3月29日，在今年的云栖大会·深圳峰会上，零氪科技联合阿里云、英特尔共同宣布启动“天池医疗AI大赛”——向早期肺癌AI诊断发起挑战。

在启动仪式上，广州医科大学附属第一医院院长何建行教授指出，在当前科技和大数据急速推动创新的背景下，临床研究与实践进入了一个全新时代，临床医学模式发生了巨大转变，从以往的的经验医学、循证医学，再到如今的精准医学。

我们已经开始通过聚焦患者的个人基因、环境、生活方式等个体化差异，并在以大数据为驱动的人工智能的辅助下，为临床医生提供更为准确的病因及用药指导，更好地预测个人患特定疾病的几率，有针对性地制定对早期检查和预防的方案，最终辅助于临床医生的实时治疗决策，从而拉开智慧医疗的序幕。

时代在变化：传统医学到循证医学

以往的经验医学，临床医生进行医学决策的信息来源于主要以教科书上的疾病基础知识理解，零散的临床资料和个人经验为主，这些属于非实验性的临床经验。尽管也是临床证据，但却是比较弱的部分，而我们需要更强的临床证据，于是我们提出了循证医学（Evidence-Based Medicine，EBM）其核心思想是医疗决策（即对患者的处理、治疗方案及医疗制度的制定等）应在现有最好的临床研究依据基础上作出，同时也重视结合个人的临床经验，一般的做法是首先在小群体中测试新疗法，然后观察治疗如何奏效，同时找出任何可能的副作用。

如果试验证明大有希望，那么就扩展到更多人群——大样本的随机对照临床试验（RCT），尽管RCT的设计都遵照了严格的科学标准，但其在方法学上也存在一定的缺陷：RCT通过一系列入选排除标准选取一定样本的特定人群，无法确定在真实临床实践中的可推广性。

另外出于控制变量的设计，RCT很少获得关于伴随疾病和伴随治疗的信息，并且为了依从研究方案往往采取较多的干预措施，这在临床实践中也不太现实，因此，我们需要基于真实世界研究的观察性研究，通过“真实世界样本”来反映真实世界总体。

人工智能的应用：医疗大数据价值挖掘

近年来，真实世界研究正越来越多地应用到临床研究中，不仅可以减少传统研究的限制，还可以充分了解指南与实践的差距，为指南的制定与规范提供参考，而且还能平衡临床疗效和成本效益。然而，虽然真实世界研究有很多好处，但是当前也面临一些难题：

首先，真实世界研究是基于真实世界数据开展，我们目前的医疗数据90%都来自于医疗影像（X光、CT、MRI）等非结构化数据，大都处于原始未加工的状态。而来自门诊、住院等渠道收集来的诊疗信息由于缺少处理也仅能被称作“信息”而非“数据”，目前真实世界数据存在适用范围窄、应用效率低等问题。

因此，我们需要将数据科学引入医疗行业，用大数据助力真实世界研究，用医疗大数据辅助管理决策，进行科研统计分析，同时借助以人工智能为代表等先进技术手段进行采集、预处理、结构化等一系列处理，进行价值挖掘，通过大数据+人工智能实现辅助医生诊疗。

人工智能的应用：肺癌早期影像智能筛查

以全球第一大癌症——肺癌为例，肺癌发病率逐年提升、晚期发现率更高，而影像学诊断是发现早期肺癌的重要手段，但受限于设备、经验、人眼客观识别能力外加超负荷难免会有漏诊和误诊；据调查，国内医疗影像数据和放射科医师的增长数据增长分别为30%和4.1%，这也将导致医生的压力越来越大、甚至远超负荷。

而通过建立深度学习数学模型，让计算机自动学习海量专家标注影像图片，挖掘规律，学习和模仿专家阅片、诊断技术；从而提供机器智能辅助诊断服务，包括：早期肺结节筛查初步鉴别病变良恶属性，智能标注病灶位置、大小等，由机器辅助找出疑似漏诊及误诊。通过机器辅助医生，提高诊疗效率，缓解超负荷状态，降低漏诊及误诊，提升医生诊疗质量，与医生一起普惠更多患者。

智能化医疗的未来：精准预测、预防疾病、辅助医者、普惠患者

未来，我们希望通过对电子病历、医保数据库、电子设备和app、患者登记项目，甚至社交媒体等在内的极速积累的健康大数据的合理使用可以发掘出新的价值。

包括通过全面分析患者的特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的个性化精准治疗方案；在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群，提供智能预防方案；通过对大型数据集（例如基因组数据）的分析对健康人群提供智能提醒方案，改善医疗保健效果。

通过大数据分析技术及人工智能识别和分析医疗影像数据，或者挖掘医疗文献数据建立医疗专家数据库，建立智能临床决策支持系统，给医生提出诊疗建议，以提高工作效率和诊疗质量，降低诊疗成本，实现疾病发病率的降低。

然而，无论人工智能技术有多发达，医者的专业储备以及临床经验，都是智能科技发展的根本； 同时，医患之间真实的情感的交流和沟通，也是任何技术发展都无法替代的； 希望技术的不断进步，可以最大限度的帮助医者，普惠患者！