脚踏大数据与人工智能,腾迈智医如何智能化实现分级诊疗?

[ 物联网在线导读 ] 作为贵州孵化出来的高新科技企业,曹继平希望打消外界对贵州创业的刻板印象,通过近10年的努力与搭建,腾迈智医利用人工智能和大数据推动着分级诊疗落地,将科技成果带给更多普通人。

智能医疗,移动医疗,人工智能

图片来自“123rf.com.cn”

2017年什么最火?人工智能肯定算一个,2014年被贵州省定为“弯道超车”关键的“大数据”肯定也算一个,成立于2008年的腾迈智医“很幸运”站在这两大风口上,这家基于大数据、人工智能的创业公司,通过为医院搭建HIS(Hospital Information System)逐步建立数据节点,在近10年间不断摸索医疗人工智能产品,希望通过人工智能技术实现分级诊疗落地,帮助基层医生也能实现准确高效诊疗

2015年9月国务院办公厅下发了分级诊疗制度建设的指导意见,旨在解决医疗资源不平衡问题,其关键在于完善基层医疗建设,多级解决就诊难问题。理想条件下一个患者就诊顺序是:通过社区内全科医生诊断,获得初步诊疗,根据病情再向上级医院转诊。事实上基于患者自身原因,大多患者会直接选择“更加靠谱”的上级医院,其中最大的原因是对医生的不信任。

腾迈智医创始人曹继平向物联网在线介绍,这种不信任源于基层全科医生本身经验,一般大型医院单个医生接诊数量较高,积累了丰富经验;基层医生和一般三甲医院医生接诊数量有限,经验较少。基层医生缺乏诊疗经验,诊疗能力进一步被质疑,分级诊疗更难以落实。

对于医生而言,诊疗效果除了扎实的医学知识外,诊疗经验也会强化诊疗结果准确性,因此腾迈智医希望通过人工智能产品进行诊疗辅助。这里不得不提到循证医学(Evidence-based medicine),意为“遵循证据的医学”,是希望通过认知疾病,在疾病早期依靠判断对疾病确定正确治疗方案,这就需要病症科研证据,高素质临床医生以及流行病学基础,配合医疗措施落实,这一体系为智能医疗提供了科学基础。

模式上,腾迈智医通过搭建大数据分析和对抗模拟,以每个病症10万条以上数据为基础,进行病症分析,通过机器学习实现对病人诊疗的辅助。在此之前的智能诊疗基于穷举法,通过人工定义对特征数据做标记,机器识别特征数据后寻找对应治疗方案。曹继平表示:“目前我们已知的人类病症在4万种左右,如果基于‘穷举’去定义,一方面人工定义会有偏差,另一方面这对模式解决也要求更高。”腾迈智医认为,通过机器学习方式让机器自我学习有效数据,加上对抗训练,可以降低原先对大数据的依赖,同时也能程序化解决诊疗误差。

在应用上,腾迈智医开发了人工智能医生助手(AIDA)、基层医疗精灵(BMIF)两款产品,其中人工智能医生助手可以帮助医生在医疗诊断中进行更有效问询,提升全科医生服务能力,降低误诊率。基层医疗精灵则是面对偏远或基础建设较差地区,基层医生通过手持此设备即可通过云获得有效医疗支持,在多发病、常发病等诊疗上提供诊疗辅助。

腾迈智医还基于GSP(Good Supply Practice,《药品经营质量管理规范》)开展药品数据,对药品制作、来源、流通进行溯源管理,进而嫁接在人工智能算法中提供精准医疗支持。

腾迈智医CEO曹继平和COO佘劲松最初并不是一开始就在医疗行业工作,二人2000年在南京结识后最初是在华为从事系统搭建工作,经历过2008年短暂的高管工作后,二人发现HIS在贵州存在市场缺口,基于工程师经验,二人发现贵州系统搭建服务商缺乏标准、规范,特别是在医疗行业,市面的HIS造价高、缺乏定制化。

2007年以前,传统医疗管理系统搭建以财务部门为核心,HL7组织(Health Level 7,标准化的卫生信息传输协议,是医疗领域不同应用之间电子传输的协议)在国际上提出了以患者为核心的新思路,到2010年国家倡导电子病历,曹继平认为这是HIS变革的机会,HIS搭建新方向会颠覆原有服务商。在其后的考察中曹继平发现,大型医院或连锁医院出于省事多采购高价系统,彼时还没有云概念,单个医院需要高成本维护服务器和系统,某医院千兆带宽实际使用带宽不过300兆,而其中大部分还是测试流量,医院为了长期维护还不得不承担高额人工成本。

系统工程师出身的曹继平和佘劲松还发现,传统HIS由于计算集群限制和开发成本原因,均以标准产品对外销售,医院缺乏开发人员,出于业务需求只能自上而下使用标准产品,到了应用层,由于各级医疗机构面对环境不同、业务部门不同,各级医疗机构常常水土不服。

用户喜欢...