大數據+人工智能+區塊鏈的結合，將對當前醫療行業轉型起到至關重要的作用。
“想要AI真正應用於醫療領域，需要先‘殺死’上百萬患者。”
在剛剛結束的“中新人工智能高峰論壇”上，新加坡科學院院士、新加坡國立大學智能系統中心主任黃銘鈞語驚四座。
“從當前來看，由於機器的訓練程度不夠，因此極易出現誤診。而區塊鏈或是促進AI醫療訓練進程加速的關鍵。”
在黃銘鈞看來，大數據+人工智能+區塊鏈的結合，將對當前醫療行業轉型起到至關重要的作用。
僅靠“自有數據”訓練AI，它可能得先“殺人”才能去“救人”
在AI行業有一句話：AI落地，數據先行。簡而言之，就是沒有“數據”什麼都做不了。
醫療行業也是一樣。
以“診斷”為例，每個醫生的腦中，都有著自己的“數據庫”。這其中，包括大學期間的學習“數據”、從業過程中積累的實踐“數據”、參加研討會得到的研究“數據”等。只有基於這些“數據”，醫生的大腦才能夠做出相應的分析和判斷，從而做出診斷。
可以說，醫生的“腦子”，就是一個機器學習系統；歷年的學習實踐經歷，就是一個“訓練”過程。機器學習，需要正是這些。
“我們在收集醫療數據的時候，經常碰到的一個問題，就是醫院不願意將數據分享出來，更別說分享出來之後，為其他醫院服務。因為這其中，涉及到了‘患者隱私’等極為敏感的問題。”
對於大多數病患來說，將自己的“數據”交給醫院，實屬無奈之舉，因為不告訴醫生，醫生就沒辦法看病。但這絕不代表，患者願意將這些數據共享出去。
從當前的AI醫療診斷行業看，由於數據的獲取困難，幾乎所有案例都只是集中於某一家醫院甚至是某一個科室。因為“數據量”不夠，“訓練量”不夠，醫院大多不敢輕易使用。
“除此之外，醫學數據是很‘敏感’的。可能三年前，某些數據還很重要。但是三年後，這些數據已經‘過時’，成為了負累，需要被清除。”黃銘鈞認為，這是當前AI醫療在數據獲取上遇到的一個很大的難題。
眾所周知，在醫學行業有一個很“心酸”的狀態：如果學醫時，每天要看十篇文獻；畢業當醫生了，每天至少要看20篇。這些都證明了，醫學行業，信息常更常新、日新月異、極為龐大。
“在機器學習的過程中，目前最稀缺的就是實時、不間斷、全維度產業鏈的數據。因為可供機器分析的開放數據越多，其預測和評估則會更加正確，生成的算法也更加可靠。”區塊鏈+醫療項目天醫AIDOC亞太地區顧問吳詩展說。
也因此，只基於片面、不全的數據庫學習的AI診斷系統，可能會在診斷過程中，經歷多次“誤診”，才能有所進步。而這一“誤診”量，可能會達上百萬。
即便數據量夠，以當前的AI系統處理能力，在“清理”數據這種“準備工作”上，就需要花費大量的時間，更不用說分析數據和得出結論了。
可以說，AI在“救人”之前，為滿足其長期訓練和實踐需求，先要付出的，可能是“殺人”的代價。
“區塊鏈可以很好的解決這些問題。“黃銘鈞很自信的說。
AI醫療數據問題太多？區塊鏈或是救星
“通過加密貨幣的方式，我們可以將患者的數據形成一個健康的數據流。除此之外，區塊鏈的去中心化，可以將各大醫院‘可拿出來用’的數據庫打通。這樣一來，我們就能獲得大量的數據，所形成的超級賬本速度快、通量高，足以滿足AI對數據處理的需求，促進醫療行業更快速和更健康發展。”黃銘鈞說。
從本質上看，區塊鏈就是一個去中心化的數據庫，是一串使用密碼學方法相關聯產生的數據塊，每一個數據塊中包含了一次網絡交易的信息，用於驗證其信息的有效性和生成下一個區塊。這不僅能解決快速增長的醫療健康數據的存儲問題，也能很好的解決數據的安全存儲問題。
“除此之外，通過智能設備上傳到醫療鏈中的數據永久可追溯卻不可篡改，還能進一步保證數據的準確性。而更為重要的是，區塊鏈是具有token激勵機制的，用戶上傳醫療健康數據就會得到一定的token獎勵，這讓AI訓練的醫療數據有了長久的持續性。另外，基因數據、醫療病歷、實時上傳的健康數據等也為AI訓練提供了多維度醫療數據，同時整個鏈上的參與者充分共享醫療數據價值，最大化鏈上價值。”吳詩展說。
IBM曾發佈一份有關於“醫療保健與區塊鏈的”報告稱，區塊鏈技術會在臨床試驗記錄、監管合規性和醫療/健康監控記錄領域發揮巨大作用，在健康管理、醫療設備數據記錄、藥物治療、計費和理賠、不良事件安全性、醫療資產管理、醫療合同管理等方面業都能發揮專長。
總結
互聯網時代，用戶可以在線諮詢問診，提高了醫生的診斷效率；AI時代，智能醫療提高了醫生收集和處理數據的速度，極大程度上提升了醫療行業的發展。
但醫療行業因其專業性高、容錯率幾乎為0的特性，對AI的要求也非常的高。在數據為王的機器學習時代，如果數據問題得不到解決，帶來的危害是非常嚴重的。索幸，區塊鏈能夠憑藉其去中心化及強大的數據處理、保護優勢，在一定程度上解決這一問題。
更多優質內容，請持續關注鎂客網~~
閱讀更多 鎂客網 的文章
