如何通过数据引领健康领域的创新？
——TPP亮相2019年度SNOMED CT峰会分享专业视点
“人工智能就像一只饥饿的熊猫，需要不断获取新营养、新数据让自己更强大。”
一直以来如果有人问：最宝贵的全球性资源是什么？那么毫无疑问，是石油。不过，未来这个答案可就不一定准确了。随着数字化、智能化趋势在社会各个领域的推进，越来越多的人认为，数据将成为未来更加重要的全球性资源，起到推动全球产业创新的重要作用。例如，今天在科研领域已经崭露头角的人工智能，就需要大量的数据用于对算法的训练和持续改进。有人曾经形象地比喻：如果人工智能是“发动机”，那么大数据就将是蕴含强劲能量的“燃料”。
那么在未来，人们将如何通过数据，更好地引领在健康领域的创新？最近，全球数字健康和医疗大数据的领军者TPP就参加了于10月27日至11 月1日在马来西亚吉隆坡举办的2019年度SNOMED CT峰会，和全球的专业人士共同探讨了这个问题。共有约300名各国专家代表共同出席了本届大会，马来西亚卫生部长YB Datuk Seri Dzulkefly Ahmad 博士亲自参与了这次活动。
初识SNOMED CT：架起医疗信息的“全球桥梁”
说起来，很多读者可能对SNOMED CT还不是特别熟悉。SNOMED CT的中文全称是“医学术语系统命名——临床术语”，是一套国际通用的规范化医学术语标准。
我们都知道，医学领域的各种术语和概念可以说是纷繁庞杂，再加上不同国家的语言隔阂，在医学概念的语言表述上就更是五花八门。这不仅为医疗数据的整合、检索和应用带来了难题，更不利于医疗专业人士的跨国交流和协同，造成了“巴别塔”式的困境。
而SNOMED CT就如同一部全球通用的“词典”，很好地解决了这个问题。它不仅将每一个临床医学概念对应一个唯一的概念码，搭建了跨国信息共享的“桥梁”；而且，还可以促进医疗大数据的结构化，为这些大数据的深度分析、应用提供便利。因此，像TPP这样的智慧医疗企业和全球专业的医疗、科研机构，都一直高度关注着SNOMED CT在全球的推广应用。
弗兰克·赫斯特爵士：结构化数据助力应对全球健康挑战
作为一位深耕医疗大数据领域的资深专家，TPP创始人兼首席执行官弗兰克·赫斯特爵士在本次峰会上分享了如何用数据推动健康医疗创新的观点，他尤其强调了结构化数据在应对全球医疗健康挑战上的重要性。弗兰克·赫斯特爵士谈到，今天全球各国都希望通过优先实施一系列举措，来应对在健康医疗领域的挑战。这些举措包括：提高护理环境中的互操作性，改善患者体验、临床决策和护理的连续性；切实改善数字卫生基础设施；提升医护人员队伍的规模和素质，以及将人工智能等前沿技术引入医疗健康领域。
他进一步指出，今天，结构化数据已经成为了支撑人们解决这些挑战的重要因素。在这方面，以SNOMED CT等术语为基础的结构化数据具有很多优势。
弗兰克·赫斯特爵士指出：“SNOMED CT的这些功能，能够帮助人们通过数据解决医疗不平等、成本上升、改善风险分层以及预防性医学等问题。例如，很多医生和护士经常在艰难条件下工作。如果我们能够通过SNOMED CT和开放标准来实现实时的互操作性，就可以帮助改善护理的连续性，为医护人员和患者提供更好的体验，并且更好地做出临床决策。”
比如，它拥有超过500000个概念，提供了所需的颗粒度；它的信息广度使人们不仅可以记录诊断，还可以记录症状、症状、程序、生活方式因素，以及许多健康问题的社会性因素；它涵盖了所有护理环境，人们可以在基层卫生机构、医院、专科医疗机构以及心理健康和社区护理环境中使用它；此外，它还具有深层结构，医生可以使用它支持的多个层次结构来帮助处理从临床决策支持到高级分析的所有内容。
准确、高质量数据，让人工智能如虎添翼
事实上，对于在医疗科研领域崭露头角的人工智能来说，标准化、结构化的数据也是非常重要的一环。
正如弗兰克·赫斯特爵士所说：“医疗健康领域的人工智能将帮助我们提高护士和全科医生的技能，为工作繁重的急诊医师或乡村医师提供助力，让每个人都能享受更好的医疗服务标准。但只有当我们拥有了准确的、高质量的数据，才有可能实现这一切。”
他还不失幽默地举了个例子：“人工智能就像一只饥饿的熊猫，需要不断获取新营养、新数据让自己更强大。”
而在本次峰会上，TPP研究部总监克里斯·贝茨博士也探讨了将深度学习这样的人工智能技术和SNOMED CT相结合的应用前景。
克里斯·贝茨博士谈到，伴随着医疗健康数据的爆炸式增长和计算能力的提高，深度学习作为机器学习的一个子领域，已经开始在医学的许多不同领域产生影响。例如，应用于影像诊断的深度学习，已经在放射学、肿瘤学和眼科学等领域取得了令人印象深刻的成果。
除了图像诊断算法，人们还非常关注将深度学习技术和电子健康记录的数据结合使用，这给很多前沿的健康应用方向提供了新的可能。比如非传染性疾病的风险分层、预测未来的住院人数，以及制订个性化目标，从而最大程度地减少疾病并发症。
克里斯·贝茨博士指出：“在全球推进 SNOMED CT作为数字医疗系统标准，对于任何基于电子健康记录的深度学习项目都是极为重要的一环，因为它对于新算法的科学发展和提供循证支持是必不可少的。例如，算法的训练模型、测试和内外部验证；跨国可重复性；对当地流行病学的反映以及降低医源性风险等。
用数据驱动健康医疗的创新未来，TPP一直在路上。让我们一起关注并期待TPP智慧医疗、人工智能和SNOMED CT应用的美好前景吧！
打开微信，点击底部的“发现”
使用“扫一扫”即可将网页分享至朋友圈。
