时间:2023-09-21 17:56:07
开篇:写作不仅是一种记录,更是一种创造,它让我们能够捕捉那些稍纵即逝的灵感,将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能对医疗的帮助,希望这些内容能成为您创作过程中的良师益友,陪伴您不断探索和进步。
在业内人士看来,人工智能不是一项单一的科技产业,而是将其他行业进行融合的工具,例如将机器人和保姆结合产生的“看家机器人”,将导航和汽车结合产生的“车联网”等。在人工智能技术逐步成熟的当下,谁率先在应用上实现突破,谁就有可能在智能时代的竞争中占据优势,“人工智能”有望成为可触摸的新增长点之一。
发展迅猛
身体不舒服,想要打开手机淘宝问问医生,但是怎么样才能从几千个在线等待咨询的医生中间找到最匹配的那一个?
阿里健康已经开发并在手机淘宝上线了健康小蜜――医药健康智能问答引擎。这个类似于智能问答机器人的引擎,可以回答普通用户的一般性医药健康问题,然后根据用户的需求进行选择,将用户自动匹配给相应的医生或者药师。
事上,目前,从医疗健康的监测诊断、智能医疗设备,到教育领域的智能评测、个性化辅导、儿童陪伴,从电商零售领域的仓储物流、智能导购和客服,到应用在智能汽车的自驾技术,都能看到人工智能的身影。
人工智能等技术是助推自动驾驶发展的关键技术。例如,人工智能在帮助汽车解读传感器数据时起决策作用,通过阅读驾驶者的驾驶行为和表情,能及时提醒驾驶员在疲劳驾驶时切换至自动驾驶模式。
“人工智能”一词,通常被认为是1955年8月31日在达特茅斯(美国一所院校)会议上诞生的,61年来,人工智能的研究和实践一直处于不断增长的趋势。当今,人工智能技术的突破带来了席卷全球的技术革命风暴,创造出了一个无比广阔的市场,中国的很多公司在这股大潮中抓住机遇,表现亮眼。有观察者认为,中国的人工智能已成为一张令世界瞩目的闪亮名片。
过去的一年里,长虹、TCL、创维等中国家电企业都纷纷人工智能家电产品,希望借助人工智能打破家电行业的销售难题。
不久前,搜狗公司2016全年财报,搜狗借助人工智能技术实现了较大的业绩增长。未来会把人工智能应用到更多的产品中,让用户表达和获取信息更简单,让人工智能真正惠及人类。
全球人工智能研发的脚步正在加快,中国也不甘示弱。近年来,百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室,并通过架构调整全面发力人工智能。2016年百度世界大会上,“百度大脑”推出,该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。
在腾讯,人工智能研究项目包括WHAT LAB(微信-香港科技大学人工智能联合实验室)、优图实验室、微信模式识别中心、智能计算与搜索实验室等多个部门。
人工智能犹如新的科技革命,为长期低迷的世界经济注入新的活力。去年诸多关键技术突飞猛进,无疑是人工智能发展史上浓墨重彩的一年。诞生半个多世纪以来,它终于走到了从科技研发到行业应用的临界点,蓄势待发。
为发展更新“发动机”
人工智能技术的重大突破必将带来新一轮科技革命和产业革命,对人类生活的方方面面将产生深远的影响。大力发展人工智能技术是中国经济转型升级的重要动力。
众多研究表明,人工智能是对传统行业商业模式、产业链和价值链的全面颠覆,将为全球经济、社会生活的方方面面带来质的变化。
发展人工智能的最大意义在于为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测,到2035年,人工智能将帮助这些国家的生产率提高40%左右。
对于中国而言,人工智能带来的好处将是多方面的。就经济来说,借助人工智能新技术实现自动化,将极大提高生产率,节省劳动成本;优化行业的现有产品和服务,提升其质量和劳动生产率;通过创造新市场、新就业等,将促进市场更加繁荣,开拓更广阔的市场空间。
而在产业升级方面,中国的传统制造业大而不强的问题亟待克服,人工智能恰恰为制造业转型升级提供了便利和动力,一是这些企业拥有行业海量的数据和大量资金;二是在生产力水平急需提升、传统人口红利逐渐消失的情况下,传统企业有迫切的意愿来改造升级自己的工厂、业务,提高收益,降低企业成本。因此,制造业既是人工智能可以大有作为的领域,也是中国发展人工智能的优势领域。
《全球人工智能发展报告2016》显示,中国人工智能专利申请数累计达到15745项,列世界第二;人工智能领域投资达146笔,列世界第三。
据艾瑞咨询预计,2020年全球人工智能市场规模将达到1190亿元,年复合增速约19.7%;同期中国人工智能市场规模将达91亿元,年复合增速超50%。人工智能发展前景极为广阔。
就制造业而言,“中国制造2025”计划的实现就需要很多人工智能。比如过去在技术上难以克服的问题,就可以通过深度学习,在工程上快速地取得一些新的突破。人工智能技术的发展与应用,对于有效实现“中国制造2025”目标至关重要。
面向未来长远布局
在人工智能这场科技浪潮中,中国与其他国家已经站在了同一起跑线上。针对未来产业竞争,中国政府已在多个方面对人工智能产业做出布局,“人工智能+”的发展,需要面向未来,做出长远布局。
未来5到10年,人工智能将像水和电一样无所不在,可以进入到教育、医疗、金融、交通、智慧城市等几乎所有行业。
目前,在驾驶领域,通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,电脑可以在无人主动操作下,自动进行操作;在个人助理领域,通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络,可以实现人机交互;在金融领域,通过分析、预测、辨别交易数据、价格走势等信息,人工智能可以为客户提供投资理财、股权投资等服务;在电商零售领域,主要是利用大数据分析技术,智能的管理仓储与物流、导购等方面,用以节省仓储物流成本、提高购物效率、简化购物程序。此外,在安防、教育、医疗健康等众多领域,人工智能都有着广泛的用途。
对于机器人是否比人类聪明、未来是否可能替代人类,假如机器人产业完全替代人类生产,人还能做些什么?新领军者年会开幕第一天专家学者们就对这些问题做了深入探讨。
无所不能的机器人?
在新领军者村中有一排无所不能的机器人,在题为行动中的机器人展示区,记者看到了能够适应各种人类生活场景的机器人,包括协助老年人以及残障人士的机器人队友Ballbots、能够进行语言分析,满足人类情感交流需求的机器人伴侣以及各种生产机器人。
在论坛上,各国专家学者描绘了一幅更大的机器人应用场景。除了生活起居,从法庭判决、医疗诊断到上战场打仗,机器人都可以代替人类。“机器人比人更像人类。”一位设计者说道。
但是,这是否意味着机器人在未来将全方面替代人类呢?在论坛现场,《科学美国人》杂志主编MarietteDiChristina做了一个有趣的实验,让现场的观众举手表决,在哪些场景愿意使用机器人,哪些场景愿意使用人类。最后结果显示在需要精确性的领域如医疗手术上,大部分的人愿意使用机器人,而在法律领域,人们则更倾向使用一位人类法官。对于上战场打仗,几乎全场观众都认为应该使用机器人替代人类。
归结原因是因为一般人认为机器人更为精确,而人类相对来说比较感性。这也印证在机器人的发展上,目前工业、制造业等领域已经广泛应用机器人代替人类在完成流水线组装工作。而在家居照料方面虽然有很多研究但一直未得到普及。
卡内基梅隆大学计算机科学学院教授TomMitchell认为,人类能否大面积运用机器人主要需克服的是信任问题,即能否信任机器人帮助人类进行诊断、完成照料。
这种信任将很快建立起来,根据MarketsandMarkets公司的报告,预计全球服务型机器人市场规模在2017年将达到461.8亿美元,行业空间巨大。在未来的4年里,医疗机器会以每年19%的速度增长,2016年全球市场规模估计会增长到119亿美元。
除了服务性行业,随着无人驾驶技术的日渐成熟,交通运输业也很有可能会被人工智能所取代。
解放生产力激发创新潜能
而人工智能日渐成熟的同时,也催生了一系列问题。未来人工智能是否会完全替代人类,而如果完全替代人类,那么如何解决失业率等社会问题?
届时,人类或许会在更擅长的领域得到发展。哥伦比亚大学研究员AndrewMcLaughlin表示现在还有许多尚未探索和有待开发的领域,这些领域需要人类的创造力,机器人取代人类进行日常生产,大部分人就可以把更多的精力投放到创新性的领域研究上。“我对于人工智能取代人类,没有这么悲观。”他笑着说道。
同时,这也能激发更深入的学习研究。TomMitchell说道:“我们一生当中可能做很多工作,教育流程也将要跟随改变,不是用四年去学一个课程而可能是花费40年或者更长时间去学习。”
除此之外,军队作为未来人工智能发展方向之一,也同样存在不少潜在问题。Tom表示,在武器上,机器人可以缩减军队规模,但是同时,这也是允许更多国家有自己军备,这有可能会带来战乱。
2016年3月19日,京东与科技公益平台“未来论坛”合办的理解未来系列讲座在京开启,此次讲座的主题为“‘理解未来’走进京东――大数据驱动下的变革”。会上,特别邀请卡耐基梅隆大学计算机科学系教授邢波、京东集团CTO张晨与京东集团技术副总裁赵一鸿、IBM中国研究院总监大数据及认知计算研究苏中和清华大学计算机科学与技术系副研究员朱军,就大数据与人工智能如何改变我们的生活联袂深度解读。他们认为,目前已经进入大数据与人工智能的春天,高速成长的技术和应用将赋予人类更强大的能力,并成为企业发展的强大助力。
用数据“陪伴”用户
当前,大数据与商业应用的结合,对我们的思考模式、生活习惯和商业法则都进行着颠覆。从智能交通到能源管理、从政府财政到医疗体系都在因为大数据的使用发生着深刻的变革。而如何利用大数据打造智慧城市、提高扶贫精准度、关注农业发展、促进居家养老服务业发展等也在今年“两会”中成为提案热点。
2013年被称为中国的“大数据元年”,短短几年后,在物联网、云计算的推波助澜下,2016年,我们将迎来大数据应用的爆发。现场,京东集团CTO张晨进行了主题为“在数据的王国里,用更好的体验创造更大的价值”的演讲。他表示,通过大数据和精准的个性化,让京东成为用户的陪伴。“根据每个用户的消费习惯、爱好和家庭情况,让京东能陪伴他的生活和成长,给用户创造更好的品质生活。”
张晨认为,把数据用好的核心是大数据的精准和分析。一直以来,京东都在用大数据了解并精准判断用户的需求。例如JIMI(京东人工智能客服机器人),可通过大数据了解并判断用户的需求,在售前咨询上,部分品类的回答满意度已超过人工客服。
“带来品质生活的关键是了解用户,推荐最适合用户的个性化产品。”张晨表示。以京东个性化推荐系统为例,它可以根据用户所处区域的购买力指数提供最合适的产品搜索,强化个性化投放、精准化投放的能力。在另一个项目“移动商店”中,京东可以通过大数据描绘小区画像,实现物流配送的“未买先送”,根据预测的销售量提前安排库存,由此出现了iPhone6s首发只用12分钟20秒配送到家的纪录。
“京东的数据战略是从技术平台、到数据洞察、再到商业价值的三层演进。”京东技术副总裁赵一鸿表示,利用京东数据挖掘平台,京东对用户画像、商品画像、店铺画像、小区画像都进行了深度挖掘和提取,并在商业应用中产生巨大价值。目前,京东大数据平台总服务器数量超过10000台,数据总容量突破100PB,每天新增超过1.5PB数据,每天约有20万个作业运行。通过京东大数据,大幅提升了运营效率、降低成本、优化用户体验。
为人工智能装上引擎
对于当下异常火爆的人工智能领域,与大数据又将会有怎样的联系?在开场的主旨演讲“为人工智能装上引擎”中,卡耐基梅隆大学计算机科学系教授邢波为了便于大家理解,特意一改往日讲技术干货的风格,以登山为比喻,从人工智能的源头细说人工智能的历史变迁。在邢波看来,登山与人工智能计算任务有息息相通之处:“人工智能计算任务像登山,有明确的、可以用数学描述的目标,本身有弹性容错性和随机性。人工智能领域发展也像登山,遇到各种各样的起伏,有各种各样的思路的跳跃和重新的定位。”
邢波表示,要用好大数据,人工智能和机器学习将是最主要的分析手段。预计在未来计算世界,人工智能计算和机器学习会占全球计算资源上计算任务比重的80%到90%,所以有必要对人工智能和机器学习所需的计算框架和操作性框架重新设计。
在AlphaGo大胜李世石之后,媒体立刻被各色舆论所充斥。有人激动于人工智能的辉煌成果,有人则战栗于人工智能可怕的潜力,甚至开始担心这是否预示着人类文明的衰亡。邢波呼吁大家建立独立的个人思考,不要轻易被任何观点左右。他认为:“人工智能和人类对决不是什么大得了不起的事,人类和机器的对决自古就有,现在还在发生。马车被火车战胜后,同一时代的人类发明照相机,有人惊恐照相机来了,画家失业了,但是现在画家还是活得好好的。人机大赛是我们技术上的里程碑,展示了人类的功劳,我们要以欢迎的心态接受它。” 因为人工智能和人类智能所走的路不同,我们大可不必杞人忧天。“人的头脑有很多独特的东西,创作性思维、感情、常识、美感,这都是人工智能无法企及的,正如孔子、拿破仑、贝多芬、爱因斯坦不会被机器代替一样。”
他表示,算法也需要数据、工程的支持。前不久围棋领域人机大赛是一个技术的里程碑,展示了人类社会的力量和功能,我们要以欢迎的、平常的心态来接受。“在有限规则、特定任务下,机器超越人类的水平只是时间问题,人工智能的目标不是用来代替人类,而是人与机器的有机共存。”
赵一鸿也谈及了对人工智能的看法。他认为,Alpha Go的跨越性突破是机器已经从简单的技术型思维变为战略型思维,这是硬件、软件和科学家思维的共同进步。“在商业思维上突破计算的边界,让商业的模型和大脑在决策上媲美甚至超越人类,这也是人工智能对于京东的意义。”
未来,京东会利用大数据推动智慧商业的进程。赵一鸿表示,在智慧京东的规划中,京东不仅将通过大数据实现智慧业务,更要实现智慧创新。例如,在智慧采销系统中,京东大脑将集成采销知识、经验和思维决策,在个性化推荐中,京东也将目前的商品推荐扩展到精准个性化、实时化、全覆盖、平台自学习等层次。
不久前,教育部公布了2018年度普通高等学校本科专业备案和审批结果。全国高校共新增本科专业2072个,我省高校共新增66个本科专业,它们不仅体现出高校专业热门度的起伏,更折射出社会对于人才需求的变化。
纵观今年新增的本科专业,有几大门类吸引目光:新文科、新农科建设风生水起,人文与科技更多的“融合”,意味着传统意义上基础学科和应用学科的界线开始变得模糊。数据科学与大数据技术专业继续成为热门,加上今年新开设相关专业的196所高校,目前,全国已有近500所学校开设此专业;35所高校首次设立人工智能专业,这意味着,高校开始体系化培养人工智能行业后备军。与幼儿养育相关的专业继续增设,这不仅是因为全面二孩政策的实施,更是由于人们越来越重视对下一代的培养。
“新增专业弥补了我省有关专业的布点空白,进一步优化了专业结构。”省教育厅高教处副处长王国银介绍,此次省属高校新增专业主要围绕数字经济“一号工程”、战略性新兴产业、高新技术产业和万亿产业开设,这些专业瞄准国家战略需要和社会经济发展急需,进行创新型、复合型、应用型人才储备。
夯实基础
新文科、新农科未来可期
作为近年来高等教育中最时髦的词汇之一,新工科对于考生和家长来说已经不陌生了,但如果说起新文科、新农科,很多人可能就要打个问号。
去年10月,教育部等部门决定实施“六卓越一拔尖”计划2.0,在基础学科拔尖学生培养计划中,首次增加了心理学、哲学、中国语言文学、历史学等人文学科,“新文科”概念浮出水面。今年4月,教育部、科技部等13个部门正式联合启动“六卓越一拔尖”计划2.0,全面推进新工科、新医科、新农科、新文科建设。
新文科“新”在何处?打破旧壁垒,跨界寻方法,归纳真规律,新文科意味着对传统基础学科的一次重新整合。
“相对于传统文科,新文科有两个特色。”南开大学传播学系主任陈鹏说。其一,新文科是问题导向的,新文科面对的是社会发展变化中的新现象、新问题、新变化,有些现象和问题是人类历从未遇到过的,如大数据、区块链、5G、人工智能等,需要突破传统文科的框架,采用新方法、新视野去探索新理论、新规律。其二,新文科为了寻求对社会和人类自身的研究,需要通过“跨界”方式进行革新,这种“跨界”不仅仅发生在文科的各学科之间,甚至出现在文科和理科、工科、医科等学科之间,需要多学科之间的交叉和深度融合。
当前,清华大学、中国人民大学等高校开设的人文科学实验班,西安交通大学、华东师范大学等高校开展的学院式教学模式,都被视为我国新文科建设的重要经验。一位资深文科研究专家表示,当前,文科与其他学科有一些结合,比如考古学和技术结合,就形成了科技考古;信息技术和艺术结合,就形成了艺术设计的网络化等,但还远远无法满足现在社会的需求。新文科就是一种有效路径。
2018年4月,浙江大学召开文科大会,提出面向2035年发展目标和“文科十条”,进一步推进文科发展强主流、上一流。省内其他高校也纷纷积极为新文科创建搭建平台。浙江工商大学整合资源打造文科综合实验教学中心,打造跨学科综合性实验教学平台;浙江农林大学推出新文科求真实验班,帮助学生打牢知识储备金字塔的稳固塔基,再渐次进入专业学习,形成坚实塔身和更高耸的塔尖……
在浙江大学传播研究所教授、博士生导师邵培仁看来,建设新文科,其实也是对传统文科的反思。他指出,新文科有利于构建立足中国文化土壤、具有中国特色,具备整体性、包容性、互动性、共享性特质的面向全球、面向全人类的大文科。
不难看出,未来新文科相关专业或将成为热门。不仅如此,使用文文互鉴、文理交叉、文工融合的思维方法解决问题,还将为高校人才培养和评价体系带来新变革。
除了新文科,新技术的出现也让一些专业被赋予了新的内涵,比如新农科。
当前,随着生态文明建设的持续推进,生态学、环境科学等专业毕业生越来越受欢迎。今年,杭州师范大学就新增了生态学专业。该专业相关老师介绍,随着国家对生态学专业人才的需求增多,生态学专业人才培养规模逐渐加大,未来掌握生态学及植物学、动物学、微生物学、地理学等基础知识、分析方法和应用技能的人才会很抢手。
“浙江是‘两山’理论诞生地,‘农’字头的专业发展空间很大。”浙江农林大学主要负责人表示,“新农科”建设是乡村振兴实践、高等教育改革、人才需求变化和社会经济进步的必然选择,原先注重高度专业化、技术化的教育教学方式和人才培养模式已无法适应新时代农林高等教育的新需求,亟需探索实现农科学生全面发展的“新农科”建设之路。
顺应趋势
大数据、人工智能纷纷开班
顺应当下人工智能行业的热潮,今年新增的热门本科专业,均与大数据、人工智能、机器人等信息技术关键词相关。
梳理发现,数据科学与大数据技术专业在短短三四年间,从无到有,并一跃成为热门专业。2015年度的审批结果中,北京大学、对外经济贸易大学、中南大学3所高校成为首批获批设立该专业的高校;2016年度又有32所高校设立该专业;到了2017年度,获批设立这一专业的高校数量达到250所;加上2018年度新增的196所,目前,共有481所高校开设这个专业。
今年,我省有湖州师范学院、宁波工程学院、宁波财经学院、浙江大学城市学院等9所高校新增备案数据科学与大数据技术专业。一位专业课老师表示,社会在不断发展进步,现在的一些“新专业”也许尚无足够的办学经验,但可能恰恰是未来社会发展的需求所在。
在新增专业中,人工智能专业的热度也在逐年递增。继去年杭州电子科技大学、浙江理工大学成为我省首批开设智能科学与技术专业的高校后,今年,我省又有一批高校在人工智能人才培养上“摩拳擦掌”,积极增设相关“硬核”专业,改进人才培养思路。
浙江大学今年新增机器人工程和人工智能两个专业,还将在竺可桢学院新设图灵班。入选图灵班的学生可以在计算机科学与技术、人工智能、信息安全三个专业中确认专业。从入学开始,每位学生可从学院的优选导师库中选择一名学业导师,还将有国外顶尖大学的教学大师和科研领军人物到浙大给图灵班学生单独授课。
除了浙大以外,省内其他高校也在结合各自特色专业,构建人工智能专业的课程体系。比如,浙理工把专业发展方向和学校的优势结合起来,重点在智能穿戴等领域取得突破,还专门成立纺织工业人工智能研究院;浙工大结合了安防产业、智慧交通、“城市大脑”等浙江省的优势领域,与企业合作,开拓专业方向。
“打造新专业特色成了各高校的当务之急和立足之道。”杭州电子科技大学人工智能学院副院长吕强说,针对人工智能人才培养带来的新挑战,杭电人工智能学院提出了多方协同育人的理念,并将其作为教学改革项目进行探索,“人工智能对数理基础要求较高,我们在数学课程中增加了矩阵论、离散数学等原来研究生学习阶段才会有的课程内容,努力帮学生打好基础,在暑假,我们还计划举办夏令营,邀请企业名师进校园培训,共同开发专业课程等。”吕强说。
值得关注的是,人工智能已经从独立的专业教育,扩展到更广的层面。今年,浙江财经大学向非计算机类专业学生推出了人工智能“微专业”,其中包括了Python程序设计、高级数据库、机器人编程与实践等课程。“人工智能在信息金融、金融科技等领域有非常多的应用场景。财经类专业学生的数理基础比较好,这些知识将为他们的未来打下更好的基础。”浙财大教务处副处长石向荣说,可以预见的是,未来社会需要大量具有具体专业背景,同时又掌握人工智能相关知识的复合型人才。
紧盯儿童
医教类专业持续扩招
当下,伴随着“全面二孩”政策施行,各大医院产科分娩量走高,目前助产人才无论从数量上还是质量上都难以满足社会需求,临床急需本科层次助产人才。助产学专业于2016年首次开设,当时仅有4所高校获批开办此专业,2017年有20多所高校新增此专业。
近两年,我省先后有浙江中医药大学、温州医科大学、杭州医学院等3所高校新增了助产学专业。温州医科大学的助产学专业设在护理学院,目标是培养掌握护理学和助产学的基础理论和护理技能,具有基本的临床护理和临床助产能力,在各类医疗卫生保健机构中能够从事临床助产、围产期护理,以及母婴保健工作的高级助产人才。今年,台州学院、温州医科大学仁济学院也开设了助产学专业。
一位从事医学教育多年的教授表示,当前社会大众对医疗的需求,不仅体现在量上,更体现在质上。虽然现在医疗行业整体水平保持着上升态势,但人们对优质医疗的需求增长更快,所以仍然感觉医疗资源紧缺。
不久前,由中国工程院院士郑树森担任院长的浙江树人大学树兰国际医学院揭牌成立。作为树兰国际医学院首个设置的重点专业,临床医学专业面向全国招生100人。学院拥有国际医学专家、博士生导师等组成的高水平师资队伍,以及一批高水平的基础医学与临床医学实验平台。
同样,面对强烈的社会需求,温州医科大学今年增加了普通本科计划数。临床医学(定向培养)从30人增加到60人,面向萧山区等30个县(市、区)招生;麻醉学专业从61人增加到93人,其中省内普招增加16人。
值得一提的是,今年,浙江中医药大学新增食品卫生与营养学专业,这也是我省开办该专业的高校(不含独立学院)。该校招生办相关负责人介绍,食品卫生与营养学作为一门综合性的交叉学科,涉及预防医学、食品科学、营养学等多个学科,在提升健康素养,保障食品安全,促进疾病的营养学防治完善健康保障方面大有作为。
纵观今年我省的新增专业,从抚养、就医,再到教育,与幼儿养育相关的专业成为热门,除了新增儿科学、中医儿科学、助产学等专业外,学前教育、小学教育等师范类专业的报考也很火爆。
今年,杭州师范大学增加小学全科教师、中学紧缺学科教师定向培养招生计划。杭师大教务处副处长、招生办副主任顾海春介绍,今年,学校将继续面向杭州、宁波、温州、绍兴、金华、衢州、丽水、台州、舟山等地区定向招生255名,提前录取,补学费,包就业。同时,复建音乐学院,增加音乐学(师范)、舞蹈学(师范)专业招生计划。
2016年,中国精准医疗发展也进入加速期,3月5日,国家发改委公布“十三五”规划纲要,其中涉及100个项目,而“加速推动基因组学等生物技术大规模应用”位列其中,预示着“基因组学”被列入国家战略。
早在2015年3月,科技部召开国家首次精准医学战略专家会议,提出了中国精准医疗计划,并计划在2030年前投入600亿元。一年之后,科技部 “精准医学研究”重点专项2016年项目指南正式公布,实施周期为2016年~2020年。这一指南的被医疗界内解读为,行业期待已久的精准医疗国家战略部署终于揭晓。
在资本市场上,2015年以来精准医疗行业内的公司一直是风险投资机构眼中的“香饽饽”,越来越多的天使和VC投资争相加入大健康投资行列。尽管在经历“资本寒冬”,但基因产业上的创业公司融资力度依然不减。据资料显示,2016年中国精准医疗的市场规模已达400亿人民币。
且中国作为人口大国,恶性肿瘤、心脑血管疾病等慢性病占据中国居民疾病死亡率前几位,人口老龄化、重大疾病是造成国家人力资源损失和经济损失的重要因素。此外,精准医疗在生育健康领域、重大疾病治疗领域的应用需求在中国也有庞大的基础。不管是政府的重视与投入,资本市场的火热追捧,还是大众对精准医疗的迫切需求,仿佛都预示着精准医疗的大规模爆发即将到来。但理想和现实之间的距离究竟有多远?在从理想到现实的具体实现路径上又有着哪些障碍?
精准医疗还有多远
美国国立卫生研究院对精准医疗的定义是:建立在了解个体基因、环境以及生活方式的基础上的新兴疾病治疗和预防方法。2016年美国在精准医疗计划上投资2.15亿美元,从逾百万美国志愿者那里收集数据、找寻科学证据,将精准医疗从概念推进到临床应用。
法国政府也宣布投资6.7亿欧元启动基因组和个体化医疗项目,将其命名为:法国基因组医疗2025(France Genomic Medicine 2025)。该项目以提高国家医疗诊断和疾病预防能力为整体目标,预计在全国范围内建立12个基因测序平台,2个国家数据中心。
在世界范围内,还有英国10万人基因组计划、韩国万人基因M计划、澳大利亚零儿童癌症计划等精准医疗计划已获得重大推进。 数据显示,目前,精准医疗全球市场规模已突破600亿美元,其中精准诊断领域约为100亿美元,精准治疗领域500亿美元左右。今后5年,全球精准医疗市场规模,还将以每年15%的速率增长,国内增速将超过20%。
在全球性的精准医疗热下,精准医疗仿佛呼之欲出,但其实精准医疗的真正落地还要面临很多困难。
首先,对于现行的医疗制度来说,精准医疗还需要很多规则或者习惯的改变。在医疗信息记录上,要按照高水平科学研究所使用的样本规范来收集记录。除了病人基本信息外,还需要家族病史、饮食、运动习惯等。
其次,在目前的医疗IT架构内对精准医疗的支撑也存在问题。在2017年的政协会议上,全国政协委员、福建省立医院主任医师侯建明就表示,精准医学是近年来医学研究热点,但是目前我国数据共享方面还存在很大问题,临床样本和健康人群的信息收集、临床资料的分析、个体化医疗的实施等方面,我国数据共享机制仍不健全。建议由卫生行业权威机构牵头,联合相关部门及各医疗机构、大学等共同实施数据整合共享计划,以此夯实精准医疗的数据资源基础,实现医疗资源集约化管理与利用。
除了数据共享外,如何借助IT系统最终实现将医疗大数据提取出知识并最终应用到对患者的治疗上,也是对现有医院信息中心负责人们提出的重大挑战。
夯实数据基础
“我们做了相关调查,发现在实现目标的路径上还有很多工作要做。”阜外医院信息中心主任、中国心胸血管麻醉学会医疗信息技术专业委员会(CHITA)主任委员赵说。
依托国家卫生计生委课题的支持,CHITA在全国开展了针对心血管领域大数据应用的调查。调查覆盖了全国31个省市自治区,包括100家3级医院,210家2级医院。调查结果显示,经过多年的信息化建设,我国医疗信息化整体水平已经达到了相当的高度,各级医疗机构都积累了规模可观的医疗数据,但与大数据的发展预期相比,还存在着巨大的提升空间。在病历结构化能力、数据质量管理、信息集成能力、数据安全意识与管理等方面与先进水平还存在着相当的差距,支撑临床科研大数据分析的能力不足,会影响精准医疗数据分析的准确度。
赵表示,除了数据本身的问题外,许多人对于大数据理念和精准医疗的概念认知较为混乱。在系统的设计上依然遵从传统思路,仅重视医院内部的数据采集、流程管理,不考虑如何实现数据资源的二次利用,如何发挥数据应有的价值。这些问题都是当前实现精准医疗的瓶颈。
若要突破这些瓶颈,就要从根本上解决以下三个问题:
1.缺乏适合临床应用的数据标准和术语集的问题。目前我国已经颁布了医疗数据标准,但这些标准基本是针对通用病历的,难以满足临床中相关描述的要求,以应用最广泛的诊断、手术编码为例,来源于病理术语,开发的初衷是规范病案的编目,目前在一些系统中将这一标准直接用于临床,造成了部分内容描述信息的缺失。欧美等国家在这方面的标准已经形成了体系,数据的标准化程度很高,经过自然语义识别和结构化处理后可以直接进行分析。而目前国内的病历数据很难做到这一点。目前自然语义处理等技术在国内应用的热度很高,医院期望通过这一技术弥补数据结构化采集内容的不足,但由于缺乏有效的术语集支撑,导致采集数据质量无法达到预期的要求,这些环节后续需要花大量时间和精力进行整理。
2.专科病历结构化、集成程度低的问题。现有系统无法支持有针对性的数据临床分析要求,以电子病历系统为例,许多系统在设计、实施时仅考虑满足基本的病历书写、病案质控要求,对于病历内容缺乏基本的控制,导致关键信息遗漏。
与传统医疗手段不同,在精准医疗环境下,首先人们会被告知未来可能患有某些疾病,需要更好地进行预防;其次,一旦患有了某种疾病,其诊断将会非常容易;诊断后的用药,将针对个体对药物的敏感性而制定,每个病人都将得到最合适的药,并在最佳剂量和最小副作用,以及最精准用药时间的前提下用药;对疾病的护理和预后的效果也将得到准确的评估和指导。
对人们来说,将基因应用到治疗中好像还很遥远,但有一个领域可以让我们近距离感受到基因测序。
对于孕妇来说,唐氏筛查是孕期的必要检查,当唐氏筛查数据显示异常时,需要做羊水穿刺进行确诊。羊水穿刺不仅属于有创伤的微型手术,而且有0.5%-1%的流产率和感染率。在基因组学迅速发展的今天,人们现在有了新的选择,无创DNA产前检测。
无创DNA产前检测技术是利用新一代DNA测序技术对母体外周血浆中的游离DN段(包括胎儿游离DNA)进行测序,检测时只需抽取10毫升静脉血,进行基因测序后得到胎儿的遗传信息。根据统计,无创技术筛查的准确率高达99.5%。这意味着,做了无创产前基因检测后,孩子出生患有唐氏综合征的几率降低到了十万分之一。
在癌症治疗领域,基因医疗技术同样有着广阔的应用前景。随着基因检测、基因编辑等技术已进入成熟期,并开始逐渐应用于疾病筛查、癌症治疗、慢性病治疗等领域。预计到2030年,相关市场规模有望突破万亿元大关。
布局基因大数据
精准医疗早已成为全球范围内的火爆话题。而有消息称,今年年内我国将正式启动国家基因库二期工程建设,预计5年内基因数据总量超过美欧日三大基因库总和。同时,我国将加速建立从基因检测到个体化精准免疫的基因技术体系和基础设施。此外,我国将出台相关政策,对经确定为创新医疗器械的基因检测产品等,按照创新医疗器械审批程序优先审查,加快创新医疗服务项目进入医疗体系,促进新技术进入临床使用。
在其中,众多科技公司的进入让精准医疗更加火爆。科技公司通过人工智能AI、大数据和云计算等科技手段来优化精准医疗的数据处理流程、提高数据化程度,正在引发越来越多的关注。
2 0 1 3 年谷歌推出了一项名为 “G o o g l e Genomics”的云端服务,旨在帮助大学实验室和医院将患者或科研对象的生物基因储存到云端上,服务的目标是“探讨遗传变异交互”,意味着科研专家能够访问数百万的生物基因,并能轻松简单地进行对比分析。
谷歌还先后投资了Foundation medicine 和 DNAnexus 两家公司,Foundation medicine是一家提供癌症全基因组测序及分析的公司,谷歌与DNAnexus 则计划一起打造一个巨大的开放式 DNA 数据库,并将共同接管美国联邦政府的国家生物技术信息中心的数据。这些数据将合并进入DNANexus的DNA信息历史文档,并储存于谷歌的云计算服务器,这是谷歌的云计算服务器中最大的第三方数据资料,免费向医学研究者提供接入服务。
另一家国际巨头IBM也早已开始了其在精准医疗领域的布局。多年前,IBM Watson初出茅庐时以机器学习及自然语言识别能力打败人类选手而名声大噪,随后IBM宣布进入了以认知计算为主的又一次转型,如今,IBM Watson已经在医疗健康、商业、教育、市场、供应链、金融服务等领域展开了应用。
其中又以医疗健康领域的进展最为引人注目。2016年1月IBM和美敦力合作推出了一款糖尿病监测APP;3月,IBMWatson人工智能带入苹果手表睡眠健康应用;5月,IBM联手苹果为博士伦开发白内障手术APP;7月,IBM宣布已成立IBM Watson Health医学影像协作计划;8月,IBM宣布已经完成了对胃癌辅助治疗的训练,并正式推出使用;12月,IBM“沃森联合会诊中心”在浙江省中医院落地。
而Watson的第一步商业化运作是通过和纪念斯隆?凯特琳癌症中心进行合作,共同训练IBM Watson肿瘤解决方案。在此期间,该系统的登入时间共计1.5万小时,一支由医生和研究人员组成的团队一起上传了数千份病人的病历,近500份医学期刊和教科书,1500万页的医学文献,把Watson训练成了一位的“肿瘤医学专家”。随后该系统被Watson Health部署到了许多顶尖的医疗机构,如克利夫兰诊所和MD安德森癌症中心,提供基于证据的医疗决策系统。
Intel也宣布了开展基因组信息整合计划,该计划致力于在未来五年内整合现有私人、公众以及云平台上的基因组数据以加速生命科学领域研究。
而在2006年就推向市场的亚马逊云服务上可以免费访问两个世界上最大的癌症基因组数据集,即癌症基因组地图集(TCGA)和国际肿瘤基因组协作组 (ICGC)。
百度打造云上大脑
在2016年年底国务院印发的《“十三五”国家战略性新兴产业发展规划》中,生物医药行业成为重点鼓励发展的行业。规划提出,到2020年,生物产业规模达到8万亿~10万亿元。在医药领域,以基因技术快速发展为契机,推动医疗向精准医疗和个性化医疗发展。明确指出要开发新型抗体和疫苗、基因治疗、细胞治疗等生物制品和制剂,发展肿瘤免疫治疗技术。
在政策和市场利好下,科技企业和互联网企业们也不甘寂寞,百度云为华大基因部署了BGI BRCA Online平台,为乳腺癌、卵巢癌的科研与应用提供基因测序数据分析服务。
2016年10月,百度医疗大脑在北京,“百度医疗大脑”是通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计。百度医疗大脑模拟医生问诊流程,与用户多轮交流,依据用户的症状,提出可能出现的问题,反复验证,给出最终建议。在过程中可以收集、汇总、分类、整理病人的症状描述,提醒医生更多的可能性,辅助基层医生完成问诊。
在2016年11月的乌镇互联网大会上,百度公司董事长兼CEO李彦宏进一步解释了人工智能对医疗的变革。他指出,人工智能和大数据在医疗上的发展分为四个层次:医疗O2O智能分诊,人工智能参与的智能问诊,基因分析和精准医疗,基于大数据的新药研发。他认为,从分诊到新药研发,人工智能健康大数据奇点已经临近。
就拿人们最先感受到的无创产前基因检测来说,这个作为基因产业最先商业化的技术已经被政府认可。2016年10月27日,卫计委了国卫办妇幼发[2016]45号文件――《国家卫生计生委办公厅关于规范有序开展孕妇外周血胎儿游离DNA产前筛查与诊断工作的通知》),指出此前产前筛查与诊断专业试点机构的有关规定同时废止,放松了对开展产前筛查和诊断的机构要求,取消108家临床试点单位,所有具有产前检测资质的医院原则上都可以开展无创DNA产前筛查与诊断;取消7家医学检验所的临床试点,具有产前检测资质的所有医学检验所原则上都可以开展无创DNA产前筛查与诊断。
精准医疗离我们越来越近,这得益于人工智能、云计算、大数据技术的逐步成熟。精准医疗要想实现精准一定是建立在数据之上的,而对于很多疾病,尤其是罕见病来说,找到基因上微小的变化就很可能找到了解决问题的钥匙,但这同样也意味着巨大的计算量。在没有深度学习之前,这几乎是不可想象的,随着深度学习的出现,机器人能够不断地通过已有数据进行训练,从中得出规则,并完成一些罕见病的早发现、早诊断。这也给了科技企业和互联网企业们杀入医疗这个“蓝海”的机会。
在阿法狗战胜李世石后,人类对人工智能的恐惧开始进一步被放大。在精准医疗领域也不乏有人担心人工智能会取代医生,但要知道在任何一个国家医疗资源都是稀缺资源,对于政府来说如何提高医生的平均诊疗水平,尤其是基层医生的诊疗水平更为重要。人工智能作为增强智能,如果成为医生诊疗系统里的辅助工具,会大大提高普通医生的诊断水平和诊断效率,降低误诊率。这也正是精准医疗的最大意义所在。
世界各国基因组计划
英国十万人基因组计划
2012年12月,英国政府宣布启动针对癌症和罕见病患者的英国10万人基因组计划。通过该计划,英国政府预期到2017年年底实现以下四个目标:
推进基因组医疗整合至英国国家医疗服务体系,并使英国在该领域引领全球。
加速对癌症和罕见病的了解,从而提升有助于患者的诊断和精准治疗。
促进基因组领域的私人投资和商业活动。
提升公众对基因组医疗的知识和支持。
2015年年底,英政府宣布将在未来再追加经费用于该计划。2016年6月,英国政府宣布已经完成了9892个基因组测序工作。
美国精准医疗
美国总统奥巴马于2015年1月20日在白宫的国情咨询中宣布启动精准医疗计划。根据该计划,美国将搜集100万人的个人健康信息以及测得他们的基因组序列,以实现短期目标:
鉴定新的癌症亚型。
与药厂等私人部门合作测试精准疗法的临床效果。
拓展对癌症疗法的认识(抗药性、肿瘤复发等)。
韩国万人基因组计划
2015年11月韩国政府宣布以韩国蔚山国家科学技术研究为依托,启动万人基因组计划。韩国万人基因组计划的主要目标是:
绘制韩国人基因组图谱。
建立韩国标准化的基因数据库。
发现罕见遗传疾病的突变位点。
为韩国快速增长的基因组产业提供全面的基因组信息。
同时,该计划是对2013年韩国政府宣布的未来8年投资人类、农业和医药基因组计划的一个补充。
法国基因组医疗2025
近日,法国政府宣布投资6.7亿欧元启动基因组和个体化医疗项目,并将其命名为:法国基因组医疗2025 。
在未来10年,法国政府希望达到以下三个目标:
将法国打造成世界基因组医疗领先国家。
将基因组医疗整合至患者常规检测流程。
比太空探索更艰巨的工程
人类虽然已经征服了太空,却对我们头上重约三斤的神经中枢知之甚少。人脑比我们想象的更加复杂,其内部构造和运行机制不可能简单地与人类创造出的电脑相比,其功能也远比想象的更加强大。一些怀疑人脑工程的科学家认为,人类对苍蝇大脑的认识仍不全面,更不用说比其复杂万倍的人脑了。随着科技和理论认识的发展,人类对大脑的认识正逐渐从不可能走向可能。
心理学的发展让科学家发现了探索大脑的科学路径。人脑与电脑最大的差别,在于潜意识、情绪等难以被量化的非理性因素在人脑中占据重要地位,医学、生物学等方法对这些随意性很强的非理性因素办法不多。心理学则在这方面有独到优势。如今的心理学已经与弗洛伊德时期大相径庭,不再简单地将潜意识归结于人类的动物性。认知心理学和行为心理学在解释、分析潜意识上已经取得了若干成果,并借助新的脑部探测方法不断完善。
核磁共振、染色蛋白等医学技术使人类能够更加科学、人道地研究大脑。人脑研究的最大障碍并非技术,而是人性。研究人员无法用人体试验的方式研究大脑,只能寻找一些由于天生或后天原因部分丧失脑功能的病人,探究大脑各部分的作用和功能。而这些研究对象实在太少,这导致脑科学进展缓慢,远不如对人类其他器官的研究。如今,依靠经颅磁刺激技术,科学家能够用一种可逆、安全的方式扰乱特定大脑区域的活动,模拟部分脑功能丧失的研究对象。
计算机等信息技术显著增强了人类研究脑科学这类复杂问题的能力。脑科学研究的另一大难度是大脑的复杂性,据科学家估计,人类大脑内部有近1000亿个神经元,彼此通讯,形成100万亿个突触,数量之繁密,胜过整个银河系的星辰,这导致研究人脑功能是无法用人力完成的任务。但如今,随着计算机及云计算、大数据等信息技术的发展,科学家已经有信心跟踪每个神经元及脑部信息处理的具体过程。
这些因素都是美国在此时启动“人脑工程”计划的主要原因。2013年4月,奥巴马宣布实施该计划,邀请全美顶尖脑科学专家对计划进行前期调研和战略规划。9月,专家组确立了九个研究领域。到2014年4月,美国政府设计出该计划的雄伟蓝图,未来7至12年,美国将试图弄清每个脑细胞的类型及其内在联系。奥巴马政府决定从预算中拿出1.1亿美元支持该计划,将先绘制出一份“人脑地图”,指引后续研究。
计划启动前后,美国在人脑研究上已经出现了若干进展。7月,美国国防部宣布,该部门下属的洛斯・阿拉莫斯实验室已经开始对人脑的记忆功能进行研究,希望找到能够帮助士兵恢复记忆的办法,实验室中的一位教授称,实验室已经发明出一种设备,可用无线方式传输人脑中的信息。此外,来自麻省理工学院的教授开发出一种光敏感蛋白,它将能够替代现在脑研究中向脑中植入的传感器,帮助科学家模拟大脑神经细胞变化。美国华盛顿州西雅图艾伦脑科学研究所的团队对人类胎儿发育过程中的脑部发展进行了基因跟踪,发现了若干可能与脑部疾病有关的基因缺陷。该研究所还了小鼠大脑连接图谱,此图谱是全世界首个哺乳动物全脑神经元连接图谱,对人脑研究具有重大借鉴意义。
精神领域的核革命
奥巴马在宣传“人脑工程”时主要提及该技术将用以治疗阿尔茨海默病,并将该技术与美国曾经推动的人类基因图谱工程类比。但是,“人脑工程”比基因图谱更有攻击性,并不仅仅被用于医学,而具有更为广泛的战略功用和意义。
首先,“人脑工程”开启了脑科学商业化的大门。美国政府支持该项目,意味着美国社会关于脑科学伦理道德的争论将画上句号。像转基因、干细胞研究一样,美国社会对脑科学也一直存有疑虑,担忧这一技术可能被用作“洗脑”。这种忧虑的消失意味着美国脑科学研究将大踏步向前进,并且将被迅速推入商业市场。美国政府估计,人脑工程将起到类似于曼哈顿计划、星球大战计划或人类基因图谱计划的作用,成为带来一场全方位科技革命的启动器。奥巴马称,每在人类基因图谱方面投入一美元,就能带来140美元的收益,脑科学的倍增效应可能更加明显。如果该计划能够治疗阿尔茨海默病,就能为美国每年省下数千亿美元的医疗费用。此外,脑科学研究可以揭开大脑高智能、高效率、低能耗之谜,可能对信息科技带来深远影响。IBM的科学家已开发出一款类似人脑运算“神经突触计算机芯片”,这种高能低耗的芯片将逐渐取代传统的中央处理器。
其次,“人脑工程”在国家安全领域也有巨大潜力。美国推动“人脑工程”的经费将大部分来自国防预算,这项技术从一开始就被赋予了浓重的军事色彩。该工程将辅助美军正在推进的无人机、战场机器人计划,提高这些无人装备遥控作战的精度、反应速度和作战技巧。
此外,“人脑工程”在提升美军士兵作战能力上也会有显著作用,它能帮助作战指挥员和士兵避免认知上的死角,提升应急预判能力,甚至可能开发出相关药物帮助士兵减轻实战的疲劳和紧张感。
“人脑工程”在作战演练上也将大派用场,未来演习可能借助人脑感知系统,在虚拟现实的战场中完成。演习的真实感、实战性将更强,参演士兵的危险性却将明显下降。
在情报领域,“人脑工程”将提升美国情报部门分析、整合情报信息的能力,原先大量需要由情报人员亲自翻译、理解的信息,未来将交由仿真电脑完成。“人脑工程”还将带来一场情报研究的革命。冷战时期,中情局即开始结合人的面部表情、举止研究其性格特征,而如果美国完全搞清了“大脑中的每个细胞”,那么这种针对特定人物的“读心术”将更加科学、准确。该技术甚至可能帮助审讯者提取嫌疑人脑中的记忆或信息。
更进一步说,“人脑工程”将为美国开展“信息战”、“舆论战”打下基础。美国政府和情报部门能够充分利用人脑中隐藏的偏好和缺陷,设计出更为行之有效的意识形态进攻策略,与其竞争对手争夺话语权,或在其敌手内部制造社会混乱。
社会医疗保险是一种“低水平,广覆盖”的保障,其最高“赔付金额”是当地上年社会平均工资的4倍左右,在全国大多数地区为2~5万元,而重大疾病医疗费用一般高达10万元以上,两者之间存在较大缺口。
商业医疗保险的空间
建立完善的医疗保障体系已经是当务之急,从目前来看,利用商业医疗保险建立一个没有漏洞的多层次的医疗保障体系是一个合理的选择。就险种类别来看,目前上公众急需的医疗保险、老年护理保险,属于健康险的范畴,而目前我国还没有一家专业的商业健康保险公司,健康险也只是作为寿险的附属业务。尽管如此,我国近年来的健康险增长依然迅速,2000年度我国健康险保费达到27.69亿元,占人身险总保费的2.77%;2001年健康险保费达到60.27亿元,占人身险总保费的4.24%.这一成绩较之成熟市场的1/4到1/3有较大距离,但较上年增长117.65%,远远高于同期42.6%的人身险保费增长率。在七月召开的保险行业协会健康保险工作部成立大会暨第一次工作会议上,专家们认为,由于国家基本医疗保险覆盖面不足,保障程度相对不高,为商业保险公司健康保险留下了巨大的发展空间。较为谨慎的预测是,到2008年前后,我国健康保险的市场规模在1326亿元左右,而较为乐观的估计是在2837亿元左右。这一切表明中国健康险市场充满巨大的潜力。
商业保险公司的“苦水”
市场潜力巨大,老百姓又急需,这种两全其美的事情,为什么得不到保险公司的热烈响应呢?实际上,商业保险公司有其商业上的苦衷,多种因素制约了业务的顺利开展。
赔付率居高不下
长期以来,各保险公司开办的医疗保险都处于收赔相抵,甚至收不足赔的状况,个别地方的赔付率甚至高达300%,这使保险公司的利润微乎其微,不少公司对大力发展医疗保险的热情不高。
管理难度较大
保险公司与医疗机构的合作关系难以建立,加上医疗制度的不完善,透明度不高,保险公司难以对医疗费用进行控制。保户中存在着不少逆选择投保的,而且一些道德风险和索赔欺诈风险大量存在,使保险公司难以拓展市场。
经营管理不先进
在美国普遍使用的风险管理技术,如复杂的费率厘定、承保选择、次优要求、大案管理、非比例再保险保护等,在我国还鲜为人知。
专业化程度低
一方面,我国目前还没有一家专业的商业健康保险公司,国内保险公司把健康险作为寿险的附属,极大地健康险的经营战略决策。另一方面,人才匮乏。医疗保险对保险人员的医学知识要求较高,在核保、理赔、精算等方面都需要专业性较强的人才,而保险公司这方面的专业人才缺乏,影响了医疗保险业务的推广。
适合健康险业务的系统缺乏
品种单调,个性化、多元化程度差。当前,公众急需的是纯粹的医疗保险、老年护理保险等,而市场上没有老年护理保险,而一些险种又是以附加险形式随主险开展且以统保形式承保的,难以满足人们的需求;国际上成熟的商业健康险市场一般包含四大类产品:医疗费用给付类、失能收入损失补偿类、长期护理保障类和疾病给付类。我国虽已有180多种健康险产品,但主要集中在第一类上,而且都是一年一保的短期产品。
症结所在
健康险的症结在于风险控制难度大、专业技术要求高。
第一,从管理上说,健康险对案件的管理不是结果管理,而是过程管理。它保障的不是“疾病发生”,而是“就医事件”。“就医事件”是一个完整的过程,它包括疾病发生、就医、、痊愈及出院等步骤,每一个步骤不同的处理方式决定了案件结果的不同。这决定了医疗保险在精算、风险控制、核保理赔、医疗协调管理等各方面均不同于寿险和意外险。其次从协调管理上说,在我国商业保险公司、社会保障部门、被保险人和医疗服务提供者构成了健康保险的四方关系,在这四方关系中,医疗服务提供者对发生就医的被保险人的住院时间长短、治疗方案、是否发生医疗费用及发生多少医疗费用等起着重要作用,社会保障部门与商业保险公司在统一标准、信息共享方面有较强的合作需求。因此加强协调管理对合理施治和合理用药方面的管理有着突出重要的意义。
第二,从风险控制上说,寿险的基础是建立在大数法则上,依赖于“死亡事件”,而死亡是投保人或是被保险人较难人为控制的事件,是一种纯粹风险。而对健康保险来说,其经营的是就医事件和医疗费用风险,被保险人可能在医疗服务提供方的配合下,“无病看病、小病大看”。因此其道德风险要比寿险和意外险严重且不可控。其次,同传统寿险相比,对被保险人的风险控制更为复杂。传统寿险通常将被保险人的健康状况及家族病史作为核保的重点,而对于健康险来说,被保险人保障水平、保险信用记录、过度利用倾向、收入水平、职业情况以及定点医疗机构行医记录等信息也是风险评估的重要部分。
第三,从费率厘定上说,人寿保险主要考虑死亡率、费用率和利率,健康险所要考虑的不仅是疾病的发生率、就医率和住院天数,更要考虑各地的发展状况、医疗消费水平、区域及城乡差异、投保团体的情况、医疗环境和诊疗技术的变化等因素。由于医疗保险受免责期、等待期和免赔额的影响,其责任发生带有一定的滞后性,在未到期责任准备金和未决赔款准备金的计提上又不同于财产保险和意外伤害保险。
智能化系统解决之道
健康险这些独有的特性决定了传统的业务系统将很难满足健康险业务的发展,因此,一套能解决业务难点、满足其特殊业务需求的智能化系统就成为了解决的关键。因为一套好的健康险智能化系统应具备有效的过程管理、强大的数据交换功能、全方位的风险控制和先进的人工智能技术,并且具有良好的扩展性。
智能化系统通过地监控疾病发生、就医、治疗、痊愈及出院整个“就医事件”,从而实现有效的过程管理。由于健康险业务的复杂性、频繁性和实时发生性,需要有效的过程管控系统,单纯的业务流程管理将不能适应医疗保险业务发展和风险管控的需要。传统的业务系统通常只能进行事后型的管理,即就医事件结束后,被保险人持医疗费用帐单进行索赔时,业务系统才开始进行处理。在这种情况下要对就医事件进行审核困难明显加大,常常导致保险欺诈,由于对某些不合理的医疗费用的发生未进行事先控制,导致理赔时出现纠纷。通过过程管理,能够有效地消除保险人、被保险人及医疗机构三者间的信息不对称,使得保险人可以及时获得被保险人的诊疗信息,并可在就医事件出现不合理的情况下及时介入,防止不合理费用的发生。通过过程管理,结束了医疗费用的高低基本受控于医疗机构的情况,加强了保险人对医疗费用的控制力,极大地降低不合理医疗费用的发生率。
智能化系统可同医疗服务提供者、社保机构进行同步/异步数据交换,能够及时地获取各种信息,如:被保险人的医疗信息、药品、诊疗项目、服务项目列表及给付比例等基础数据。通过数据交换,为过程管理及风险监控提供了必要的数据,为保险公司协调管理社会保障部门、医疗服务提供者和被保险人提供了有力的支持,同时减少了工作人员的录入量,增强了业务处理的自动化程度,使工作效率得到了极大的提高。
智能化系统拥有科学的风险评估体系。由于健康险业务的复杂性,在对被保险人进行核保时必须全方位的评估被保险人的风险,如:被保险人保障水平、保险信用记录、过度利用倾向、收入水平、职业情况以及定点医疗机构行医记录等。通过科学地风险评估体系能够准确全面地揭示被保险人的风险,为核保提供重要的信息,避免了被保险人逆向选择等风险,从而减少了保险公司的损失。
智能化系能够有效协调保险人、被保险人和医疗服务提供者三方关系,并能对就医事件的整个过程进行监控,及时发现被保险人“无病看病、小病大看”,过度提供医疗服务等风险。通过先进的人工智能判断技术,增强了业务处理自动化的能力,可减轻核保、核赔业务人员的工作压力,降低商业医疗保险费用;也可以提高工作效率。
智能化系统建成后,经过一定时期的运行,将积累大量的业务数据,通过数据挖掘技术,可从大量的数据集合中有效发现有价值的商业信息,同时因为有了足够的样本数据,从而为健康险的费率厘定提供重要依据。通过对业务数据进行数据挖掘,保险公司将逐步建立起自身的核心竞争力,智能化系统积累的经验将成为其他公司唯一无法赶超的“信息壁垒”。
由于各地医疗服务水平、基本医疗保障、疾病发生率等存在一定的差别,因此不能按照同一种模式对各地的健康险业务进行统一的管理,智能化系统能对于不同类型的医疗服务、不同水平的地区,采取有针对性的管控,使得保险公司可以根据当地的具体情况,顺利开展业务,扩大市场,提高了管理效率,节约成本。
在处理健康险业务时,不仅数据量大,而且还需要综合不同类型的数据,例如:在理赔时,除需要知道被保险人的自身信息外,还需要知道就医,使用的药品明细等信息。智能化系统能处理健康险大量数据要求,协调各种业务数据,从而提高了工作效率。
智能化系统实现了数据大集中,能够处理日益显著的人口流动,真正支持商业医疗保险产品“全国联保”,实现“风险控制到人”。由于能更好地提供个性化的服务,从而提高了客户的满意度。从管理角度而言,数据集中充分体现了公司总部的监管作用,实现业务数据的实时收集,汇总和查询,同时允许各分支公司在统一管理下的部分个性化。
此外,智能化系统必须具备良好的扩展性,由于健康险业务在发展得非常迅速,新的需求、保险产品、业务规则不断出现,具备良好扩展性的系统可通过很少的调整,甚至是不作任何的调整就可以处理新的业务,从而极大地节省了保险公司的运营成本。
案例:
太平洋补充医疗保险方案
全国基本医疗保险办法实施后,城镇职工的基本医疗得到了保障。但是,由于基本医疗保险只能解决参保人员的基本医疗需求,而不能解决劳动者患重大疾病超过封顶线以上的医疗费用负风险;加之参保人员的住院费用是按比例报销,职工个人负担部分较重。因此,为化解参保人员患重大疾病的大额医疗风险,减轻其住院费用负担,太保寿险在全国一些地区相继推出了补充医疗保险。
有效监管面临挑战
太平洋保险寿险总公司希望用一套健康险业务系统来统一管理全国各分支公司的补充医疗保险业务。的情况是大部分的分支公司通过人工方式进行核赔理算,带来的问题是显而易见的,由于缺少自动化导致工作效率低,容易出错,客户从报案到得到理赔等待的时间长,客户满意度差。而有些分支公司使用简单的系统进行业务处理,这些系统只针对当地的业务而开发,因此可扩展性差,无法满足业务发展的要求,而且数据共享的难度大。由于各地健康险业务“各自为营”,导致总公司无法直接取得业务数据,因此很难进行有效的监管。
与此同时,要开发一套统一的、集中式的健康险业务系统面临诸多挑战。首先,业务存在地区差异。由于各地医疗服务水平、基本医疗保障、疾病发生率等存在一定的差别,太保各分支公司在开展健康险业务时必须要结合当地的实际情况,这使得各地协议书的存在一定的区别,因此系统必须有足够的灵活度以覆盖绝大部分的健康险业务。其次,各类基础数据没有统一标准。例如,针对同一种药品,各地的命名可能是不同的,因此没有一套标准来规范诸如药品、疾病、诊疗项目、服务项目等基础数据,导致数据交换无法进行。最后,建立数据接口存在客观条件的限制。目前,同医院建立数据接口由于客观条件限制,无法实现。而同社保间的数据接口,由于各地社保的数据格式不一致,因此系统必须能处理各种不同的数据格式。
集中式解决方案
该系统是一套采用B/S结构的集中式系统,所有的数据都存放在太保寿险总公司,从而很好地解决了数据集中的问题,提高了管理效率。
该系统最大的四个特色是灵活的责任管理、标准化的医疗字典、强大的数据交互和复杂的业务逻辑。首先在本系统中通过责任管理,可以方便地设置、修改保险责任,并可针对保险责任设置对应理算公式。在新建保单时,可以灵活选择与之相匹配的理算公式。其次,系统建立了标准化的医疗字典,包括:药品、疾病、诊疗项目、服务项目、医院信息、社保机构。根据太保健康险业务的实际情况,疾病使用ICD9编码。药品以上海市卫生局HIS系统标准代码为基础,编码时将药品分为化学药品及中成药两大类,化学药品以药品用途分类为主,中成药按药理作用进行分类;所有药品,以一物一码为原则。诊疗项目、服务项目则使用太保提供的编码。通过同各地的数据建立对应关系,实现了数据的交换。第三,系统同社保间建立了数据接口,方便地导入被保险人的医疗费用信息。通过其它的数据接口,实现批量导入客户信息及药品、疾病等基础数据。实现了对被保险人医疗费用的监控,大大降低了工作人员的录入量。最后,系统可处理复杂的业务逻辑,在案件内部的逻辑关系中,可实现在一个案件下的多次报案,多次立案,多次理算,多次给付。在协议书同保单的关系中,可实现一份协议书下对应多个保单,而每份保单又可对应一个投保人及多个被保险人。
此外系统记录被保险人从报案、回访、立案、资料处理、调查、理算到赔付的所有信息,实现了对被保险人就医事件的监控。
理算时,系统根据一定的规则自动进入保险责任的理算金额,并根据理算的各种因素,如:基本医疗部分的理赔情况、免赔额等,自动计算出理算结果。降低了错误的概率,极大提高了工作效率。
为了能适应各类核赔流程,系统使用强大而灵活的工作流,通过设置核赔规则,实现自动核赔流程。
客户收益
尽管该系统命名为补充医疗保险理赔系统,但由于设计合理根据太保健康险的实际情况,充分考虑系统的可扩展性,因此通过简单调整即可适应80%的太保健康险业务。这样一来,一方面实现了太保寿险总公司使用一套健康险业务系统来统一管理全国各分支公司的补充医疗保险业务,另一方面也为今后的扩展奠定了基础。由于是一套集中式的系统,太保寿险总公司可以实时地取得业务数据,从而对健康险业务的监管更高效,更有力。
各地分支公司使用该系统后,工作效率大为提高,节约了人力成本,缩短了理赔时间,提高了客户的满意度。更为重要的是,该系统能帮助太保寿险更好地规范补充医疗保险的业务,使补充医疗保险能够健康地发展。
个人健康管理系统
■ 肖桦
个人健康管理在国外的商业化已有20多年。由于医疗费用的不断增加及人们对健康需求意识的改变,保险公司及纷纷采用此类服务,通过改善健康预防疾病来降低医疗费用。它不但能有效地调动个人在改善自身健康过程中的积极性,同时也能更准确地筛选高危人群从而增加预防措施的针对性。由此,保险公司可以更准确地衡量被保险人的风险,为厘定费率搜集基础数据。被保险人一方面获得了增值服务,另一方面也能有针对性地采取措施预防疾病从而降低医疗费用。
KYN是个人健康管理服务项目之一。它是know your number的缩写,即知道你的数字。KYN是根据美国及中国有关科研机构多年合作的成果,在美国成功经验的基础上,通过流行病学调研结合中国人群疾病发生的特点而设计的。其目的是通过收集生物学信息(包括身高、体重、年龄到血糖、血脂、胆固醇水平等各项实验室指标,也包括食物摄入量、吸烟量、体力活动等生活方式有关的信息),对慢性病进行危险评价。以控制危险因素为目标,从而达到减少疾病发生机率与控制疾病进展的目的。
KYN项目有三个组成部分:1、个人健康信息管理系统,即收集和管理个人健康信息,对服务对象目前和将来的健康及疾病的危险性进行评价、跟踪并进行健康行为指导;2、个人健康评价系统,主要包括一系列的疾病危险性评价,用以确定个人患慢性疾病的危险程度及发展趋势;3、个人健康改善的行动计划及指南,即通过健康管理的办法对不同危险因素进行控制,实施个人化的健康促进,最终达到预防及控制发病、改善健康、减少医疗费用的目的。
《中国经济信息》综合报道
上月,在西班牙巴塞罗那举行的世界移动通信大会(MWC)上,高通等主流科技公司纷纷聚焦5G。在物联网即将落地、科技行业新业态正在显现的当下,5G被公认为打开这扇大门的钥匙。
麦肯锡统计数据显示,过去五年全球互联设备数量增长了300%。中国移动前董事长王建宙说:“5G虽有诸多优势,给创业者们带来机会,但也有许多不确定性。”5G距离正式商用尚需三年左右,时机的把握十分重要。
华为轮值主席徐直军认为,整个产业界以及所有参与者要有使命感,让5G有更长生命周期和生命力。唯有这样才能让各方受益,技术恒兴。
提前布局5G
5G带来的经济价值是可量化的。IHS Markit预测,2020年到2035年期间,5G技术将贡献GDP0.2%的增长,创造3.5万亿美元的产出,这相当于包括沃尔玛、国家电网、苹果等2016年全球财富排名前13强公司营收总和。
本届MWC,全球主流电信设备厂商华为、爱立信、中兴都推出了可供运营商立刻商用的5G系统设备。
运营商们也迫不及待开始5G研发和部署。韩国电信(KT)已宣布将于2017年9月前完成其5G网络部署,日本运营商NTT DoCoMo也将于今年在东京试验5G网络。上周,中国移动、中兴通讯、高通三家公司宣布合作协同,将于2017年下半年在中国开展5G试验。特别是中国移动宣布在2018年就开始尝试商用5G,相比计划提前了六年。
Gartner研究总监刘轶认为,产业如此积极的原因是,整个4G投资周期已经到了尾端,5G作为新投Y增长点可带来新一波可观收入。
但5G标准尚未确定,上述企业在这次展会上展出的5G商用设备,更多是和4G网络结合的非独立(Non-Standalone,NR组网)5G架构,它主要结合了4GLTE和5G NR(New Radio,新空口)技术,这相当于抢跑。
5G技术的研究和讨论,最早可追溯到2013年。彼时,智能驾驶和AR/VR还没开始流行。但如今,这些应用都在快速成熟,5G必须考虑对它们的帮助。
徐直军说,目前不能预测未来还有什么未知的应用技术会出现,在5G的生命周期里技术储备是否可以满足。
此外,所有行业都期待5G能真正使网络从人的连接走向物的连接,但各个行业的参与度不够。徐直军指出,物联网的关键不在网络。物联网的核心在物,如何让万物具备可连接性,支撑物联网发展,才是关键核心。
另一个关键挑战在于,各个行业的管制政策都不一样,每个行业都有管制政策。如果每个行业的管制政策各自为政,没有考虑移动通信的诉求,那么物联网也做不起来。
更大的挑战在于,整个5G发展过程中有各种各样的变化和诉求,各种各样的需求也会不断涌现出来。5G网络的提供方相当容易在解决问题的过程中,偏离目标。
物联网先行
自2014年起,物联网概念主导了IT行业的大量并购和投资。仅2014年,全球花在收购“物联网”公司上的资金就高达94亿美元,此后,这个数字还在呈几何级上升。
最早伸出收购之手的公司是谷歌、思科、三星、IBM、沃达丰和Verizon。此后,高通、英特尔等科技公司也加入其中。风险投资家对物联网也很感兴趣。每年,进入物联网领域的全球风险投资总额都超过10亿美元。
不过直到目前,上述企业多处于战略布局阶段,原因在于4G网络和效率不足以支撑新应用的规模落地。这直接导致今天这些炙手可热的应用创新,小到监测孕妇胎动的检测仪,大到精准调度资源的生产机械、智能汽车,都是基于特殊场景的碎片化的应用创新。
它们最终需要连接到智能医疗、智能城市、智能工业这样的大图景之下,需要一个无缝连接的统一框架,4G无法完成这个任务,只有5G才能。
5G技术相比目前4G技术,其峰值速率将增长数十倍,从4G的100Mb/s提高到几十Gb/s。也就是说,1秒钟可以下载10余部高清电影,可支持的用户连接数增长到100万用户/平方公里,能满足物联网这样的海量接入场景。
好消息是,不断更新的技术正在迅速弥合4G和5G之间的差距。今年2月底,共享单车ofo宣布战略合作,华为为ofo提供连接终端和云端的NB-IoT(窄带物联网)技术。NB-IoT可视为基于目前3G、4G网络的物联网连接技术,它可在现有的网络上提升网络利用效率。单车使用的四个核心环节,找车、开锁、还车和计费的使用效率和体验,都依赖高质量的NB-IoT技术无线网络将单车与云端服务器“连接”起来。
MWC期间,中兴通讯董事长赵先明也提到,物联网产业不会等待5G才入场,而是在不同时间点,根据不同的应用,选择最合适的物联网技术。
但国内某物联网资深专家却认为,物联网创业公司短期内受到市场和资本的追捧,容易获得较高估值,但这是不可持续的。
物联网设备的价值在于其背后的大数据利用程度,要想利用最好的技术和网络,与上下游大数据云打通,深度整合并创造价值,就需要一套打通多环节的机制,和一张兼容所有物联网标准的网络。
汽车成尖兵
5G和物联网的发展方向之一是建立生态。高通技术副总裁范明熙表示,物联网涉及行业众多,需要一个行业作为融合突破口,再向其他领域蔓延扩张。汽车以其庞大的保有量和移动技术的天然连接性成为首选。
高通车联网产品管理副总裁Nakul Duggal表示,智能汽车会成为移动互联网行业后下一个影响巨大的产业。
在MWC上,与汽车相关的展示随处可见,包括车载V2X通信模块、智能操作中枢系统、车辆定位、智能停车、交通数据分析、无线充电、高精地图等技术。
2月23日,芯片设计公司高通和LG宣布将联合推动5G和C-V2X(Cellular Vehicle to Everything,移动车联网)在汽车领域的应用,并预计将于 2018 年上半年通过多项试验展示。此前,高通也展示了一辆搭载了基于黑莓、Linix和安卓的自动驾驶系统。
几乎所有的汽车厂商和IT巨头都加入到了智能汽车的卡位战中。北汽与百度在智能汽车领域战略合作,计划在2020年-2025年之间实现有条件自动驾驶和完全自动驾驶汽车的量产。华为在德国已经利用5G技术开始了无人驾驶的外场测试,测试内容包括自动驾驶编队行驶和车辆协同紧急制动。
关键词:多媒体技术 耳鸣诊疗多媒体咨询系统
中图分类号:JS132 文献标识码:A 文章编号:1672-3791(2013)01(a)-0023-01
1 多媒体技术的现状
1.1 多媒体技术的概念
多媒体技术(Multimedia Technology)将文本、图形、图像、声音、动态影像等多种信息通过计算机综合处理,并结合虚拟现实、网络电信、传感识别、人机交互等技术传达信息的一种手段。它极大的改变了人们获取信息的传统方法,符合人们在信息时代的阅读方式。它不同于传统的平面报刊杂志、电台、电视等媒体,不是简单的单向或双向传输,交互式工作以及通过网络传输是其主要特点。
1.2 多媒体技术的发展和应用
多媒体技术已经成在各个领域发挥作用,甚至已经成为某些领域的主要技术支撑,例如在影视娱乐产业上,从早期的数字合成混编、特效技术,再到如今3D立体显示技术,现在从电影、电视到MTV的制作都需要使用多媒体技术,这些技术同样影响着广告、会展、舞美等领域。多媒体技术中的虚拟现实技术无论是物体的3D立体展示还是“人工智能”都已经得到广泛的应用,尤其是当今的游戏产业更是将这些技术融合并发挥得淋漓尽致。
设想,如果多媒体技术能够增强知识传达的效率,那么我们是否可以通过多媒体技术在短时间内阐明一些医学知识给我们的患者,普及一些医学知识也能让患者对自己病因病情有一定的认知,同时医生也能对其给出治疗方案有更好的阐述,何不让医患双方在“为何治疗”和“如何治疗”的问题上沟通得更加有效呢?
2 多媒体技术在医疗领域的应用
首先,在医疗领域不乏当今的尖端科技,主要是在显像技术和外科手术的器械方面,综合了目前最先进的人机交互技术以及电子机械技术,其中利用网络交互技术的网络远程诊断、网络远程手术是医疗和多媒体技术结合最具代表性的。但是,多媒体技术在医疗领域中更多的是在硬件技术上的体现,在软件的应用上主要是患者和药品管理的数字化和网络化,解决的是医院本身各种信息和数据的处理以及管理问题。
3 “耳鸣诊疗多媒体咨询系统”的优势
3.1 多信息融合
“耳鸣诊疗多媒体咨询系统”主要由“病理概要”(运用图像、文字、动画、拍摄视频解释耳鸣的生理和病理过程),“检查结果”(通过医院的数据库,调用医院对患者的检查报告,让医生根据报告给出诊断结果),“病情分析”(通过动画和虚拟现实的表现方式,让医生对患者的病情进一步解释。)“诊疗方案”(医生根据患者病情,在系统中选择出治疗方案,系统中对各个治疗手段有文字解释,并连接外部输出设备打印出书面文件)四部分组成。
系统中首先需向患者解释声音的生理过程到耳鸣产生的病理过程,但是其中相当一部分内容比较抽象,在视觉表现时我们就需要采用3D数字动画来模拟表达,同时配合一些图像和文字,让患者对自己的听觉系统和耳鸣的产生有一个基本的认识。
3.2 针对特定用户群的设计
在诊疗咨询系统的影像内容设计上区别于传统的科教片,主要是科教片有明确的年龄对象定位,但是在诊疗咨询系统的设计上就必须考虑不同年龄层患者的适用性。采用3D动画以及虚拟现实来表现耳朵生理构造的原因在于:(1)耳鸣患者本身听觉就已经出现问题,尤其耳鸣患者心情已经比较焦躁,医生再通过大量的语言来表述其病状往往会导致医患间沟通产生一些困难,这个时候通过视觉来传递信息就会减轻病人在听觉上的压力。(2)三维动画技术一方增强了画面的动态效果;另一方面可以直观的表现一些传统观视频难以表现的内容,例如听觉中物理信号向生物信号的转变,神经向大脑传输信号的过程等等。(3)不同患者对看到真实的人体器官解剖,耳部或者大脑病状图像的心理承受力是不同的,这里就需要对画面的风格进行定位,参考一些医学教具并针对现代社会的主流审美趋势进行画面风格的设计和相关材质表现的制作,让患者对病状有所了解的情况下不会产生生理和心理的不适感。有条件的情况下也可以针对儿童设计一套带有卡通风格,图形化更强的视觉内容。(4)引起耳鸣的病因以及病状多种多样,为提高医生对患者的讲解效率,需要借助计算机互动技术,医生可以根据患者的检查报告只选择和患者病情相关的内容进行讲解。
4 未来和展望
本项目的耳鸣医疗系统可以很方便安装在Windows或者Android(安卓)系统的平板电脑或者手机上,将来还可以针对苹果的IOS平台进行移植和开发,这样对于一些不方便去医院就诊的患者,医生可以随时随地带上平板电脑等移动平台上门服务。目前随着网络技术的发展,医院的数字化建设。也可以利用云技术,实时调用患者在医院的数据信息,医生通过网络利用多媒体咨询系统可以远程为患者治疗,解答患者的疑难困惑。
5 结语
从“耳鸣诊疗多媒体咨询系统”可以看出,多媒体技术通过影像、虚拟现实、互动等视听表现手段有利于医生和患者之间的沟通,帮助医生阐明对患者病情的判断和诊疗方案,但是“耳鸣诊疗多媒体咨询系统”只是一个辅助工具,对于诊疗方案还是取决于医生本身的职业水平,这种形象生动的诊疗咨询手段应该成为缓解医患矛盾的一种工具,让患者从中更了解自己的病因、病况,让医生能更方便的解释一些医学专业知识并给出合理的医疗方案,做好医疗服务工作。
参考文献
[1] 吉晓滨,谢景华.耳聋耳鸣眩晕[M].人民卫生出版社,2011.
[2] 王昌发,吕武,吴军.医教研究[J],1995(1).
[3] 刘宝华,何渝军.多媒体辅助教学在医学教育中的应用[J].现代医药卫生,2005,21(9).
继第二代互联网(Web2.0)和云计算之后,大数据接踵而至,有可能成为信息技术界的下一个重大热点。第二代互联网将人和物实现联网,云计算是向在线计算基础设施转变,大数据则通过对传统计算技术无法分析的大量数字信息进行存储和处理来创造价值。据美国思科公司估计,到2015年全球互联网流量将达到4.8ZB,这表明大数据面临的挑战和机遇近在眼前。
全球计算机产生的数据量呈几何级数增长,有种种原因。首先,由于电子商务和积分卡计划,零售商开始建立庞大的数据库,记录客户活动。物流、金融服务、医疗保健和许多其他行业中的组织也正在收集越来越多的数据,希望从中获得附加值。社交媒体创造了大量的数字资料,从中有可能会挖掘出有价值的信息。此外,由于视觉识别技术的提高,计算机从静止图像和视频中收集有用信息和数据关系,开始成为可能。随着越来越多的智能对象联网,不断扩大的物联网也在产生大规模的数据。最后,快速基因组测序技术、纳米技术、合成生物学和气候模拟等领域的科技进步正开始产生并依赖大量的数据,其数据量之大,直到最近还几乎是无法想象的。
收集和存储大数据,并从中创造价值,引起了许多技术上和概念上的挑战,超出了传统的计算能力。
数据量大既是大数据的最大挑战,也是其最大的机遇。这是因为,大量数字信息的存储、相互关联和处理为广泛的活动提供了巨大的可能性,包括客户行为预测、疾病诊断、医疗保健服务计划制订和气候建模。然而,传统的计算解决方案越来越难以胜任此类任务。
大数据的速度也引发了一些重要问题。首先,大多数组织的数据流入速度正日益超出其信息技术系统的存储和处理能力。此外,用户越来越希望向他们实时传递流媒体数据,并且是传输到移动设备上。在线视频、定位、增强现实技术和许多其他应用现在依赖大量的高速数据流。对许多公司来说,传输高速数据流是相当大的挑战。
大数据的另一个突出特点是数据类型多样。数据中心只需要处理文档、金融交易、股票记录、人事档案的日子一去不复返。今天,图片、音频、视频、三维模型、复杂的模拟和定位数据被存入大量的企业数据仓库。这些大数据源中,许多几乎完全是非结构化的,因而不易分类,更不用说用传统的计算技术去处理。这一切意味着,大数据实际上是凌乱的数据,在开展任何有意义的分析之前,需要下大力气进行复杂的预处理和数据清理。
由于上述挑战,许多组织别无选择,只能忽略或快速排出大量可能非常有价值的信息。它们收集的很大一部分数据都未经处理,并且大量有价值的数据像废气一般被排出去。例如,目前医院在手术治疗过程中拍摄的几乎所有视频数据在几周内删除。然而,对这些图像流进行智能挖掘,既可改善个体患者的治疗效果,也可改进更广泛的医疗保健计划。
二、大数据需要新的技术解决方案
由于其数量、速度和类型提出的种种问题,大数据需要新的技术解决方案。目前名为Hadoop的Apache开源项目在这一领域处于领先地位。它提供了首个可行的大数据分析平台。大数据领域的绝大多数开拓者已经在使用Hadoop系统。例如,LinkedIn公司是一家面向商业客户的社交网络服务网站,目前使用Hadoop系统每周产生超过1000亿条个性化建议。
目前,除了原有的信息技术系统,许多大数据业务的开拓者在部署Hadoop系统,以便让这些系统把新老数据结合起来。然而,随着时间的推移,Hadoop系统可能注定要取代许多传统的数据仓库和关系型数据库技术,成为处理多种数据的主导平台。
许多组织不可能有足够的资源和专业知识去实施自己的Hadoop解决方案。幸运的是,它们不必这样做,因为已经可以利用云计算解决方案。亚马逊、谷歌和网域存储公司(NetApp)等供应商提供云计算解决方案,能够让各种规模的组织开始受益于大数据处理的潜能。利用云计算处理大量的公共数据也会起到很好的效果。例如,亚马逊公司已经存储了许多公共数据集,包括美国和日本的人口普查数据,以及基因组学和其他医学与科学的许多大数据存储库。
展望未来,随着人工智能的进步和新型计算机处理能力变得可用,大数据将突飞猛进。例如,未来量子计算很可能极大地提高大数据的处理能力。
三、驾驭大数据将具有深远意义
尽管挖掘TB级、PB级甚至EB级的数据在技术上具有挑战性,但却提供了重大机遇。事实上,无需多年,大数据技术和方法很可能让几乎每一条以往存储的数字信息产生某种额外的、派生的价值。正如IBM公司解释的那样,“大数据是一个机会,可以在新型数据中寻找新的见地,可以使业务更加敏捷,并可以回答以前回答不了的问题”。
更具体地说,大数据可以提高分析的洞察力,可以创造以前不可能有的新产品和新服务。谷歌、亚马逊和脸谱(Facebook)等业界先锋已经以实例证明,大数据如何能够提供高度个性化的搜索结果、广告和产品建议。随着时间的推移,大数据还有可能帮助农民准确地预测恶劣天气和作物歉收。政府则有可能使用大数据来预测社会动乱或传染病,并制定应对计划。
认识到大数据的潜力,2012年3月,美国政府宣布向大数据项目投入2亿美元,以极大地改善所需技术和工具,实现海量数据的存取和组织,并取得发现。白宫科技政策办公室甚至将此称为自互联网兴起以来最重要的公共技术投资之一,其主要目标是“加快科学和工程探索的步伐”。
正如美国网域存储公司NetApp解释的那样,从根本上来说,大数据的发展涉及创造新的信息技术系统,这种系统不是仅用于存储数据的仓库,更是一些紧密关联的系统。长久以来,我们已经习惯于将数据输入计算机系统,取得相对较少的回报。但是,通过对越来越多的大数据集进行合并分析,我们可能从计算机系统中获得更多的回报。
例如,通过利用大数据技术对每天12000GB的推文(用户在社交网站Twitter上发表的消息)开展实时情感分析,以了解全世界对事物的看法,已经成为可能。但这仅是开始,因为大数据可提供各种可能性,可能会增加和完善各类组织为客户提供的服务。
麦肯锡全球研究院在最近的一份大数据报告中估计,通过利用大数据,美国医疗保健行业可提高效率和质量,能每年节约3000亿美元,使医疗保健支出削减8%左右。据其估计,在整个欧洲,利用大数据每年至少可节约1490亿欧元的政府行政成本。从更广泛的意义上说,制造业企业将大数据贯穿整个研发、工程设计和生产过程,可能会显著减少产品上市时间,并提高产品质量。
大数据无疑会产生形形的具有数据跟踪能力的组织,令人畏惧,但是大数据的积极影响很可能大于其负面影响。例如,大数据可能会提高城市的交通管理,并可能实现更智能地运行电力基础设施,从而促进可持续发展。
医学影像这种“证”,其原始状态可看作是扫建出的二维切层影像,机器辅助的基本二维“示”工具有窗宽窗位、放大缩小、面积周长等。当一次扫查的切层影像数量达到几十幅时,二维阅片不堪重负,这使“示”能力如MIP/MPR乃至VRT等三维阅片在多年前已经成为常规。随着一次采集的影像数量达到几百上千幅,并开始容纳时间轴等新的采集参数,从影像中能够而且需要获取的“证”越来越多,即,从机器的原始采集数据和简单形态学信息开发出经医学界公认各种算法和知识库运算处理过的更高层面的“证(或称处理结果[Results]、阳性发现[Findings]、病征所见[Findings]、病证[Evidences])”。
以CT心脏左室成像为例(图1),目前,除了二维切层影像的基本观察、常规的三维MPR/MIP和VRT等处理显示之外,还要求从影像中获得更多的循证处理结果。例如,在MPR显示上勾勒出心外膜和心内膜轮廓,绘出时间-容积曲线、列出左室测量结果(射血分数、舒张末心肌质量、每搏输出量、舒张末容量、收缩末容量和心输出量等)并做动态播放,为多种左室功能绘出AHA标准17区极谱图(又称牛眼图,可分析的参数如室壁厚度、室壁加厚、室壁运动等)、做出极谱图与VRT的复合显示,计算心肌造影的首过增强、并进一步在MPR显示上标出首过增强数据中的低密度区,计算延迟增强、并在MPR厚层显示上标出心肌高密度区和充盈缺损等等。
随着影像采集数量和循证处理分析内容的加速增长,医生读片中的高级循证可视化(Advanced Visualization,AV)应用会越来越广,可施加的算法会越来越复杂、产生的病证结果会越来越多……医学影像循证处理,不再是三维工具如MIP/MPR以及CPR和VRT/SSD等的手工调用与操作,而是让计算机尽可能地自动给出某个病种所要求的各种处理结果,包括完整的结果截图、测量数值、甚至基于知识库的临床评分。
影像循证中的计算机辅助技术
1. 机辅影像循证的历史发展
以CT的阅片辅助为例,机辅影像循证阶段分为:
原始阶段是硬键窗宽窗位――通过操作台上的硬按键,实现一键式的骨窗、脑窗、肺窗显示;
第1阶段是手动二维处理――通过工作站的计算与显示能力,对医学影像施加基本的二维阅片工具,如窗宽窗位、放大缩小、翻转旋转、距离角度、面积周长、标记注释等;
第2阶段是手动三维处理――随着计算技术的发展和扫查采集影像的增多,在工作站上对影像施加通用三维工具,如MIP/MPR(最大强度投影/多平面重建)、 VRT(容积渲染)、SSD (表面遮掩)、CPR(曲面重建)等;
第3阶段是自动三维处理――随着影像循证知识库的发展和人工智能技术的引用,实现“一键化的(单步化的)”冠脉分析、心功能评测、肿瘤复查、脑灌注评测、神经谱分析、肺结节分析等。
对应阅片辅助的三个主要发展阶段,计算机智能对医生阅片的辅助,可以分为三个层次:“基本循证辅助”,如窗宽窗位、放大缩小、翻转旋转、角度距离等;“常规循证辅助”,如MIP/MPR和SSD/VRT等;“高级循证辅助”,如自动化的冠脉分析、心功能评测、肿瘤随访、神经谱分析等。
2. 机辅影像循证的智能化
――自动阅片流(Workflow)
以往所谓的高级处理应用(工具),如MIP/MPR、SSD/VRT等之所以被划为常规处理,是因为其不可能实现自动化――都是通用的、不分病种病情的、偏于纯算法的应用,当施加于不同病种病情时,调用这些工具时的医生操作是不同的。
工作流除了有企业级和部门级的,还有个人级的“医生工作流”。医生调用基本和常规的算法工具施加于不同病种的影像数据时,点击勾画步骤是不同的,调用的知识是不同的,因此,医生阅片工作流是病种病情特定的(Disease/Context-Specific)。
若能用计算机模拟医生阅片操作工作流,实现其尽量多的步骤,就能把医生工作流(包括病种知识和一些操作技能)的步骤尽可能多地客观化到计算机中去。在病种知识库和流技术引擎的支持下,有些医生工作流,在计算机辅助下甚至能通过单次点击(单步化)就可以完成。例如心脏科医生的“冠脉分析”,一次点击可以实现打开病人影像、移除肋骨和血池、做心肌分割、在血管内穿透巡航、测量各种狭窄值、把影像和处理结果与测量数值用合适的方式显示出来、给出报告等。
当病种特定的知识库得以建立,并在计算机模拟医生阅片时调用各种算法的工作流各步骤中得以采用,以这类病种知识库和病种操作流技术为核心所实现的病种特定的“机辅阅片流”(Workflow),形成了阅片循证自动化的基础――这样产生的病种特定“机辅阅片流”,才有可能使医生之前几百上千次点击勾画完成的手工处理,可以通过三五次点击自动完成。
3. 机辅影像循证的智能化
――预处理(Preprocessing)
在当前计算机技术水平下,医学影像中一个“证”的获取往往需要分钟级时间的运算,当有许多“证”要获取时,时间上的等待仍会让影像的直接使用者失去耐心。
若能在各个病例影像到达处理机器、而医生还没打开该病例时,机器就按照扫查时设定的处理要求和影像病种启动病种知识导向的后台处理,自动将影像归类并调配算法工具(AutoSorting),自动运行“机辅阅片流”中的各种算法和知识库展开处理(AutoProcessing)。然后,在医生打开某个病例时将该病例的处理结果按照医生阅片要求的布局自动地展示出来(AutoLayout)――这种智能化的“预处理”加上复查需要的预提取(Prefetch),所实现的病例自动准备,让医生能集中精力于利用病征结果展开诊断。
若没有自动阅片流技术为基础,这种影像循证预处理是实现不了的。因此,以往支持手动三维处理操作的软件,就必须要重新设计――纳入病种知识库和病种操作流,实现自动调取与运行――方能在医生没有点开病例时在后台实施循证预处理。
进而,当面对多个病种类型的处理阅片时,将多个“机辅阅片流”合成为一个“机辅阅片引擎”(Engine),可以开展自动的合成机辅阅片,例如心功能分析,除了包含左室分析,还有右室分析、瓣膜引导等自动阅片流――所有这些阅片流是在该病例影像到来时一起施加上的,其各个自动流的病征结果与调用工具则是在医生点击该病例时同时打开的。这里的病征结果清单是基于数据库的(可称作“病征索引器”),每个自动阅片流条目下的处理工具集则是基于病种知识库和病种操作流的(可称作“病例导航器”)。
医学影像处理技术问世至今已经发展了四代。前三代的共同点是均为“后”处理,即必须在医生打开软件、装载图像后,才能进行处理和分析。当前第四代的最主要特征就是这种智能化的“预”处理,即,在医生打开某个病例之前,就自动调用相关的软件算法对图像进行后台处理,当医生点开该病例时,处理的结果即刻展现在医生面前。
4. 机辅影像循证的智能化――大型数据库
当一个病例中的影像数量达到几百上千幅时,当后台同时在做预处理的病例达到数个乃至十数个时,当对一个病例同时施加的自动阅片流有两三个甚至五六个时,当每个阅片流自动(以及随后阅片过程中的手动)给出的“证”达到几十个乃至上百个的时候……如果没有大型数据库如Oracle或SQL,想要管理数量与种类众多的病例、影像和处理结果是不可能的。
例如,对于某一病例施加的各个自动阅片流(及其后续手工操作)所产生的几十上百条病征所见(Findings),可以建立病征索引器(Findings Navigator)――所有病证所见都自动存储在病征索引器上并建立索引,从而帮助医生列示所有的病征发现与处理结果,能高效评估和管理所有的诊断发现――只要在某个病征结果上点一下,如同书签一样,立刻自动同步跳转到给出该结果的原阅片与测量界面上,并将链接同步的其它序列影像也同步跳转至病征所在的解剖位层(可以是多个序列、多次扫查甚至多种设备类)。
更进一步,可以病种知识库为基础,建立病种类型特定的病证清单(Findings List,欧美多称其为“结构化报告”[Structure Report])模板,在每个阅片流自动运行和手工修正之后,列出医生最后修正确认的所见结果(Findings),给出“按病种结构化的”完整的病征清单,用以支撑放射科报告的结论。所有结果(包括病征截图、测量数值、临床评分)、所引用的知识库(如肿瘤随访是用RECIST评分还是WHO评分),都能总结到该病种特定的结构化病征清单(DICOM-SR)中――结构化报告应该包含该病种临床科室实践中会用到的示意方式(如绘出冠脉树用以指示狭窄位置)(图1)。
5. 机辅影像循证的网络化――服务器运算
若把上述机器智能中的所有计算能力、知识库、算法工具调用等,都放到服务器上运行,将会使网络上该服务器的任何瘦客户端(即普通PC),都能以“并发授权”方式调用这些机辅阅片流及其后面隐藏的病种知识库和病种操作流。
由于各种成像设备产生的影像都可以送到服务器上,各种成像类的算法、知识库和自动阅片流都可以装在服务器上,这种服务器运算使机辅阅片能力可以不局限于扫查设备旁,而是通过网络四处可调,能在更多的场所(如阅片室、手术室等)让更多的医生拥有更多成像类的机辅影像循证阅片能力,即可让医生在任何联网的终端上(如HIS的医生工作站)随意调用多种成像类(Multi-Modality)的影像,并实施多种成像类的机辅阅片。这就实现了同时接入和处理的成像设备类多、调用高级处理智能的用户多、可开展影像循证高级可视化处理的场所多。
而这种网络化具有现实意义的前提,首先是要有智能化的自动阅片流和循证预处理,各种临床位置的医生,在自动阅片流和自动预处理技术的支持下,可以不必耗费时间去自行做巨量的点击勾画处理操作;其次在于全服务器运算支持下的瘦客户端,即算法智能与病例影像全部都置于服务器中,客户端与服务器之间的通讯无需占用影像数据所要求的巨大带宽。
关于机辅影像循证的讨论
1. 影像循证计算机辅助的平台化
就运算核心而言,由于事务管理和影像处理是两种不同的计算处理模型与方式,也由于有多个医生对来自多种成像设备的多个病例执行智能化自动化程度更高的计算处理,还有大量医生尚未点开的病例预处理在后台持续运行,单纯四核或八核CPU计算是无法承担的,所以目前业内的解决方案以CPU+GPU运算架构为主导潮流,即CPU做基本平台的管理(包括影像的传输与存储)和数据库(包括影像病例数据库和结果数据库)的管理,引入GPU(即处理图形专用的高性能运算芯片)专注于高性能影像运算――GPU采用成百上千颗并行运算核并行执行图形语言与算法的基本指标为3D性能(如每秒数十亿次三角形运算)的含上10GB级的图像高速缓存,图像计算语言方面最好能支持OpenGL版本4以上、OpenCL、DirectX版本10以上以及CUDA等。
由于需要配置大型数据库来做数据管理,并需要高性能CPU如四核甚至八核Xeon来运行数据库,因此,需要运行GPU与数据库的服务器,来接入多台扫查设备的数据源并支持多台阅片站对“机辅阅片流”算法智能的调用――影像处理运算平台走入C/S架构时代,即由服务器来承担影像的高性能运算和结果管理,医生调用影像和智能的阅片台成为这种服务器的客户端。服务器的网络管理方面,须能支持Active Directory、SSO和VNC,而医学信息化标准方面,须能支持DICOM、IHE和HL7。
在上述软硬件平台的基础上,服务于影像循证的基本平台功能应该有:基于知识库的病例导航(Case-Navigator),即影像到来后自动实施分类调取、计算处理、阅片布局、阅片流列示和处理工具摆示等;基于数据库的病征索引(Finding-Navigator),即对病征发现做测量创建、收集管理和列表显示,通过病征做索引来同步多个影像序列中同一病征的即时找寻;基于规则库的病人筛选(Patient-Worklist),即基于角色的作业表可按阅片流或影像来驱动,供用户按成像设备、临床领域或身体部位等条件筛选其所需的病例;结构化病征列表(Structure-Report),即把病征发现自动写入某临床应用对应的报告模板中,完整记录病征发现(测量数值、表格、曲线、示意图和影像截图等);角色设置与协同阅片(Role-based AV-Sharing),支持不同用户角色间对于影像与病征发现的分享观察、同步操作等。
使用前述的影像循证高级可视化所用技术的集合以及这所列种种软硬件的重新设计与组合,构成的影像循证计算机辅助新平台,才能真正实现尽量减少阅片循证中的操作处理步骤,并对影像中的各种“证”尽量完整地获取和记录,帮助医生从繁琐复杂的点击勾画和病征结果的管理索引中解脱出来,从而有更多时间专注于病情本身。
2. 机辅影像循证高级可视化软件的再定义
首先,机器辅助的目标已经发生了变化――医生阅片面对的影像越来越多,使影像科之内、影像科室与其它科室(如手术室)之间共享高级处理智能的需求越来越高,需要跨出扫描室来让更多临床场所(如阅片室、手术室、办公室)调用病例影像和算法智能。高级处理的不断普及与复杂程度的不断提高,开始要求阅片医生之间能交流其处理的中间结果,甚至开展阅片协同。
其次,自动阅片流的实现,使上述平台基础构成已经与传统处理软硬件有了极大不同。从影像中所循病征种类的增加,需要增加计算机自动运行的操作步骤,也决定了重新设计机辅阅片流的必要性。
第三,自动阅片流并不能完全替代人工操作,仍需要提供不同于手工处理的处理工具让医生对自动结果做手动细调、增删、修改。正因如此,人机界面与手工处理时所要求的是完全不同的,需要全部重新设计。处理结果的增加和结构化病征列表的给出,需要设计更为有效的病征管理与索引工具。
因此,简单地把影像处理的算法工具和软件从工作站移到服务器上,并不能真正实现影像处理的网络化、智能化。智能化“预处理”自动流软件,需要按病种重新设计。相应地,支撑其运行的平台也需要重新设计。
3. 机辅影像循证的其它讨论
机辅阅片流的改善和创建。机辅阅片流一方面在总结了医学界关于某病种的阅片处理知识后,将这些知识固化到阅片流所调用算法的各种参数设置中,使其得以由计算机自动运行,达成让医生减少繁杂的点击勾画的目的;另一方面,其客户化可设置性,比如算法参数的细调,让医生得以在利用机辅阅片流的高效时,能深入改善自动判读某病种病灶的质量,从而进一步提高机辅效率。这需要更多的临床科研合作,不断改善已有的机辅阅片流,不断创建新病种的机辅阅片流,甚至通过对已有阅片流的组合创建一些新病种的自动阅片流、引擎。
协同机辅阅片。影像医学与临床医学开始出现越来越多的协同需求。例如影像科室高级处理的目的是突出和描述病灶,而手术科室的阅片处理,在此之外还要加上展示手术路径等。这就要求高级处理展示平台应能支持影像科室阅片与临床科室阅片的协同,支持处理中间结果的交流,支持结构化报告的共享,甚至支持对同一阅片流在不同科室使用时的一些算法与处理参数的细调。
广域机辅阅片。以往的广域阅片是由PACS支持,实现的是基本二维阅片,因为三维手动阅片对远程客户端与服务器之间的操作互动要求太高。当新的自动三维阅片平台以自动阅片流和预处理智能化为基础时,绝大部分的操作都能在服务器端基本完成,远程客户端与服务器之间的操作互动要求不高,也不需要把影像数据推送到客户端,以免产生的巨大带宽占用,从而实现在远程客户端上调用中心服务器的影像循证高级可视化智能,实现了广域的三维机辅阅片。
DICOM的高级服务类(SOP)。以上对影像循证高级可视化处理平台的要求,也对与PACS的集成提出了有关DICOM服务类的更多需求,如增强的或综合性结构化报告(Enhanced / Comprehensive SR SOPs)、空间对准(Spatial Registration SOP)、分割存储(Segmentation Storage SOP)等。
多服务器与云服务。当单台服务器发展为多台服务器同时工作、甚至多台服务器在不同地点协同工作时,才能谈得上影像高级处理阅片的“云服务”。目前医学界的实践是,先从含有智能化自动阅片流的单台服务器起步,随着放射医生和临床医生对后处理需求的增加,逐步增加服务器数量,逐步实现各个服务器之间处理能力的“算法授权中央化”,最后构成“影像云处理”。这提供了可扩容、可组合和可不断按需添置的影像循证智能化处理平台解决方案。
关键词关键词:网站导航;导航设计;导航技术
中图分类号:TP319文献标识码:A文章编号文章编号:16727800(2013)008009502
0引言
随着网络技术的发展,越来越多的人都通过网络获取信息和资源。医院网站是医院宣传与展示的窗口,是医院与外界相互了解的信息桥梁,它的建设是否科学对医院的信息建设起着重要作用。妇幼保健机构是卫生事业的重要组成部分,是以妇女、儿童、孕产妇为主要服务对象的专科医疗保健机构,具有独特的性质和职能。网站导航是用户浏览网站的“引路人”,如果导航设计得科学,可以有效避免用户迷航,提高用户对网站资源的利用效率。
1调查对象、内容与方法
1.1调查对象
选择有代表性的国内6所省级妇幼保健院,分别是北京妇幼保健院、广东省妇幼保健院、湖北省妇幼保健院、黑龙江省妇幼保健院、四川省妇幼保健院、广西壮族自治区妇幼保健院。这6所三甲妇幼保健院的网站比较成熟,基本可以代表我国妇幼保健院的网站建设水平。
1.2调查内容与方法
导航结构、辅导航如网站地图、搜索引擎是目前医院网站中比较典型的网站导航设计相关项目[13]。因此,本文选取网站的导航结构、辅导航作为本文的研究内容,并且在线浏览查阅这些妇幼保健院的门户网站,按事先拟好的调查内容分别记录每个妇幼保健院网站导航设计的具体情况。
2妇幼保健院网站导航现状调查分析
2.1导航结构不清晰
一个优秀的网站导航结构能够有效地帮助用户解决4个问题:①我在哪里;②我可以到达哪些地方;③我怎样才能到达目标地;④我到达目标地后怎样才能回到我的出发点[4]。但是,仍然有很多网站未能较好解决这些问题。笔者浏览以上6所妇幼保健院的网站发现,这些网站的导航结构普遍存在如下问题:网站缺乏当前位置,用户不知道下一步怎样走,不知道怎样回到出发点,不知道所处的位置在哪(如广西妇幼保健院);顶部导航过多,缺乏下拉菜单导航即二级导航,用户很难较快地找到自己想要的信息(如湖北省妇幼保健院);二级导航位置不明显或不适合用户的阅读习惯,使得用户容易忽略二级导航的存在,致使用户达不到想去的目标地(如广西妇幼保健院、北京妇幼保健院)。
2.2缺乏辅导航
常见的辅导航有网站地图和搜索引擎:网站地图是一个网站所有链接的容器,以一个单独的页面显示整个网站内容分布情况,以便用户快速了解整个网站的结构、框架、内容分布,帮助迷失的用户找到他们想看的页面;搜索引擎是指根据一定的策略、运用特定的计算机程序检索网上信息工具,将纵横交错的网页链接起来,允许用户使用他们熟悉的术语检索自己需要查找的内容。在网站建设中,如果能很好地将网站地图和搜索引擎结合使用,便能让用户快速准确地找到目标信息。以上6个网站中,有4个网站没有网站地图,有3个没有搜索引擎,既有网站地图又有搜索引擎的网站只有一所医院,即北京妇幼保健院。这6所医院的网站,除了黑龙江省妇幼保健院的网站信息和内容较为简单外,其余5所医院的网站内容和信息都比较复杂,若没有相应的辅导航工具,用户容易迷航。以上数据表明,大多数医院都不够重视辅导航的作用,没有深入了解用户的需求。
2.3导航链接文字意义不明确
文字是人类书写语言的符号和交流信息的重要工具,在网站建设中,导航文字是用户获取信息的主要要素,如果链接的文字意思不够明确或过于笼统,就会导致用户不知道该链接到底指向一个什么内容的页面,不知道怎么找到所需的信息。
3对医院网站导航设计的建议
导航是连接用户与内容的桥梁,导航设计的优劣及其是否易于使用都会直接影响用户对网络内容的获取。可以根据用户认知心理相应地对导航结构、网站地图、网站搜索等不同类型的导航进行设计,有针对性地满足不同用户的需求,快速引导他们找到所需的信息。
3.1导航结构设计
网站的导航结构设计需注意4点:①要保证整个网站中每个网页的位置、内容、视觉风格统一;②顶部导航要包括到达网站中不属于内容层次的重要元素的链接,并且每个子网都应包含返回首页的链接以及当前位置;③二级导航的位置最好保持固定不变,因为固定的位置能为用户指引方向,以免迷航;④避免过深的层级关系,如果二级导航比较多,可以考虑设置下拉菜单[5]。根据用户自上而下、从左到右的认知过程,可以如图1设置整个网站结构。其中下拉菜单是隐蔽的,即当鼠标经过顶部导航时,下拉菜单导航显示出来,当鼠标离开顶部导航时,下拉菜单导航隐蔽起来。搜索框和网站地图放在顶部,易引起用户的注意,用户可以方便快速地确定所需的信息。在文章的右上方提供当前位置,可以方便学习者知道自己所处的位置,以免迷航。
图1网站结构设置
3.2搜索引擎设计
用户如果对整个网站结构没有清晰认识,当其进入网站时,一般会寻找搜索框输入关键词进行搜索,如果关键词与网站内容相匹配,网站就会将检索结果陈列出来。用户的检索过程看似简单,实际上并不简单,图2显示了用户的检索过程。
从图2可知,整个检索过程中搜索这一步骤非常重要,可以说,用户能否准确地获取所需的信息,搜索引擎起到关键性作用。实际搜索引擎的原理,可以看作3步:从互联网上抓取网页建立索引数据库在索引数据库中搜索排序。从互联网上抓取网页:利用能够从互联网上自动收集网页的Spider系统程序,自动访问互联网,并沿着任何网页中的所有URL链接到其它网页,重复该过程,并把链接过的所有网页收集回来。建立索引数据库:由分析索引系统程序对收集回来的网页进行分析,提取相关网页信息(包括网页所在URL、编码类型、页面内容包含的关键词、关键词位置、生成时间、大小、与其它网页的链接关系等),根据一定的相关度算法进行大量复杂计算,得到每一个网页针对页面内容以及超链中每一个关键词的相关度(或重要性),然后用这些相关信息建立网页索引数据库。在索引数据库中搜索排序:当用户输入关键词搜索后,由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页,因为所有相关网页针对该关键词的相关度早已算好,所以只需按照现成的相关度数值排序,相关度越高,排名越靠前,最后由页面生成系统将搜索结果的链接地址和页面内容等内容组织起来返回给用户。
3.3网站地图设计
网站地图是为浏览者提供导航协助的重要方式之一,一般是以一个单独的页面显示整个网站导航的分布情况。在选择使用网站地图时,必须考虑网站主页设计风格和网站页面总数。如果网站主页在设计过程中已具备显示整个网站资源的功能,则可以选择不使用网站地图。如果网站地图包含太多链接,则人们浏览的时候容易迷失。因此,如果网站页面总数超过了100个,就需要挑选出最重要的页面。建议挑选下面这些页面放到网站地图中:①院、科室设置页面;②管理机构页面;③帮助页面;④位于转化路径上的所有关键页面;⑤访问量最大的前10个页面;⑥如果有站内搜索引擎,则挑选出从该搜索引擎出发点击次数最高的那些页面。
4结语
用户访问网站的根本目的是获取信息,导航的作用就是引导用户浏览和查找信息,导航的效率越高,用户就越可能对网站保持兴趣。网站导航是网站信息结构的体现,它们应该在网页加载时立刻被显示出来,这样用户就可以快速扫描导航选项,了解网站信息建构。在导航设计中要避免舍本逐末,为了单独追求视觉效果而采取动态导航,这样不仅导致导航加载速度缓慢,同时也影响了部分计算机应用能力较差的用户的操作。网站导航是技术与思想的结合体,既要利用先进的计算机技术,又要通过网站整理信息资源,并服务于用户。从技术角度看,网站导航是为了防止用户在网络空间“迷航”,防止迷航的方法包括导游线路、网站地图、搜索/查询、人工智能等,这些技术适合
不同类型和规模的网络信息。从上述的调查分析来看,在网站地图和搜索引擎方面,导航技术还有待发展。妇幼保健院网站应密切关注相关新技术的发展,综合应用各种技术方法进行网站导航建设。本文对导航设计提出几点策略,只是从理论上给予建议,而未能从技术上提出具体操作。导航系统在妇幼医院网站建设中扮演着重要角色,其设计和开发具有一定的特点和规范,但是没有固定、绝对的范式。随着妇幼医院网站开发相关理念、技术的深入发展,导航系统的设计必将朝着标准化和智能化方向发展。
参考文献参考文献:
[1]YOUWEIWANG,WENIHUIDAI,YUFEIYUAN.Websitebrowsingaid:anavigationgraphbasedrecommendationsystem[J].DccisionSupportSystems2008,45:387400.
[2]SALIMAILINDI,ADBELMAJIDBOUAZZA.AnevaluationstudyofthenavigationandsearchsystemsontwoacademicwebsitesandGoogle[J].TheInternationalInformation&LibraryReview,2010,42:5061.
[3]王海娟.浅谈图书馆网站导航[J].情报科学,2003,21(7):782.
[4]曹晓东.网站导航代价量化与测试算法研究[D].大连:大连理工大学,2005.