【中國智能制造網 名家論壇】醫療信息化就等于真正的智慧醫療嗎?或者說只是智慧醫療的基礎?本文主要論述了FPGA＋深度學習技術如何助力智慧醫療落地。　　
　　在醫改大政策風向標的背后，是資本逐鹿試水，商業試錯。互聯網 醫療成為構建新時代下智慧醫療的生態圈。但是，醫療信息化就等于真正的智慧醫療嗎?或者說只是智慧醫療的基礎?若論更加務實的智慧醫療則是在信息化基礎上的幫助診療，本文主要論述了FPGA＋深度學習技術如何助力智慧醫療落地。
　　
　　醫療信息化不等于真正智慧醫療
　　
　　“十三五”強調要促進健康中國的建設，其中智慧醫療被提上日程，智慧醫療成為深化醫改、推進健康中國建設的重要技術手段。智慧醫療在百度的解釋是通過打造健康檔案區域醫療信息平臺，利用先進的物聯網技術，實現患者與醫務人員、醫療機構、醫療設備之間的互動，逐步達到信息化。作為建設智慧城市的一部分，智慧醫療對緩解看病難這一社會問題具有積極的推動作用，但是，如果把智慧醫療僅僅定義為醫療信息化，未免有些狹隘。
　　
　　不可置否，目前醫療產業面臨的大醫院人滿為患，社區醫院無人問津，病人就診手續繁瑣、看病難等等問題，都是由于醫療信息不暢，醫療資源兩極化等原因導致的。近年來，醫療改革在醫療信息化的浪潮中取得了巨大成就，可以使患者用較短的等療時間、支付基本的醫療費用，就可以享受安全、便利、的診療服務。比如目前部分醫院支持在線預約專家、微信掛號及在線支付等功能，以及未來電子病歷及健康檔案的落地，確實在一定程度上減少了病人的等診時間及看病成本，但這并不是智慧醫療的全部。
　　
　　對于幫助診療方面，目前國內僅局限于不到10%的文字和數據類的結構化數據利用，對于大量的非結構化醫學影像數據缺乏認知分析。由海歸博士團隊聯手成立的杭州健培科技有限公司，從2014年開始與國內外的研究機構和高等院校展開合作，致力于醫學影像大數據分析技術(MIBA)的研發及應用，并通過深度學習技術，建立人工智能診斷系統，幫助醫生診斷各種疾病，推動我國醫療創新領域理念從“方便診療”走向“幫助診療”，以此改變我國醫療衛生資源分配不平衡、看病難、看病貴等問題。這也是智慧醫療的關鍵重要組成部分。
　　
　　杭州健培科技有限公司CEO程國華表示，目前國內智慧醫療看到的只是醫療信息化這一基礎層面。針對一個醫院的信息化，軟件工程師基本可以全部搞定，但是真正做到智慧醫療，僅僅做醫療信息化是遠遠不夠的，智慧醫療重要的是洞察大量非結構化大數據背后的價值，以幫助醫生在短的時間內做出的診斷。
　　
　　深度學習與醫學影像診斷
　　
　　當下互聯網＋推動了醫療行業大數據爆炸，據調查數據顯示，醫療行業非結構化數據占整個數據量的90%左右，醫療行業的非結構化數據主要包括醫療PACS系統產生的醫學影像，比如DR，CR,MRI等，如果能夠深挖這些海量影像數據背后的價值，將對醫療研究、個體化治療、疾病治療與療效評價、重大疾病的風險評估等具有重要的意義。目前，通過深度學習技術，可以解讀醫療影像數據，這在國外已經有不少落地性案例，比如，倫敦帝國理工大學今年就宣布運用深度學習技術為基礎的腦部影像圖像分析工具，以協助醫生診斷大腦出現的損傷情況。但國內在醫學圖像分析領域的應用案例還是一片空白。
　　
　　對此，健培科技在國內利用自主研發的“兩朵云”產品進入醫療影像分析領域，即HealthView駐地云和HealthView診斷云。HealthView駐地云能有效的對醫院的非結構化數據存儲系統整合和優化配置，進而為診斷云提供了數據倉庫。而診斷云側重于非結構化數據的分析和挖掘，將影像數據的重要臨床實用價值發揮出來。比如長久困擾放.
　　
　　射科的肺癌早期和乳腺癌早期篩查誤診率居高不下的問題，通過計算機智能診斷的性，能夠極大的降低人為閱片的誤診率，通過計算機的高性能和不間斷運行，也能有效減輕放射科醫生的工作負荷，從而改善整個放射科的工作效率和質量，終提升患者就醫體驗。
　　
　　從技術創新角度而言，程國華說，“傳統的基于Hadoop的大數據處理平臺，有很多弊端，而且性價比也不高。隨著醫院云平臺需求的深入，原來的架構已不能承載。目前Spark架構是先進的，雖然Spark概念已提出幾年，但是在醫療行業的應用還是全新的。對于醫療影像大數據應用來講，它不僅能將性能提升至幾十倍甚至上百倍，同時可以降低存儲需求。”基于Spark架構駐地云可以幫助醫院進行存儲、分享及傳輸醫療影像數據，還可以即時的交互，在此基礎上嫁接診斷云，整個醫院將變成智能化。
　　
　　HealthView診斷云在駐地云的基礎上，結合新人工智能算法，實現海量相似病例檢索和醫學影像智能診斷，極大地幫助醫生進行定位病癥、分析病情和指導手術，屬于“臨床決策系統”的一部分，也是醫學科技發展的前沿方向。利用深度學習技術結合云計算平臺對醫學影像做分析，可以大大提高醫生的診斷率。據了解，放射科醫生診斷效率可以從原先的半小時一個病人到1分鐘一個病人，度從70%到85%到90%的一個逐一變化來提高整個醫院的診斷效率與準確度。這種幫助診療在一定程度上大大縮短了病人的等療時間，而且可以得到的診斷。因此，幫助診療是智慧醫療很重要的一部分。
　　
　　目前健培科技聯合建立的研發實驗室，首先是通過對肺部影像的分析來診斷各種疾病，程國華表示，醫生根據傳統的醫療影像，雖然可以判定疾病類型，但是由于肺部形狀不規則，發病部位往往十分復雜，因此對診治造成困難，難以量化分析，而且醫生也難提供個性化治療方案。但是基于深度學習的人工智能診斷，可以快速給出診斷意見，并且診斷率達78%，遠遠高于目前的臨床診斷準確率。程國華強調，未來健培科技將會陸續對幾十種疾病進行實驗分析。