近日，全球著名咨詢提供商IDC發(fā)布了《中國醫(yī)療軟件解決方案市場預測，2022—2026》報告。

報告中指出：中國醫(yī)療行業(yè)IT支出在2021年達到494.0億元人民幣，預計到2026年將會達到920.7億元人民幣；2021年醫(yī)療軟件解決方案的總體市場規(guī)模為160.4億元人民幣，比上一年增長14.5%，預計到2026年市場規(guī)模將達到296.1億元人民幣。

醫(yī)療軟件在未來五年將迎來市場藍海，數(shù)據(jù)價值正在成為行業(yè)共識。

數(shù)據(jù)價值煥發(fā)，市場藍海充滿想象

2021年，我國發(fā)布了《公立醫(yī)院高質量發(fā)展》重要指示，其中提到公立醫(yī)院在十四五時期的“三個轉變”：

公立醫(yī)院發(fā)展方式從規(guī)模擴張轉向提質增效；

運行模式從粗放管理轉向精細化管理；

資源配置從注重物質要素轉向更加注重人才技術要素。

信息化手段成為公立醫(yī)院實現(xiàn)三個轉變的重要手段，也是建設健康中國的重要支撐。

在互聯(lián)網(wǎng)、5G、新基建的時代背景下，社會數(shù)字化程度越來越高，數(shù)據(jù)已經(jīng)成為機構的核心資產(chǎn)。

在過去的醫(yī)療信息化建設浪潮中，醫(yī)院的HIS、EMR等系統(tǒng)建設成熟度非常高，另外各種大型影像器械工作過程中留下了大量的影像資料。這些數(shù)據(jù)價值“封印”在醫(yī)院系統(tǒng)內，在未來將成為醫(yī)院核心競爭力、醫(yī)學科研發(fā)展的強大動力。

醫(yī)療數(shù)字化新標準：可利用、可挖掘、可持續(xù)

醫(yī)院數(shù)據(jù)利用需要強大的分析平臺作為支撐，平臺需要具備先進的數(shù)據(jù)挖掘模型、同時可以支撐醫(yī)院內各種類型的高通量數(shù)據(jù)訓練。

同時，數(shù)據(jù)也不僅僅是“信息科”的工作，越來越多的臨床業(yè)務部門也開始重視數(shù)據(jù)價值。

如何用低成本搭建一個可以最大化挖掘數(shù)據(jù)價值的全院科研平臺，是醫(yī)院數(shù)字化轉型的關鍵。

從更長遠的決策來講，醫(yī)院數(shù)字化建設應以數(shù)據(jù)持續(xù)利用為目的，通過數(shù)據(jù)中臺提供的工具、方法和運行機制，把數(shù)據(jù)變?yōu)槟軌虺掷m(xù)利用、發(fā)掘和開放的服務能力，讓數(shù)據(jù)更方便地被業(yè)務所使用，實現(xiàn)場景數(shù)據(jù)化、數(shù)據(jù)服務化、數(shù)據(jù)服務智能化。

恰如廣州市婦女兒童醫(yī)療中心信息數(shù)據(jù)中心主任曹曉均所表示的，醫(yī)療AI與業(yè)務場景的無縫結合一定是大勢所趨。在這個大趨勢中，匯醫(yī)慧影通過持續(xù)的影像數(shù)據(jù)技術為醫(yī)院的數(shù)字化、智慧化建設賦能。

新一代AI數(shù)據(jù)中臺

目前數(shù)據(jù)挖掘分析平臺備受矚目，在影像數(shù)據(jù)中臺的探索和應用中也不乏Al影像企業(yè)的身影。

傳統(tǒng)AI影像企業(yè)擁有大規(guī)模的算法訓練能力，以匯醫(yī)慧影為代表的Al企業(yè)率先聚焦在影像數(shù)據(jù)挖掘，將算法能力賦能醫(yī)院，為醫(yī)院建設新一代數(shù)據(jù)中臺。

匯醫(yī)慧影新一代數(shù)據(jù)中臺以人工智能算法模型為基礎，通過數(shù)據(jù)中臺賦能，可以使醫(yī)院業(yè)務系統(tǒng)擁有“全維度”、“智能化”的能力，系統(tǒng)從信息化升級成為一個智能化的業(yè)務系統(tǒng)，“新一代”強調“全周期”、“全院”、“全流程”。

• 全周期：中臺價值貫穿數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)利用、數(shù)據(jù)存儲，讓數(shù)據(jù)價值得到充分的利用和發(fā)揮，醫(yī)院無需采購多個系統(tǒng)集成；

• 全院：匯醫(yī)慧影數(shù)據(jù)中臺包含影像、病理多種數(shù)據(jù)類型，可以支持醫(yī)院全科室應用；

• 全流程：中臺下可對接數(shù)據(jù)產(chǎn)生系統(tǒng)，上可鏈接AI、科研平臺。匯醫(yī)慧影在中臺之上搭建了多病種AI輔助診斷平臺和大數(shù)據(jù)科研平臺，為業(yè)務提供全流程服務。

中華醫(yī)學會放射學分會主任委員劉士遠曾在一次演講中提到：在AI模型的研發(fā)階段，數(shù)據(jù)也是一大難題。

首先是現(xiàn)在普遍缺乏標準化高質量的訓練數(shù)據(jù)，國內外雖然有很多公開的數(shù)據(jù)庫，但是存在同質化和人種差異等問題。

而且各家人工智能企業(yè)和機構采用的訓練數(shù)據(jù)集標準多樣，系統(tǒng)偏差較大，整個行業(yè)缺乏醫(yī)學圖像和疾病征像的統(tǒng)一認識。

最后，整個行業(yè)的醫(yī)療數(shù)據(jù)保護和監(jiān)管措施也是缺失的，數(shù)據(jù)不能被溯源，也就缺乏合法性和可分享性。還有就是倫理問題，業(yè)內缺乏對數(shù)據(jù)使用標準的判斷依據(jù)，在現(xiàn)有的法律基礎上尋找合規(guī)使用和分享數(shù)據(jù)的渠道，也是迫在眉睫的一件事情。

他建議到，要構建標準庫，離不開醫(yī)生的參與。要形成與AI研發(fā)相關的標準和數(shù)據(jù)，需要在圖像的采集環(huán)節(jié)，標準庫的構建環(huán)節(jié)，病種的分布以及各種描述術語等等都要達成一定的共識。

在過去的十年，人工智能專注提供輔助決策或篩查。在“十四五”規(guī)劃時期，人工智能轉變?yōu)橐詳?shù)據(jù)為中心，將AI能力貫穿產(chǎn)學研用，推動醫(yī)院高質量發(fā)展。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

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