公卫系统与临床数据割裂,亟需建立双向反馈机制( 二 )


另外是流程筛选 。 大家一提AI就把它看得很精准 , 其实当规模非常大的时候 , 不需要特别精准 。 比如病理超声、肺小结节等 , 当这些量大时 , AI可以帮助医生做一些最基本判断 , 并不是诊断性的 , 而只是一种流程筛选级别的 。 如果有这种方式 , 就能够有一些预检和分诊 , 对病人做一些早期的治疗干预 。 但是完全做到诊断级别 , 是很难的 。
张少典: 坦白讲 , 疫情中AI和大数据起到作用是有限的 , 不宜过分夸大 。 传染病控制首要是临床以及疾控体系的工作 , AI和大数据起到辅助作用 。
国内有不少地方机构汇集医院数据多年 。 过去 , 大家一直没找到一个真正意义上能够让数据发挥较大价值的应用点 。 这次疫情的暴发 , 让他们主动去寻找企业、科研院所 , 联合他们一起来挖掘数据的应用价值 。
目前 , AI应用较多的是影像阅片 , 主要帮助影像科医生提升工作效率 。 而自然语言处理技术 , 更多是帮助医院完成临床数据治理的工作 。 疫情中催生的互联网医疗或者远程医疗 , 以及防止人传人、医生患者间交叉感染的智能机器人、无接触式诊疗、无接触病床管理 , 这些产品发挥的作用相对AI要更明显一些 。
当然 , AI在疫情中肯定有一些应用场景 。 我们也做了一些工作 , 譬如建立一个新冠肺炎专病库 , 帮助机构利用专病库进行数据分析和科研工作 。
澎湃新闻:未来推进大数据、人工智能在公共卫生管理方面更好发挥作用 , 哪些方面需要进一步完善?
张铁山: 这些年 , 中国医疗机构的信息化布局已经逐渐到位 , 建立了庞大的信息化公共基础资源 , 制度、组织架构也逐渐完善 。 这是中国的体制优势 , 宏观层面的效果很快 , 但是产出比较粗糙 , 需要进一步精雕细琢 , 比如数据规范建设、数据标准确立等需完善 。 未来要把宏观层面的成果和前端、执行端整合 , 进行互补 。
医院会向疾控中心上报传染病数据 , 那么疾控中心能不能也给我们医院反馈?所以要建立一个双向反馈机制 。
比如我们医院突然来了一个传染病病人 , 也许其他医院已经报过了 , CDC的系统中记录有 , 但是我们医院并不知道情况 , 要重头开始诊疗 , 同时 , 这个过程也有很多风险 。
最典型的 , 去年北京出现了一例鼠疫患者 , 内蒙古过来的 , 为什么大家一时判别不出来?在流行病发生的某个地区 , 一个县医院的医生敏感度可能比北京协和医院的医生强 。 因为地方病种可能很多 , 比如一些农牧区的疾病 , 城市里的大学生医生可能根本一辈子都见不着 。
如果能够把疑难罕见疾病 , 包括新型疾病整合集成在一起 , 建立数据库 , 一旦出现紧急情况 , 根据数据库 , 病人的基本情况、地方病例动态等就会立刻反馈 。 所以数据的双向反馈非常重要 。
张少典: 我们还收到了一些诊疗环节的需求 , 譬如急重症和发热门诊的管理 。 有医院反馈 , 由于大量的重症患者涌进医院 , 对ICU和重症患者管理的需求上升 , 咨询能否借用AI提升ICU管理效率 , 或者进行ICU病人的监控 。 发热门诊方面 , 大家都希望能通过CDSS辅助诊疗系统工具 , 帮助医务人员对患者进行更精准地区分和分诊 。 这些都是疫情衍生出来的一些需求 。
风险预警方面 。 最近很多地方卫健委在思考有没有可能通过对症状的监控 , 对更前置的一些风险因素进行监控 , 提前预判情况 。 不能等医生确诊后再上报 , 再采取行动 , 这样已经晚了 。 不仅是流行病诊断后上报这么简单 , 而是做预先症状监控 。 这些事情美国CDC已经做了很多年 , 我们国家也开始推进这样的布局和建设 。 总体看来 , 风险监控和分诊诊断的确是刚需 , 非常重要 。
弓孟春: 我们在一线的经验是 , 公共卫生机构和临床数据是割裂的 , 无法高效对接 。 目前 , 我国的公共卫生监测数据在专属的系统内独立运行 , 而临床数据大多存在医院的系统中 , 两个系统的数据很难对接 。 而在政策制定、临床诊疗过程中 , 又特别需要对于各方面数据的综合判断并分析利用 。


推荐阅读