目前人工智能技术在医疗领域的应用，主要集中在哪些领域
从全球创业公司实践的情况来看，智能医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他。总结来看，目前人工智能技术在医疗领域的应用主要集中于以下五个领域：
(一)医疗机器人
机器人技术在医疗领域的应用并不少见，比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体，医疗保健机器人辅助医护人员的工作等。目前实践中的医疗机器人主要有两种：
一是，能够读取人体神经信号的可穿戴型机器人，也成为“智能外骨骼”;
二是，能够承担手术或医疗保健功能的机器人，以IBM开发的达·芬奇手术系统为典型代表。
(二)智能药物研发
智能药物研发是指将人工智能中的深度学习技术应用于药物研究，通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。
人工智能通过计算机模拟，可以对药物活性、安全性和副作用进行预测。借助深度学习，人工智能已在心血管药、抗肿瘤药和常见传染病治疗药等多领域取得了新突破。在抗击埃博拉病毒中智能药物研发也发挥了重要的作用。
(三)智能诊疗
智能诊疗就是将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。
(四)智能影像识别
智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息;二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。
(五)智能健康管理
智能健康管理是将人工智能技术应用到健康管理的具体场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：人工智能在发展过程，算法研究有哪些新进展http://www.duozhishidai.com/article-13410-1.html人工智能时代特征已初步显现，主要体现在哪几个方面？http://www.duozhishidai.com/article-13397-1.html人工智能的发展现状是什么，主要应用在哪些领域？http://www.duozhishidai.com/article-13396-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
人工智能在医疗方面的应用三大方向
目前已出现的AI在医疗产业的应用产品有很多，例如可吞咽的迷你智能体温计、手术机器人、可穿戴设备等。已投入使用的主要有5个领域的人工智能医疗产品，即医疗机器人、智能药物研发、智能诊疗、智能影像识别和智能健康管理。目前来说，大多数医疗AI的应用都是在树一个概念或者建立一些数据库和算法模型。
AI在医疗方面的应用可以分三方面：
第一方面是药物研发，从化合物中筛选出具有活性同时可以安全地去做临床实验的这个过程可能比较繁琐，需要很多人力成本，AI能节省当中的人工的成本；
第二方面是医生的诊疗辅助，由于医生资源不足，AI可以提高医生诊疗的效率，例如帮助医生CT读片识别出哪张有病灶，包括在诊断过程中，去模拟医生诊断思维的过程；
第三方面就是基因特性，从数字分析到应用，在不确定某药物到人体上的具体反应时，AI可以进行模拟。
由于产品的成熟度和技术风险，很多研发的医疗AI产品应用并不能大规模投入使用，在使用过程中也比较受限。
AI最大的优势是高效的计算和精准的分析与决策，能够大幅提升工作效率、释放医疗生产力，直击医疗行业资源缺乏、成本高等医疗行业痛点。笔者认为，在技术尚未十分成熟的时期，医疗AI产品的主要作用是开展辅助性的活动以提升效率，大规模的取代时代尚未到来，但未来随着技术的进步，大规模投入使用存在可能。
2023年人工智能在医疗领域的十大应用场景
什么是医疗人工智能?医疗人工智能是指人工智能在医疗服务和医疗服务管理或交付中的应用。机器学习、非结构化的大型数据集、高级传感器、自然语言处理和机器人技术都被用于越来越多的医疗部门中。除了广阔的应用前景，人工智能技术也带来了重大的潜在问题——例如可能来自患者数据的集中化和数字化的滥用，以及可能与纳米医学或通用生物识别ID的联系。在一些早期的人工智能应用中，公平和偏见也都是人们关注的问题，但该技术或许也能够提高医疗公平性。尽管人工智能在医疗保健领域的部署才刚刚开始，但它正变得越来越普遍。调研机构Gartner公司预测，2021年全球医疗保健IT支出达到1400亿美元，企业将人工智能和机器人流程自动化(RPA)列为主要支出。2020年，医疗成本接近美国经济总量的20)(19.7%)(约为4.1万亿美元)。而针对政府的欺诈行为尤其严重。因此，从行政管理到医疗人工智能，医疗人工智能的潜在价值是巨大的。2022年人工智能在医疗保健领域的十大应用场景以下是目前正在开发和部署医疗保健人工智能用例的10个主要领域。(1)医疗管理行政费用估计占医疗总费用的15%至25%。改进和简化管理的工具对保险公司、支付者和提供者都很有价值。然而，识别和减少欺诈可能提供最直接的回报，因为医疗保健欺诈可能发生在许多层面，由各方实施。在一些最糟糕的情况下，欺诈可能导致保险公司为没有提供的服务收取费用，或导致外科医生进行不必要的手术以赔付更高的保险金。保险公司也可能因为有缺陷的设备或检测套件而赔偿更多的费用。人工智能可以成为防止欺诈发生的有用工具。就像银行通常使用算法来检测异常交易一样，医疗保险公司也可以这样做。•麦肯锡公司的研究发现，通过算法驱动的保险索赔“智能审计”可以节省开支。•美国政府的医疗保险和医疗补助服务中心成立了一个医疗欺诈和预防伙伴关系组织，以识别集合数据库中的模式。(2)公共卫生人工智能已经应用于整个公共卫生部门。其中包括：•机器学习算法正被应用于大型公共卫生数据集，美国疾病控制与预防中心(CDC)汇编了人工智能在分析新冠疫情及其公共卫生等方面的许多应用方法。•自然语言处理正在公共卫生领域应用。•越来越多的诊断成像数据被用于人群的分析和预测。•将消费者数据科学和行为“推送”技术应用于创建“精确”或个性化推送，以促进医疗就诊、医疗合规性等。(3)医学研究•寻找治疗疾病的新药可能非常复杂。而计算机辅助药物设计是一个非常复杂的领域。•在某些情况下，其目标是重新利用现有药物。最近的一个例子是，人工智能通过分析细胞图像来观察哪些药物对神经退行性疾病患者最有效。当对这些治疗产生积极反应时，神经元将会改变形状。然而，传统的计算机速度太慢，无法发现这些差异。•制药供应商拜耳公司认为，通过使用医疗数据库信息创建虚拟控制组，人工智能可以增强临床试验。他们也在探索其他人工智能临床试验应用，使这些研究更安全、更有效。(4)医疗培训人工智能还可能改变医学院学生接受部分教育的方式。其中包括以下情况:•一个例子是，在医学生学习切除脑肿瘤时，人工智能导师给他们提供了帮助。该系统采用机器学习算法，教授学生安全而有效的技术，然后评估他们的学习表现。采用人工智能系统学习技能的人员的速度比那些没有使用人工智能的人员快2.6倍，学习表现要好36%。•美国和英国的医疗机构也部署了基于人工智能的患者服务，以促进虚拟和远程培训。当新冠疫情抑制群体聚集时，这种方法尤其有用。人工智能支持练习多种技能，例如安慰痛苦的患者服务或传递消息。(5)医学专业支持人工智能还用于支持临床环境中的医疗专业人员，其中包括：•人工智能应用于支持医疗设施接收专业人员。斯坦福大学的一个试点项目使用算法来确定患者的风险是否高到需要ICU护理，或是否经历与代码相关的事件，或是否需要快速反应团队。他们在6到18个小时内评估这些事件发生的可能性，帮助医生做出更自信的决定。•正在开发基于人工智能的应用程序，以支持护士，提供决策支持、传感器通知他们患者的需求，以及在所述领域的挑战或危险情况下提供机器人协助。(6)为患者提供直接支持人工智能也被用于为患者提供直接支持:•医院使用人工智能聊天机器人与患者进行检查，帮助他们更快地获得必要的信息。当NorthwellHealth人工智能系统与患者聊天时，使用肿瘤服务的患者的参与率为94%。试用过该工具的临床医生一致认为，它延长了他们所提供的护理。聊天机器人能够检查病人的症状、恢复情况等。许多人习惯采用短信聊天，这提高了患者的接受度。聊天机器人还减少了患者在寻求治疗时可能遇到的挑战。人们可以使用它们查找医院或诊所，预约和描述需求。•据估计，多达一半的患者没有按照处方服药。然而，人工智能可以增加患者按时服药的机会。一些平台使用智能算法来建议医疗专业人员何时应与患者就依从性问题进行沟通，以及通过何种渠道进行沟通。甚至也有了药物提醒聊天机器人。在最近的一个例子中，研究人员合作并使用人工智能来帮助为Ⅱ型糖尿病患者寻找最佳药物。这些算法帮助83%以上的患者选择了正确的治疗方案，甚至在患者需要同时服用多种药物的情况下也是如此。(7)远程医学自从发生新冠疫情导致出行限制以来，虚拟医生就诊形式的远程医疗已变得越来越普遍。除此之外，人工智能还支持其他形式的远程医疗，其中包括:•VirtuSense应用预测人工智能远程监控和提醒供应商可能导致患者跌倒的高风险变化。•目前使用人工智能进行监测的一些设施依赖它来检测从心脏病到糖尿病等各种疾病。医院还使用这种技术来监督新冠患者，从而更容易决定哪些患者可以接受家庭护理，哪些患者需要住院治疗。(8)诊断人工智能还用于医疗保健中心的诊断，其中包括:•一个用于发现乳腺癌的人工智能系统可以检测出当前的问题和患者在未来几年内发展该疾病的可能性。•人工智能在医疗保健领域的一些应用还可以检测精神疾病。研究人员使用训练过的算法，通过倾听他们的声音或扫描他们的社交媒体信息来识别抑郁症患者。(9)手术人工智能并不能消除手术问题，但它有可能减少这些问题，同时提高患者和外科医生的治疗效果。以下示例对此进行了说明：•一家名为theatre的初创公司最近在A轮融资中筹集了3950万美元。该公司有一个人工智能视频解决方案，旨在帮助外科医生了解手术过程中的错误和正确之处。然后，他们可以研究这些视频，并在未来做出改进。•人工智能在医疗保健领域的应用包括手术机器人，它们在手术室中越来越常见。许多是微创的，往往取得优于非机器人干预的结果。人工智能的这些应用不会取代人类的外科专业知识。不过，它们可以作为外科医生的搭档，提高手术成功的可能性。(10)医院护理除了上述描述的诊断用例之外，临床医生还必须满足患者的护理需求，并且储备医学用品和运送货物。人工智能驱动的协作机器人正开始减轻这种负担。根据Gartner公司的预计，到2023年，50%的美国供应商将投资于机器人流程自动化。医院中机器人流程自动化的一些例子包括:•一家医院最近部署了五台名为Moxie的机器人。这些机器将主动确定护士何时需要用品或协助实验室检测后勤。然后，它们会在提供者的工作负载变得过于密集之前做出响应。Atheon提供的机器人不仅支持医疗功能，还可以完成除草和垃圾清除等任务。人工智能在医疗健康领域的应用及挑战
一、人工智能概述
1.人工智能发展历程
人工智能（ArtificialIntelligence,AI）是对人的意识和思维过程进行模拟并系统应用的一门新兴科学，其发展经历了三次浪潮。1956年，美国Dartmouth大学举行的聚会是人工智能正式诞生的标志，这一时期使用机械化思考方式和逻辑学知识来解决问题，但对复杂的问题束手无策；20世纪80年代，Hopfield神经网络和BT训练算法的提出，使AI再次兴起，出现了语音识别、翻译等计划，但迟迟未进入人们的生活之中；2006年，Hinton提出深度学习技术，并随着互联网的普及和应用，AI在各个领域迅速得到发展和应用。
2.人工智能的基础和要求
人工智能的核心是算法，基础条件是数据及计算能力。因此，可以认为医疗与人工智能结合的关键要素是“算法+有效数据+计算能力”。先进算法能提升数据使用效率。在医疗领域，有效的医疗大数据是人工智能应用的基础，医疗数据的有效性包括三个方面：电子化程度、标准化程度以及共享机制。电子化程度强调数据和病历的供给量；标准化程度强调数据之间的可比性和通用型；共享机制强调数据获取渠道的便利性和合法性。随着互联网的普及，我国各级医疗机构、健康管理机构、行政机构、居民都已普遍了解互联网并链接互联网，给大数据的实现奠定了基础。
3.医疗健康领域对人工智能的需求
近年来，借助人工智能技术，开展智慧医疗成为医疗领域的热点。2017年7月，国务院印发的《新一代人工智能发展规划》提出，要建立新一代人工智能基础理论体系和关键共性技术体系，加快培养聚集人工智能高端人才。同年12月，工信部印发《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，对医疗人工智能的发展做出了详细的规划，提出要着重在医疗影像辅助诊断系统等领域率先取得突破。2018年，国务院办公厅印发《关于促进“互联网+医疗健康”发展的意见》，明确支持“互联网+医疗保健”的发展，允许依托医疗机构发展互联网医院。事实上，除了医疗影像辅助诊断对AI具有巨大的需求外，辅助诊断、辅助手术、辅助护理、辅助检查、辅助医院管理、辅助挂号、辅助减少计量误差、健康管理、药品研发等医疗健康领域对AI技术都有强大需求。
随着我国人口老龄化程度不断加深，慢性病、癌症发病率逐年上升，以人力为主的各类卫生资源配置不足、分布不均的困境越发突显，AI作为一门综合性极强的交叉学科，将在医疗领域内得到越来越多的应用，并将成为影响医疗行业发展的重要科技手段。
二、医疗人工智能应用现状
目前，人工智能在医疗健康领域已得到了初步的应用，主要集中在辅助影像和病理诊断、辅助护理、辅助随访、基层医生助手、医院智能管理及辅助健康管理等方面。
1.辅助影像和病理诊断
医学影像及病理切片作为结构化数据，是AI应用的绝佳场所。2015年起举办的CAMELYON16挑战赛，比较AI和病理医生在检测乳腺癌患者淋巴结转移病理切片中转移灶的潜力，结果显示AI在诊断模拟中的表现优于病理医师。目前，人工智能辅助影像和病理诊断在国内发展迅速，2006年我国首家独立临床病理诊断专业机构——上海复旦临床病理诊断中心成立，启用数字病理远程会诊平台，免去患者来回奔波。2015年沸腾医疗有限公司以“E诊断医学影像服务平台”为核心，通过“E诊断”医学影像技术专业输出及专业精准的远程医学影像诊疗合作，实现了远程医学影像信息交互的目标。
2.辅助护理
我国台湾医院应用AI产生护理诊断，AI建议的诊断与护士建议的诊断一致百分比高达87％。国外AI已普遍运用于人们的日常生活护理中，日本研究机构Riken开发的机器人Robear，能将病人从床上抬起，帮助行动不便的病人行走、站立等；应用AI开发的机器人能为老年及瘫痪患者提供喂饭、日常照护等服务。澳大利亚养老院用机器人做护工，通过给机器人输入程序，使其可以与老年人一对一交流，消减老年人的苦闷。AI在护理领域的应用，极大减轻了护理人员负担，为患者提供了温暖且有力的服务，是应对老龄化社会的有力帮助。
3.辅助随访
随访是医院常规工作的重要组成部分，然而目前的卫生人力无法满足所有患者的随访需求。AI的发展打破了长期随访在时间和空间上的限制。2017年，海宁市中心医院首次应用AI智能随访助手，采用声纹预测思维算法，语言识别准确率高达97.5%。2018年，上海交通大学医学院附属仁济医院东院日间手术病房正式上线AI随访助手，随访助手可以根据问题模板模拟医生进行电话随访，主要询问患者出院后是否发生呕吐、疼痛、发热、伤口渗血感染等不良情况。随访助手的上线不仅大大提高了随访效率，还确保了随访信息采集的全覆盖及准确性。同时，随访助手可以根据不同的手术种类，制订个性化随访计划，通过终端自动拨打患者电话，模拟人声与患者进行术后随访沟通，并有效采集患者回答的信息。随访结束后，医务人员能清楚地了解每位患者的术后情况。
4.基层医生助手
基层医院在实现“健康中国”战略中有着举足轻重的作用，但目前其服务能力难以满足广大群众的基本需求。AI通过学习海量的专家经验和医学知识，建立深度神经网络，并在临床中不断完善，协助基层医生给群众提供高质量的服务。2017年，科大讯飞和清华大学联合研发的“智医助理”以超过合格线96分的成绩成为全球第一个通过国家执业医师资格考试综合笔试测评的AI机器人，可以辅助基层医生提升诊疗质量和效率。2017年9月，国家在安徽省旌德县首次开展全科医生机器人辅助基层医疗试点，深受基层群众欢迎。
5.医院智能管理
人工智能技术在医院的应用，能提高医院为患者提供正确治疗方案的精准性，减少了患者的不必要支出，并且能合理地为患者安排治疗计划。澳门仁伯爵综合医院应用AI技术，在电子处方系统内设置安全警示，确保用药规范，防止滥用抗生素等药物。美国IBM公司应用机器学习方法，自动读取患者电子病历相关信息，得出辅助诊断信息，实现医疗辅助诊断。
6.辅助健康管理
传统的健康管理技术在信息的获取、处理和应用上相对落后，将AI应用于健康管理，通过对健康数据实时采集、分析和处理，评估疾病风险，给出个性化、精准化的基本管理方案和后续治疗方案，能有效降低疾病发病率和患病率。健康管理机构可以通过手机APP或智能可穿戴设备，检测用户的血压、血糖、心率等指标，进行慢性病管理。国外Welltok公司利用“CaféWell健康优化平台”，管理用户健康，包括压力管理、营养控制以及糖尿病护理等，并在用户保持健康生活习惯时给予奖励。同时，为用户提供更灵活、全方位的健康促进方案，包括阶段性临床护理、长期保持最佳健康状态等多个方面。
三、人工智能存在的问题和挑战
目前，人工智能+健康医疗正在起步阶段，要保证AI在医疗健康领域应用的深入发展，仍有许多亟需解决的问题和挑战。
1.监管缺失
目前，国内尚未出台相关法律法规对AI进行监管，而作为AI的基础医疗大数据也没有完善的法律条文来规范，对数据的隐私保护、责任规范、安全性等没有明确的法律指示。AI在医疗健康领域应用的质量标准、准入体系、评估体系尚是空白，无法对AI数据和算法进行有效验证和评价，不利于监管，阻碍了AI产品在医疗健康领域的应用和发展。
2.数据质量
高质量的医疗数据对提升AI在医疗健康领域应用的准确性有着至关重要的作用，尽管我国医院的数据庞大，但大部分是非结构化数据，不能发挥出“大数据”挖掘的价值。由于疾病的复杂性，数据维度、特性各不相同，质量参差不齐，如将数据细分到每种疾病，可利用的样本量很少。同时， AI的深度学习需要使用大规模规范化数据进行训练，细微的数据误差会对AI发展产生负面影响。我国当前医院与医院、院内科系互不相连，没有统一标准的临床结构化病历报告，医生手写病历不规范，临床用药、检查等细节缺失，患者离开医院后失访率较高等各种原因，造成医疗数据错漏、数据质量低下。
3.伦理问题
AI产品做出的医疗决策是通过机器学习大量的医疗数据模拟医生做出的，大规模医疗数据在使用过程中会有泄露的风险，对个人隐私造成影响。决策是基于算法，而算法在分析数据过程中也会获得类似于人类偏见的思想，导致出现算法歧视的不良后果。算法歧视将带来一系列伦理问题，是AI不可回避的挑战。
4.医保支付
AI应用于医疗健康领域，最核心的问题是谁来买单，因此医保覆盖是一个绕不开的话题。如果由患者自费，那么市场就会缩小，AI产业无法向前发展，也很难证明AI在医疗领域的有效价值。目前，公立医院医保报销压力较大，将AI产品纳入医保，医保报销的资金压力将会激增。同时，互联网医疗由于其特殊的属性，还面临异地结算的难题。
5.人才匮乏
目前，既懂医疗又懂AI技术的复合型、战略型人才极其短缺，其中10年以上资深人才尤为缺乏。同时，医务人员对AI的接纳度不足，部分医务人员甚至对AI抱有抵触心理。AI技术的使用需要对医务人员进行专业化规范培训，在此背景下，建立完善的人才培养和人才引进机制是重中之重。
四、讨论与建议
1.加强行业指导和监管
政府部门应尽快出台人工智能相关法律法规，加强对人工智能的监管，通过强化监管，加强对数据的保护，防止数据泄露导致居民隐私受损，甚至危害国家安全。同时，还应建立AI在医疗健康领域应用的标准规范，保障AI产品的质量。此外，政府部门应明确AI在医疗健康领域的定位，明确医生不会被AI取代，AI只是帮助医生进行临床诊疗，方便患者获得高质量的医疗服务，医生仍对诊断结果负主要责任。政府部门应理性看待新一轮的AI浪潮，提升居民对AI的接纳度，积极引导居民、资本和相关机构按更加合理的速度和方向发展医疗AI。
2.加强核心技术人才培养
面对AI人才匮乏的严峻形势，政府要加强人工智能领域专业建设，培养AI算法和技术方面的优秀人才。推进“新工科”建设，形成“人工智能+X”复合专业培养新模式，推动AI领域国家级精品在线课程建设。同时，建立人工智能学院、研究院或交叉研究中心，引导高校通过增量支持和存量调整，加大对人工智能领域核心人才的培养力度。在职业院校大数据、信息管理相关专业中增加人工智能相关内容，培养人工智能应用领域技术人才。另外，要加强对医务人员使用AI的技能培训，保证AI产品能更好地服务于临床实践。
3.夯实数据基础
IBM公司用于辅助医生设计癌症治疗方案的AI产品沃森，由于使用的不是真实患者的数据训练沃森，沃森开出了不合适且危险的治疗方案。可见，数据的质量和数量是AI竞争的核心所在，目前互联网的基础体系已初步健全，但仍存在许多虚假数据，这与脱离统计模型的桎梏、用全数据即真实数据直接分析的大数据初衷相悖。因此，应打破医疗机构、政府部门的数据壁垒，建立数据共享机制，促进不同机构之间、地区之间的数据联网，形成真正的大数据。由于医疗健康数据种类繁多、标准不统一，应加快医疗数据电子化、标准化的进程，形成规范化AI数据集，夯实AI应用的数据基础。同时，加强信息隐私保护建设，研究数据脱敏技术，保障医疗数据可以实时、准确地进行流通，避免数据泄露的风险。
4.深度推进互联网应用
目前，我国东部地区医疗健康机构已具备互联网基础，但部分中西部地区尚有欠缺，而这些地区由于经济水平较低、医疗水平较差，对远程医疗、人工诊疗助手等AI需求强烈，建议国家有侧重地对中西部地区互联网建设给予政策倾斜，促进互联网应用的全面发展。加强基层医疗机构互联网应用，引导优质的医疗资源下沉至基层，实现资源共享，提高医疗服务水平，推动分级诊疗制度。
五、小结
人工智能的记忆力和计算能力远优于人脑，且可扩充脑容量、延伸脑功能、增强脑负荷，能够成为基层医生的智囊、三甲医院医生的秘书，弥补卫生人力资源不足。目前，我国人工智能尚处于起步阶段，仅具有计算智能，“人工智能+医疗健康”应用的领域将会越来越广，尤其适合社区，通过早发现、早诊断、早治疗，有针对性地进行人群健康干预，降低后续的医疗成本。在医院管理方面，AI可简化行政管理和临床医疗管理流程；在影像诊断领域，AI可快速阅读成像，进行分析和诊断；在医疗资源方面，AI能解决昂贵的剂量误差问题；在诊疗方面，AI可为特定病种初诊，进行辅助手术。总之，AI将在人类生命健康全周期中发挥更大的作用，但真正用于卫生健康的核心领域可能还需一个漫长的过程。
作者：金春林、何达，上海市卫生和健康发展研究中心（上海市医学科学技术情报研究所）。