhì)量[8]。Thompson Jeffrey的團(tuán)隊提出EHRs中包含有大量的非結(jié)構(gòu)化文本，由于NLP算法并不是為EHRs的特征單獨設(shè)計，可能在自動提取信息時會有障礙，于是他們提出相關(guān)詞序矢量化（RWOV）來提高NLP識別EHRs數(shù)據(jù)信息的能力[9]。Subba Bhavaraju撰文討論了數(shù)字醫(yī)療保健中的EHRs的現(xiàn)狀、問題與發(fā)展前景，提出雖然技術(shù)在不斷進(jìn)步，但EHRs遠(yuǎn)未實現(xiàn)其全部潛力。在未來，云計算、遠(yuǎn)程醫(yī)療和可穿戴技術(shù)都應(yīng)該成為幫助醫(yī)生做出更安全、更便捷的診療決策的重要手段[10]。國外相關(guān)研究說明了一個事實，電子健康檔案與人工智能的結(jié)合已經(jīng)大大提高了醫(yī)療領(lǐng)域的生產(chǎn)力，同時幫助提升醫(yī)療機構(gòu)診斷與決策的效率與準(zhǔn)確性。

1.2 國內(nèi)相關(guān)研究

筆者以主題=“‘人工智能’或‘AI’或‘深度學(xué)習(xí)’或‘機器學(xué)習(xí)’或‘自然語言理解’或‘文本語義’”包含 “‘電子健康檔案’或‘電子病歷檔案’或‘EHR’”在中國知網(wǎng)中國期刊全文數(shù)據(jù)庫進(jìn)行組配檢索，得到73篇相關(guān)文獻(xiàn)（檢索時間為2000年1月1日-2019年9月1日），剔除相關(guān)度較低的論文后發(fā)現(xiàn)， 59篇均為外文文獻(xiàn)，僅有13篇為中文文獻(xiàn)。張坤、王文韜、謝陽群通過對以“電子健康”為主題詞和關(guān)鍵詞的文獻(xiàn)進(jìn)行高頻關(guān)鍵詞共詞分析和聚類分析，得出現(xiàn)階段電子健康檔案的研究熱點之一就是信息技術(shù)在電子健康領(lǐng)域的應(yīng)用研究，同時指出智慧醫(yī)療的創(chuàng)新發(fā)展將是接下來的研究方向之一[11]。江濤、王德斌主要闡述了電子健康檔案在應(yīng)對技術(shù)變革時所面臨的問題，并從宏觀的角度設(shè)想構(gòu)建了一個在健康中國與云智能政策背景下的電子檔案體系[12]。張宇、李姣則對國外電子健康檔案數(shù)據(jù)的整合和挖掘應(yīng)用做了較為系統(tǒng)的綜述，著重介紹了基于深度學(xué)習(xí)的電子健康檔案挖掘技術(shù)，對人工智能與電子健康檔案的應(yīng)用結(jié)合提出了期冀[13]。栗偉為保證對電子病歷檔案的文本挖掘程度以提高其在臨床診療中的效率和水平，針對性地對電子病歷數(shù)據(jù)的異構(gòu)問題提出了相應(yīng)的技術(shù)方案，這對于臨床輔助決策的應(yīng)用需求有著實踐性的價值[14]。與以美國、加拿大等為首的先進(jìn)國家相比，國內(nèi)的文獻(xiàn)研究較少述及電子健康檔案與人工智能相關(guān)技術(shù)的的強關(guān)聯(lián)性，對于人工智能技術(shù)如何驅(qū)動電子健康檔案實現(xiàn)智慧診療也尚未有較系統(tǒng)的研究?？梢姡斯ぶ悄芘c電子健康檔案的結(jié)合在我國具有較大的學(xué)術(shù)研究空間。本文借全球首次在《Nature Medicine》上發(fā)表有關(guān)自然語言處理（NLP）技術(shù)基于中文文本型電子病歷（EMRs）做臨床智能診斷的研究成果為契機，分析人工智能對于驅(qū)動電子健康檔案實現(xiàn)智慧診療的建設(shè)性作用，并提出可借鑒參考的驅(qū)動方案。

2 AI驅(qū)動電子健康檔案智慧診療的功能表現(xiàn)

2.1 實踐案例

2019年2月12日，國際權(quán)威醫(yī)學(xué)期刊《自然醫(yī)學(xué)》在線刊登由廣州市婦女兒童醫(yī)療中心與依圖醫(yī)療聯(lián)手利用人工智能技術(shù)實現(xiàn)兒科疾病診斷所作的研究成果——《使用人工智能評估和準(zhǔn)確診斷兒科疾病》，其核心是利用兒科疾病的文本病例數(shù)據(jù)訓(xùn)練人工智能，以達(dá)成智能診斷的目的。

這具有里程碑意義的研究成果是全球首次在頂級醫(yī)學(xué)雜志發(fā)表有關(guān)自然語言處理（NLP）技術(shù)基于中文文本型電子病歷檔案做臨床智能診斷的研究成果。此次研究的實驗樣本數(shù)據(jù)量為近58萬兒童患者，136萬多份電子病歷，其中患者的平均年齡為2.35歲，40.11%是女性，病種覆蓋了超過75%的常見兒童疾病，數(shù)據(jù)結(jié)構(gòu)涉及患者主訴、癥狀、個人史、體格檢查、實驗室檢驗結(jié)果、影像學(xué)檢查結(jié)果、用藥信息等多方面的數(shù)據(jù)[15]。這十倍于常量的優(yōu)質(zhì)數(shù)據(jù)集，保障了實驗研究的可持續(xù)性與可擴(kuò)展性。

根據(jù)該研究所展示的實驗過程，AI驅(qū)動EHRs實現(xiàn)智慧診療分為兩個階段：第一階段為解構(gòu)，挖掘電子病歷數(shù)據(jù)中的關(guān)鍵信息點，建立一個高質(zhì)量、結(jié)構(gòu)化的病種庫，即資源構(gòu)建階段，并在此病種庫基礎(chǔ)上做診斷模型，在臨床診療時提供匹配方案。第二階段為語義理解，通過訓(xùn)練讓機器的模型能夠完全理解自然語言，即NLP的實現(xiàn)過程。這個過程是艱難的，首先要自動學(xué)習(xí)臨床病歷文本數(shù)據(jù)中的診斷邏輯，這些數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)，之后才可能具備像人類一樣的病情分析推理能力。

可喜的是，在這次實驗中訓(xùn)練出的模型表現(xiàn)出了優(yōu)異的結(jié)果，神經(jīng)系統(tǒng)的準(zhǔn)確性為0.98，呼吸系統(tǒng)的準(zhǔn)確性為0.92，全身性疾病的準(zhǔn)確性為0.87，最低的消化系統(tǒng)的準(zhǔn)確性為0.85。同時，NLP作為AI助力EHRs實現(xiàn)智慧診療的一大突破性技術(shù)，也發(fā)揮出精準(zhǔn)的推理能力。在論及為何選擇兒科作為實驗突破口時，團(tuán)隊代表人倪浩闡述到“兒科是一門啞科，很多小孩子不具備很強的語言表達(dá)能力，他們不能詳細(xì)講述自己的病情”。事實上，即便醫(yī)生能夠?qū)崿F(xiàn)深度交互式問答并填寫病歷，依然存在遺忘甚至經(jīng)驗不足的可能。于是，AI以此為立足點，把所有科目都當(dāng)作啞科，所建立的病種庫是醫(yī)生知識的集合體，在語音識別助手的幫助下，實現(xiàn)盡可能細(xì)致的交互式問答環(huán)節(jié)，輔助醫(yī)生得出診斷結(jié)果，構(gòu)建人機協(xié)同診療方式，以此提升醫(yī)生的診斷率與用戶滿意度。

2.2 功能表現(xiàn)

上述研究為實現(xiàn)一個基于人工智能與EHRs的智慧診療系統(tǒng)提供了概念證明，通過分析，筆者提煉出三個方面AI驅(qū)動EHRs的功能表現(xiàn)。

AI作為人類智慧助推器，輔助醫(yī)生實現(xiàn)精準(zhǔn)診療。醫(yī)學(xué)信息已經(jīng)變得越來越復(fù)雜，疾病實體、診斷測試甚至基因范圍的擴(kuò)大，都導(dǎo)致了治療方式呈現(xiàn)指數(shù)級增長的形式，隨后臨床決策也變得越發(fā)復(fù)雜。人工智能通過深度挖掘EHRs中海量的臨床信息電子數(shù)據(jù)點，借助機器視覺、自動識別圖像的能力,快速、準(zhǔn)確地做出圖像解釋，并模仿臨床醫(yī)生的診療路徑，獨立做出決策指導(dǎo)，如幫助診斷并選擇治療方案，風(fēng)險預(yù)測與疾病分類，上述實驗中訓(xùn)練出的模型所表現(xiàn)出的優(yōu)異結(jié)果，即說明了AI提供診療的精準(zhǔn)度絕不亞于臨床醫(yī)生，甚至在某些疑難雜癥的診斷中，AI所提供的診療建議優(yōu)于臨床醫(yī)生，因為AI提供了更多的可能性。當(dāng)臨床醫(yī)生和人工智能協(xié)同工作時，會產(chǎn)生協(xié)同效應(yīng)，產(chǎn)生比任何一種診療更好的效果，增強實時臨床決策支持，從而實現(xiàn)越發(fā)精確的醫(yī)療診斷。

AI作為人類醫(yī)療團(tuán)隊的替代方案，補充國家醫(yī)療資源。我國醫(yī)療領(lǐng)域的痛點問題之一是醫(yī)療資源不足，且地域分布不均衡，但由于醫(yī)生培養(yǎng)周期長，培養(yǎng)成本高，短期之內(nèi)人類醫(yī)生團(tuán)隊無法緩解急劇增長的醫(yī)療需求。廣州市婦女兒童醫(yī)療中心是中國醫(yī)療系統(tǒng)的一個縮影，“看病難”便是我國有限的醫(yī)療資源與眾多的患者之間的矛盾現(xiàn)狀。顯然，人工智能無法完全替代人類醫(yī)療團(tuán)隊，但在執(zhí)行特定醫(yī)療任務(wù)時表現(xiàn)出極大的一致性、速度與再生產(chǎn)性。它能自動化處理那些在理論上并不復(fù)雜但極其費時費力的任務(wù)，高速運轉(zhuǎn)的算法使得人力資本得到質(zhì)的飛躍[16]。于是，電子病歷檔案與人工智能互為驅(qū)動實現(xiàn)了遠(yuǎn)程醫(yī)療交互，使得就醫(yī)在全國各地都變得觸手可及，補充國家診療資源，助力實現(xiàn)“健康中國”戰(zhàn)略。

制定個性化健康手冊，提升人類健康自主認(rèn)知。人工智能改變了以往的查檔體驗，改善電子健康檔案的可獲取性，提升電子健康信息反饋的即時性，居民成為直接受益人。根據(jù)個人授權(quán)，居民在就診時的主訴、癥狀、個人史、體格檢查、實驗室檢驗結(jié)果、影像學(xué)檢查結(jié)果、用藥信息等多方面的數(shù)據(jù)將自動更新到醫(yī)院病種庫以豐富診斷模型，同時生成可視化的健康評估報告和診斷報告，為居民提供健康管理、疾病預(yù)防和醫(yī)療決策等方面的指導(dǎo)意見[17]。對居民來說，通過讓他們處理自己的數(shù)據(jù)來預(yù)防疾病、保持健康，不僅減輕了醫(yī)患壓力，節(jié)約了醫(yī)療成本，更增強了服務(wù)可及性與用戶滿意度，提升了居民的健康認(rèn)知[18]。因此，EHRs的智能管理為個人或群體提供更為具體化的健康指導(dǎo)、健康咨詢，更有助于建立全國范圍內(nèi)的健康預(yù)防機制。

3 AI驅(qū)動電子健康檔案智慧診療的實現(xiàn)障礙

在2017年5月Alpha Go擊敗了世界排名第一的圍棋冠軍柯潔，圍棋界公認(rèn)Alpha Go的棋力遠(yuǎn)勝目前人類職業(yè)圍棋的頂尖水平,于是便有傳言“人類離人工智能統(tǒng)治世界又進(jìn)了一步”。但事實上，當(dāng)今這個時代還屬于“弱人工智能時代”，雖然人工智能在文本語義理解上實現(xiàn)了單點突破，但顯然并未具備超越人類的能力，AI的應(yīng)用發(fā)展還面臨著許多困境，亟待我們找到突破的出口。

3.1 電子健康檔案質(zhì)與量的鴻溝

對于人工智能而言，算法、算力、數(shù)據(jù)是其核心三要素，而核心中的核心乃是數(shù)據(jù)。任何算法都需經(jīng)過數(shù)據(jù)的洗禮，而數(shù)據(jù)的質(zhì)量、完備程度、準(zhǔn)確程度等直接決定了AI在實戰(zhàn)中的表現(xiàn)，所以無論中美，扼住了數(shù)據(jù)的來源便是扼住了人工智能發(fā)展的咽喉[19]。不僅初始算法的訓(xùn)練需要電子健康檔案，后期算法的訓(xùn)練、驗證和改進(jìn)都需要持續(xù)的電子健康檔案供應(yīng)。但由于現(xiàn)階段的電子健康檔案來源復(fù)雜，內(nèi)容廣泛，標(biāo)準(zhǔn)不一，性質(zhì)特殊，脫敏困難，尤其元數(shù)據(jù)稀缺，無法提供足夠的數(shù)據(jù)量和優(yōu)質(zhì)的數(shù)據(jù)源。陸泉等人就以網(wǎng)絡(luò)調(diào)查的方式調(diào)查了16 個醫(yī)學(xué)網(wǎng)站中圖像庫、描述文本、大眾評論、標(biāo)簽或主題詞、元數(shù)據(jù)和知識地圖6 種醫(yī)學(xué)圖像組織方式，結(jié)果顯示不同類型網(wǎng)站使用的組織方式類型不均衡，同一類型的不同網(wǎng)站圖像信息資源組織方式的使用數(shù)量也不均衡[20]，這直接阻礙了不同系統(tǒng)之間的資源共享與數(shù)據(jù)關(guān)聯(lián)，影響AI的執(zhí)行效率。

3.2 電子健康檔案利用與公民隱私泄露的沖突

電子健康檔案的利用侵犯公民隱私權(quán)主要源于兩方面——數(shù)據(jù)源的非法獲取與數(shù)據(jù)的泄露危險。一方面，人工智能在進(jìn)行大規(guī)模的數(shù)據(jù)收集過程中同樣展示出了大規(guī)模的監(jiān)視潛力，系統(tǒng)借助語音識別、自然語義理解、視覺識別、機器學(xué)習(xí)等技術(shù)在移動終端上自動獲取用戶健康信息，這是計算機化而導(dǎo)致的隱私喪失。今年8月，蘋果公司被曝，將部分用戶與Siri的對話錄音發(fā)送給外包商進(jìn)行人工分析，其中就涉及醫(yī)療疾病數(shù)據(jù)等敏感信息，美國加州的蘋果用戶已提起集體訴訟，但在我國偷聽常被定義為道德問題，很難立案，換句話說就是，明知權(quán)利被侵犯，用戶也可能無處申冤。[21]另一方面，為了使算法在更大范圍具有可行性，電子健康檔案不僅需要在不同地域、不同機構(gòu)之間展開共享，甚至可能跨國共享。一旦電子健康檔案在大范圍傳播，使用不當(dāng)、不恰當(dāng)?shù)呐兑约熬W(wǎng)絡(luò)安全措施的局限性都會導(dǎo)致患者隱私泄露的風(fēng)險加劇，而現(xiàn)有的安全措施只是在降低風(fēng)險轉(zhuǎn)化為災(zāi)難的可能性。

3.3 人工智能的普及與人類醫(yī)生使命感的碰撞

人工智能的應(yīng)用可能會導(dǎo)致醫(yī)生責(zé)任感的散失。這在訴訟案件中的責(zé)任判定能夠清楚體現(xiàn)：當(dāng)一名醫(yī)生在借助人工智能做出錯誤的診斷而引發(fā)災(zāi)難性的后果時，過失的責(zé)任應(yīng)該由誰承擔(dān)[22]？不難想象，人工智能在這個社會容納度極強的時代出現(xiàn)，不管是醫(yī)生或是患者對人工智能的信賴度前所未有地高漲，當(dāng)人類醫(yī)生與人工智能的診斷決策相悖時，擔(dān)心醫(yī)患問題發(fā)生在自己身上的醫(yī)生往往是出于不自信亦或是逃避責(zé)任的動機而選擇妥協(xié)于人工智能，當(dāng)問題出現(xiàn)時，人工智能自然而然成為“背鍋俠”。

4 AI驅(qū)動電子健康檔案智慧診療的推進(jìn)策略

AI驅(qū)動電子健康檔案實現(xiàn)智慧診療是全球致力達(dá)成的一個戰(zhàn)略目標(biāo)，實踐成果十分豐富的以美國、加拿大為首的國家，給我國實現(xiàn)AI賦能電子健康檔案提供許多參考方向。筆者從頂層設(shè)計、技術(shù)保障與倫理規(guī)范三方面展開思考，提出AI驅(qū)動電子健康檔案智慧診療的推進(jìn)策略。

4.1 頂層設(shè)計

政策引導(dǎo)、標(biāo)準(zhǔn)規(guī)范與法規(guī)保障的根本性作用。早在2004年美國布什政府就提出建立全國電子健康檔案的十年計劃，2009年奧巴馬政府再次提出醫(yī)療改革計劃，斥資鼓勵電子健康檔案的有效利用[23]。同時，美聯(lián)邦政府分階段有計劃落實戰(zhàn)略目標(biāo)，重視相關(guān)標(biāo)準(zhǔn)的建設(shè)，在2007年頒布全球第一個EHR系統(tǒng)的國家標(biāo)準(zhǔn)《電子健康檔案系統(tǒng)功能》。我國國家層面的電子健康檔案概念的普及是在2016年10月中共中央、國務(wù)院發(fā)布《“健康中國2030”規(guī)劃綱要》、同年12月國務(wù)院發(fā)布《“十三五”衛(wèi)生與健康規(guī)劃》之后。相較美國，我國在政策文件、法規(guī)制度、標(biāo)準(zhǔn)規(guī)范等頂層設(shè)計上落后許多。因此，目前我國要解決的問題包括：首先，制定有針對性的戰(zhàn)略規(guī)劃與布局，引導(dǎo)人工智能快速驅(qū)動電子健康檔案；其次，建設(shè)相關(guān)標(biāo)準(zhǔn)規(guī)范，統(tǒng)一電子健康檔案數(shù)據(jù)，解決電子健康檔案應(yīng)用中數(shù)據(jù)異構(gòu)等棘手問題；再者，重視配套法規(guī)制度的跟進(jìn)，保護(hù)公民健康數(shù)據(jù)的安全，防止公民隱私受到侵犯，真正做到有據(jù)可循，有法可依，防范于未然。

人工智能教育低齡化，提升社會認(rèn)知水平。我國可借鑒日本政府的做法，在大學(xué)推動構(gòu)建AI教育體制，將AI教育納入高等教育，打破文理科界限，開設(shè)“AI與檔案”、“AI與健康醫(yī)學(xué)”等課程。我國的教育體制重點在于讓社會意識到：沒有“人工”就不“智能”， AI只是讓人類生活變得更便捷的使用工具，而非“神之左手”，并無超越人類的創(chuàng)造力。

4.2 技術(shù)支撐

云存儲支持?jǐn)?shù)據(jù)保障，云計算提供算力支持。云計算帶來了近似無限的存儲能力和運算能力，與其相比 PC 機就僅是允許用戶使用云的輕量級終端[24]。傳統(tǒng)模式下的電子健康檔案管理系統(tǒng)一般采用集中式存儲，但物聯(lián)網(wǎng)的大數(shù)據(jù)形式使得我們不得不考慮如何才能更有效地集合不同來源、不同系統(tǒng)、不同標(biāo)準(zhǔn)的數(shù)據(jù)，以及如何更有效地利用和拓展存儲空間。首先，分布式“云”存儲滿足了電子健康檔案在數(shù)據(jù)爆發(fā)式增長背景下的訪問與處理需求。云環(huán)境下的電子健康檔案以虛擬存儲的模式打破信息壁壘，突破單個系統(tǒng)的邊界，不同地域、不同衛(wèi)生醫(yī)療機構(gòu)、不同數(shù)據(jù)平臺均能實現(xiàn)醫(yī)療檔案無縫對接，完成數(shù)據(jù)的整合與互通共享。其次，在面對海量（非）結(jié)構(gòu)化檔案數(shù)據(jù)時，人工智能具有深度學(xué)習(xí)能力，對選定數(shù)據(jù)集進(jìn)行標(biāo)記并建立關(guān)系模型，做出類別判斷，實現(xiàn)智能分類。再借助NLP技術(shù)學(xué)習(xí)人類診斷邏輯，獲取推理能力，以輔助臨床診療。云計算在規(guī)模、可擴(kuò)展性、成本、集中式數(shù)據(jù)中心方面的優(yōu)勢，可以幫助實現(xiàn)越發(fā)智慧的數(shù)據(jù)感知和匯總，越發(fā)完善的數(shù)據(jù)模型和問題求解，越發(fā)自主的平臺服務(wù)支撐和數(shù)據(jù)共享、越發(fā)精確周密的決策制定與執(zhí)行[25]。

物聯(lián)網(wǎng)助力實現(xiàn)電子健康檔案泛在化。“物聯(lián)”即物品與互聯(lián)網(wǎng)的連接，它是互聯(lián)網(wǎng)的應(yīng)用拓展，是指通過傳感技術(shù)實現(xiàn)物品間的信息交互。首先，物聯(lián)網(wǎng)的實踐方向是智能化識別系統(tǒng)，提供個性化的在線監(jiān)測、定位追蹤等功能，聚合萬物。電子健康檔案數(shù)據(jù)量龐大，借助物聯(lián)網(wǎng)技術(shù)對每個數(shù)據(jù)屬性進(jìn)行精準(zhǔn)標(biāo)識，在真正意義上實現(xiàn)數(shù)據(jù)資源化。其次，物聯(lián)網(wǎng)技術(shù)將通過各類傳感器的互聯(lián)互通，獲取萬物信息狀態(tài)，使萬物變成“智慧塵?！?。人類最熟悉的傳感設(shè)備之一——智能手表已經(jīng)實現(xiàn)了人體健康的自動監(jiān)測，并根據(jù)用戶權(quán)限設(shè)定，可選擇健康數(shù)據(jù)的傳輸方向。物聯(lián)網(wǎng)再借助云計算、大數(shù)據(jù)、移動終端等技術(shù)的支持，將監(jiān)測報告與診療意見推送給用戶，提供定制化服務(wù)。以用戶體驗為核心的應(yīng)用創(chuàng)新是物聯(lián)網(wǎng)發(fā)展的靈魂，而公眾對技術(shù)紅利最直觀的感知來自用戶體驗，改善和豐富“智慧體驗”，從而提升公眾對人工智能與電子健康檔案的價值認(rèn)知[26]。

區(qū)塊鏈技術(shù)為電子健康檔案安全保駕護(hù)航。云計算、邊緣計算、物聯(lián)網(wǎng)的廣泛應(yīng)用使得電子健康檔案在安全性上存在很大的缺陷，隱私泄露直接誘因便是安全漏洞。電子健康檔案在云平臺互聯(lián)共通、大數(shù)據(jù)分析與預(yù)測等行為難免會造成隱私泄露的風(fēng)險，而區(qū)塊鏈的高冗余存儲、去中心化、高安全性和隱私保護(hù)等特點，讓數(shù)據(jù)更加安全可靠，能夠在一定程度上保護(hù)電子健康檔案的真實性與保密性[27]。首先，衛(wèi)生系統(tǒng)可以建立基于區(qū)塊鏈技術(shù)的全國電子健康檔案平臺，區(qū)塊鏈系統(tǒng)以分布式數(shù)據(jù)庫的形式存儲數(shù)據(jù)，只有擁有授權(quán)的用戶才能得到訪問權(quán)限，醫(yī)療機構(gòu)通過公鑰進(jìn)入程序完成數(shù)據(jù)的錄入與更新，患者通過私鑰訪問個人健康數(shù)據(jù)，并實現(xiàn)數(shù)據(jù)實時上傳或下載。其次，區(qū)塊鏈技術(shù)的加持能防止電子健康檔案被非法篡改，加密系統(tǒng)能夠保障云存儲中的各項檔案數(shù)據(jù)真實可靠并可追溯，任何操作痕跡都極難被銷毀，從而為電子健康檔案的整體安全提供了最佳的保護(hù)方案。

4.3 倫理規(guī)范

關(guān)于人工智能與人類醫(yī)生的責(zé)任碰撞，我們應(yīng)該接受的做法是：人工智能醫(yī)學(xué)系統(tǒng)扮演著同醫(yī)學(xué)教材相似的角色，人工智能醫(yī)學(xué)系統(tǒng)做出輔助決策，醫(yī)生有責(zé)任理解輔助決策背后的邏輯過程，并以診療主體人員的身份用經(jīng)驗判斷是否接受系統(tǒng)的建議。顯然，人工智能影響的直接對象應(yīng)該是醫(yī)生，而非患者。那么我們可以得出的結(jié)論是，無論人工智能的決策精確與否，醫(yī)生都有不可推卸的責(zé)任，尤其是如果人工智能的決策比人類醫(yī)生的判斷更加可靠與精確，而醫(yī)生不采用人工智能的建議就可能承擔(dān)相應(yīng)的法律責(zé)任。

人工智能的成功并不意味著人類種族的終結(jié)。且不說現(xiàn)階段人工智能還處于“弱”智能時代，即便在將來獲得很大的進(jìn)步，我們對人工智能的定位依然是“讓人類生活更美好”而非“取代人類”。機器沒有倫理，但人類有道德，我們不能賦予人工智能以情感，但我們的研究應(yīng)該同社會的道德倫理相吻合，從而規(guī)范人工智能的研究動機與發(fā)展方向。

5 結(jié)語

與醫(yī)療健康體系較為進(jìn)步的西方國家相比，我國浩大的人口數(shù)量與有限的醫(yī)療資源所形成的嚴(yán)峻形勢亟需我們加快推動醫(yī)療體系的創(chuàng)新改革，這個改革的發(fā)動機是人工智能，而人工智能的燃料就是電子健康檔案。電子健康檔案的建設(shè)與利用已經(jīng)成為“健康中國”戰(zhàn)略中的一項基礎(chǔ)性工作，但距離真正實現(xiàn)人工智能與電子健康檔案的融合應(yīng)用與系統(tǒng)普及還存在較大的困境和難點。明確政策引導(dǎo)、技術(shù)保障與規(guī)范護(hù)航的推進(jìn)策略，是本研究基于我國較為薄弱的理論與實踐現(xiàn)狀所提出的實施方案，旨在以一個學(xué)術(shù)啟點的角色來引發(fā)國內(nèi)學(xué)術(shù)界與實踐部門對人工智能與電子健康檔案融合應(yīng)用的重視并加快人工智能驅(qū)動電子健康檔案系統(tǒng)普及的落地。人工智能驅(qū)動電子健康檔案所實現(xiàn)的功能不僅包括改善居民在社會生活過程中的就診體驗，更能使居民享受機器的智慧服務(wù)。萬物有靈，未來的人工智能與電子健康檔案融合應(yīng)用的發(fā)展導(dǎo)向會更加人性化，智慧診療也不再局限于輔助精準(zhǔn)診療、補充國家資源與提升人類健康認(rèn)知，而將定位于智能制造，致力于改善人類生活，比如定制面向殘疾患者或者行走能力較弱的老年人的行走輔助工具。面對未來的這項賽跑，只要全國上下保有積極的態(tài)度、通力合作一定能夠后來居上，收獲優(yōu)異的成績。