雷鋒網(wǎng)按：2016年12月，深圳大學(xué)獲批國家級大數(shù)據(jù)工程實驗室，其中健康醫(yī)療大數(shù)據(jù)研究中心是由深圳市南山人民醫(yī)院與深圳大學(xué)、騰訊聯(lián)合組成。

雷鋒網(wǎng)消息，近日，深圳市南山區(qū)人民醫(yī)院信息中心主任朱歲松在演講中介紹了該實驗室目前在AI方向上的研究和應(yīng)用：基于特征工程的醫(yī)保欺詐的識別、醫(yī)保扣費、于洛侖茲分析的醫(yī)療架構(gòu)改革、基于機器學(xué)習(xí)的醫(yī)療體制、基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別和基于區(qū)塊鏈的電子健康記錄。

雷鋒網(wǎng)了解到，朱歲松主任針對上述的幾個問題提出了自己的看法：醫(yī)保欺詐方面人類的欺詐行為具有社會學(xué)特征，把具象的人抽象為數(shù)學(xué)特征后可以用算法來判定可疑度；在醫(yī)療體系方面，未來的腫瘤圖像應(yīng)該與電子病歷、基因組學(xué)、生物樣本數(shù)據(jù)庫等等關(guān)聯(lián)，才是一種真正的基于機器學(xué)習(xí)的醫(yī)療體制；卷積神經(jīng)網(wǎng)絡(luò)的圖像識別是目前業(yè)界的主流方向。騰訊覓影的食道癌檢測也是基于卷積神經(jīng)網(wǎng)絡(luò)類似的算法來展開的。

聯(lián)合實驗室的幾個研究方向

在這個聯(lián)合實驗室下面，我們有幾個AI實踐方向：

基于特征工程的醫(yī)保欺詐的識別

第一個研究方向是基于特征工程的醫(yī)保欺詐的識別。這個題目是國家2015年全國大學(xué)生數(shù)學(xué)建模里面的一道A題，A題是醫(yī)保欺詐工程，第一題是基因測序，是華大基因的，C題是紅樹林環(huán)境評估模型。在這個特征工程里面，為什么說是基于特征工程呢？因為人類的欺詐行為具有社會學(xué)特征。將這些社會學(xué)特征在我們的醫(yī)保大數(shù)據(jù)里面做成一系列的標(biāo)志、工程，就能夠?qū)⑦@些具體社會的人抽象為一系列的數(shù)學(xué)特征，再利用大數(shù)據(jù)上面一系列的算法來判斷可疑度有多大。

舉個例子，它的標(biāo)準(zhǔn)答案一共有三十幾個場景。舉幾個例子，它是列為X1、X2，一直到XN。

以X1為例，患者的就診是有一定的范圍的，比如說在一個地區(qū)，一段時間內(nèi)，患者醫(yī)?？ǖ木驮\次數(shù)，有些醫(yī)?？ǖ木驮\次數(shù)為0，有些就診次數(shù)為1，有一些為2、3、4，一直到N，N越大，他的次數(shù)也就越少，那么研究這個數(shù)的分布，我們會發(fā)現(xiàn)它符合補充分布。知道它的補充分布以后，就能夠得出來一個Y=F（X）的函數(shù)邏輯，就能夠找出他的敏感點。這個敏感點找出來以后，大于5次或者大于8次就是他的敏感點，有95%的行為不一樣，這就是一個異常，就可以做一個標(biāo)記。

X2，患者開了處方，這個藥品是不可以拿來當(dāng)飯吃的，在我們醫(yī)學(xué)上面有一個值，就是DDD值，就是該藥每次的標(biāo)準(zhǔn)用量，你吃藥不能吃得太多，超過這個數(shù)，你就超過了DDD值，每個處方也是有這個DDD值控制，限制你不能吃這么多藥。研究這個DDD值，它這個稍微偏正態(tài)的一個分布。偏正態(tài)以后，我們也能夠求得出來一個Y=F（X）這么一個函數(shù)，求出這個函數(shù)，也能夠求出你的整個分布出來，也就能求得出來當(dāng)你這個DDD值大于多少的時候，你就是合理的，這些都是來源于大數(shù)據(jù)。

X3，醫(yī)學(xué)上很多檢查與用藥都是相關(guān)聯(lián)的，如果你用了很多高血壓的藥，但是從你的體檢數(shù)據(jù)里面、門診數(shù)據(jù)、住院數(shù)據(jù)，查到你的血壓從來就不曾高過，你這個藥很顯然不是你在使用的藥。

X4，比如說醫(yī)學(xué)上面很多是不可逆的特征，比如說做了一個有腦卒中的，腦子出了問題，做了CT，是陽性。但是在大數(shù)據(jù)里面，你在第二次、第三次住院，他就沒問題了，有可能沒問題嗎？很多醫(yī)學(xué)上面是不可逆的，這里面也標(biāo)記為陽性，很可能是你的卡被別人在用。

從X1一直到XN這么多的數(shù)學(xué)特征，我們以一種模型的方式，或者是條件概率的方式把它組合成一個值、一個熵值。建模以后，這個熵值是介于0與1之間，比較靠近1的時候，我們會賦予他一個值，醫(yī)保欺詐嫌疑就非常高，如果小于0.4就是醫(yī)保欺詐嫌疑會比較低。把這個模型建立好以后，統(tǒng)統(tǒng)通過這個模型跑一遍，那么整個醫(yī)保就會更加規(guī)范。事實上很多是基于特征分析，你可以知道他是不是存在不合理的行為，這是研究方向之一。

醫(yī)?？圪M

研究方向之二就是基于第二期的醫(yī)保扣費。所謂的第二期，就是將這些人類的疾病，2萬多種疾病，按照臨床過程相似，復(fù)雜程度相似以及資源消耗相似這三個相似原則，把它分類合并到幾百個組，那么醫(yī)保就按這個組來付費，它是非?？扇〉?，在國外是一種方法學(xué)，不但用于醫(yī)院之間相互之間綜合實力的對比，更重要是用于醫(yī)院之間的評價，社保的收費、付費，它的價值是非常大的。這個第二期是國家醫(yī)改的重點之重點。

國家一共有三個試點，第一個試點是福建的三明，第二個試點是新疆克拉瑪依，第三個試點就是深圳。深圳這邊其實真正落地的就是在我們南山醫(yī)院，我是國家CTR項目組的成員，我負(fù)責(zé)這塊的工作也是利用大數(shù)據(jù)來進(jìn)行核算以及 DR值。在這個 DR 值算出來分到這個組以后，按照這個理想狀態(tài)，它應(yīng)該是資源消耗相似，它的相似度怎么樣來檢驗，比如說你分到這個組了，假如分組系數(shù)是非常準(zhǔn)的話，那么類似的情形可能是這樣子的。在這一組里面，患者的平均費用假設(shè)是1萬塊錢，那么分到這個組以后，其他的患者費用應(yīng)該是在9000-11000之間，在這個區(qū)間內(nèi)，它是非常準(zhǔn)的，也就是這些數(shù)據(jù)非常集中，離散度越小越集中，說明你這個分組越準(zhǔn)。但是事實上它通常不是這樣子，那么你怎么樣來檢驗它是準(zhǔn)還是不準(zhǔn)呢？它是有多種方法的，其中最主要的有三個。

第一個就是用變異系數(shù)，就是分子，分子就是它的標(biāo)準(zhǔn)差，分母就是它的均數(shù)，這么一個解讀，這是作為離散度的比較。第二個是方差。第三個是檢驗，它能夠判斷你這個分組準(zhǔn)還是不準(zhǔn)。如果分到這個組里面，它不準(zhǔn)怎么辦，這里面也是要應(yīng)用大數(shù)據(jù)的一些算法來判斷分組還是不分組。

它的主要算法有三種，第一種就是用到系統(tǒng)聚類的方法。聚類了以后，把它分為兩大類，以準(zhǔn)不準(zhǔn)給它拆散成兩組或者三組，它立馬就準(zhǔn)了，數(shù)據(jù)立馬就集中了。第二個叫做決策樹，第三種叫做回歸數(shù)，在大數(shù)據(jù)里面有很多這樣的算法。這種算法就是將分組不是太準(zhǔn)的數(shù)據(jù)，利用這些數(shù)學(xué)模型把它拆散成兩到三組，就是提出這個數(shù)據(jù)模型給你驗證。所以國家這次把這個分組做成一個試點工作，義無反顧地放到南山，實際上對我們的技術(shù)是一個挑戰(zhàn)，也是一個檢驗。

基于洛侖茲分析的醫(yī)療架構(gòu)改革

在我們的第三個研究方面，是基于洛侖茲分析的醫(yī)療架構(gòu)改革。大家知道這個改革是國家的一個課題，國家的醫(yī)改，藥品、耗材占據(jù)了很大的比例，可是對于這些手術(shù)費、治療費，體現(xiàn)醫(yī)生勞動價值的這些項目并沒有增加，300塊錢、500塊錢的手術(shù)費，這是非常不合理的。那么怎么來扭轉(zhuǎn)這種不合理的現(xiàn)象，國家的醫(yī)改價格要改革。

那么這個價格改革怎么改？很多的那些專家、學(xué)者們，很多都是基于宏觀經(jīng)濟(jì)學(xué)上來定義這個價格，你怎么樣來調(diào)，大家達(dá)到的共識是什么呢——總體衛(wèi)生資源的支出，患者支出的總費用不應(yīng)該上漲。第二就是檢驗費、檢查費等等這些依賴于儀器設(shè)備的費用應(yīng)該降價。第三個就是治療費、手術(shù)費這之類的體現(xiàn)醫(yī)務(wù)人員勞動價值的收費項目要漲，漲的幅度是多少。

在我這邊所做的研究是什么呢？就是基于洛侖茲分析，我就能夠給你找得出來哪些數(shù)據(jù)可移動，哪些數(shù)據(jù)必須很謹(jǐn)慎的動，哪些數(shù)據(jù)是不能動的?；诼鍋銎澐治鑫覀冞M(jìn)行一系列的數(shù)學(xué)建模，就能夠知道你這個收費項目被引用了多少次，產(chǎn)生了多少金額，那么它是可以動，還是不可移動的。醫(yī)學(xué)上面的收費項目，包括檢驗費、治療費、手術(shù)費等等這些，就非常類似于我們有100畝地。在這100畝地里面，不同農(nóng)作物所用的化肥是不一樣的，農(nóng)藥是不一樣的，勞動時間是不一樣的，生長時間也不一樣，最終賣出的錢也不一樣，這就可以達(dá)到一種博弈模型。這個博弈模型就是這些費用，這么多的產(chǎn)品，用什么方案可以讓勞動時間是最短的，產(chǎn)品總價是最多的，等等，它是可以用一個規(guī)劃來做的

線性方程加上一系列的約束條件能夠求得一個最優(yōu)解。同樣的道理，我們醫(yī)學(xué)價格改革也是一樣，不同的價格，漲價的幅度不一樣，我們利用一個計算機大數(shù)據(jù)的模擬，在南山區(qū)這邊，在十幾年數(shù)以千億計的就診患者，生成一種新的價格體系以后，讓政府重新進(jìn)行一次結(jié)算。因為我們的分布式就是要讓它重新結(jié)算一次，生成一組新的費用，對這種新的費用再來進(jìn)行線性規(guī)劃，再來進(jìn)行洛侖茲分析，這樣我就能夠非常精準(zhǔn)地定義出某一種項目、某一類項目，漲多少是比較合適的，它最終的產(chǎn)出類似于有三個博弈模型。

第一個博弈模型，怎么樣的調(diào)價方案對患者是最有利的，還有什么樣的調(diào)價方案對醫(yī)院是最有利的，醫(yī)院要生存、要發(fā)展，這是不得不考慮的數(shù)據(jù)模型。所以這樣我的研究模型里面會涉及到三種模型，并且把它標(biāo)注成什么樣的條件，它會達(dá)成一種什么樣的目標(biāo)。

基于機器學(xué)習(xí)的醫(yī)療體制

第四個方向是基于機器學(xué)習(xí)的，比如說我們剛才講的食道癌篩選，僅僅是基于圖像本身，這是遠(yuǎn)遠(yuǎn)不夠的，未來的腫瘤圖像應(yīng)該與電子病歷、基因組學(xué)、生物樣本數(shù)據(jù)庫等等這些關(guān)聯(lián)在一起，才真正有生命力，才是一種真正的基于機器學(xué)習(xí)的醫(yī)療體制，這是我們的第四個研究方向。當(dāng)然這些研究方向都是和騰訊、和深大資源密切相關(guān)的。

基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別

第五個研究方向，就是基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別。剛才講了，我們的食道癌，它這邊的判讀都是基于卷積神經(jīng)網(wǎng)絡(luò)這種類似的算法來展開的，這是目前整個業(yè)界的主流方向。

基于區(qū)塊鏈的電子健康記錄

最后一個研究方向就是我們基于區(qū)塊鏈的電子健康記錄。因為我們目前整個電子健康記錄是基于CA認(rèn)證、基于PKI格式的，國家也有電子碼來確保這些數(shù)據(jù)的準(zhǔn)確性，它在法律上的不可推卸性。另外一個身份認(rèn)證，一個CA證書來證明，這條醫(yī)囑是在一個可信的人在一個合法的時間里面所下注的，這種電子病歷是有合法性的，它是能夠拿來打官司的，這是電子記錄。

但是像這種電子記錄，它的成本也是非常高的，大家知道我們要做一個CA認(rèn)證的話，你要有公證處服務(wù)器，要有時間服務(wù)器，要有U-key，要有每年的服務(wù)費用，還有一些災(zāi)備，專門的網(wǎng)絡(luò)等等，它的成本實際上是非常高的。但是有另外一種技術(shù)可以良好地解決這個問題，就是區(qū)塊鏈。區(qū)塊鏈，我定義為改變未來的技術(shù)，我們也非常期待區(qū)塊鏈能與我們整個電子健康記錄關(guān)聯(lián)在一起，讓在醫(yī)院產(chǎn)生的醫(yī)療健康記錄，患者在遠(yuǎn)端也能看到，而且中間在互聯(lián)網(wǎng)往上面走的時候，其他任何環(huán)節(jié)把這些數(shù)據(jù)截取下來，你是看不到，你也看不懂，而且它是確保了終端生產(chǎn)這段是完全一致的。像這個電子貨幣，未來你得病，它都是基于算法，實際上它很簡單，就是一個函數(shù)加密起來，讓你解不開。

我們也非常期待在這六個方面與深圳大學(xué)、與騰訊這邊有密切的合作，我也相信這一天已經(jīng)到來了，而且我們在前期已經(jīng)有很多的項目已經(jīng)做出來了，不僅僅是在醫(yī)學(xué)圖像識別這一塊，我們和騰訊這邊合作，做成了新農(nóng)合，做成了醫(yī)保的異地結(jié)算，還做成了整個移動互聯(lián)網(wǎng)社保支付等等，我們的成果是非常多的。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。