本篇文章2316字，读完约6分钟
medical transscriptions service
想象一下:在未来的某一天，如果人工智能诊断和治疗成为现实，你可以直接在医院用电脑看医生。通过测试数据，系统很快会给你一个诊断结果，这样你就可以顺从地开药，甚至决定是否要做手术...虽然这个过程听起来非常方便和美好，但要达到人工智能诊断和治疗的乌托邦实际上并不那么简单，而且不管它的砖块是否还在建造中，都不像想象的那么容易。
人工智能实验室诊断和治疗
人工智能诊断和治疗的用户群不限于辅助医生。根据不同的服务群体，可以分为四个层次:
回应患者咨询；
辅助咨询人员、药房人员、医疗在线客服；
基层医生和全科医生的临床辅助决策；
医生的病人康复跟踪。
上述功能应与人工智能诊断和治疗相关。如果一家医疗初创公司没有大量的数据，就不可能生产出成熟的产品。
在缺乏数据的情况下，目前初创企业的主要方式是与医院或数据中心合作获取相关数据。然而，这些数据的主要目的不是用于医院的实际诊断，而只是在早期阶段的积累工作——通过大量的临床数据优化算法。
人工智能诊断的新星伊利克的创始人杰里米.霍华德曾经说过，缺乏数据是限制他们发展的主要原因。去年，它从国会健康中心获得了1000万美元的资助，并通过后者提供的放射学数据改进了诊断算法。通过对海量医学数据的挖掘，可以实现医学图像的实时准确诊断，预测患病概率，辅助医生决策。
目前，最成功的人工智能诊断和治疗系统是ibm的沃森。东京系统与软件开发研究所沃森健康云的软件工程师林雪婷告诉雷锋。该系统需要一个合作研究中心来获得准确的数据源。沃森获取数据的方法主要是与美国第二大连锁药店cvs合作，获取用户的行为信息、临床数据、药品购买数据和保险信息，或者与各地的实验室和研究中心合作。
然而，目前的研究工作主要局限于实验室。即使沃森成功诊断出白血病，它仍然离临床试验很远。
数据的有效性
人工智能诊断和治疗的最大伤害在于为医学研究所收集的数据，这远非真正的询问。
一个原因是数据量小。目前，大多数科技公司的做法是从医院获取数据，并提供定制的解决方案作为交换，但这些临床数据只能被视为“小麻烦”。
雷锋。com只是简单地计算了一下每个人的账户:仅在英国，就有近200人看不到明天的雨(很容易天黑)。到2020年，世界上将有2亿人因amd(继发于糖尿病的视网膜病变)而失明。
然而，即使谷歌深度思维和英国一家有百年历史的医院摩尔菲尔德联手，训练数据也只能达到100多万张匿名扫描图像。相比之下，与全球患者相比，独立医院提供的数据只是沧海一粟。同时，疾病的数据采集会受到地区甚至疾病的限制，这使得数据的有效性打折扣。
另一个问题是数据质量需要提高。电子化程度不够，数据采集方法混杂，缺乏结构化程度低的标准体系和数据源，使得临床试验更加困难。
与财务数据不同，医疗数据在粒度和专业性方面是成熟的。目前，医院的his和emr还远远不够。“数据质量是有效分析的基础。目前，数据清理占用了太多的工作量，但毕竟还是一个质量问题。”舒兰医院首席执行官郑杰说。他认为，大多数使用医院信息系统的医生平均年龄较大，对接受最新信息系统的排斥程度很高，而且没有迫切的数据分析动机，因此“很难建立良好的数据结构和数据质量。”
雷锋。搜索“雷锋”。请一、二级医院的几名医生提问。他们说，医院没有引进相关的人工智能诊断设备，因为准确率不乐观，还在观望，但也不排除。"在法律法规允许的情况下，人工智能诊断被用作辅助诊断."
康副总的首席执行官张居克告诉雷锋。“目前市场上的诊断(专家系统已经做了很多年)主要是基于症状，还有一些可以添加测试数据，但实际上是病史、用药、诱因等。需要逐步研究。”测试数据更多的是当前的参考，而医生的“看、听和问”是对症状、诱因、病史、用药史和其他方面的综合考虑。数据质量差将不可避免地阻碍人工智能的研究。
hsnewsbeat
除了数量和质量，法律的缺乏也给数据的有效性打上了问号。
不管数据质量的信息化水平如何，更不用说deepmind与nhs的年度数据交换达到了160万，这引起了公众舆论的攻击。在最新的规范中，苹果公司也不允许开发者在icloud上存储数据，这也是科技公司为避免数据泄露而制定的规范。
到目前为止，国内外还没有人工智能诊断和治疗的相关法律法规，也缺乏对相关责任主体和治疗程序的明确规范。目前，外国第三方只能根据hippa协议使用个人数据的统计信息。1996年颁布的《医疗保险携带和责任法》旨在保护与患者隐私和健康相关的电子数据，并尽可能规范数据交换过程。
hipaa的安全原则定义的技术保证不需要使用特定的技术，而是一个可调整的框架，要求组织采用尽可能多的适当技术来保护数据安全，并且这些安全方案需要满足“检查和控制、信息完整性、数据传输等”的各种要求。。
出于隐私考虑，通常不可能大规模共享医疗数据。由于人们对疾病的自然排斥，他们自然不愿意与他人“分享”患病的实验室数据。各医院的“信息孤岛”问题加剧了这种情况。
venturebeat
摘要
简而言之，ai诊断和治疗迅速发展的主要原因是数据的数量和质量不足以支持现阶段的真正咨询。诊断和治疗是一项非常个性化的私人活动。为了大规模开放和使用医疗数据，除了基于语义自然语言处理的大数据分析之外，还需要法律的支持和保护。
这样，医学大数据才能真正为人工智能的探索服务，为人工智能的诊断和治疗提供帮助和支持。也许在不久的将来，我们可以到达乌托邦，享受计算机医疗的便利。
推荐阅读:
沃森第一次诊断出罕见的白血病。10分钟内诊断的难度是什么？
征服围棋之后，心灵深处想“看透”人的眼睛
