国内外健康医疗大数据建设及应用发展现状分析
声明：本文为火石创造原创文章，欢迎个人转发分享，网站、公众号等转载需经授权。
BT与IT融合突破，驱动健康医疗大数据在临床科研、健康管理和公共卫生等核心领域广泛应用，本文旨在了解国内外健康医疗领域大数据建设和应用发展，以及我国健康医疗大数据发展面临的挑战。
一、基本概念
健康医疗大数据是大数据在医疗领域的一个分支，是指在与人类健康相关的活动中产生的与生命健康和医疗有关的数据，根据健康活动的来源，医疗健康大数据可以分为临床大数据、健康大数据、生物大数据、运营大数据，在临床科研、公共卫生、行业治理、管理决策、惠民服务和产业发展等方面影响着整个医疗行业的变革。
表1 健康医疗大数据组成部分概念
二、国外健康医疗大数据建设及应用发展现状
（一）国外健康医疗大数据服务平台建设情况
发达国家已搭建较为成熟的健康医疗大数据服务平台，并在有效管理和技术升级上展开激烈竞争。
1.美国
作为发展大数据的先行者，美国非常重视健康医疗大数据的开放和共享。美国拥有完整的医疗健康大数据库，建成覆盖本土的12个区域电子病历数据中心、9个医疗知识中心、8个医学影像与生物信息数据中心。
2014年，美国联邦政府专门负责信息化规划的国家卫生信息技术协调办公室(ONC)发布了《美国联邦政府医疗信息化战略规划2015–2020》，明确了实现健康医疗数据共享的目标，提出增强医疗服务能力、提高公众和社区的健康水平、推动医学知识研究与创新等三项应用目标。
由美国卫生与公众服务部(HHS)管理的联邦政府网站healthdata.gov是国家级的健康数据开放平台。通过该网站越来越多的来自于CMS（医疗保险和医疗补助服务中心)、CDC(疾病控制中心)、FDA(食品药品监督管理局)、NIH(美国国立卫生研究院)等渠道的HHS数据库向社会开放。数据内容包括临床服务质量信息、全国卫生服务提供者目录、最新医疗和科学知识数据库、消费产品数据、社区卫生绩效信息、政府支出数据等。
2014年6月，美国FDA的公共数据开放项目openFDA正式上线。openFDA前期开放了2014—2013年间的300万份药物不良反应和医疗过失记录，以及医疗器械报告和执法报告，并且每年更新发布新的报告数据集。
2.英国
大数据已经成为英国大力发展的战略领域之一。英国斥资55亿英镑建设全国一体化医疗照护信息储存服务系统，收集和储存了超过23000个医疗信息系统数据，覆盖超过5000万居民医疗信息，并已为130万名医务人员提供服务。
2013年英国政府发布《英国数据能力发展战略规划》，深入挖掘大数据的价值，促进国家社会经济发展。
另外，专建网站（data.gov.uk）公布公共数据，以提高透明度和促进大数据创新应用。该网站涵盖了政府、商务经济、卫生、教育、环境、交通等12个大类的数据。截至2018年4月，卫生领域公开数据集达到2148个，包括全科医疗服务、处方和药品记录，全科医疗注册患者数量信息，医院数据，吸烟饮酒、肥胖、体育运动、饮食等报告数据等。
英国国民医疗服务系统（NHS)有着庞大而完备的医疗数据，包括病人的健康记录、疾病数据等，而且英国还有长达210年的全国普查健康记录，这些数据可以用来为公共卫生服务、医学研究等创造更多的价值。目前，data.gov.uk网站对NHS支持的机构、全科医生临床执业联盟(CCG)等NSH组织的详细信息进行了开放共享，截至2018年4月，共包括17个数据集。这些数据对进一步研究英国的医疗健康服务体系有着非常重要的价值。
3.日本
日本对ICT(信息与通信技术)产业的发展一直非常重视。日本实施国立大学医院医疗信息远程传输网络系统计划，福山大学附属医院累计收集超过1700万病历记录和1.43亿件用药处方及300万件病名，可实现处方自动分析和匹配功能。
2012年7月日本总务省发布"活跃ICT日本"新综合战略，将大数据作为重点发展领域。2013年6月，安倍内阁正式公布新IT战略《创建最尖端IT国家宣言》制定了以开放大数据为核心的IT国家战略，要把日本建设成为一个具有"世界最高水准的广泛运用信息产业技术的社会" 。该宣言的核心要点包括向民间开放公共数据、促进大数据的广泛应用、促进个人数据的流通与运用。
日本政府将健康医疗大数据用于控制医疗费用。据政府推算，由于受人口老龄化的影响，2025年日本的医疗费用将从2012年的35.1万亿日元增加到54万亿日元。如果加上护理费，医疗支出将增加到73.8万亿日元。
从2015年开始，政府利用诊疗报酬明细表的数据来控制医疗费，通过对大数据的分析，计算出医疗费中的浪费成分，促使各地方政府设定控制医疗费的具体数字。政府制定了在2025年前削减5万亿日元(约487亿美元)医疗和护理费用的目标，而利用大数据控制将成为其中的一项手段。
（二）国外健康医疗大数据建设相对成熟，重点发展基于数据的服务
国外健康医疗大数据公司主要为医疗服务提供者提供PaaS服务（平台及服务）。将大量数据变为可用性数据后利用人工智能或机器学习提供辅助决策支持。该领域聚集了大量的创业公司和巨头公司。国外创业公司主要两种商业模式:
（1）向医疗服务提供者和保险服务方收费。大数据提供的决策支持能够带来更好的医疗结果和提高效率节约成本。随着医疗保险未来更多地位价值和基于结果付费，医疗服务提供者和医疗服务支付者都面临着越来越大的控费压力,这类公司的客户群也将越来越大。
（2）提供免费或廉价的服务，然后通过后台收集的数据盈利，而这些数据最大的付费方就是药企。数据对于制药公司有着巨大的价值，药企是潜在的巨大付费方。
表2 国外部分健康医疗数据公司
三、我国健康医疗大数据建设及应用发展现状
（一）国内政策风向明显，健康医疗大数据已上升为国家战略
健康医疗大数据已上升为国家战略高度，国家从战略规划、技术能力及应用与管理三个层面积极落实推进大数据发展政策，加速大数据产业发展从理论研究进人应用，近年来政策密集出台，政策风向明显。
表3 近年来我国医健领域大数据相关政策
（二）我国已初步建立健康医疗数据库
我国已初步建立健康医疗数据库，形成人口健康信息化体系，并在信息技术结合医学研究，健康管理等领城卓有成效。
在生物数据库方面，国家基因库2016年正式建成，该基因库集生物资源样本库、生物信息数据库和生物资源信息网络为一体。
表4 近年来我国建立健康医疗数据库进程概览
（三）我国数字化起步较晚，健康医疗大数据主要专注于数据采集
由于国内数字化起步较晚，国内很多企业主要解决数据采集问题，着力于通过统一的数据标准，将数据结构化。目前国内应用现状在数据挖掘分析及分析平台搭建上的能力尚有距离。数据分析的平台化能力较弱；更多集中在单一方向，多元化数据分析意图的整合较少；价值呈现与价值流转没有形成生态循环。
国内市场专注于数据采集，从行业发展趋势看，数据分析才是大数据的价值所在。在实现数据价值化后，未来还将利用计算工具来帮助智能决策，实现能够跟踪患者信息并快速提供反馈的工具。国内健康医疗大数据领域聚集了一批优质企业，如肿瘤大数据领域的思路迪、医诺智能，产业大数据领域的火石创造，多病种大数据领域的医鸣数据和零氪科技等等。
四、我国健康医疗大数据应用发展中的挑战
由于历史和习惯等原因，导致我国医学“重临床、轻数据”的现象比较普遍，医疗数据呈现出数量大（因为人口基数大）、质量差的特征，缺乏统一标准，医疗机构间数据孤岛等问题，在很大程度上滞后了健康医疗大数据的发展。
1.打通信息孤岛达到互联互通
我国医疗行业在快速发展的同时，各医院间、科室间数据孤岛现象严重，使得健康医疗数据的利用困难重重。需要政府加大基础网络设施的建设,并且鼓励各医疗机构建立健康医疗大数据的相关技术体系,畅通资源共享渠道,依托政务网构建横向到边、纵向到底的健康医疗信息网络,进一步在国家层面建立全民健康医疗大数据的收集、应用体系。
2.保障数据安全可控
在健康医疗大数据的应用和发展过程中，数据安全要放在重要位置，需要相关制度的保障和切实有效地落实，尤其是在规章制度的完善和建设上，汲取域外的经验，对数据安全的保护纳入法律范围之内。
健康医疗大数据与个人隐私密切相关，在法律法规层面，国家要明确相关立法，使得大数据在应用的过程中权责明晰，不让数据利益相关人的权利受到损害。在医疗健康大数据的使用中，要明确相关的程序和监管责任，明确各环节的管理义务。
3.缺乏高素质水平的专业人才队伍
目前我国医疗卫生信息化水平与国外发达国家存在较大的差距，其中最主要的原因是缺乏高素质水平的专业人才队伍。我国在健康医疗大数据的应用上还在初始阶段，整个医疗领域缺乏医疗业务水平强、现代技术过硬的复合型人才。
4.数据共享过程缺乏行业标准规范
在确保健康医疗大数据收集环节的广泛多样真实互联后，还应将采集数据标准和规范进行统一和完善，对大数据技术和管理等方面进行规范化和标准化。
5.健康医疗大数据应用需求尚未充分挖掘
健康医疗大数据的挖掘分析，需要有需求的引导，目前健康医疗大数据应用的需求还未充分展现出来，如在卫生管理和卫生决策中的应用仍未充分发掘。
在政府层面，需要制定配套制度并完善相关法律，由政府主导梳理和建立健康医疗数据目录，并将大数据进行分级、分类、分地域和分专业的编制，将横向大数据和关于个人的纵向大数据整合，并进行针对居民的个性化医疗服务，以及针对医疗研究的横向大数据的应用，不断扩宽健康医疗大数据的应用范围。
五、小结
健康医疗大数据的获取、转化及应用成为各国生命经济发展的新引擎，是国家重要的基础性战略资源，是以创新推进供给侧结构性改革的重大民生工程。我国健康医疗大数据的建设发展起步较晚，但大数据发展已上升至国家战略，相关利好政策频出，推进大数据发展，已初步形成健康医疗数据库，但数据的挖掘、获取及其应用转化仍面临诸多挑战，更多的临床应用需求还需被挖掘拓展。
参考资料：
[1]吴敏,甄天民,谷景亮,等.健康医疗大数据国内外发展及在卫生决策支持中的应用展望[J].卫生软科学,2019,33(2):78-81，91.
[2]郑灵衢.论健康医疗大数据及应用[J].中国市场,2018(2):195-196.
[3]杨朝晖,王心,徐香兰.医疗健康大数据分类及问题探讨[J].卫生经济研究，2019,36(3):29-31.
[4]许培海，黄匡时.我国健康医疗大数据的现状、问题及对策[J].中国数字医学，2017(5):24-26.
[5]舒彰岚,陈艳萍,吉臻宇,等.健康医疗大数据研究进展[J].中国医学装备，2019,16(1):143-147.
[6]火石研究院.健康医疗大数据平台建设模式及应用价值分析[EB/OL].火石创造.2019.
—END—
作者|刘加玉
责编|老姜
人工智能的若干伦理问题思考
国内方面相关研究起步较晚，研究不如国外系统与全面。但是近些年来，相关学者也将重点放在人工智能的伦理方面。相关文献有《机器人技术的伦理边界》[7]、《人权：机器人能够获得吗？》[8]、《我们要给机器人以“人权”吗？》[9]、《给机器人做规矩了，要赶紧了？》[10]、《人工智能与法律问题初探》[11]等等。值得一提的是，从以上文献可以看出，我国学者已经从单纯的技术伦理问题转向人机交互关系中的伦理研究，这无疑是很大的进步。
不过，遗憾的是，无论是在国内还是国外，现在仍然很少有成型的法律法规来对人工智能技术与产品进行约束，随着人们将注意力转向该方向，相信在不远的将来，有关政府部门会出台一套通用的人工智能伦理规范条例，来为整个行业作出表范。
三、人工智能是否会取代人类
有关人工智能与人的关系，很多人进行过质疑与讨论。1967年，《机器的神话》[12]作者就对机器工作提出了强烈的反对意见，认为机器的诞生使得人类丧失个性，从而使社会变得机械化。而近些年来，奇点理论的提出与宣传[13]，更加使得人们担忧机器是否将会全面替代人类，该理论的核心思想即认为机器的智能很快就将超过人类。
笔者认为，人工智能不断进步，这是个不争的事实。机器的感觉，运动、计算机能都将会远远超过人类。这是机器的强项。但是不会从根本上冲击人类的岗位与职业。这是出于以下几方面的考虑：首先机器有自己的优势，人类也有自己的优势，且这个优势是机器在短期无法比拟与模仿的。人类具有思维能力，能够从小数据中迅速提炼归纳出规律，并且可以在资源有限的情况下进行非理性决策。人类拥有直觉能够将无关的事物相关化。人类还具有与机器不尽相同的内部处理方式，一些在人类看来轻而易举的事情，可能对于机器而言就要耗费巨大的资源。2012年，google训练机器从一千万张的图片自发的识别出猫。2016年，谷歌大脑团队训练机器，根据物体的材质不同，来自动调整抓握的力量。这对于一个小孩子来说，是很简单的任务，但在人工智能领域，确正好相反。也许正如莫桑维克悖论所阐述的，高级推理所需要的计算量不大，反倒是低级的感觉运动技能需要庞大的计算资源。
其次，目前人类和机器还没有达到同步对称的交互，仍然存在着交互的时间差。目前为止，仍然是人类占据主动，而且对机器产生不可逆的优势。皮埃罗·斯加鲁菲在《智能的本质》[14]一书中曾经提出：人们在杂乱无章中的大自然中建立规则和秩序，因为这样的环境中人类更容易生存和繁衍不息。而环境的结构化程度越高，制造在其中的机器就越容易，相反，环境的结构化程度越低，机器取代的可能性越小。由此可见，机器的产生与发展是建立在人们对其环境的了解与改造上的。反过来，机器的发展进一步促进了人们的改造与认知活动。这就如天平的两端，单纯的去掉任何一方都会导致天平的失衡。如果没有人类的指引与改造作用，机器只能停留在低端的机械重复工作层次。而机器在一个较低端层次工作的同时也会使得人们不断追求更高层次的结构化，从而使得机器向更高层次迈进。这就像一个迭代上升的过程，人－机器－人－机器，以此循环，人类在这段过程中总是处于领先的地位。所以机器可以取代人类的工作，而不是人类。
再次，人工智能的高速发展同时带来了机遇。诚然，技术的发展会带来一些负面影响，但是如果从全局来看，是利大于弊的。新技术的发展带来的机遇就是全方位的。乘法效应就是说明的这个道理：在高科技领域每增加一份工作，相应的在其它行业增加至少4份工作，相应的，传统制造业为1:1.4[14].我们应该看到，如今伴随着人工智能业的飞速发展，相关企业如雨后春笋般诞生，整体拉动了相关产业（服务业、金融业）的发展，带来了更多的就业机会。
而且，任何一项技术的发展都不是一蹴而的，而是循序渐进的过程。无论是最早期的类人猿的工具制造、还是后来的电力发展、再到现在的互联网时代，技术的发展与运用是需要时间来保证的。现在社会上有些人担心人工智能的发展会立即冲击自己的工作，实则是有些“杞人忧天”的意味。以史可以明鉴，历史上大的技术突破并没有对人类的工作产生毁灭性的打击。蒸汽机的诞生替代了传统的骡马、印刷机的诞生取代了传统的抄写员、农业自动化设施的产生替代了很多农民的工作，但这都没有致使大量的工人流离失所，相反，人们找到了原本属于人类的工作。新兴技术创造的工作机会要高于所替代的工作机会。所以，我们不必过分担心机器取代人类工作的问题。
四、谁来为事故负责
2016年7月，特斯拉无人驾驶汽车发生重大事故，造成了一名司机当场死亡。这件事故很快成为了新闻媒体的焦点。人们不仅仅关注这件事情本身所带来的影响，更加担心机器作为行为执行主体，发生事故后责任的承担机制。究竟是应该惩罚那些做出实际行为的机器（并不知道自己在做什么），还是那些设计或下达命令的人，或者两者兼而有之。如果机器应当受罚，那究竟如何处置呢？是应当像西部世界中将所有记忆全部清空，还是直接销毁呢？目前还没有相关法律对其进行规范与制约。
随着智能产品的逐渐普及，我们对它们的依赖也越来越深。在人机环境交互中，我们对其容忍度也逐渐增加。于是，当系统出现一些小错误时，我们往往将其归因于外界因素，无视这些微小错误的积累，我们总是希望其能自动修复，并恢复到正常的工作状态。遗憾的是，机器黑箱状态并没有呈现出其自身的工作状态，从而造成了人机交互中人的认知空白期。当机器不能自行修复时，往往会将主动权转交给人类，人类就被迫参与到循环中，而这时人们并不知道发生了什么，也不知道该怎样处理。据相关调查与研究，如果人们在时间与任务压力下，往往会产生认知负荷过大的情况，从而导致本可以避免的错误。如果恰巧这时关键部分出了差错，就会产生很大的危险。事后，人们往往会责怪有关人员的不作为，往往忽视机器一方的责任，这样做是有失偏颇的。也许正如佩罗所说：百分之60到80的错误可以归因于操作员的失误。但当我们回顾一次次错误之时，会发现操作员面临的往往是系统故障中未知甚至诡异的行为方式。我们过去的经验帮不上忙，我们只是事后诸葛亮[15]。
其实，笔者认为人工智能存在三种交互模式，即人在环内、人在环外与以上两者相结合。人在环内即控制，这个时候人的主动权较大，从而人们对整个系统产生了操纵感。人在环外即自动，这时候，人的主动权就完全归于机器。第三种情况就是人可以主动/被动进入系统中。目前大多数所谓的无人产品都会有主动模式/自动模式切换。其中被动模式并不可取，这就像之前讨论的那样，无论是时间还是空间上，被动模式对于系统都是不稳定的，很容易造成不必要的事故。
还有一种特殊情况，那就是事故是由设计者／操纵者蓄意操纵的，最典型的就是军事无人机这种武器，军方为了减少己方伤亡，试图以无人机代替有人机进行军事活动。无人机的产生将操作员与责任之间的距离越拉越远，而且随着无人机任务的愈加复杂，幕后操纵者也越来越多，每个人只是完成“事故”的一小部分。所以人们的责任被逐渐淡化，人们对这种“杀戮”变得心安理得。而且很多人也相信，无人机足够智能，与军人相比，能够尽可能减少对无辜平民的伤害。可具有讽刺意义的是，美国的无人机已经夺去了2500至4000人的性命。其中约1000位平民，且有200名儿童[14]。2012年，人权观察在一份报告中强调，完全自主性武器会增加对平民的伤害，不符合人道主义精神[16]。不过，目前对于军事智能武器伦理的研究仍然停留在理论层面，要想在实际军事战争中实践，还需要更加做出更多的努力。
综上可以看出，在一些复杂的人机环境系统中，事故的责任是很难界定的。每个人（机器）都是系统的一部分，完成了系统的一部分功能，但是整体却产生了不可挽回的错误。至于人工智能中人与机器究竟应该以何种方式共处，笔者将在下面一节中给出自己的一些观点。
五、笔者的一些思考
通过以上的讨论与分析，笔者认为，人工智能还远没有伦理的概念（至少是现在），有的只是相应的人对于伦理的概念，是人类将伦理的概念强加在机器身上。在潜意识中，人们总是将机器视之合作的人类，所以赋予机器很多原本不属于它的词汇，如机器智能、机器伦理、机器情感等。在笔者看来，这些词汇本身无可厚非，因为这反映出人们对机器很高的期望，期望其能够像人一样理解他人的想法，并能够与人类进行自然的交互。但是，现在的当务之急，是弄清楚人的伦理中可以进行结构化处理的部分，因为这样下一步才可以让机器学习，形成自己的伦理体系。而且伦理，正如第一部分讨论的，是由伦和理组成的，每一部分都有自己的含义，而“伦”，即人伦，更是人类在长期进化发展中所逐渐形成的，具有很大的文化依赖性。更重要的是，伦理是具有情景性的，在一个情景下的伦理是可以接受的，而换到另一种情景，就变得难以理解，所以，如何解决伦理的跨情景问题，也是需要考虑的问题。
而且值得一提的是，就人机环境交互而言，机指而不仅仅是机器，更不是单纯的计算机，而且还包括机制与机理。而环境不仅仅单指自然环境、社会环境，更要涉及到人的心理环境。单纯的关注某一个方面，总会做到以偏概全。人工智能技术的发展，不仅仅是技术的发展与进步，更加关键的是机制与机理的与时俱进。因为两者的发展是相辅相成的，技术发展过快，而机制并不完善，就会制约技术的发展。现在的人工智能伦理研究就有点这个意味。现在的人类智能的机理尚不清楚，更不要提机器的智能机理了。而且，目前机器大多数关注人的外在环境，即自然环境与社会环境，机器从传感器得到的环境数据来综合分析人所处的外在环境，但是却很难有相应的算法来分析人的内部心理环境，人的心理活动具有意向性，具有动机性，这也是目前机器所不具备的，也是不能理解的。所以对于人工智能的发展而言，机器的发展不仅仅是技术的发展，更是机制上的不断完善。研究出试图理解人的内隐行为的机器，则是进一步的目标。只有达到这个目标，人机环境交互才能达到更高的层次。
六、发展与展望
人工智能伦理研究是人工智能技术发展到一定程度的产物，它既包括人工智能的技术研究，也包括机器与人、机器与环境及人、机、环境之间关系的探索。与很多新兴学科一致，它的历史不长，但发展速度很快。尤其是近些年，依托着深度学习的兴起，以及一些大事件（AlphaGo战胜李世石）的产生，人们对人工智能本身，以及人工智能伦理研究的兴趣陡然上升，对其相关研究与著作也相对增多。但是，可以预期到的是，人工智能技术本身离我们设想的智能程度还相去甚远，且自发的将人的伦理迁移到机器中的想法本身实现难度就极大。而且如果回顾过去的话，人工智能总是在起伏中前进，怎样保证无论是在高峰还是低谷的周期中，政府的资助力度与人们的热情保持在同一水平线，这也是一个很难回避的问题。这些都需要目前的人工智能伦理专家做进一步的研究。
总之，人工智能伦理研究不仅仅要考虑机器技术的高速发展，更要考虑交互主体-人类的思维与认知方式，让机器与人类各司其职，互相促进，这才是人工智能伦理研究的前景与趋势。
参考文献：
[1][法]斯特凡·东希厄,徐寒易译.会做梦的机器人[J].环球科学.2017(4):48-49.
[2]毕彦华.何谓伦理学[M].中央编译出版社,2010.
[3][美]维纳,陈步译.人有人的用处:控制论与社会[M].北京大学出版社,2010.
[4][美]哈里亨德森，侯然译.人工智能-大脑的镜子[M].上海科学技术文献出版社,2011.
[5]M.Anderson,S.Anderson,C.Armen,TowardsMachineEthics:ImplementingTwoAction-BasedEthicalTheories[C].InM.Anderson,S.Anderson,C.Armen(Eds.),MachineEthics:AAAIFallSymposium,TechnicalReportFS-05-06.MenloPark,CA:AAAIPress,2005:1-7.
[6]王绍源,崔文芊.国外机器人伦理学的兴起及其问题域分析[J].未来与发展,2013,(06):48-52.
[7]迟萌.机器人技术的伦理边界机器人技术与应用[J].2009,(03).
[8]江晓原.人权:机器人能够获得吗?--从《机械公敌》想到的问题[N].中华读书报,2004-12-l.
[9]黄建民.我们要给机器人以"人权"吗?读书与评论[J].2009(06):55-58.
[10]姜潘.给机器人做规矩,要赶紧了[N].文汇报,2011-6-7.
[11]唐昊沫,舒心.人工智能与法律问题初探[J].哈尔滨学院学报,2007(01)
[12][美]刘易斯.芒福德,宋俊岭等译.机器的神话[M].北京:中国建筑工业出版社,2009.
[13][美]库兹韦尔,李庆诚,董振华,田源译.奇点降临.北京：机械工业出版社.2011.
[14][美]皮埃罗斯加鲁菲，任莉张建宇译.智能的本质[M].北京:人民邮电出版社,2017.
[15]JamesReason.Humanerror[M].:CambridgeUniversityPress.1990.
[16]杜严勇.关于机器人应用的伦理问题[J].2015,vol5(2):25-34.
摘自《科学与社会》2018.1返回搜狐，查看更多