IEEE x ATEC

IEEE x ATEC科技思享會(huì)是由專業(yè)技術(shù)學(xué)會(huì)IEEE與前沿科技探索社區(qū)ATEC聯(lián)合主辦的技術(shù)沙龍。邀請(qǐng)行業(yè)專家學(xué)者分享前沿探索和技術(shù)實(shí)踐，助力數(shù)字化發(fā)展。

隨AI技術(shù)的不斷深入發(fā)展，醫(yī)學(xué)人工智能應(yīng)用如雨后春筍般迅速涌現(xiàn)，在醫(yī)療領(lǐng)域遍地開(kāi)花。AI具有智能化、自動(dòng)化的特點(diǎn)，能夠通過(guò)強(qiáng)大算力解鎖復(fù)雜數(shù)據(jù)、處理海量數(shù)據(jù)，在醫(yī)學(xué)變革過(guò)程中發(fā)揮著無(wú)與倫比的重要作用。IEEE x ATEC科技思享會(huì)第三期會(huì)議特邀四位嘉賓圍繞“AI驅(qū)動(dòng)下的醫(yī)學(xué)變革—從生命科學(xué)到醫(yī)療管理”獨(dú)立TALK。

以下是復(fù)旦大學(xué)教授/博導(dǎo)、上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室副主任、ATEC科技精英賽高級(jí)咨詢委員會(huì)專家熊贇的演講《醫(yī)療大數(shù)據(jù)：由淺入深、由繁至簡(jiǎn)》。

演講嘉賓 | 熊 贇

復(fù)旦大學(xué)教授/博導(dǎo)

上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室副主任

ATEC科技精英賽高級(jí)咨詢委員會(huì)專家

《醫(yī)療大數(shù)據(jù)：由淺入深、由繁至簡(jiǎn)》

大家好，我是復(fù)旦大學(xué)的熊贇，感謝IEEE x ATEC科技思享會(huì)，非常高興能夠與大家分享醫(yī)療大數(shù)據(jù)的相關(guān)研究進(jìn)展。

今天，我將從以下幾個(gè)方面來(lái)進(jìn)行介紹：首先我將介紹醫(yī)療數(shù)據(jù)的來(lái)源、類型和特點(diǎn)，然后重點(diǎn)介紹醫(yī)療大數(shù)據(jù)挖掘分析技術(shù)和開(kāi)放互聯(lián)技術(shù)的相關(guān)工作。

一、醫(yī)療大數(shù)據(jù)

我們都知道數(shù)據(jù)已成為一種新的生產(chǎn)要素。醫(yī)療健康關(guān)乎民生福祉。習(xí)總書記指出，要加快“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展。醫(yī)療數(shù)據(jù)的價(jià)值發(fā)現(xiàn)及其在藥物研發(fā)、輔助診斷等方面都起到了非常重要的作用。數(shù)字醫(yī)療為實(shí)現(xiàn)優(yōu)質(zhì)醫(yī)療資源共享、解決醫(yī)療資源分配不均和就醫(yī)成本高等問(wèn)題提供了可行的方案。

醫(yī)療數(shù)據(jù)類型多樣，常見(jiàn)的有患者的就醫(yī)記錄（包括患者的基本信息、就醫(yī)診斷、用藥等信息），也有以非結(jié)構(gòu)化文本形式存在的電子病歷及其診斷報(bào)告，還有醫(yī)學(xué)影像、醫(yī)療試紙以及文獻(xiàn)等各類數(shù)據(jù)。我們對(duì)這些數(shù)據(jù)進(jìn)行分析，從中挖掘其價(jià)值，要針對(duì)這些不同數(shù)據(jù)的特點(diǎn)，從不同角度來(lái)看醫(yī)療數(shù)據(jù)并研究其相應(yīng)算法。我們有單一來(lái)源的數(shù)據(jù)處理方式，多來(lái)源數(shù)據(jù)的處理方式，也有結(jié)構(gòu)化、非結(jié)構(gòu)化和多模態(tài)、多源異質(zhì)數(shù)據(jù)的處理方式。

大數(shù)據(jù)的內(nèi)涵包括了用數(shù)據(jù)解決問(wèn)題和解決數(shù)據(jù)的問(wèn)題。

前面我們分析了醫(yī)療大數(shù)據(jù)可以用到的各種數(shù)據(jù)類型，下面我們來(lái)看一下醫(yī)療大數(shù)據(jù)的問(wèn)題和挑戰(zhàn)。

醫(yī)療大數(shù)據(jù)包括了數(shù)據(jù)類型繁雜、數(shù)據(jù)質(zhì)量較差、數(shù)據(jù)孤島眾多、數(shù)據(jù)安全薄弱和數(shù)據(jù)應(yīng)用尚淺等問(wèn)題。這些問(wèn)題在其它領(lǐng)域里面也有共性。這也是我們之所以能夠?qū)F(xiàn)有的一些數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)（例如自然語(yǔ)言處理、圖像視覺(jué)處理等方法）引入的一個(gè)基礎(chǔ)。但醫(yī)療領(lǐng)域?qū)?shù)據(jù)質(zhì)量和分析結(jié)果的有效性的要求更高，因此，我們需要對(duì)這些共性技術(shù)加以改進(jìn)。

對(duì)于類型繁雜的數(shù)據(jù)，我們需要采用多模態(tài)的數(shù)據(jù)融合技術(shù)，例如我們要將醫(yī)療影像和醫(yī)療報(bào)告文本的數(shù)據(jù)不同模態(tài)下進(jìn)行對(duì)齊。對(duì)于數(shù)據(jù)質(zhì)量差的，我們需要有專門的醫(yī)療數(shù)據(jù)規(guī)范化的技術(shù)，例如利用電子病歷文本與ICD編碼對(duì)齊這樣的規(guī)范化的技術(shù)。醫(yī)療數(shù)據(jù)的高敏感、高隱私的要求和我們?cè)谧鲠t(yī)療智能分析時(shí)對(duì)數(shù)據(jù)全面特征的需求，兩者之間存在著矛盾，這就需要我們要有更為有效的共享互聯(lián)機(jī)制和技術(shù)支撐。

為此，我們針對(duì)上述研究開(kāi)展了工作，研制了一系列的醫(yī)療數(shù)據(jù)智能分析和開(kāi)放互聯(lián)技術(shù)。

二、挖掘分析：由淺入深

下面我們就其中的大數(shù)據(jù)挖掘分析技術(shù)和開(kāi)放互聯(lián)技術(shù)展開(kāi)重點(diǎn)介紹。

在分析挖掘方面，我們的研究工作是由淺入深發(fā)展的。首先我們?cè)卺t(yī)療大數(shù)據(jù)挖掘方面，包括了從單一來(lái)源的就醫(yī)數(shù)據(jù)的簡(jiǎn)單挖掘到基于深度學(xué)習(xí)的特征表示，從結(jié)構(gòu)化到非結(jié)構(gòu)化和跨模態(tài)數(shù)據(jù)的深度學(xué)習(xí)方法在醫(yī)療影像和文本方面的分析，以及多源多模態(tài)的組學(xué)數(shù)據(jù)分析。

下面我們將進(jìn)行展開(kāi)介紹。

我們可以從一些患者的就醫(yī)記錄中看到患者的基本信息和用藥記錄等信息。我們可以使用最基礎(chǔ)的訓(xùn)練模式，挖掘頻繁模式挖掘算法，來(lái)得到患者的用藥模式。例如上圖中的三個(gè)患者，他們都有使用前面三種藥物。可以看到三種藥物之間存在著一定的用藥關(guān)聯(lián)。這種直觀的方式可以帶來(lái)一定的輔助診斷作用，但醫(yī)療實(shí)際場(chǎng)景下不同的用藥順序也反映了患者的疾病狀態(tài)。比如先用某一種藥和后用某一種藥，治療疾病的原理可能是不一樣的。另外，用藥的劑量也反映了該病人癥狀的治療方案。

因此我們使用不同的方法，包括考慮統(tǒng)計(jì)頻次的方式、考慮順序的方式和考慮劑量的方式，得到的用藥模式也是不一樣的。

可以對(duì)于某一種用藥以及其他相關(guān)用藥進(jìn)行展現(xiàn)?；颊叩挠盟幪攸c(diǎn)反映了患者本身的特征，有助于對(duì)患者個(gè)性化的精準(zhǔn)治療。例如有相似用藥模式的患者，他們更為相似，可以作為診斷的參考。但我們也發(fā)現(xiàn)這種簡(jiǎn)單的（參考）對(duì)反映用戶特征方面仍然是有限和不足的。

隨著深度學(xué)習(xí)技術(shù)的引入，可以利用患者更多的數(shù)據(jù)進(jìn)行刻畫，捕獲更多的信息。比如剛剛只考慮了藥物的順序，但是藥物用藥之間的時(shí)間間隔以及前一狀態(tài)對(duì)后一狀態(tài)的影響等信息并沒(méi)有考慮到。

為了能夠更好地刻畫這些多元復(fù)雜的因素，我們將患者行為進(jìn)行一個(gè)圖的建模，構(gòu)建成一個(gè)二部圖。這個(gè)節(jié)點(diǎn)分別是患者和用藥。邊上記錄了豐富的交互行為，即在什么條件下、什么時(shí)間使用了某一種藥物或藥物的劑量以及藥物的具體情況等等?，F(xiàn)在我們的問(wèn)題就轉(zhuǎn)化為，得到圖中的每一個(gè)患者節(jié)點(diǎn)的特征向量來(lái)刻畫用戶的特征，用于下游任務(wù)。比如對(duì)用戶的相似性識(shí)別或者對(duì)用戶分類，對(duì)于每一個(gè)節(jié)點(diǎn)都可以用深度學(xué)習(xí)模型得到一個(gè)特征向量。如果兩個(gè)患者的特征向量相似，那認(rèn)為這兩個(gè)患者是足夠相似的。

之所以采用圖的建模，是因?yàn)槭紫饶軌蚋玫牟东@時(shí)序依賴性，即建模了多個(gè)時(shí)間間的依賴關(guān)系。比如對(duì)于一個(gè)用戶來(lái)說(shuō)，他在每個(gè)不同的時(shí)間段、不同的時(shí)間點(diǎn)使用了藥物。那可以知道他服用A藥物以后可能還會(huì)服用B藥物。因此深度學(xué)習(xí)的建模主要是能夠最大化的用藥共現(xiàn)概率，當(dāng)用戶來(lái)使用A這個(gè)藥物時(shí)他會(huì)使用的下一個(gè)藥物是什么的。

并且還能建模單個(gè)事件在不同條件下發(fā)生的概率及條件鄰近性，例如患者在什么時(shí)候來(lái)使用這個(gè)藥物。即我們的模型要能夠最大化患者和用藥，在某一個(gè)條件下面最大的概率。

我們?cè)賮?lái)看一下非結(jié)構(gòu)化和跨模態(tài)數(shù)據(jù)方面的相關(guān)技術(shù)進(jìn)展。

傳統(tǒng)的基礎(chǔ)文本分析方法可以用在醫(yī)療文本上。例如對(duì)于電子病歷，進(jìn)行特征抽取，然后得到它具有較多共性的文檔，形成共性文模板。這種方法可以采用比較簡(jiǎn)單的SimHash來(lái)提取文本的特征。但可以看到這對(duì)于醫(yī)療本身的語(yǔ)義特征的提取是非常有限的。

因此，如果能夠利用醫(yī)療領(lǐng)域中的結(jié)構(gòu)化信息對(duì)文本進(jìn)行規(guī)范化，那么可以更好的理解醫(yī)療文本。

以ICD編碼為例，即這個(gè)醫(yī)療文本主要是以文本的非結(jié)構(gòu)化的信息展示。但是每一個(gè)文本都會(huì)標(biāo)注一定的ICD編碼。因此可以實(shí)現(xiàn)給一個(gè)醫(yī)療文本，能夠得到它對(duì)應(yīng)的ICD編碼。這其實(shí)是一個(gè)多標(biāo)簽的分類問(wèn)題。我們采用的方式是對(duì)文本中的詞進(jìn)行嵌入表示學(xué)習(xí)。

然后引入圖深度學(xué)習(xí)的方法。對(duì)于需要建模的ICD編碼的層次關(guān)系進(jìn)行圖的表示。我們利用圖卷積的方式得到每一個(gè)圖的節(jié)點(diǎn)特征表示。在這種方式的支撐下，能夠比原有的淺層模型或者沒(méi)有加入圖的模型得到有效提升。但在這個(gè)過(guò)程當(dāng)中，對(duì)于文本的這個(gè)特征仍然是用通用領(lǐng)域的一個(gè)卷積模型來(lái)實(shí)現(xiàn)的。這里面也可以采用像BERT這樣的預(yù)訓(xùn)練模型。

由于通用領(lǐng)域包含的醫(yī)療生物信息知識(shí)比較少，因此在通用領(lǐng)域上的預(yù)訓(xùn)練模型，比如BERT或者GPT，可能它不能夠更好的學(xué)習(xí)到生物醫(yī)學(xué)領(lǐng)域的知識(shí)，因而出現(xiàn)了一些專門利用生物醫(yī)學(xué)語(yǔ)料庫(kù)進(jìn)行訓(xùn)練得到生物醫(yī)療領(lǐng)域?qū)ｉT的預(yù)訓(xùn)練模型。

我們所做的工作是在現(xiàn)有基礎(chǔ)上，對(duì)醫(yī)學(xué)文本預(yù)訓(xùn)練模型考慮到中文情景當(dāng)中中文漢字各個(gè)部件之間的語(yǔ)義關(guān)系，再進(jìn)行提取。比如每一個(gè)漢字，特別是對(duì)于疾病里面的一些漢字，它的部件其實(shí)體現(xiàn)了一定的語(yǔ)義特征。我們將每一個(gè)漢字拆成更小的圖的形式，然后利用圖的深度學(xué)習(xí)模型來(lái)得到各個(gè)部件的語(yǔ)義特征，再和通用領(lǐng)域的BERT進(jìn)行結(jié)合，最終得到一個(gè)更好的反映醫(yī)學(xué)文本特征的領(lǐng)域的預(yù)訓(xùn)練模型。

除了單一模態(tài)數(shù)據(jù)分析外，多模態(tài)的數(shù)據(jù)融合分析也可以做到更多的價(jià)值挖掘工作。例如除了傳統(tǒng)影像中進(jìn)行疾病檢測(cè)之外，其實(shí)醫(yī)學(xué)報(bào)告的生成也成為了當(dāng)前的熱點(diǎn)，即如何能夠更好地利用文本數(shù)據(jù)，這個(gè)思想其實(shí)是來(lái)源于圖像視覺(jué)領(lǐng)域里面通用領(lǐng)域的思想。它對(duì)于一個(gè)圖片來(lái)說(shuō)，不僅可以得到里面有哪些具體的物件，還能夠生成一段相應(yīng)的文本，即看圖說(shuō)話。

在醫(yī)療影像領(lǐng)域里面存在哪些更多的挑戰(zhàn)呢？首先在醫(yī)療文本領(lǐng)域，文本報(bào)告描述的長(zhǎng)度相對(duì)而言總是比較長(zhǎng)的。對(duì)于一段比較長(zhǎng)的文字，就會(huì)有一個(gè)常依賴的問(wèn)題。另外要得到的異常區(qū)域比較小，挖掘、描述異常是一個(gè)挑戰(zhàn)。

因此我們將主題的注意力機(jī)制，還有門控單元等技術(shù)、深度學(xué)習(xí)的技術(shù)應(yīng)用到醫(yī)療影像文本報(bào)告的生成。我們的模型得到了更好的表述異常的描述句子。

我們也發(fā)現(xiàn)了另一個(gè)問(wèn)題，即所能夠獲得的有些疾病的樣本量可能是比較少的。因此提出了一個(gè)Few-shot GAN的方法，讓我們能夠生成更多的少見(jiàn)疾病的樣本，并且還利用了疾病圖卷積來(lái)建模疾病之間的內(nèi)在關(guān)聯(lián)性。即對(duì)于疾病的標(biāo)簽之間的關(guān)聯(lián)性也進(jìn)行了建模。這樣對(duì)于一些少的疾病和其他相對(duì)更多的疾病之間的關(guān)聯(lián)，可以有助于增強(qiáng)我們對(duì)疾病、少見(jiàn)疾病的語(yǔ)義的表示，進(jìn)一步提高文本生成的有效性。

對(duì)于更多源復(fù)雜的數(shù)據(jù)而言，異質(zhì)網(wǎng)絡(luò)技術(shù)的發(fā)展對(duì)于組學(xué)數(shù)據(jù)利用起到了非常積極有效的作用。例如，可以構(gòu)成一個(gè)上圖這樣的網(wǎng)絡(luò)，在這個(gè)網(wǎng)絡(luò)里面既有基因這種數(shù)據(jù)類型，又有疾病這種數(shù)據(jù)類型，甚至還有它對(duì)應(yīng)的藥物化合物以及這個(gè)化合物可能產(chǎn)生的副作用等信息。節(jié)點(diǎn)和節(jié)點(diǎn)之間，互相又有不同類型的關(guān)系。

通過(guò)這樣的方式，如果要研究?jī)蓚€(gè)基因之間的相關(guān)性，不僅可以知道基因和基因之間是因?yàn)榧膊∠嗨疲€是因?yàn)樗麄兌际峭粋€(gè)疾病的靶向基因，亦或者是因?yàn)樗麄兛赡軐?duì)于某一個(gè)藥物的治療都有非常重要的作用。可以采用異質(zhì)網(wǎng)絡(luò)里面的語(yǔ)義路徑的方式。比如從上圖可以看到，對(duì)于兩個(gè)圓形的節(jié)點(diǎn)（基因節(jié)點(diǎn)），它可以是經(jīng)過(guò)了如三角形（疾病）這樣的一個(gè)語(yǔ)義路徑，也可以是經(jīng)過(guò)了方形（化合物）這樣的一個(gè)語(yǔ)義路徑。在這種情況下，可以得到更多的語(yǔ)義關(guān)系。

我們把這個(gè)問(wèn)題簡(jiǎn)化一下。例如要去識(shí)別和一些miRNA相似的miRNA，可以通過(guò)這樣的一個(gè)異質(zhì)圖譜，然后來(lái)考慮它不同的原路徑。比如這兩個(gè)miRNA之間是通過(guò)基因相似，還是通過(guò)疾病相似。

基于上述工作，可以進(jìn)一步融合多源和多模態(tài)的數(shù)據(jù)來(lái)研究基于知識(shí)圖譜的醫(yī)學(xué)影像報(bào)告生成的任務(wù)。

前面提到醫(yī)學(xué)影像和報(bào)告生成時(shí)，我們利用了醫(yī)學(xué)影像的圖像以及醫(yī)療文本。我們知道醫(yī)療文本或影像的一些標(biāo)簽和醫(yī)療領(lǐng)域的知識(shí)圖譜之間也有相對(duì)應(yīng)的關(guān)系，所以也可以把醫(yī)療知識(shí)圖譜引入進(jìn)來(lái)進(jìn)行學(xué)習(xí)，可以得到更好的醫(yī)療影像文本報(bào)告。

但這里面還有一個(gè)挑戰(zhàn)，也是我們正在研究的問(wèn)題，即可能會(huì)有不同領(lǐng)域的知識(shí)圖譜。在醫(yī)學(xué)領(lǐng)域里面可能有來(lái)自于不同機(jī)構(gòu)的多種知識(shí)圖譜，需要對(duì)醫(yī)學(xué)知識(shí)圖譜進(jìn)行對(duì)齊，這也是一個(gè)醫(yī)療領(lǐng)域知識(shí)規(guī)范化、質(zhì)量處理的問(wèn)題。

三、開(kāi)放互聯(lián)：由繁至簡(jiǎn)

從上面的研究?jī)?nèi)容可以看出，多種類型的醫(yī)療大數(shù)據(jù)目前已經(jīng)有了相應(yīng)的方法、應(yīng)用和優(yōu)化，并且已經(jīng)顯現(xiàn)出非常好的成效，但是醫(yī)療數(shù)據(jù)的來(lái)源本身也要考慮到安全性問(wèn)題。

醫(yī)療數(shù)據(jù)的共享互聯(lián)是一個(gè)開(kāi)放的難題，我們就這方面的技術(shù)也開(kāi)展了一些探索。以下是我們要探索的第三部分，開(kāi)放互聯(lián)。

因?yàn)殚_(kāi)放技術(shù)的發(fā)展，使得瑣碎的數(shù)據(jù)獲取流程變得更加方便簡(jiǎn)單。我們?cè)瓉?lái)要獲得相應(yīng)的醫(yī)療數(shù)據(jù)需要經(jīng)過(guò)非常復(fù)雜的申請(qǐng)流程才能使用數(shù)據(jù)，并且在使用過(guò)程當(dāng)中，大部分情況下對(duì)醫(yī)療數(shù)據(jù)的訪問(wèn)可能也是非常有限的。我們提出了一種數(shù)據(jù)自治的開(kāi)放模式。這種模式是我們將數(shù)據(jù)封裝在數(shù)據(jù)盒中，然后用戶通過(guò)以數(shù)據(jù)盒為訪問(wèn)單位的形式來(lái)訪問(wèn)數(shù)據(jù)。數(shù)據(jù)擁有者有一個(gè)更自主制定哪些數(shù)據(jù)可被訪問(wèn)的方式。

此外，為了能對(duì)數(shù)據(jù)訪問(wèn)方式進(jìn)行約束，我們?cè)跀?shù)據(jù)盒里面也提供了一個(gè)數(shù)據(jù)使用行為的檢測(cè)功能。于是，對(duì)這些數(shù)據(jù)的使用者而言，可能他所需要的操作只是利用數(shù)據(jù)的一些統(tǒng)計(jì)信息，而不能夠讀取每條數(shù)據(jù)。在行為監(jiān)測(cè)方面，我們就會(huì)加以限定。這種方式激發(fā)了數(shù)據(jù)擁有者更好、更方便地開(kāi)放數(shù)據(jù)。對(duì)用戶而言，以數(shù)據(jù)盒的方式進(jìn)行使用也是非常方便的。從而，我們能夠在數(shù)據(jù)開(kāi)放的基礎(chǔ)上保護(hù)數(shù)據(jù)的權(quán)益。并且在這里面我們還使用了區(qū)塊鏈的方式對(duì)每一個(gè)使用過(guò)數(shù)據(jù)的用戶行為加以記錄，可以用于我們的追蹤。

同時(shí)我們也會(huì)考慮，對(duì)于數(shù)據(jù)擁有者來(lái)說(shuō)，提供數(shù)據(jù)的便利，即提供數(shù)據(jù)互聯(lián)的接口。例如多個(gè)數(shù)據(jù)擁有方有多個(gè)系統(tǒng)，可以利用軟件接口化技術(shù)實(shí)現(xiàn)數(shù)據(jù)的鏈接，即給出配置要求，從相應(yīng)的系統(tǒng)里面連接接口，將數(shù)據(jù)與平臺(tái)進(jìn)行一個(gè)銜接。

在這個(gè)過(guò)程當(dāng)中，數(shù)據(jù)使用者會(huì)受到數(shù)據(jù)互聯(lián)平臺(tái)的管控。比如說(shuō)哪些使用行為是允許的、哪些使用行為是不允許的，我們會(huì)對(duì)這些日志進(jìn)行記錄。另外如果要使用這些數(shù)據(jù)進(jìn)行智能分析時(shí)，會(huì)為這些數(shù)據(jù)分配相應(yīng)的容器，即它能夠使用哪些算力，然后它就可以對(duì)這些數(shù)據(jù)進(jìn)行算法訓(xùn)練。

我們有機(jī)結(jié)合了數(shù)據(jù)、算力和方法三方面的優(yōu)勢(shì)。這樣可以讓數(shù)據(jù)擁有者的提供方更好地把他的數(shù)據(jù)貢獻(xiàn)共享出來(lái)。數(shù)據(jù)管控方主要是保護(hù)數(shù)據(jù)的安全性；人工智能算法的研究機(jī)構(gòu)或企業(yè)更關(guān)注于其研發(fā)的方法如何來(lái)進(jìn)行分析和研究。所以通過(guò)上述方式，能夠高效地按需提供實(shí)時(shí)的、高質(zhì)的、互通的數(shù)據(jù)。目前已經(jīng)形成了醫(yī)療大數(shù)據(jù)的互聯(lián)互通系列技術(shù)，構(gòu)建了醫(yī)療人工智能算法的訓(xùn)練實(shí)驗(yàn)場(chǎng)。

四、總結(jié)與展望

最后是總結(jié)。我們看到了淺層的醫(yī)療數(shù)據(jù)資源的利用已經(jīng)產(chǎn)生了巨大價(jià)值，還有更多更新的技術(shù)可以進(jìn)一步推動(dòng)醫(yī)療大數(shù)據(jù)的利用和發(fā)展。因此還需要探索更深層次的一些數(shù)據(jù)資源的利用開(kāi)發(fā)方法。當(dāng)前，元宇宙技術(shù)在醫(yī)療行業(yè)的探索也得到了非常大的關(guān)注，這對(duì)醫(yī)療數(shù)據(jù)的分析和利用也提出了一些新挑戰(zhàn)。

希望能夠通過(guò)對(duì)醫(yī)療大數(shù)據(jù)更深入的分析和對(duì)互聯(lián)技術(shù)更深的探索，更好地支持醫(yī)療健康數(shù)字化行業(yè)的發(fā)展，賦能未來(lái)的醫(yī)療，轉(zhuǎn)變醫(yī)療服務(wù)模式，助推全面的健康，筑牢健康的基石。以上是我的分享，謝謝大家。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。