詹启敏:医疗的基本模式是医生和病人 大数据是后台支撑

CIOAge
日前,北京大学医学部主任、中国工程院院士詹启敏在接受媒体采访时就当下医疗行业的发展现状以及大数据、人工智能t等技术在医疗行业的发展发表了看法。

6月3日,由北京常春藤医学高端人才联盟、药明康德新药开发有限公司、中国行为法学会养生保健行为研究会主办,武汉国家生物产业基地建设管理办公室协办的2017北京常春藤医学高端人才联盟健康产业论坛正式开幕。北京大学医学部主任、中国工程院院士詹启敏会后接受了媒体采访。

[[193350]]

具体采访内容如下:

Q:现在我国的医疗现状面临很多问题,比如慢性病高发、肿瘤高发等,在医疗现状非常不好的情况下,大数据、人工智能、精准医疗被频繁提出,您觉得除了这几方面还有哪些方面需要努力?

詹院士:有这几个层面的事,目前一方面我们整个疾病的负担,或者是说疾病防控的挑战比较大,这一块不仅国家政府、媒体,其实老百姓也很关注。健康中国2030这个目标提出来以后,首先要把主要疾病的负担给降下来,当然健康处境不光是疾病的治病、诊断和治疗,还包括增强健康体质、健康心理、健康文化、健康环境等等。解决这些问题没有别的途径,最主要的就是靠科技创新,利用前沿的科学技术。

刚刚谈了大数据技术、生物信息技术,还有很多像分子影象、分子病理这些都是前沿的。像我们临床上用的3D打印、新的生物材料、手术机器人、微创这些都属于新技术,这些技术的应用就是解决我们的健康问题,但这个过程是漫长的。有些技术用到航天,用到造桥梁、造房子都会比较快,但应用到人的任何一个产品或技术性命相托、健康所系。在这个基础上就要有一个比较严谨的科学研究过程,我们叫临床研究。比如研发了个新药,这个药如果在实验室做得很好,动物实验做得很好,最后上临床进行临床试验。一个很好的装备也要做临床试验,包括CT、最早的X光,到现在的核磁、彩超,都要经过临床试验。现在在临床上,刚刚讲的大数据指导临床时更加的有个性化和精准,这个过程需要一系列的方案。我们目前定的计划为什么叫健康中国2030,就是给我们有15年的空间,把最前沿的技术结合临床需求。这是第一个层面,健康问题、疾病防控一定要通过科技创新。

第二就是要遵循医学本身科学研究的规律。因为这个规律有些是国家法律法规、监管科学、伦理的问题,也包括生命科学本身的问题,所以就是刚刚讲的开展一系列的临床研究,拿到比较成熟的方案才可以推广进行研究。

第三个方面,我们目前要做好这一切事肯定不仅仅是靠医生,医生只能看病,是新方法、新技术的使用方,仅是个应用者。原始创新可能还要通过科研院所和高校,通过创新开发具有中国自主知识产权的医疗技术、医疗装备、医疗药品和设备。在这个过程中,科研院所和高校研究出来的成果跟企业对接,把成果产业化和市场化,这就叫做政产学研用。因此,政府第一要支持产业环境,第二政府要给予最早期的基础研究投入,在这里政府的职能是做企业认为风险很大或是企业觉得不太合适做的事。因为企业不可能投很多钱去做特别前沿的科学研究,这个是政府的职能——支持科研院所和高校,有一笔科研资金来调配,推动它的转化,然后企业进行承接。企业也要有根据前沿发展的思路,把先进的成果变成产品,最后应用到医院里面。产品好坏、科研成果最后的生命力最后都是在应用阶段来进行验证。比如能帮助临床大夫更早期的发现疾病,更加准确的诊断疾病,用的药物更有效的针对疾病,同时减少疾病的副作用,降低费用,这都是我们的目的,所以这是一个全链条、多环节科技创新、前沿技术在疾病和健康领域的应用。

刚刚我所讲的其实还是疾病的诊断治疗,还有一部分问题是早期的预防疾病和康复养老,我们在这个过程中减少疾病的发生,给大家创造一个能够促进健康的环境,有一系列的措施让大家减少疾病和早期发现疾病。早期发现的疾病的费用是中晚期发现的1/8,是进危重病人的1/100甚至更少,这就是为什么现在国家的政策把过去以疾病防控为主,以诊断治疗为中心转移向促进健康为中心。我刚刚演讲时讲了大健康概念,到今天为止我们认为五六年没有得过病,没有看过医生就是身体挺好。但不看医生不等于你身上没有病,其实有很多表现已经出来了,高血脂不算一种病,高血压只是一种症状,不看不等于没有高血糖、高血脂、高血压,只是没有出现自己能感觉出来的症状而已。如果中国的高血压患者数量降下来,心脑血管疾病就会降低很多;把中国的高血脂患者数量降下来,心脑血管疾病就会降下来;把血糖降下来,糖尿病就会减少很多。以前手段不够,生命科学发展到今天有很多新的手段可以解决这些问题。

Q:詹院士我有两个问题,首先目前来看,虽说国家政策一直在支持精准医学的发展,但是都是一些宏观层面的政策,在具体落地中我们需要哪些政策的支持,或者说有哪些政策在具体的酝酿中?第二个问题是,在国家政策大力支持的导向中,全国各地哪些省市走得较快,国内有没有一些成功的经验或者模式给其他地方的发展做借鉴呢?

詹院士:第一,在国家宏观政策上肯定大健康的概念和目标,推动健康领域精准医疗是大健康的其中一个部分,就是让我们的医学措施更加精准。接下来,比如说新药靶向药物的研发,国家的支持是全方位的,把它作为科研的重点研究项目,重点科研成果的转化以及药品审批有绿色通道,加快审批速度。

第二,现在国家也在研究钙细胞,中间停了六七年,现在根据钙细胞发展需求又重新出台了一系列政策,营造有利于钙细胞发展的政策环境。让有条件、有需求的三甲医院和企业、高校合作推动钙细胞组织工程。还有包括基因检测,像靶向药物举个很简单的例子,比如说肺癌,它在中位期生成,平均的中位期生成一般是6到9个月,现在用靶向治疗根据病人肺癌的基因突变的位点进行治疗,中位期可以到39——40个月,生存期明显延长。现在还有大部分成果正在研发、转化和审批中,我想可能再过两三年或三五年会有一批具有中国自主知识产权的成果可以应用到临床上。很多目前都在做临床试验,因为精准医疗我们国家刚刚启动。

第二个问题跟第一个问题比较相近,现在目前研究走的比较快当然还是北上广。北上广、包括杭州、武汉这种大城市大型医疗机构和科研院较多,相对来讲大型医院医疗资源比较丰富,同时医生专家除了做临床,还有相当一部分科研素质也比较强。如果单纯看病的话,可能在目前现有的诊断治疗经验上可能越来越丰富,但很难有突破性的进展,突破性的进展一定需要科学研究。

Q:关于大数据和机器人沃森这一块,因为您比较资深,对未来大数据的应用,我想问您怎么看沃森技术的发展,包括医生跟沃森未来怎么样能和谐的共处。因为沃森是一个机器,有人才有机器,所以从人或者从医生的角度怎么样去提升、发展,或者怎样更好的用智能的东西。

詹院士:因为我们一说到机器人,就会联想到传统的概念的机器人,而沃森机器人完全没有必要做成像人的样子,一样的有手有脚,有脑袋。未来智能医学,你说的机器人,实际上是一个储存记忆学习分析体系。我们接触的很多医生觉得机器人怎么可以看病呢?我是这么定位的,机器人的记忆、运算和决策都优于90%以上的人,所以今天我谈到了机器人应该放到基层去,因为输进去的经验是协和医院、北大医院、301医院等大医院的,机器人放到基层可以让乡村医生的水平接近大医院的医生。对于目前还需要分析的,机器人的大数据储存可以帮我们提供决策上的支撑。我举这个例子就是说,医生看病的过程一个人的记忆是非常有限的,再好的医生也不可能记住所有的药,何况用药过程中病人有很多的特症。

我举个简单的例子,我一个朋友的父亲得了肿瘤,他在今年春节出现了痛风,我们就打电话问风湿性关节的专家买了药,药也很便宜,一吃痛风就解决了,但是忘了这个痛风通风药对肾功能损伤很厉害,他父亲又肾功能不全,马上导致肾功能衰竭,最后他不是死于肿瘤,而是死于电解质混乱。这个过程中人一定会犯错误,那么多病例信息,那么多病人,谁可以告诉你不犯错误?机器可以。国际上做过这样一个实验,把全世界记忆力超好的,我们所说的过目不忘的人选10个,随机选10个机器人,1000人正常的速度从20人面前走过,每个人身上挂一块牌子供做记忆。机器人和人比较,人从1000个人只辨认出70个,机器人准确率是97%。机器可以做到过目不忘,而人的记忆力非常有限。

对于未来的判断,为什么看病还一定要有医生主导,机器人是给人做支撑的呢?看病的过程中有很多观察,我们输给机器人的信息比较有限,年龄、体检报告所有的指标在这里。而在跟个病人接触的过程中,可以通过他的谈吐判断他的职业,他的心态,他在家所处的环境,在单位所处的环境,饮食各方面的爱好,他的眼神、表情都可以帮助诊断他的疾病,这个治疗过程中就是人文关怀。人文关怀机器人不可能帮得上忙。机器可以判断很多事情,没看过的病例可能在他的数据库里有,你可能在你所有的病例书上看不到的,但是在大数据库里有。它可能会告诉你某天某月这个病在某个地方发生过,大概是什么样的原因,经过怎样治疗有怎样的效果。我们的会诊就是扩大实施度,把每个人的智慧放在一块。但大数据调动得很快,15分钟它已经在美国、英国、德国等国家的图书馆转了几个来回,15分钟可以阅读500万份文献。人可以吗?这就是现代科学的一个魅力。

我再次强调,医疗的基本模式是医生和病人,大数据是在后台做支撑。因为病人瞬间、细微的变化和病人之间的交流,对病人安慰、关心、鼓励,都是治疗过程很重要的因素。现在很多医生还理解不了大数据怎么可以帮助我们医疗呢?今天我讲过之后我觉得在场的医生都可以意识到大数据是一定可以帮助你。现在是虚拟与现实,因为人已经被数字化。做手术我们常规的想象是,无影灯下是一群医生一个病人躺在上面做手术,打开看看哪里有问题把那部分切除然后缝好。现在不是这样,病人躺在上面就打两个洞把机器手放进去,人看不见里面,医生的操作就是看屏幕操作。

再举个例子,一个人皮肤上长了个东西,良性的切可以,不切也没事。但是良性或恶性靠什么区分,需要做个病理切片来判断。3个月前《自然》杂志上报道,机器人跟澳大利亚一流的皮肤科专家打擂台,机器人判断的准确率是94%,澳大利亚专家的准确率是84%,人和机器对战过程中几乎没有胜利。未来影像会发展到什么程度呢?在甘肃某个县里做影像分析,通过远程互联网发到北京,以后就可以在北京进行会诊。

Q:相当于未来机器只是提供一些经验的预期。

詹院士:目前来讲,机器人的智慧主要还是人类经验的输入。但在所有的数据输入后大数据凝练出来的新东西,有时候高于人的判断,不能说机器人高于所有人的判断,但至少它的水平会比基层医生好很多。这种机器人首先可以解决基层需求问题,可能赶不上最好的医生,但高精尖的医生一旦把病例做成熟,机器人就是引领。所以我一直讲机器人在我们的医疗过程中发挥一个重要的作用叫支撑。

责任编辑:未丽燕 来源: 新浪网
相关推荐

2010-01-25 10:15:47

Android系统架构

2010-06-09 15:40:01

FTP文件传输协议

2017-11-01 14:29:38

2014-04-30 15:37:05

2018-07-19 20:35:42

大数据云计算BI

2015-08-31 13:29:31

大数据能力华为

2020-06-15 21:16:44

大数据物联网IOT

2015-08-04 13:14:20

赚钱亏钱大数据

2015-04-23 16:06:05

大数据

2019-03-22 13:53:07

大数据架构数据源数据质量

2022-10-18 15:21:25

大数据管理技术数据仓库

2024-02-20 13:16:00

大数据数据仓库数据湖

2023-10-07 16:11:52

2010-07-09 15:24:29

2021-05-26 10:46:05

物联网医疗IOT

2013-11-12 10:50:02

大数据时代大数据

2015-07-23 14:29:28

大数据sparkhadoop

2018-06-25 11:20:18

LinuxPython大数据

2017-12-19 21:29:58

物联网区块链大数据

2016-08-16 00:52:19

大数据互联网

51CTO技术栈公众号