智慧医疗的本质与信息化挑战.ppt

1、智慧医疗的本质与信息化挑战,目录,1.医学史 2.智慧医疗的本质 3.信息化新挑战,一、医学史医学是随着人类痛苦的最初表达和减轻痛苦的最初愿望而诞生的,公元前1000年,公元300年,13世纪,16世纪,20世纪末,三千年医学的进与退-错误和胜利的交替演变,中国,外国,一分为二,合二为一,西医发展演变,医学,医学,基础,临床,预防,医学,医学,系统 器官 组织 细胞 亚细胞 分子,二级学科 内科、外科、专科 三级学科 消化、血液、心脏 骨科、普外、泌外,中医发展特点 中医是一个固定的、封闭的体系 崇尚经典，遵守传统理论 工作模式未能跟上世界产业革命步伐， 没有很好适应社会发展需要， 停留在人脑

2、-手-经验-理念为主循环， 未能赶上以工具革命为标志的历次产业革命列车。,二、智慧医疗的本质,医疗本质：诊断与治疗 质量与安全 医学最高目标： 解除人类的痛苦，促进个人体质及种族改良,医疗系统的问题,全球233个国家地区 医疗服务能力 117位 医疗质量 48位 平均预期寿命 52位，平均76.4岁 疾病诊断率70%，急症抢救成功率为75% 医学水平低、协同整合难 、 医疗孤岛多,智慧医疗,是一套融合物联网、云计算等技术，以患者数据为中心的医疗服务模式。采用新型传感器、物联网、云计算、通信等技术结合现代医学理念，构建出以电子健康档案为中心的区域医疗信息平台，以“医疗云数据中心”为核心，整合业务

3、流程，优化区域医疗资源， 进行智能决策，实现医疗服务更优质、更高效的医疗生态体系。,智慧医疗成绩大、问题多、希望存,医疗服务：门诊、住院、急诊、护理、医技 医务管理：电子病历、临床路径、病种、手术、危急值 护理与感控：护理质量、院内感染 数据上报：医疗安全、传染病 常见、多发、急危、复杂与疑难诊断与治疗能力？ 规范、共识、指南,三、信息化挑战,3,1,病案,价值-解决问题的能力,现状: 思维局域性、技术局限性跟着走,电子化,数字化,智能化,陈金雄教授（原福州总医院）：数字化医院建设仍然处于初级阶段 1.与医院业务模型脱节 2.缺乏全流程可追溯管理 3. 对数据无法有效管理 4. 系统智能化程度

4、不高 周民伟教授 医疗信息化仍处于2.0阶段 广度与深度 不足 通用与个性化不足 制度建设与奖惩结合不足 硬件与软件协同不足 ,医疗信息化的本质,记录、处理、连接、传输、共享 横、纵、内、外-万物相连 跨 界,死亡,危急值报告,术后检验异常,手术,术前准备,首诊负责,肚子痛,重症,三级查房 疑难病例讨论,术前讨论 备血 抗菌药物,手术分级 手术核查 新技术准入,抢救,危急重症抢救,死亡病历讨论,会诊,分级护理,查对制度,值班交班,病历书写 与管理,信息安全,(一)胸痛急救物联网系统-数据,救治时间监控统计轴,覆盖厦门 辐射金门,全国统一的胸痛认证与质控大数据平台,临床应用结果,急性胸痛救治情况

5、表,2017年6月1日至2018年5月31日,数字化技术 精准骨科手术,战创伤骨缺损精确修复,（二）数字骨科复杂骨科手术（量化）,辅助,新方法流程：, 3D打印骨关节原型, 骨关节三维数字化建模, CAD设计个性化手术模板, 模拟骨折复位、骨缺损修复, 实施精准骨科手术, 三维测量解剖参数,现代骨科手术：数字化、个体化、仿生功能化、系统化和精准化,集成多学科关键技术,（三） 颅颌面复杂创伤救治计算机辅助设计量化打分,术前,三维重建,设计修复皮瓣,3D打印皮瓣术中裁剪,术后,半侧颜面 萎缩 患者救治,典型病例：研究成长少年阶段临床应用,重症脓毒症是ICU内最常见也最致命的疾病之一,(四) 、重症

6、脓毒症,存在的管理问题,“文本数据”向“机器可识别数据”的转换,非结构化、自由文本、计算机能存储，不能识别和计算,如何让计算机看懂临床记录？,新发重症感染的患者在3小时内是？Or否？完成了初始液体复苏,计算规则,“数据”变成“信息”了！,3 小时内完成了初始液体复苏,应对原来管理中无法解决的问题,可发现每一份病例的诊疗问题,可发现每一位临床医生的诊疗问题,可对一段时间的诊疗质量进行统一分析,看深度学习如何让电子病历分析取得突破：Word2Vec、AutoEncoder让文字转换为张量，有助于更精准的预测；医学知识图谱，让我们能够清晰、量化地定义疾病表型；将图像也编码成张量，构建统一的患者画像，

7、完整表达病情描述，实现临床导航和发病预测曾经是冷门中的冷门，正在迎来一个又一个的进展。,看深度学习如何让电子病历分析取得突破：Word2Vec、AutoEncoder让文字转换为张量，有助于更精准的预测；医学知识图谱，让我们能够清晰、量化地定义疾病表型；将图像也编码成张量，构建统一的患者画像，完整表达病情描述，实现临床导航和发病预测曾经是冷门中的冷门，正在迎来一个又一个的进展。,深度学习如何让电子病历数据分析取得突破： Word2Vec、AutoEncoder让文字转换为张量 医学知识图谱 将图像也编码成张量，构建统一的患者画像 曾经是冷门中的冷门，把冷门引爆成了热门,正在迎来一个又一个的进展 2018年1月，谷歌头号技术大神 Jeff Dean， 题为 “Scalable and accurate deep learning for electronichealth records”。 2018年2月，佛罗里达大学的几位学者，在题为 “Deep EHR: A Survey of Recent Advances in Dee