大数据助推医疗AI规范化

　　一些发达国家在2017、2018年都将目光投向大数据。法律法规层面，2012-2017年，美国、欧盟、英国、法国、日本、澳大利亚等主要发达国家和地区相继出台了一些大数据发展规划，其中美国出台的规划最为密集。

　　与此同时，中国持续关注大数据的发展。国家网信办发布《数字中国建设发展报告（2017年）》报告显示，2017年我国数字经济总量达到27.2万亿元，对GDP的贡献为55%。中国数字经济规模位居全球第二，数字经济成为新时代国家信息化的新战略；驱动引领经济高质量发展的新动力。中国因此也跻身于全球6大数字经济创新中心之列。

　　作为人工智能医疗的根基——大数据，在发挥驱动作用的同时，也面临着标准化、规范化的要求与考验。集中体现在，庞大医疗数据数量背后实际的“信息孤岛”问题。以及缺乏标准化、规范化的数据管理“信息垃圾”问题。

　　通过对健康医疗大数据历年政策解读，不难得出了一条循序渐进、逐步深入的基本脉络。

　　国家卫生健康委统计信息中心副主任周恭伟向记者表示，2014年是“大数据”诞生之年；2015年是大数据顶层设计之年；2016年是政策细化之年；2017年是大数据的产业孵化之年。2018年则成为大数据的标准化之年。因为在这一年，中国电子技术标准化研究院与全国信息技术标准化技术委员会大数据标准工作组联合发布了《大数据标准化白皮书》。

　　中国医疗数据量大，可开采空间广阔。但针对不同病种的数据量和质量参差不齐，有些病种的训练数据缺乏、行业规范“真空”等问题。如何从“量”、“质”双向突破助力医疗人工智能成为关键。

　　标准化之需

　　数据质量方面，因AI数据处理中标注的准确性关乎结果准确性，药物研发中的数据质量对于研发效率的提升至关重要。而实际应用层面，近年来还是需要大量医生去标注，实际操作存在一定局限性。促进行业发展的核心仍是标注规范的落地。

　　对比仍处在发展初期的医疗AI，大数据赛道已经显得拥挤。但尽管已经进入“深水区”，大数据领域的“雷区”也并不少见。

　　广东省医院协会信息化专业委员会常务副主委潘晓雷表示：“我在医院从事信息化工作18年，虽然数据的获得没有问题，但是最后我们发现数据质量不高，尤其以后在人工智能上面再来做的话，没有高质量的数据，甚至被医生认可的数据，这个数据就是垃圾。”想要大数据赋能AI医疗取得长期发展，应该从医疗的迫切需求出发，而非商业模式。

　　“数据大并不代表数据好。数据需要的是规范、标准和标注。光拿进来数据，如果没有好的标注也很难形成很好的产品。”上海长征医院教授刘士远对21世纪经济报道记者表示。对数据的规范化处理成为AI医疗基石重要的一部分。