记者日前从国家卫生计生委获悉，为保证医患双方合法权益，电子病历新规4月1日起施行。这预示着我国在医疗信息化融合方面又迈进了一步。

    不过，近日出版的《数字医疗》一书中却谈及了过去人们在医疗信息化路上遇到的一些障碍。该书作者被称为“医院医生之父”，加州大学旧金山分校医学院院长罗伯特·瓦赫特，在书中他曝光了不少医疗事故：一位在加州大学旧金山分校医学中心贝尼奥夫儿童医院接受治疗的罕见遗传病少年患者，遵医嘱应该吃1片抗生素，护士却让他吃了38.5片！这个离谱错误发生的部分原因是由于信息系统参与到了医疗过程中：系统中的计量单位与医生熟悉的不一致，机器人取药系统未提出质疑，系统警告因为太多假警报而被忽视……

    数字医疗，一个计量单位的小错误，就可能危及生命。当整个世界信息化的比重越来越大，每个人的生活甚至可以分为“实体维”和“二进制维”时，医疗的信息化却进展缓慢。尽管各种机器人奔走于药房与病房之间，尽管AI诊断工具的诊断错误率在大幅降低，但“就医的便利性提升”一栏中，患者的直观感受并不能像金融、通信等领域那样，不假思索地打上“五颗星”。

    尽管步伐艰难，医疗却是最需要信息化的领域，医疗信息化过程中有哪些困难？该如何破解？如何又快又安全地让民众获得最大便利？树兰医疗集团总裁、该书的翻译者郑杰表示，“医疗与信息技术的‘婚姻’，确实是一个全球性课题，尤其作为超级大国，中美有一定的可比性”。

    标准不统一 医疗信息大数据难共享

    在没有医疗信息系统之前，美国数一数二的梅奥医学中心通过气动管道传输系统传送病人的纸质病历和X射线胶片等，有1万多条总长16公里的气动管道在地底，把病人的信息传来换去。直到2004年，美国明确提出十年内让每个美国人都拥有电子健康档案。

    我国的数字化进程起步稍晚，资料显示，2009年下半年，当时的卫生部开始推行健康档案电子化，在半年中先后发布了《电子病历基本架构与数据标准（征求意见稿）》、关于印发《基于健康档案的区域卫生信息平台建设技术解决方案（试行）》的通知等多个文件和标准。

    如果没有健康档案，医生对于患者的了解将每次都要从“零”开始，档案的积累让信息得以连接成连续的“健康线”。在数据积累的过程中，中美两国遇到了医学所特有的相似的技术难题。“比如血液钾含量低可能被记为‘低钾’‘血钾过少症’‘低K离子’‘↓K’等。”瓦赫特在书中写到，这些五花八门的医学专有名词在电子化中必须统一，否则无法实现医疗系统间的无缝对接。

    2011年发表在《中国卫生产业》的一篇题为《浅谈电子病历与电子健康档案发展历程》的论文写到，目前的数据资源局限在某部门或某一个业务系统内，建设标准不统一，各个系统之间难以进行数据交换和信息共享，产生大量的“信息孤岛”。

    多年来，随着硬件和算法的升级，信息“孤岛”逐渐毗邻，计算机不仅能够识别文本信息，还可以识别图片信息，虚拟世界里“结构化数据和非结构化数据”能被同时“消化”的时代如同现实中的“全球一体化”般到来，信息交换从技术上已经不再是难题，它迅速在基层得到应用。

    “为了构建紧密型的医联体，我们把社区和三级医院的信息联系起来。”北京大学首钢医院院长顾钢介绍，基于可对接的信息系统他们自发地尝试信息共享，但其他医院如果效仿可能还需要从机制体制上推一把。

    北京市方庄社区卫生服务中心是主动联合的社区医院之一。中心主任吴浩介绍，“我们和天坛医院（联合的4家三级医院之一）信息已经联网打通，方庄所有病人的信息每天晚上要和天坛医院交互。我们的签约患者在天坛医院的病历、住院信息等都会同步到他的健康档案数据库和签约医生的管理平台”。据此，人们完整的“健康线”逐渐显现，社区签约患者不同阶段的健康可以做到“有踪可查”，并且由医护人员进行随访和健康管理。

    AI加入 科技巨头纷纷放“大招”

    “沃森清楚，它需要与医生互动并且成为他们所在生态系统中的一部分。”IBM的全球医疗改革总监这样告诉作者瓦赫特。IBM的沃森是进入医疗行业的人工智能（AI）之一，它掌握大量的病历，甚至可以初步诊断，尽管不少媒体用“沃森医生”报道它，但是它的创造者其实是极力想要撇清这个称谓的。

    在中国，对AI医疗的资本投入占整个AI投入的一半左右。中国同样拥有自己版本的“沃森”。2017年11月，科大讯飞“智医助理”机器人以456分的成绩通过了临床执业医师考试，其专业知识已能够担负起执业医师的工作。

    中国自主研发的肺部结节等图像识别系统在国际比赛中也多次名列前茅。公众感受最直观的，是多地大医院配备的人形导医机器人，为患者回答问题、初步分诊、疏导患者。AI落地医疗目前正在为一线医生降低劳动强度，并帮助医疗资源覆盖到偏远地区。

    更复杂算法被用于开拓此前不存在的诊断方法，增强医学整体实力。尤其在近期，科技巨头们频繁放出“大招”：2月，谷歌大脑从视网膜图像，辅以各种因素如年龄、性别、吸烟史、血压等数据中，可以预测心血管疾病的风险，他们构建的系统使用了130000个视网膜图像进行训练，成功率7成左右。而3月15日《自然》发表了德国癌症中心的脑肿瘤诊断AI工具，弥补神经系统肿瘤诊断的短板。

    中国在AI拓展医学能力方面的进展鲜见于公众，记者在多次采访中了解到，多个院所高校均在AI医疗领域有所部属，例如在国家重点研发计划的支持下，中科院软件所田丰研究团队与协和医院开展合作，利用患者持物的微小抖动试图预测患帕金森症等神经退行性疾病的风险。

    集纳数据 数字医疗还需分步走

    中国拥有庞大的患者人群，能提供珍贵的研究数据。“给出10000个基因组与疗效的案例，能够通过数据挖掘预判出10000+1个患者的可能疗效。”国家重点研发计划干细胞专项专家组副组长王小宁建议，建立国家生物治疗疗效数据库，强制要求生物治疗临床研究申报单位将数据集中，解决无法判定疗效适应症指标的难题。

    集纳数据仍旧是中国需要进一步完善的工作，“我们需要提升的是医疗信息的标准化，目前一些主流的医学信息标准大部分来自美国的标准化组织，美国在医疗系统的‘互操作’方面的进展也值得我们关注和学习”。郑杰说，从火车和铁轨、灯泡与灯座、互联网TCP/IP协议的例子可以看出，一个复杂的信息生态系统里，标准可以极大地提高效率，获得数据价值。

    “一个人一生的健康数据一定会分散在不同的医疗健康服务机构，必然面临跨医疗机构、跨健康医疗终端的数据共享问题。”郑杰提醒，相关配套的法律、法规，数据追溯防篡改的技术机制也要不断完善。

    我们走到哪儿了？《数字医疗》一书中将目前可预知的医疗卫生信息化过程分为4个发展阶段。一阶段：实现整个医疗卫生服务体系的数字化；二阶段：不同的医疗信息系统间实现互联；三阶段：充分发挥医疗大数据的价值；四阶段：创造技术工具、完善医疗制度、建设医疗机构、改进医院文化，在前三个阶段的基础上，提升大众健康和改善医疗质量。如果高度概括的话，可总结为“建库、互联、AI和落地”。这4个阶段不是分割明确的，瓦赫特认为，美国即将完成一阶段，正在解锁二阶段，为三阶段奠定基础，也初步涉及四阶段。

    “未来，我们可以通过‘数字病人’模拟一系列的临床医疗问题，通过分析大数据做出更佳的临床决策，但最终，只有真正的患者才是需要我们真心去关注的。”瓦赫特说。对比中国，也在相同的阶段摸索，国家层面指征全面营养健康的“全息数字人”的提出，也是对医疗信息化未来走向观点一致性的表现。