智能醫(yī)療時(shí)代下健康大數(shù)據(jù)該如何使用

毫無疑問，智慧醫(yī)院需要持續(xù)筑牢安全防護(hù)墻，但并不意味著要把安全防護(hù)墻加高到滴水不進(jìn)、滴水不出的地步。正如國(guó)家衛(wèi)生健康委規(guī)劃發(fā)展和信息司毛群安司長(zhǎng)所說，未來醫(yī)院的邊界會(huì)越來越模糊、協(xié)作更加頻繁，傳統(tǒng)的醫(yī)療業(yè)務(wù)流程可能嵌入若干大數(shù)據(jù)、智能應(yīng)用，實(shí)現(xiàn)醫(yī)患互動(dòng)、臨床協(xié)作、醫(yī)教研的互動(dòng)。

為保護(hù)患者個(gè)人的數(shù)據(jù)隱私，經(jīng)過清洗后，被用于二次開發(fā)的患者數(shù)據(jù)集中，患者個(gè)人信息既不可被識(shí)別，也不可被逆轉(zhuǎn)（即逆向破解，將脫敏數(shù)據(jù)還原為原始數(shù)據(jù)）。盡管主流醫(yī)療大數(shù)據(jù)、人工智能企業(yè)普遍擁有成熟的數(shù)據(jù)脫敏技術(shù)，但隨著數(shù)據(jù)量累計(jì)、數(shù)據(jù)交叉比對(duì)持續(xù)、新型算法模型被研發(fā)，脫敏數(shù)據(jù)被逆向破解的風(fēng)險(xiǎn)將持續(xù)加大。因此，“最小可用”原則是保護(hù)患者數(shù)據(jù)隱私的最后一道防線。

隨著技術(shù)革新，傳統(tǒng)深度學(xué)習(xí)也許將不再過度依賴數(shù)據(jù)量進(jìn)行算法訓(xùn)練。作為新型神經(jīng)網(wǎng)絡(luò)的一個(gè)分支，生成對(duì)抗網(wǎng)絡(luò)（GAN）通過分離出生成網(wǎng)絡(luò)、鑒別網(wǎng)絡(luò)，猶如一個(gè)警察和假鈔販子之間的對(duì)抗，警察對(duì)假鈔的鑒別能力不斷提高，假鈔販子“以假亂真”能力也不斷提高，最終機(jī)器對(duì)醫(yī)學(xué)影像的判斷準(zhǔn)確性將趨于甚至超過人類。更重要的是，生成對(duì)抗網(wǎng)絡(luò)僅需要少量影像數(shù)據(jù)進(jìn)行算法訓(xùn)練，且無需人工參與標(biāo)注，從而符合“最小可用”原則。

無論是在信息化時(shí)代、互聯(lián)網(wǎng)時(shí)代、大數(shù)據(jù)時(shí)代還是人工智能時(shí)代，數(shù)據(jù)質(zhì)量始終是靈魂。對(duì)于醫(yī)院信息系統(tǒng)（HIS）、云平臺(tái)、AI算法這些數(shù)據(jù)“吞吐大戶”，我們既不能讓它們因“上頓不接下頓”而“營(yíng)養(yǎng)不良”，也不能喂食“過期變質(zhì)食品”而導(dǎo)致其“食品中毒”，甚至對(duì)整個(gè)“食品工業(yè)”喪失信心并引發(fā)行業(yè)地震。

公立醫(yī)院是醫(yī)療衛(wèi)生服務(wù)主戰(zhàn)場(chǎng)，也是數(shù)據(jù)治理的源頭?！八础币坏┍粐?yán)重污染，公共平臺(tái)歸集數(shù)據(jù)后再進(jìn)行治理，往往回天乏力。新近出版的《醫(yī)院數(shù)據(jù)治理：框架、技術(shù)與實(shí)現(xiàn)》一書，標(biāo)志著統(tǒng)計(jì)信息中心首次提出醫(yī)院數(shù)據(jù)治理的理念，梳理了醫(yī)院數(shù)據(jù)治理的實(shí)施重點(diǎn)和路徑，結(jié)合國(guó)家級(jí)平臺(tái)建設(shè)項(xiàng)目實(shí)施等相關(guān)實(shí)踐，應(yīng)對(duì)服務(wù)創(chuàng)新、數(shù)據(jù)質(zhì)量、開放共享、安全合規(guī)等方面存在挑戰(zhàn)。該書和筆者的一線調(diào)研呈現(xiàn)出若干迫切問題：

（1）數(shù)據(jù)治理重?cái)?shù)量輕質(zhì)量：一些地方的全民健康信息化平臺(tái)建設(shè)先抓數(shù)據(jù)匯集，再把好質(zhì)量關(guān)，缺乏數(shù)據(jù)上傳審查機(jī)制、數(shù)據(jù)質(zhì)量預(yù)警機(jī)制，未經(jīng)驗(yàn)證、未經(jīng)處理的健康大數(shù)據(jù)只能是“一般垃圾”甚至是“有害垃圾”；

（2）數(shù)據(jù)治理重技術(shù)輕規(guī)制：醫(yī)院數(shù)據(jù)治理僅停留在技術(shù)框架層面，在院內(nèi)尚未成立數(shù)據(jù)治理管理機(jī)構(gòu)，在院外尚未建立第三方數(shù)據(jù)治理評(píng)估體系；

（3）數(shù)據(jù)治理重工程輕績(jī)效：把數(shù)據(jù)治理狹隘、靜態(tài)地理解為工程項(xiàng)目，主管部門數(shù)據(jù)規(guī)則跟不上，承建方運(yùn)營(yíng)維護(hù)跟不上，醫(yī)療機(jī)構(gòu)和社會(huì)各界對(duì)治理績(jī)效的獲得感不強(qiáng)。

在數(shù)據(jù)輸入端，我國(guó)尚未對(duì)健康大數(shù)據(jù)（尤其是醫(yī)院大數(shù)據(jù)）啟動(dòng)國(guó)家立法，“健康醫(yī)療大數(shù)據(jù)”相關(guān)法規(guī)停留在部門規(guī)章層面，且仍處在試行期，且對(duì)健康大數(shù)據(jù)的分類、分級(jí)、分步共享開放的準(zhǔn)則，及其易于操作的流程，尚未作出具體規(guī)定。在算法輸出端，我國(guó)對(duì)醫(yī)療人工智能的算法模型的著作權(quán)尚未得到法律保障。我國(guó)知識(shí)產(chǎn)權(quán)的主要判定依據(jù)是《著作權(quán)法實(shí)施條例》，該條例的修正案早在2013年3月1日就開始施行，趕不上醫(yī)療人工智能技術(shù)發(fā)展的新趨勢(shì)。

綜上所述，立法位階不高、法條不夠明晰、法律約束力不強(qiáng)，導(dǎo)致一些地方、一些醫(yī)院的數(shù)據(jù)治理規(guī)則出現(xiàn)較大隨意性，容易出現(xiàn)因時(shí)而異（如：人工智能進(jìn)入某個(gè)“風(fēng)口期”）、因事而異（如：醫(yī)院自發(fā)提出科研合作需求）、因人而異（如：持開放態(tài)度的衛(wèi)健委領(lǐng)導(dǎo)、醫(yī)院領(lǐng)導(dǎo)、信息辦主任）。制度剛性缺失，給醫(yī)療人工智能企業(yè)的數(shù)據(jù)可用性、低成本帶來巨大挑戰(zhàn)，也導(dǎo)致算法模型無法根據(jù)“額頭出汗原則”的著作權(quán)原則歸研發(fā)團(tuán)隊(duì)所有，無法對(duì)醫(yī)療人工智能研發(fā)提供穩(wěn)定盈利預(yù)期、研發(fā)激勵(lì)機(jī)制。