人工智能輔助診療發(fā)展現(xiàn)狀與戰(zhàn)略研究

一、前言每年我國各類醫(yī)療機(jī)構(gòu)診療總?cè)舜纬^70億次，且存在醫(yī)療資源分配不均、布局結(jié)構(gòu)不合理等問題，醫(yī)療衛(wèi)生行業(yè)面臨巨大的服務(wù)需求壓力。隨著醫(yī)療信息化的快速發(fā)展，電子病歷和健康檔案的實(shí)行，產(chǎn)生了大量的文檔、表格、圖像、語音等多媒體信息。利用人工智能技術(shù)輔助開展醫(yī)療過程，對數(shù)據(jù)進(jìn)行整合分析，為提升醫(yī)療衛(wèi)生服務(wù)能力，解決醫(yī)療資源緊缺帶來了新契機(jī)。2017年7月，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提到，應(yīng)深化人工智能在智能醫(yī)療領(lǐng)域的應(yīng)用，推廣應(yīng)用人工智能診療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。人工智能技術(shù)能夠?qū)Υ笠?guī)模開放式醫(yī)療數(shù)據(jù)的語義進(jìn)行分析、挖掘和理解，實(shí)現(xiàn)對醫(yī)學(xué)語義網(wǎng)絡(luò)和知識中心的自動(dòng)構(gòu)建。通過對海量的醫(yī)學(xué)文獻(xiàn)、病例數(shù)據(jù)和診療方案進(jìn)行快速檢索，分析數(shù)據(jù)之間的隱含關(guān)系，能夠開展輔助診療、藥物研發(fā)等問題的研究，推動(dòng)醫(yī)療技術(shù)的進(jìn)步。通過對醫(yī)學(xué)影像的智能分析，能夠準(zhǔn)確提取特征，定位病灶，為疾病預(yù)防與診斷提供幫助。此外，語音識別、視頻理解、智能問答等技術(shù)能夠在輔助病歷記錄、臨床護(hù)理、康復(fù)指導(dǎo)、自動(dòng)導(dǎo)診等諸多領(lǐng)域展開應(yīng)用。實(shí)現(xiàn)醫(yī)療信息和健康數(shù)據(jù)的融合、開放共享，并利用人工智能對碎片化醫(yī)學(xué)信息進(jìn)行整理分析，對醫(yī)療診斷過程提供輔助，可改善醫(yī)療健康服務(wù)，促進(jìn)政府決策合理化，解決醫(yī)療衛(wèi)生資源配置不均衡問題，是人工智能與醫(yī)療領(lǐng)域的最直接應(yīng)用，也是醫(yī)療人工智能發(fā)展的重點(diǎn)。本文選取健康醫(yī)療信息人機(jī)交互、數(shù)據(jù)智能中的語義理解與醫(yī)學(xué)影像分析作為切入點(diǎn)，簡要闡述了人工智能在輔助診療問題上的發(fā)展方向與現(xiàn)狀，討論了智能診療技術(shù)發(fā)展與應(yīng)用的問題與挑戰(zhàn)，為相關(guān)部門提供決策支持。二、醫(yī)療信息語義理解與影像分析發(fā)展現(xiàn)狀目前，利用人工智能技術(shù)對疾病進(jìn)行臨床診斷的研究主要圍繞兩方面展開：一是對海量醫(yī)學(xué)數(shù)據(jù)進(jìn)行分析處理，通過推理、分析、對比、歸納、總結(jié)和論證，從大量數(shù)據(jù)中快速提取關(guān)鍵信息，對患者身體狀態(tài)和患病情況得出認(rèn)知結(jié)論；二是通過對文字、音頻、圖像、視頻等多媒體形式的診斷數(shù)據(jù)進(jìn)行分析與理解，挖掘和區(qū)分病情特征，進(jìn)行診斷和評估。其中，醫(yī)學(xué)信息的標(biāo)準(zhǔn)化表征和結(jié)構(gòu)化整合是實(shí)現(xiàn)基于大數(shù)據(jù)智能手段進(jìn)行輔助診斷的基礎(chǔ)；而醫(yī)學(xué)影像數(shù)據(jù)作為一種能夠準(zhǔn)確、直觀反映病情表征狀態(tài)的重要診斷依據(jù)，加之深度學(xué)習(xí)技術(shù)在圖像特征提取方面的突破性進(jìn)展，成為當(dāng)前人工智能與輔助診斷結(jié)合最緊密的領(lǐng)域之一。本節(jié)將從醫(yī)療信息語義理解與醫(yī)學(xué)影像分析兩方面的研究現(xiàn)狀入手，對人工智能輔助診療的發(fā)展現(xiàn)狀進(jìn)行分析。（一）醫(yī)學(xué)知識圖譜與醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)構(gòu)建醫(yī)療健康信息化的推進(jìn)積累了海量的醫(yī)學(xué)數(shù)據(jù)。轉(zhuǎn)化自然語言的原始數(shù)據(jù)表達(dá)方式，整合提煉不同來源的數(shù)據(jù)，形成標(biāo)準(zhǔn)化信息，建立結(jié)構(gòu)統(tǒng)一的信息化醫(yī)學(xué)檔案，不僅方便對醫(yī)學(xué)數(shù)據(jù)進(jìn)行存儲、整理和查找，也有利于與人工智能技術(shù)相結(jié)合。知識圖譜作為一種應(yīng)對互聯(lián)網(wǎng)當(dāng)中海量而零散信息的高效檢索需求所設(shè)計(jì)的語義網(wǎng)絡(luò)結(jié)構(gòu)，對大規(guī)模數(shù)據(jù)及數(shù)據(jù)實(shí)體之間的關(guān)系具有很強(qiáng)的表達(dá)和管理能力。通過對海量的醫(yī)學(xué)概念、實(shí)體、關(guān)系及事實(shí)進(jìn)行整合，能夠有效表示實(shí)體間的語義關(guān)系。將醫(yī)療機(jī)構(gòu)、醫(yī)藥產(chǎn)品、診療病例、健康監(jiān)測數(shù)據(jù)、基因數(shù)據(jù)、健康飲食數(shù)據(jù)、運(yùn)動(dòng)數(shù)據(jù)等相關(guān)數(shù)據(jù)與圖譜進(jìn)行鏈接并在時(shí)間維度上進(jìn)行延展，是構(gòu)建個(gè)性化、動(dòng)態(tài)、多模態(tài)、可語義理解并用于人工智能輔助決策的健康醫(yī)療信息的基礎(chǔ)?；谥R圖譜既能夠進(jìn)行高效的信息檢索、查詢，也能夠基于已有信息進(jìn)行推理，挖掘隱含知識，開展科普查詢、輔助診療、臨床決策、藥物研發(fā)、智能導(dǎo)醫(yī)等相關(guān)應(yīng)用的研究，提高醫(yī)生及醫(yī)院的工作效率，提供針對分級診療的智能輔助。目前，通用知識圖譜的應(yīng)用已經(jīng)十分廣泛，如GoogleKnowledgeGraph、Yago、DBpedia、搜狗“知立方”等。大型知識圖譜的構(gòu)建是在融合“在線百科全書”等結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的基礎(chǔ)上，利用實(shí)體抽取、實(shí)體鏈接、關(guān)系抽取、屬性填充等技術(shù)，對不斷產(chǎn)生的不同來源、不同格式的開放式非結(jié)構(gòu)化信息進(jìn)行抽取，并通過知識融合、知識驗(yàn)證實(shí)現(xiàn)對知識圖譜的擴(kuò)充和更新。作為知識圖譜重要的垂直應(yīng)用領(lǐng)域，醫(yī)學(xué)知識圖譜的發(fā)展也早已引起國內(nèi)外的關(guān)注。醫(yī)學(xué)知識圖譜構(gòu)建在對醫(yī)學(xué)知識進(jìn)行全面整理的基礎(chǔ)上，對關(guān)鍵醫(yī)學(xué)知識和基本概念進(jìn)行嚴(yán)格定義，形成權(quán)威、準(zhǔn)確的醫(yī)學(xué)本體描述規(guī)范，方便對不同學(xué)科、不同專業(yè)和不同來源的數(shù)據(jù)進(jìn)行融合與驗(yàn)證，形成語義網(wǎng)絡(luò)，為臨床數(shù)據(jù)標(biāo)引、醫(yī)療信息存儲、檢索和聚合提供便利。耶魯大學(xué)通過整合神經(jīng)科學(xué)知識庫SenseLab，構(gòu)建了包含從微觀分子層面到宏觀行為層面的腦科學(xué)知識圖譜，幫助人類理解和表示神經(jīng)科學(xué)領(lǐng)域海量信息之間的關(guān)聯(lián)。由國際衛(wèi)生術(shù)語標(biāo)準(zhǔn)制定組織（IHTSDO）維護(hù)的醫(yī)學(xué)本體知識庫SNOMEDCT，包含了超過31萬個(gè)具有獨(dú)立編號的醫(yī)學(xué)相關(guān)的本體，以及超過136萬個(gè)本體間的相關(guān)關(guān)系，廣泛應(yīng)用于電子病歷、基因數(shù)據(jù)庫、檢驗(yàn)結(jié)果報(bào)告和計(jì)算機(jī)輔助醫(yī)囑錄入等多個(gè)領(lǐng)域。由美國國立醫(yī)學(xué)圖書館（NLM）建設(shè)的一體化醫(yī)學(xué)知識語言UMLS，整合了100多部受控詞表和分類體系，包含了超過100萬個(gè)生物醫(yī)學(xué)概念和超過500萬個(gè)概念名稱。UMLS對不同詞表在不同領(lǐng)域當(dāng)中的應(yīng)用進(jìn)行聯(lián)通，具有跨語言、跨領(lǐng)域和工具化的特點(diǎn)，在信息檢索、自然語言處理、電子病歷和健康數(shù)據(jù)標(biāo)準(zhǔn)方面得到廣泛應(yīng)用。我國對臨床術(shù)語的探索起步較晚，目前還未形成一套完整的、廣泛應(yīng)用的術(shù)語標(biāo)準(zhǔn)。中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所研制的中醫(yī)藥學(xué)語言系統(tǒng)包含超過12萬個(gè)概念，60萬個(gè)術(shù)語和127萬個(gè)語義關(guān)系的大型語義網(wǎng)絡(luò)，構(gòu)建了中醫(yī)藥知識圖譜。但該系統(tǒng)存在構(gòu)建定位局限、內(nèi)容不夠完善等問題，尚未得到廣泛應(yīng)用。此外，國內(nèi)醫(yī)療衛(wèi)生領(lǐng)域的相關(guān)機(jī)構(gòu)和個(gè)人發(fā)起成立了開放醫(yī)療與健康聯(lián)盟（OMAHA），通過行業(yè)協(xié)作、開源開放的方式來實(shí)現(xiàn)健康信息技術(shù)的標(biāo)準(zhǔn)化。2017年5月，OMAHA啟動(dòng)了醫(yī)學(xué)術(shù)語協(xié)作項(xiàng)目，致力于通過眾包協(xié)作的方式構(gòu)建中文醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)。（二）人工智能醫(yī)學(xué)影像分析傳統(tǒng)基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像研究圍繞醫(yī)生指定的圖像特征展開研究，這使得模型只能圍繞指定特征進(jìn)行判斷，導(dǎo)致模型泛化能力弱，且難以對病情發(fā)展程度進(jìn)行分類。而深度學(xué)習(xí)模型具備良好的圖像特征提取能力，能夠?qū)θ祟愲y以分辨和容易忽略的特征進(jìn)行準(zhǔn)確提取和有效分析，從而取得更高的準(zhǔn)確率?；谌斯ぶ悄艿尼t(yī)學(xué)影像研究圍繞電子計(jì)算機(jī)斷層掃描（CT）、核磁共振（MRI）、X射線、超聲波、內(nèi)窺鏡和病理切片等多種類型的醫(yī)學(xué)圖像分析展開，對包括肺、乳腺、皮膚、腦部疾病和眼底病變等展開研究。對于部分疾病，人工智能診斷和分析的準(zhǔn)確率已達(dá)到專業(yè)醫(yī)生的水準(zhǔn)。視網(wǎng)膜“糖網(wǎng)”病變是糖尿病的一種典型癥狀。GoogleDeepMindHealth團(tuán)隊(duì)將深度學(xué)習(xí)模型應(yīng)用到視網(wǎng)膜“糖網(wǎng)”病變分類問題當(dāng)中，通過準(zhǔn)確檢測視網(wǎng)膜眼底圖像的病變情況對糖尿病黃斑水腫程度進(jìn)行分級，對測試者進(jìn)行病情預(yù)警和診斷。研究團(tuán)隊(duì)利用12.8萬張視網(wǎng)膜眼底圖像對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，在測試過程中取得了97.5%的靈敏性和93.4%的特異性，判斷準(zhǔn)確率與人類專業(yè)醫(yī)生相當(dāng)。國內(nèi)利用人工智能技術(shù)開展醫(yī)學(xué)影像進(jìn)行分析的研究也已收獲成果。某眼科中心研發(fā)的人工智能診斷平臺能夠利用深度學(xué)習(xí)模型對先天性白內(nèi)障進(jìn)行檢測，利用晶狀體不透明面積、深淺和位置三大指標(biāo)對患者的患病幾率進(jìn)行危險(xiǎn)評估，并根據(jù)診斷結(jié)果輔助眼科醫(yī)師進(jìn)行治療決策。通過實(shí)驗(yàn)對先天性白內(nèi)障的診斷準(zhǔn)確率達(dá)到98.87%，三項(xiàng)指標(biāo)（不透明面積、深淺和位置）準(zhǔn)確率分別為93.98%、95.06%和95.12%。在輔助決策方面，為醫(yī)師提供建議的準(zhǔn)確率達(dá)到97.56%。目前，基于深度學(xué)習(xí)的醫(yī)學(xué)影像分析主要是利用深度學(xué)習(xí)模型對圖像特征的提取能力，完成病灶區(qū)域識別和病情病種分類。盡管這類技術(shù)能夠取得較高的準(zhǔn)確率，但其結(jié)果缺乏對判斷依據(jù)的描述，難以與人類醫(yī)生的思路相結(jié)合，難以投入實(shí)際應(yīng)用。因此，醫(yī)學(xué)影像分析需進(jìn)一步結(jié)合注意力機(jī)制等技術(shù)，尋求得到符合人類思維邏輯的分析結(jié)果。斯坦福大學(xué)提出的CheXNet深度卷積神經(jīng)網(wǎng)絡(luò)模型，在利用胸部X線片對肺炎患者的患病情況進(jìn)行判斷的基礎(chǔ)上，考慮了模型的可解釋性。該模型利用DenseNet深度神經(jīng)網(wǎng)絡(luò)模型對圖像特征進(jìn)行分析，不僅在利用胸部X線片作為診斷依據(jù)的情況下，精度超過人類醫(yī)生的平均水平，還通過計(jì)算模型每個(gè)像素點(diǎn)上的各類圖像特征的權(quán)值之和，衡量圖像各位置在分類決策中的重要性，解釋決策過程，幫助人類醫(yī)生對患者病情進(jìn)行理解?？突仿〈髮W(xué)邢波教授組近期提出一個(gè)多任務(wù)協(xié)同框架，通過引入?yún)f(xié)同注意力機(jī)制，來對異常區(qū)域進(jìn)行準(zhǔn)確定位和概括。不僅通過標(biāo)簽對圖像內(nèi)容進(jìn)行描述，還利用層級長短期記憶（LSTM）模型生成長文本形式的醫(yī)學(xué)影像分析報(bào)告，通過文字描述對分析結(jié)果進(jìn)行描述和解釋。除了直接通過對醫(yī)學(xué)影像圖片進(jìn)行特征提取的方式來進(jìn)行病情預(yù)測與診斷外，還能夠通過影像對人體結(jié)構(gòu)進(jìn)行三維建模，實(shí)現(xiàn)對內(nèi)鏡機(jī)器人等微型診療設(shè)備在人體內(nèi)的定位和識別，提供更加豐富的醫(yī)療數(shù)據(jù)采集方式。采用無監(jiān)督學(xué)習(xí)等方式對醫(yī)學(xué)影像特征進(jìn)行提取分析，減少對數(shù)據(jù)標(biāo)注的依賴，方便醫(yī)學(xué)影像分析過程的開展，也是當(dāng)前醫(yī)學(xué)影像研究的重要內(nèi)容。此外，目前主要的醫(yī)學(xué)影像研究僅圍繞影像數(shù)據(jù)本身展開。利用海量醫(yī)學(xué)知識，構(gòu)建多模態(tài)數(shù)據(jù)采集分析與結(jié)構(gòu)化知識推理相結(jié)合的智能診療模型，將成為醫(yī)學(xué)影像分析的未來發(fā)展方向之一。三、我國人工智能輔助診斷發(fā)展存在的難點(diǎn)與挑戰(zhàn)（一）醫(yī)療信息化程度問題人工智能技術(shù)以數(shù)據(jù)驅(qū)動(dòng)為主體，構(gòu)建內(nèi)容齊全、結(jié)構(gòu)統(tǒng)一的醫(yī)學(xué)健康大數(shù)據(jù)能夠?yàn)槿斯ぶ悄茉卺t(yī)療診療領(lǐng)域的研究提供有力支持，也有助于智能診療技術(shù)的應(yīng)用與推廣。近年來，我國在全面提升醫(yī)療信息化水平方面做出了巨大努力。自2010年以來，國家財(cái)政多次撥款，加大各地醫(yī)療信息化建設(shè)力度，推進(jìn)國家、省級、區(qū)域三級衛(wèi)生信息平臺建設(shè)。目前，我國的區(qū)域醫(yī)療信息化覆蓋率較高，計(jì)算機(jī)基礎(chǔ)設(shè)施基本實(shí)現(xiàn)廣泛覆蓋，省、市級醫(yī)院已基本實(shí)現(xiàn)全面信息化管理。但應(yīng)對人工智能輔助醫(yī)療的新形勢，尚存在許多問題：一方面，不同地區(qū)、不同機(jī)構(gòu)間的醫(yī)療信息化發(fā)展程度存在較大差異，利用信息化手段解決醫(yī)療衛(wèi)生問題的技能與思想尚未得到有效普及；另一方面，各機(jī)構(gòu)之間的醫(yī)療信息化平臺缺乏協(xié)同性，不同平臺、不同版本之間缺乏標(biāo)準(zhǔn)化信息交換接口，機(jī)構(gòu)之間信息交流不暢，缺乏對醫(yī)療數(shù)據(jù)的統(tǒng)一管理與長期存儲。此外，醫(yī)療信息的產(chǎn)生過程和質(zhì)量的控制也制約著人工智能相關(guān)技術(shù)的應(yīng)用深度，構(gòu)建共享、開放、規(guī)?；?、高質(zhì)量的面向?qū)I(yè)疾病的智能輔助分析決策、新藥研發(fā)、公共衛(wèi)生決策的統(tǒng)一醫(yī)療健康大數(shù)據(jù)是重要而長期的工作任務(wù)。建立國家級的健康醫(yī)療大數(shù)據(jù)云平臺，開放數(shù)據(jù)市場，制定醫(yī)院服務(wù)中數(shù)據(jù)還給患者的方式方法，服務(wù)流程標(biāo)準(zhǔn)及收費(fèi)規(guī)范，以個(gè)體的應(yīng)用以及交易帶動(dòng)健康醫(yī)療數(shù)據(jù)市場化的發(fā)展，從而開辟新的數(shù)據(jù)和信息整合、知識發(fā)現(xiàn)及服務(wù)市場。（二）醫(yī)療工作者參與度問題不論是構(gòu)建規(guī)范統(tǒng)一的醫(yī)學(xué)信息系統(tǒng)和內(nèi)容準(zhǔn)確完備的知識圖譜，還是設(shè)計(jì)實(shí)現(xiàn)針對特定疾病的輔助診療系統(tǒng)，都需要獲取權(quán)威的醫(yī)學(xué)知識和豐富的臨床經(jīng)驗(yàn)，經(jīng)驗(yàn)豐富的醫(yī)生與醫(yī)學(xué)專家的參與和指導(dǎo)至關(guān)重要。但在現(xiàn)階段，我國存在人口眾多，人均優(yōu)質(zhì)醫(yī)療衛(wèi)生資源匱乏的問題，一些醫(yī)生與專家雖期待人工智能能夠?yàn)樵\療方式帶來變革，但往往忙于臨床診療，難以投入大量精力參與到相關(guān)研究工作當(dāng)中。因此，需要在跨領(lǐng)域協(xié)作組織和激勵(lì)機(jī)制上進(jìn)行改善，成立相應(yīng)的創(chuàng)新中心，部署新穎的科技計(jì)劃，實(shí)施有效的“產(chǎn)學(xué)研”一體化策略，推動(dòng)該領(lǐng)域快速健康發(fā)展。（三）人工智能技術(shù)與醫(yī)療設(shè)備結(jié)合問題相比于醫(yī)療器械強(qiáng)國，我國醫(yī)療器械研發(fā)技術(shù)的創(chuàng)新能力依然不足，核心技術(shù)開發(fā)能力不強(qiáng)，原創(chuàng)核心技術(shù)較少，低端產(chǎn)品較多，關(guān)鍵零部件依賴進(jìn)口，高端產(chǎn)品依然以仿制和改進(jìn)為主。缺乏高端醫(yī)療設(shè)備的開發(fā)能力與自主知識產(chǎn)權(quán)，使得人工智能技術(shù)難以實(shí)現(xiàn)在國產(chǎn)高端醫(yī)療設(shè)備上的關(guān)聯(lián)與部署，這使得構(gòu)建信息采集、分析處理與整合存儲的一體化信息化醫(yī)療系統(tǒng)難度進(jìn)一步增大。醫(yī)療器械自主研發(fā)與生產(chǎn)能力不足，導(dǎo)致高端醫(yī)療器械與設(shè)備依賴進(jìn)口，價(jià)格昂貴，難以在基層醫(yī)療機(jī)構(gòu)實(shí)現(xiàn)全面部署，也是當(dāng)前醫(yī)療人工智能系統(tǒng)的推廣和普及所面臨的困難，并制約我國醫(yī)療產(chǎn)業(yè)的升級轉(zhuǎn)型。有針對性地制定企業(yè)在該領(lǐng)域的創(chuàng)新發(fā)展策略，鼓勵(lì)企業(yè)跨國并購該領(lǐng)域的優(yōu)秀國外傳統(tǒng)醫(yī)療器械制造企業(yè)，相應(yīng)的醫(yī)療器械與人工智能相結(jié)合的產(chǎn)品在稅收、審批、補(bǔ)助以及等級醫(yī)院在國產(chǎn)人工智能設(shè)備采購上給予相關(guān)的政策傾斜，助力我國在前沿市場上發(fā)力成為新一輪產(chǎn)業(yè)的領(lǐng)導(dǎo)者。四、人工智能輔助診療的發(fā)展建議

（一）構(gòu)建開放共享的健康醫(yī)療信息環(huán)境人工智能輔助診療以大數(shù)據(jù)智能作為基礎(chǔ)，需要解決醫(yī)療健康數(shù)據(jù)碎片化的問題，實(shí)現(xiàn)從數(shù)據(jù)到知識，從知識到智能的跨躍，打穿數(shù)據(jù)孤島，建立鏈接個(gè)人和醫(yī)療機(jī)構(gòu)的跨領(lǐng)域醫(yī)療知識中心，形成開放式、互聯(lián)互通的醫(yī)療信息共享機(jī)制。首先，我國應(yīng)著手建立一套完備的中文醫(yī)學(xué)本體知識庫，對目前主要的醫(yī)學(xué)本體內(nèi)容制定統(tǒng)一的描述規(guī)范，建立完善的分類編碼描述方式，對內(nèi)容進(jìn)行管理，定期進(jìn)行修改和補(bǔ)充。其次，應(yīng)整合不同來源、不同類型的醫(yī)療數(shù)據(jù)，依照統(tǒng)一標(biāo)準(zhǔn)，開展針對不同醫(yī)學(xué)學(xué)科、醫(yī)療領(lǐng)域、醫(yī)療機(jī)構(gòu)和具體應(yīng)用的醫(yī)學(xué)知識圖譜構(gòu)建工作，完善數(shù)字化中文醫(yī)學(xué)體系，推動(dòng)信息化醫(yī)學(xué)語義網(wǎng)絡(luò)的構(gòu)建，并在此基礎(chǔ)上開發(fā)醫(yī)學(xué)概念查詢、文獻(xiàn)檢索等工具，為醫(yī)療工作者提供權(quán)威、準(zhǔn)確的醫(yī)學(xué)信息查詢渠道。最后，應(yīng)構(gòu)建開放共享的健康醫(yī)療大數(shù)據(jù)云平臺。建議對各級醫(yī)療機(jī)構(gòu)、各種健康信息數(shù)據(jù)源、公共醫(yī)療健康服務(wù)機(jī)構(gòu)的信息進(jìn)行統(tǒng)一管理，實(shí)現(xiàn)對個(gè)體健康檔案、生物樣本、基因序列、醫(yī)療保健、行為方式甚至生活環(huán)境等數(shù)據(jù)的高度整合；另一方面，在現(xiàn)有醫(yī)療信息化平臺的基礎(chǔ)上進(jìn)行標(biāo)準(zhǔn)化改良，統(tǒng)一數(shù)據(jù)格式和描述規(guī)范，實(shí)現(xiàn)不同機(jī)構(gòu)、不同來源信息存