時間：2023-09-21 17:56:07
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能對醫療的幫助，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
在業內人士看來，人工智能不是一項單一的科技產業，而是將其他行業進行融合的工具，例如將機器人和保姆結合產生的“看家機器人”，將導航和汽車結合產生的“車聯網”等。在人工智能技術逐步成熟的當下，誰率先在應用上實現突破，誰就有可能在智能時代的競爭中占據優勢，“人工智能”有望成為可觸摸的新增長點之一。
發展迅猛
身體不舒服，想要打開手機淘寶問問醫生，但是怎么樣才能從幾千個在線等待咨詢的醫生中間找到最匹配的那一個？
阿里健康已經開發并在手機淘寶上線了健康小蜜――醫藥健康智能問答引擎。這個類似于智能問答機器人的引擎，可以回答普通用戶的一般性醫藥健康問題，然后根據用戶的需求進行選擇，將用戶自動匹配給相應的醫生或者藥師。
事上，目前，從醫療健康的監測診斷、智能醫療設備，到教育領域的智能評測、個性化輔導、兒童陪伴，從電商零售領域的倉儲物流、智能導購和客服，到應用在智能汽車的自駕技術，都能看到人工智能的身影。
人工智能等技術是助推自動駕駛發展的關鍵技術。例如，人工智能在幫助汽車解讀傳感器數據時起決策作用，通過閱讀駕駛者的駕駛行為和表情，能及時提醒駕駛員在疲勞駕駛時切換至自動駕駛模式。
“人工智能”一詞，通常被認為是1955年8月31日在達特茅斯（美國一所院校）會議上誕生的，61年來，人工智能的研究和實踐一直處于不斷增長的趨勢。當今，人工智能技術的突破帶來了席卷全球的技術革命風暴，創造出了一個無比廣闊的市場，中國的很多公司在這股大潮中抓住機遇，表現亮眼。有觀察者認為，中國的人工智能已成為一張令世界矚目的閃亮名片。
過去的一年里，長虹、TCL、創維等中國家電企業都紛紛人工智能家電產品，希望借助人工智能打破家電行業的銷售難題。
不久前，搜狗公司2016全年財報，搜狗借助人工智能技術實現了較大的業績增長。未來會把人工智能應用到更多的產品中，讓用戶表達和獲取信息更簡單，讓人工智能真正惠及人類。
全球人工智能研發的腳步正在加快，中國也不甘示弱。近年來，百度先后成立了大數據實驗室、深度學習實驗室和硅谷人工智能實驗室，并通過架構調整全面發力人工智能。2016年百度世界大會上，“百度大腦”推出，該項目將對語音、圖像、自然語言處理和用戶畫像、無人駕駛等領域進行重點關注和研發。
在騰訊，人工智能研究項目包括WHAT LAB（微信-香港科技大學人工智能聯合實驗室）、優圖實驗室、微信模式識別中心、智能計算與搜索實驗室等多個部門。
人工智能猶如新的科技革命，為長期低迷的世界經濟注入新的活力。去年諸多關鍵技術突飛猛進，無疑是人工智能發展史上濃墨重彩的一年。誕生半個多世紀以來，它終于走到了從科技研發到行業應用的臨界點，蓄勢待發。
為發展更新“發動機”
人工智能技術的重大突破必將帶來新一輪科技革命和產業革命，對人類生活的方方面面將產生深遠的影響。大力發展人工智能技術是中國經濟轉型升級的重要動力。
眾多研究表明，人工智能是對傳統行業商業模式、產業鏈和價值鏈的全面顛覆，將為全球經濟、社會生活的方方面面帶來質的變化。
發展人工智能的最大意義在于為現代化發展更換“發動機”。咨詢公司埃森哲研究了美國、芬蘭、英國等12個發達國家并作出預測，到2035年，人工智能將幫助這些國家的生產率提高40%左右。
對于中國而言，人工智能帶來的好處將是多方面的。就經濟來說，借助人工智能新技術實現自動化，將極大提高生產率，節省勞動成本；優化行業的現有產品和服務，提升其質量和勞動生產率；通過創造新市場、新就業等，將促進市場更加繁榮，開拓更廣闊的市場空間。
而在產業升級方面，中國的傳統制造業大而不強的問題亟待克服，人工智能恰恰為制造業轉型升級提供了便利和動力，一是這些企業擁有行業海量的數據和大量資金；二是在生產力水平急需提升、傳統人口紅利逐漸消失的情況下，傳統企業有迫切的意愿來改造升級自己的工廠、業務，提高收益，降低企業成本。因此，制造業既是人工智能可以大有作為的領域，也是中國發展人工智能的優勢領域。
《全球人工智能發展報告2016》顯示，中國人工智能專利申請數累計達到15745項，列世界第二；人工智能領域投資達146筆，列世界第三。
據艾瑞咨詢預計，2020年全球人工智能市場規模將達到1190億元，年復合增速約19.7%；同期中國人工智能市場規模將達91億元，年復合增速超50%。人工智能發展前景極為廣闊。
就制造業而言，“中國制造2025”計劃的實現就需要很多人工智能。比如過去在技術上難以克服的問題，就可以通過深度學習，在工程上快速地取得一些新的突破。人工智能技術的發展與應用，對于有效實現“中國制造2025”目標至關重要。
面向未來長遠布局
在人工智能這場科技浪潮中，中國與其他國家已經站在了同一起跑線上。針對未來產業競爭，中國政府已在多個方面對人工智能產業做出布局，“人工智能+”的發展，需要面向未來，做出長遠布局。
未來5到10年，人工智能將像水和電一樣無所不在，可以進入到教育、醫療、金融、交通、智慧城市等幾乎所有行業。
目前，在駕駛領域，通過依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，電腦可以在無人主動操作下，自動進行操作；在個人助理領域，通過智能語音識別、自然語言處理和大數據搜索、深度學習神經網絡，可以實現人機交互；在金融領域，通過分析、預測、辨別交易數據、價格走勢等信息，人工智能可以為客戶提供投資理財、股權投資等服務；在電商零售領域，主要是利用大數據分析技術，智能的管理倉儲與物流、導購等方面，用以節省倉儲物流成本、提高購物效率、簡化購物程序。此外，在安防、教育、醫療健康等眾多領域，人工智能都有著廣泛的用途。
對于機器人是否比人類聰明、未來是否可能替代人類，假如機器人產業完全替代人類生產，人還能做些什么?新領軍者年會開幕第一天專家學者們就對這些問題做了深入探討。
無所不能的機器人？
在新領軍者村中有一排無所不能的機器人，在題為行動中的機器人展示區，記者看到了能夠適應各種人類生活場景的機器人，包括協助老年人以及殘障人士的機器人隊友Ballbots、能夠進行語言分析，滿足人類情感交流需求的機器人伴侶以及各種生產機器人。
在論壇上，各國專家學者描繪了一幅更大的機器人應用場景。除了生活起居，從法庭判決、醫療診斷到上戰場打仗，機器人都可以代替人類。“機器人比人更像人類。”一位設計者說道。
但是，這是否意味著機器人在未來將全方面替代人類呢?在論壇現場，《科學美國人》雜志主編MarietteDiChristina做了一個有趣的實驗，讓現場的觀眾舉手表決，在哪些場景愿意使用機器人，哪些場景愿意使用人類。最后結果顯示在需要精確性的領域如醫療手術上，大部分的人愿意使用機器人，而在法律領域，人們則更傾向使用一位人類法官。對于上戰場打仗，幾乎全場觀眾都認為應該使用機器人替代人類。
歸結原因是因為一般人認為機器人更為精確，而人類相對來說比較感性。這也印證在機器人的發展上，目前工業、制造業等領域已經廣泛應用機器人代替人類在完成流水線組裝工作。而在家居照料方面雖然有很多研究但一直未得到普及。
卡內基梅隆大學計算機科學學院教授TomMitchell認為，人類能否大面積運用機器人主要需克服的是信任問題，即能否信任機器人幫助人類進行診斷、完成照料。
這種信任將很快建立起來，根據MarketsandMarkets公司的報告，預計全球服務型機器人市場規模在2017年將達到461.8億美元，行業空間巨大。在未來的4年里，醫療機器會以每年19%的速度增長，2016年全球市場規模估計會增長到119億美元。
除了服務性行業，隨著無人駕駛技術的日漸成熟，交通運輸業也很有可能會被人工智能所取代。
解放生產力激發創新潛能
而人工智能日漸成熟的同時，也催生了一系列問題。未來人工智能是否會完全替代人類，而如果完全替代人類，那么如何解決失業率等社會問題?
屆時，人類或許會在更擅長的領域得到發展。哥倫比亞大學研究員AndrewMcLaughlin表示現在還有許多尚未探索和有待開發的領域，這些領域需要人類的創造力，機器人取代人類進行日常生產，大部分人就可以把更多的精力投放到創新性的領域研究上。“我對于人工智能取代人類，沒有這么悲觀。”他笑著說道。
同時，這也能激發更深入的學習研究。TomMitchell說道：“我們一生當中可能做很多工作，教育流程也將要跟隨改變，不是用四年去學一個課程而可能是花費40年或者更長時間去學習。”
除此之外，軍隊作為未來人工智能發展方向之一，也同樣存在不少潛在問題。Tom表示，在武器上，機器人可以縮減軍隊規模，但是同時，這也是允許更多國家有自己軍備，這有可能會帶來戰亂。
2016年3月19日，京東與科技公益平臺“未來論壇”合辦的理解未來系列講座在京開啟，此次講座的主題為“‘理解未來’走進京東――大數據驅動下的變革”。會上，特別邀請卡耐基梅隆大學計算機科學系教授邢波、京東集團CTO張晨與京東集團技術副總裁趙一鴻、IBM中國研究院總監大數據及認知計算研究蘇中和清華大學計算機科學與技術系副研究員朱軍，就大數據與人工智能如何改變我們的生活聯袂深度解讀。他們認為，目前已經進入大數據與人工智能的春天，高速成長的技術和應用將賦予人類更強大的能力，并成為企業發展的強大助力。
用數據“陪伴”用戶
當前，大數據與商業應用的結合，對我們的思考模式、生活習慣和商業法則都進行著顛覆。從智能交通到能源管理、從政府財政到醫療體系都在因為大數據的使用發生著深刻的變革。而如何利用大數據打造智慧城市、提高扶貧精準度、關注農業發展、促進居家養老服務業發展等也在今年“兩會”中成為提案熱點。
2013年被稱為中國的“大數據元年”，短短幾年后，在物聯網、云計算的推波助瀾下，2016年，我們將迎來大數據應用的爆發。現場，京東集團CTO張晨進行了主題為“在數據的王國里，用更好的體驗創造更大的價值”的演講。他表示，通過大數據和精準的個性化，讓京東成為用戶的陪伴。“根據每個用戶的消費習慣、愛好和家庭情況，讓京東能陪伴他的生活和成長，給用戶創造更好的品質生活。”
張晨認為，把數據用好的核心是大數據的精準和分析。一直以來，京東都在用大數據了解并精準判斷用戶的需求。例如JIMI（京東人工智能客服機器人），可通過大數據了解并判斷用戶的需求，在售前咨詢上，部分品類的回答滿意度已超過人工客服。
“帶來品質生活的關鍵是了解用戶，推薦最適合用戶的個性化產品。”張晨表示。以京東個性化推薦系統為例，它可以根據用戶所處區域的購買力指數提供最合適的產品搜索，強化個性化投放、精準化投放的能力。在另一個項目“移動商店”中，京東可以通過大數據描繪小區畫像，實現物流配送的“未買先送”，根據預測的銷售量提前安排庫存，由此出現了iPhone6s首發只用12分鐘20秒配送到家的紀錄。
“京東的數據戰略是從技術平臺、到數據洞察、再到商業價值的三層演進。”京東技術副總裁趙一鴻表示，利用京東數據挖掘平臺，京東對用戶畫像、商品畫像、店鋪畫像、小區畫像都進行了深度挖掘和提取，并在商業應用中產生巨大價值。目前，京東大數據平臺總服務器數量超過10000臺，數據總容量突破100PB，每天新增超過1.5PB數據，每天約有20萬個作業運行。通過京東大數據，大幅提升了運營效率、降低成本、優化用戶體驗。
為人工智能裝上引擎
對于當下異常火爆的人工智能領域，與大數據又將會有怎樣的聯系？在開場的主旨演講“為人工智能裝上引擎”中，卡耐基梅隆大學計算機科學系教授邢波為了便于大家理解，特意一改往日講技術干貨的風格，以登山為比喻，從人工智能的源頭細說人工智能的歷史變遷。在邢波看來，登山與人工智能計算任務有息息相通之處：“人工智能計算任務像登山，有明確的、可以用數學描述的目標，本身有彈性容錯性和隨機性。人工智能領域發展也像登山，遇到各種各樣的起伏，有各種各樣的思路的跳躍和重新的定位。”
邢波表示，要用好大數據，人工智能和機器學習將是最主要的分析手段。預計在未來計算世界，人工智能計算和機器學習會占全球計算資源上計算任務比重的80%到90%，所以有必要對人工智能和機器學習所需的計算框架和操作性框架重新設計。
在AlphaGo大勝李世石之后，媒體立刻被各色輿論所充斥。有人激動于人工智能的輝煌成果，有人則戰栗于人工智能可怕的潛力，甚至開始擔心這是否預示著人類文明的衰亡。邢波呼吁大家建立獨立的個人思考，不要輕易被任何觀點左右。他認為：“人工智能和人類對決不是什么大得了不起的事，人類和機器的對決自古就有，現在還在發生。馬車被火車戰勝后，同一時代的人類發明照相機，有人驚恐照相機來了，畫家失業了，但是現在畫家還是活得好好的。人機大賽是我們技術上的里程碑，展示了人類的功勞，我們要以歡迎的心態接受它。” 因為人工智能和人類智能所走的路不同，我們大可不必杞人憂天。“人的頭腦有很多獨特的東西，創作性思維、感情、常識、美感，這都是人工智能無法企及的，正如孔子、拿破侖、貝多芬、愛因斯坦不會被機器代替一樣。”
他表示，算法也需要數據、工程的支持。前不久圍棋領域人機大賽是一個技術的里程碑，展示了人類社會的力量和功能，我們要以歡迎的、平常的心態來接受。“在有限規則、特定任務下，機器超越人類的水平只是時間問題，人工智能的目標不是用來代替人類，而是人與機器的有機共存。”
趙一鴻也談及了對人工智能的看法。他認為，Alpha Go的跨越性突破是機器已經從簡單的技術型思維變為戰略型思維，這是硬件、軟件和科學家思維的共同進步。“在商業思維上突破計算的邊界，讓商業的模型和大腦在決策上媲美甚至超越人類，這也是人工智能對于京東的意義。”
未來，京東會利用大數據推動智慧商業的進程。趙一鴻表示，在智慧京東的規劃中，京東不僅將通過大數據實現智慧業務，更要實現智慧創新。例如，在智慧采銷系統中，京東大腦將集成采銷知識、經驗和思維決策，在個性化推薦中，京東也將目前的商品推薦擴展到精準個性化、實時化、全覆蓋、平臺自學習等層次。
不久前，教育部公布了2018年度普通高等學校本科專業備案和審批結果。全國高校共新增本科專業2072個，我省高校共新增66個本科專業，它們不僅體現出高校專業熱門度的起伏，更折射出社會對于人才需求的變化。
縱觀今年新增的本科專業，有幾大門類吸引目光：新文科、新農科建設風生水起，人文與科技更多的“融合”，意味著傳統意義上基礎學科和應用學科的界線開始變得模糊。數據科學與大數據技術專業繼續成為熱門，加上今年新開設相關專業的196所高校，目前，全國已有近500所學校開設此專業;35所高校首次設立人工智能專業，這意味著，高校開始體系化培養人工智能行業后備軍。與幼兒養育相關的專業繼續增設，這不僅是因為全面二孩政策的實施，更是由于人們越來越重視對下一代的培養。
“新增專業彌補了我省有關專業的布點空白，進一步優化了專業結構。”省教育廳高教處副處長王國銀介紹，此次省屬高校新增專業主要圍繞數字經濟“一號工程”、戰略性新興產業、高新技術產業和萬億產業開設，這些專業瞄準國家戰略需要和社會經濟發展急需，進行創新型、復合型、應用型人才儲備。
夯實基礎
新文科、新農科未來可期
作為近年來高等教育中最時髦的詞匯之一，新工科對于考生和家長來說已經不陌生了，但如果說起新文科、新農科，很多人可能就要打個問號。
去年10月，教育部等部門決定實施“六卓越一拔尖”計劃2.0，在基礎學科拔尖學生培養計劃中，首次增加了心理學、哲學、中國語言文學、歷史學等人文學科，“新文科”概念浮出水面。今年4月，教育部、科技部等13個部門正式聯合啟動“六卓越一拔尖”計劃2.0，全面推進新工科、新醫科、新農科、新文科建設。
新文科“新”在何處?打破舊壁壘，跨界尋方法，歸納真規律，新文科意味著對傳統基礎學科的一次重新整合。
“相對于傳統文科，新文科有兩個特色。”南開大學傳播學系主任陳鵬說。其一，新文科是問題導向的，新文科面對的是社會發展變化中的新現象、新問題、新變化，有些現象和問題是人類歷從未遇到過的，如大數據、區塊鏈、5G、人工智能等，需要突破傳統文科的框架，采用新方法、新視野去探索新理論、新規律。其二，新文科為了尋求對社會和人類自身的研究，需要通過“跨界”方式進行革新，這種“跨界”不僅僅發生在文科的各學科之間，甚至出現在文科和理科、工科、醫科等學科之間，需要多學科之間的交叉和深度融合。
當前，清華大學、中國人民大學等高校開設的人文科學實驗班，西安交通大學、華東師范大學等高校開展的學院式教學模式，都被視為我國新文科建設的重要經驗。一位資深文科研究專家表示，當前，文科與其他學科有一些結合，比如考古學和技術結合，就形成了科技考古;信息技術和藝術結合，就形成了藝術設計的網絡化等，但還遠遠無法滿足現在社會的需求。新文科就是一種有效路徑。
2018年4月，浙江大學召開文科大會，提出面向2035年發展目標和“文科十條”，進一步推進文科發展強主流、上一流。省內其他高校也紛紛積極為新文科創建搭建平臺。浙江工商大學整合資源打造文科綜合實驗教學中心，打造跨學科綜合性實驗教學平臺;浙江農林大學推出新文科求真實驗班，幫助學生打牢知識儲備金字塔的穩固塔基，再漸次進入專業學習，形成堅實塔身和更高聳的塔尖……
在浙江大學傳播研究所教授、博士生導師邵培仁看來，建設新文科，其實也是對傳統文科的反思。他指出，新文科有利于構建立足中國文化土壤、具有中國特色，具備整體性、包容性、互動性、共享性特質的面向全球、面向全人類的大文科。
不難看出，未來新文科相關專業或將成為熱門。不僅如此，使用文文互鑒、文理交叉、文工融合的思維方法解決問題，還將為高校人才培養和評價體系帶來新變革。
除了新文科，新技術的出現也讓一些專業被賦予了新的內涵，比如新農科。
當前，隨著生態文明建設的持續推進，生態學、環境科學等專業畢業生越來越受歡迎。今年，杭州師范大學就新增了生態學專業。該專業相關老師介紹，隨著國家對生態學專業人才的需求增多，生態學專業人才培養規模逐漸加大，未來掌握生態學及植物學、動物學、微生物學、地理學等基礎知識、分析方法和應用技能的人才會很搶手。
“浙江是‘兩山’理論誕生地，‘農’字頭的專業發展空間很大。”浙江農林大學主要負責人表示，“新農科”建設是鄉村振興實踐、高等教育改革、人才需求變化和社會經濟進步的必然選擇，原先注重高度專業化、技術化的教育教學方式和人才培養模式已無法適應新時代農林高等教育的新需求，亟需探索實現農科學生全面發展的“新農科”建設之路。
順應趨勢
大數據、人工智能紛紛開班
順應當下人工智能行業的熱潮，今年新增的熱門本科專業，均與大數據、人工智能、機器人等信息技術關鍵詞相關。
梳理發現，數據科學與大數據技術專業在短短三四年間，從無到有，并一躍成為熱門專業。2015年度的審批結果中，北京大學、對外經濟貿易大學、中南大學3所高校成為首批獲批設立該專業的高校;2016年度又有32所高校設立該專業;到了2017年度，獲批設立這一專業的高校數量達到250所;加上2018年度新增的196所，目前，共有481所高校開設這個專業。
今年，我省有湖州師范學院、寧波工程學院、寧波財經學院、浙江大學城市學院等9所高校新增備案數據科學與大數據技術專業。一位專業課老師表示，社會在不斷發展進步，現在的一些“新專業”也許尚無足夠的辦學經驗，但可能恰恰是未來社會發展的需求所在。
在新增專業中，人工智能專業的熱度也在逐年遞增。繼去年杭州電子科技大學、浙江理工大學成為我省首批開設智能科學與技術專業的高校后，今年，我省又有一批高校在人工智能人才培養上“摩拳擦掌”，積極增設相關“硬核”專業，改進人才培養思路。
浙江大學今年新增機器人工程和人工智能兩個專業，還將在竺可楨學院新設圖靈班。入選圖靈班的學生可以在計算機科學與技術、人工智能、信息安全三個專業中確認專業。從入學開始，每位學生可從學院的優選導師庫中選擇一名學業導師，還將有國外頂尖大學的教學大師和科研領軍人物到浙大給圖靈班學生單獨授課。
除了浙大以外，省內其他高校也在結合各自特色專業，構建人工智能專業的課程體系。比如，浙理工把專業發展方向和學校的優勢結合起來，重點在智能穿戴等領域取得突破，還專門成立紡織工業人工智能研究院;浙工大結合了安防產業、智慧交通、“城市大腦”等浙江省的優勢領域，與企業合作，開拓專業方向。
“打造新專業特色成了各高校的當務之急和立足之道。”杭州電子科技大學人工智能學院副院長呂強說，針對人工智能人才培養帶來的新挑戰，杭電人工智能學院提出了多方協同育人的理念，并將其作為教學改革項目進行探索，“人工智能對數理基礎要求較高，我們在數學課程中增加了矩陣論、離散數學等原來研究生學習階段才會有的課程內容，努力幫學生打好基礎，在暑假，我們還計劃舉辦夏令營，邀請企業名師進校園培訓，共同開發專業課程等。”呂強說。
值得關注的是，人工智能已經從獨立的專業教育，擴展到更廣的層面。今年，浙江財經大學向非計算機類專業學生推出了人工智能“微專業”，其中包括了Python程序設計、高級數據庫、機器人編程與實踐等課程。“人工智能在信息金融、金融科技等領域有非常多的應用場景。財經類專業學生的數理基礎比較好，這些知識將為他們的未來打下更好的基礎。”浙財大教務處副處長石向榮說，可以預見的是，未來社會需要大量具有具體專業背景，同時又掌握人工智能相關知識的復合型人才。
緊盯兒童
醫教類專業持續擴招
當下，伴隨著“全面二孩”政策施行，各大醫院產科分娩量走高，目前助產人才無論從數量上還是質量上都難以滿足社會需求，臨床急需本科層次助產人才。助產學專業于2016年首次開設，當時僅有4所高校獲批開辦此專業，2017年有20多所高校新增此專業。
近兩年，我省先后有浙江中醫藥大學、溫州醫科大學、杭州醫學院等3所高校新增了助產學專業。溫州醫科大學的助產學專業設在護理學院，目標是培養掌握護理學和助產學的基礎理論和護理技能，具有基本的臨床護理和臨床助產能力，在各類醫療衛生保健機構中能夠從事臨床助產、圍產期護理，以及母嬰保健工作的高級助產人才。今年，臺州學院、溫州醫科大學仁濟學院也開設了助產學專業。
一位從事醫學教育多年的教授表示，當前社會大眾對醫療的需求，不僅體現在量上，更體現在質上。雖然現在醫療行業整體水平保持著上升態勢，但人們對優質醫療的需求增長更快，所以仍然感覺醫療資源緊缺。
不久前，由中國工程院院士鄭樹森擔任院長的浙江樹人大學樹蘭國際醫學院揭牌成立。作為樹蘭國際醫學院首個設置的重點專業，臨床醫學專業面向全國招生100人。學院擁有國際醫學專家、博士生導師等組成的高水平師資隊伍，以及一批高水平的基礎醫學與臨床醫學實驗平臺。
同樣，面對強烈的社會需求，溫州醫科大學今年增加了普通本科計劃數。臨床醫學(定向培養)從30人增加到60人，面向蕭山區等30個縣(市、區)招生;麻醉學專業從61人增加到93人，其中省內普招增加16人。
值得一提的是，今年，浙江中醫藥大學新增食品衛生與營養學專業，這也是我省開辦該專業的高校(不含獨立學院)。該校招生辦相關負責人介紹，食品衛生與營養學作為一門綜合性的交叉學科，涉及預防醫學、食品科學、營養學等多個學科，在提升健康素養，保障食品安全，促進疾病的營養學防治完善健康保障方面大有作為。
縱觀今年我省的新增專業，從撫養、就醫，再到教育，與幼兒養育相關的專業成為熱門，除了新增兒科學、中醫兒科學、助產學等專業外，學前教育、小學教育等師范類專業的報考也很火爆。
今年，杭州師范大學增加小學全科教師、中學緊缺學科教師定向培養招生計劃。杭師大教務處副處長、招生辦副主任顧海春介紹，今年，學校將繼續面向杭州、寧波、溫州、紹興、金華、衢州、麗水、臺州、舟山等地區定向招生255名，提前錄取，補學費，包就業。同時，復建音樂學院，增加音樂學(師范)、舞蹈學(師范)專業招生計劃。
2016年，中國精準醫療發展也進入加速期，3月5日，國家發改委公布“十三五”規劃綱要，其中涉及100個項目，而“加速推動基因組學等生物技術大規模應用”位列其中，預示著“基因組學”被列入國家戰略。
早在2015年3月，科技部召開國家首次精準醫學戰略專家會議，提出了中國精準醫療計劃，并計劃在2030年前投入600億元。一年之后，科技部 “精準醫學研究”重點專項2016年項目指南正式公布，實施周期為2016年～2020年。這一指南的被醫療界內解讀為，行業期待已久的精準醫療國家戰略部署終于揭曉。
在資本市場上，2015年以來精準醫療行業內的公司一直是風險投資機構眼中的“香餑餑”，越來越多的天使和VC投資爭相加入大健康投資行列。盡管在經歷“資本寒冬”，但基因產業上的創業公司融資力度依然不減。據資料顯示，2016年中國精準醫療的市場規模已達400億人民幣。
且中國作為人口大國，惡性腫瘤、心腦血管疾病等慢性病占據中國居民疾病死亡率前幾位，人口老齡化、重大疾病是造成國家人力資源損失和經濟損失的重要因素。此外，精準醫療在生育健康領域、重大疾病治療領域的應用需求在中國也有龐大的基礎。不管是政府的重視與投入，資本市場的火熱追捧，還是大眾對精準醫療的迫切需求，仿佛都預示著精準醫療的大規模爆發即將到來。但理想和現實之間的距離究竟有多遠？在從理想到現實的具體實現路徑上又有著哪些障礙？
精準醫療還有多遠
美國國立衛生研究院對精準醫療的定義是：建立在了解個體基因、環境以及生活方式的基礎上的新興疾病治療和預防方法。2016年美國在精準醫療計劃上投資2.15億美元，從逾百萬美國志愿者那里收集數據、找尋科學證據，將精準醫療從概念推進到臨床應用。
法國政府也宣布投資6.7億歐元啟動基因組和個體化醫療項目，將其命名為：法國基因組醫療2025（France Genomic Medicine 2025）。該項目以提高國家醫療診斷和疾病預防能力為整體目標，預計在全國范圍內建立12個基因測序平臺，2個國家數據中心。
在世界范圍內，還有英國10萬人基因組計劃、韓國萬人基因M計劃、澳大利亞零兒童癌癥計劃等精準醫療計劃已獲得重大推進。 數據顯示，目前，精準醫療全球市場規模已突破600億美元，其中精準診斷領域約為100億美元，精準治療領域500億美元左右。今后5年，全球精準醫療市場規模，還將以每年15%的速率增長，國內增速將超過20%。
在全球性的精準醫療熱下，精準醫療仿佛呼之欲出，但其實精準醫療的真正落地還要面臨很多困難。
首先，對于現行的醫療制度來說，精準醫療還需要很多規則或者習慣的改變。在醫療信息記錄上，要按照高水平科學研究所使用的樣本規范來收集記錄。除了病人基本信息外，還需要家族病史、飲食、運動習慣等。
其次，在目前的醫療IT架構內對精準醫療的支撐也存在問題。在2017年的政協會議上，全國政協委員、福建省立醫院主任醫師侯建明就表示，精準醫學是近年來醫學研究熱點，但是目前我國數據共享方面還存在很大問題，臨床樣本和健康人群的信息收集、臨床資料的分析、個體化醫療的實施等方面，我國數據共享機制仍不健全。建議由衛生行業權威機構牽頭，聯合相關部門及各醫療機構、大學等共同實施數據整合共享計劃，以此夯實精準醫療的數據資源基礎，實現醫療資源集約化管理與利用。
除了數據共享外，如何借助IT系統最終實現將醫療大數據提取出知識并最終應用到對患者的治療上，也是對現有醫院信息中心負責人們提出的重大挑戰。
夯實數據基礎
“我們做了相關調查，發現在實現目標的路徑上還有很多工作要做。”阜外醫院信息中心主任、中國心胸血管麻醉學會醫療信息技術專業委員會（CHITA）主任委員趙說。
依托國家衛生計生委課題的支持，CHITA在全國開展了針對心血管領域大數據應用的調查。調查覆蓋了全國31個省市自治區，包括100家3級醫院，210家2級醫院。調查結果顯示，經過多年的信息化建設，我國醫療信息化整體水平已經達到了相當的高度，各級醫療機構都積累了規模可觀的醫療數據，但與大數據的發展預期相比，還存在著巨大的提升空間。在病歷結構化能力、數據質量管理、信息集成能力、數據安全意識與管理等方面與先進水平還存在著相當的差距，支撐臨床科研大數據分析的能力不足，會影響精準醫療數據分析的準確度。
趙表示，除了數據本身的問題外，許多人對于大數據理念和精準醫療的概念認知較為混亂。在系統的設計上依然遵從傳統思路，僅重視醫院內部的數據采集、流程管理，不考慮如何實現數據資源的二次利用，如何發揮數據應有的價值。這些問題都是當前實現精準醫療的瓶頸。
若要突破這些瓶頸，就要從根本上解決以下三個問題：
1.缺乏適合臨床應用的數據標準和術語集的問題。目前我國已經頒布了醫療數據標準，但這些標準基本是針對通用病歷的，難以滿足臨床中相關描述的要求，以應用最廣泛的診斷、手術編碼為例，來源于病理術語，開發的初衷是規范病案的編目，目前在一些系統中將這一標準直接用于臨床，造成了部分內容描述信息的缺失。歐美等國家在這方面的標準已經形成了體系，數據的標準化程度很高，經過自然語義識別和結構化處理后可以直接進行分析。而目前國內的病歷數據很難做到這一點。目前自然語義處理等技術在國內應用的熱度很高，醫院期望通過這一技術彌補數據結構化采集內容的不足，但由于缺乏有效的術語集支撐，導致采集數據質量無法達到預期的要求，這些環節后續需要花大量時間和精力進行整理。
2.專科病歷結構化、集成程度低的問題。現有系統無法支持有針對性的數據臨床分析要求，以電子病歷系統為例，許多系統在設計、實施時僅考慮滿足基本的病歷書寫、病案質控要求，對于病歷內容缺乏基本的控制，導致關鍵信息遺漏。
與傳統醫療手段不同，在精準醫療環境下，首先人們會被告知未來可能患有某些疾病，需要更好地進行預防；其次，一旦患有了某種疾病，其診斷將會非常容易；診斷后的用藥，將針對個體對藥物的敏感性而制定，每個病人都將得到最合適的藥，并在最佳劑量和最小副作用，以及最精準用藥時間的前提下用藥；對疾病的護理和預后的效果也將得到準確的評估和指導。
對人們來說，將基因應用到治療中好像還很遙遠，但有一個領域可以讓我們近距離感受到基因測序。
對于孕婦來說，唐氏篩查是孕期的必要檢查，當唐氏篩查數據顯示異常時，需要做羊水穿刺進行確診。羊水穿刺不僅屬于有創傷的微型手術，而且有0.5%-1%的流產率和感染率。在基因組學迅速發展的今天，人們現在有了新的選擇，無創DNA產前檢測。
無創DNA產前檢測技術是利用新一代DNA測序技術對母體外周血漿中的游離DN段（包括胎兒游離DNA）進行測序，檢測時只需抽取10毫升靜脈血，進行基因測序后得到胎兒的遺傳信息。根據統計，無創技術篩查的準確率高達99.5%。這意味著，做了無創產前基因檢測后，孩子出生患有唐氏綜合征的幾率降低到了十萬分之一。
在癌癥治療領域，基因醫療技術同樣有著廣闊的應用前景。隨著基因檢測、基因編輯等技術已進入成熟期，并開始逐漸應用于疾病篩查、癌癥治療、慢性病治療等領域。預計到2030年，相關市場規模有望突破萬億元大關。
布局基因大數據
精準醫療早已成為全球范圍內的火爆話題。而有消息稱，今年年內我國將正式啟動國家基因庫二期工程建設，預計5年內基因數據總量超過美歐日三大基因庫總和。同時，我國將加速建立從基因檢測到個體化精準免疫的基因技術體系和基礎設施。此外，我國將出臺相關政策，對經確定為創新醫療器械的基因檢測產品等，按照創新醫療器械審批程序優先審查，加快創新醫療服務項目進入醫療體系，促進新技術進入臨床使用。
在其中，眾多科技公司的進入讓精準醫療更加火爆。科技公司通過人工智能AI、大數據和云計算等科技手段來優化精準醫療的數據處理流程、提高數據化程度，正在引發越來越多的關注。
2 0 1 3 年谷歌推出了一項名為 “G o o g l e Genomics”的云端服務，旨在幫助大學實驗室和醫院將患者或科研對象的生物基因儲存到云端上，服務的目標是“探討遺傳變異交互”，意味著科研專家能夠訪問數百萬的生物基因，并能輕松簡單地進行對比分析。
谷歌還先后投資了Foundation medicine 和 DNAnexus 兩家公司，Foundation medicine是一家提供癌癥全基因組測序及分析的公司，谷歌與DNAnexus 則計劃一起打造一個巨大的開放式 DNA 數據庫，并將共同接管美國聯邦政府的國家生物技術信息中心的數據。這些數據將合并進入DNANexus的DNA信息歷史文檔，并儲存于谷歌的云計算服務器，這是谷歌的云計算服務器中最大的第三方數據資料，免費向醫學研究者提供接入服務。
另一家國際巨頭IBM也早已開始了其在精準醫療領域的布局。多年前，IBM Watson初出茅廬時以機器學習及自然語言識別能力打敗人類選手而名聲大噪，隨后IBM宣布進入了以認知計算為主的又一次轉型，如今，IBM Watson已經在醫療健康、商業、教育、市場、供應鏈、金融服務等領域展開了應用。
其中又以醫療健康領域的進展最為引人注目。2016年1月IBM和美敦力合作推出了一款糖尿病監測APP；3月，IBMWatson人工智能帶入蘋果手表睡眠健康應用；5月，IBM聯手蘋果為博士倫開發白內障手術APP；7月，IBM宣布已成立IBM Watson Health醫學影像協作計劃；8月，IBM宣布已經完成了對胃癌輔助治療的訓練，并正式推出使用；12月，IBM“沃森聯合會診中心”在浙江省中醫院落地。
而Watson的第一步商業化運作是通過和紀念斯隆？凱特琳癌癥中心進行合作，共同訓練IBM Watson腫瘤解決方案。在此期間，該系統的登入時間共計1.5萬小時，一支由醫生和研究人員組成的團隊一起上傳了數千份病人的病歷，近500份醫學期刊和教科書，1500萬頁的醫學文獻，把Watson訓練成了一位的“腫瘤醫學專家”。隨后該系統被Watson Health部署到了許多頂尖的醫療機構，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據的醫療決策系統。
Intel也宣布了開展基因組信息整合計劃，該計劃致力于在未來五年內整合現有私人、公眾以及云平臺上的基因組數據以加速生命科學領域研究。
而在2006年就推向市場的亞馬遜云服務上可以免費訪問兩個世界上最大的癌癥基因組數據集，即癌癥基因組地圖集（TCGA）和國際腫瘤基因組協作組 （ICGC）。
百度打造云上大腦
在2016年年底國務院印發的《“十三五”國家戰略性新興產業發展規劃》中，生物醫藥行業成為重點鼓勵發展的行業。規劃提出，到2020年，生物產業規模達到8萬億～10萬億元。在醫藥領域，以基因技術快速發展為契機，推動醫療向精準醫療和個性化醫療發展。明確指出要開發新型抗體和疫苗、基因治療、細胞治療等生物制品和制劑，發展腫瘤免疫治療技術。
在政策和市場利好下，科技企業和互聯網企業們也不甘寂寞，百度云為華大基因部署了BGI BRCA Online平臺，為乳腺癌、卵巢癌的科研與應用提供基因測序數據分析服務。
2016年10月，百度醫療大腦在北京，“百度醫療大腦”是通過海量醫療數據、專業文獻的采集與分析進行人工智能化的產品設計。百度醫療大腦模擬醫生問診流程，與用戶多輪交流，依據用戶的癥狀，提出可能出現的問題，反復驗證，給出最終建議。在過程中可以收集、匯總、分類、整理病人的癥狀描述，提醒醫生更多的可能性，輔助基層醫生完成問診。
在2016年11月的烏鎮互聯網大會上，百度公司董事長兼CEO李彥宏進一步解釋了人工智能對醫療的變革。他指出，人工智能和大數據在醫療上的發展分為四個層次：醫療O2O智能分診，人工智能參與的智能問診，基因分析和精準醫療，基于大數據的新藥研發。他認為，從分診到新藥研發，人工智能健康大數據奇點已經臨近。
就拿人們最先感受到的無創產前基因檢測來說，這個作為基因產業最先商業化的技術已經被政府認可。2016年10月27日，衛計委了國衛辦婦幼發[2016]45號文件――《國家衛生計生委辦公廳關于規范有序開展孕婦外周血胎兒游離DNA產前篩查與診斷工作的通知》），指出此前產前篩查與診斷專業試點機構的有關規定同時廢止，放松了對開展產前篩查和診斷的機構要求，取消108家臨床試點單位，所有具有產前檢測資質的醫院原則上都可以開展無創DNA產前篩查與診斷；取消7家醫學檢驗所的臨床試點，具有產前檢測資質的所有醫學檢驗所原則上都可以開展無創DNA產前篩查與診斷。
精準醫療離我們越來越近，這得益于人工智能、云計算、大數據技術的逐步成熟。精準醫療要想實現精準一定是建立在數據之上的，而對于很多疾病，尤其是罕見病來說，找到基因上微小的變化就很可能找到了解決問題的鑰匙，但這同樣也意味著巨大的計算量。在沒有深度學習之前，這幾乎是不可想象的，隨著深度學習的出現，機器人能夠不斷地通過已有數據進行訓練，從中得出規則，并完成一些罕見病的早發現、早診斷。這也給了科技企業和互聯網企業們殺入醫療這個“藍海”的機會。
在阿法狗戰勝李世石后，人類對人工智能的恐懼開始進一步被放大。在精準醫療領域也不乏有人擔心人工智能會取代醫生，但要知道在任何一個國家醫療資源都是稀缺資源，對于政府來說如何提高醫生的平均診療水平，尤其是基層醫生的診療水平更為重要。人工智能作為增強智能，如果成為醫生診療系統里的輔助工具，會大大提高普通醫生的診斷水平和診斷效率，降低誤診率。這也正是精準醫療的最大意義所在。
世界各國基因組計劃
英國十萬人基因組計劃
2012年12月，英國政府宣布啟動針對癌癥和罕見病患者的英國10萬人基因組計劃。通過該計劃，英國政府預期到2017年年底實現以下四個目標：
推進基因組醫療整合至英國國家醫療服務體系，并使英國在該領域引領全球。
加速對癌癥和罕見病的了解，從而提升有助于患者的診斷和精準治療。
促進基因組領域的私人投資和商業活動。
提升公眾對基因組醫療的知識和支持。
2015年年底，英政府宣布將在未來再追加經費用于該計劃。2016年6月，英國政府宣布已經完成了9892個基因組測序工作。
美國精準醫療
美國總統奧巴馬于2015年1月20日在白宮的國情咨詢中宣布啟動精準醫療計劃。根據該計劃，美國將搜集100萬人的個人健康信息以及測得他們的基因組序列，以實現短期目標：
鑒定新的癌癥亞型。
與藥廠等私人部門合作測試精準療法的臨床效果。
拓展對癌癥療法的認識（抗藥性、腫瘤復發等）。
韓國萬人基因組計劃
2015年11月韓國政府宣布以韓國蔚山國家科學技術研究為依托，啟動萬人基因組計劃。韓國萬人基因組計劃的主要目標是：
繪制韓國人基因組圖譜。
建立韓國標準化的基因數據庫。
發現罕見遺傳疾病的突變位點。
為韓國快速增長的基因組產業提供全面的基因組信息。
同時，該計劃是對2013年韓國政府宣布的未來8年投資人類、農業和醫藥基因組計劃的一個補充。
法國基因組醫療2025
近日，法國政府宣布投資6.7億歐元啟動基因組和個體化醫療項目，并將其命名為：法國基因組醫療2025 。
在未來10年，法國政府希望達到以下三個目標：
將法國打造成世界基因組醫療領先國家。
將基因組醫療整合至患者常規檢測流程。
比太空探索更艱巨的工程
人類雖然已經征服了太空，卻對我們頭上重約三斤的神經中樞知之甚少。人腦比我們想象的更加復雜，其內部構造和運行機制不可能簡單地與人類創造出的電腦相比，其功能也遠比想象的更加強大。一些懷疑人腦工程的科學家認為，人類對蒼蠅大腦的認識仍不全面，更不用說比其復雜萬倍的人腦了。隨著科技和理論認識的發展，人類對大腦的認識正逐漸從不可能走向可能。
心理學的發展讓科學家發現了探索大腦的科學路徑。人腦與電腦最大的差別，在于潛意識、情緒等難以被量化的非理性因素在人腦中占據重要地位，醫學、生物學等方法對這些隨意性很強的非理性因素辦法不多。心理學則在這方面有獨到優勢。如今的心理學已經與弗洛伊德時期大相徑庭，不再簡單地將潛意識歸結于人類的動物性。認知心理學和行為心理學在解釋、分析潛意識上已經取得了若干成果，并借助新的腦部探測方法不斷完善。
核磁共振、染色蛋白等醫學技術使人類能夠更加科學、人道地研究大腦。人腦研究的最大障礙并非技術，而是人性。研究人員無法用人體試驗的方式研究大腦，只能尋找一些由于天生或后天原因部分喪失腦功能的病人，探究大腦各部分的作用和功能。而這些研究對象實在太少，這導致腦科學進展緩慢，遠不如對人類其他器官的研究。如今，依靠經顱磁刺激技術，科學家能夠用一種可逆、安全的方式擾亂特定大腦區域的活動，模擬部分腦功能喪失的研究對象。
計算機等信息技術顯著增強了人類研究腦科學這類復雜問題的能力。腦科學研究的另一大難度是大腦的復雜性，據科學家估計，人類大腦內部有近1000億個神經元，彼此通訊，形成100萬億個突觸，數量之繁密，勝過整個銀河系的星辰，這導致研究人腦功能是無法用人力完成的任務。但如今，隨著計算機及云計算、大數據等信息技術的發展，科學家已經有信心跟蹤每個神經元及腦部信息處理的具體過程。
這些因素都是美國在此時啟動“人腦工程”計劃的主要原因。2013年4月，奧巴馬宣布實施該計劃，邀請全美頂尖腦科學專家對計劃進行前期調研和戰略規劃。9月，專家組確立了九個研究領域。到2014年4月，美國政府設計出該計劃的雄偉藍圖，未來7至12年，美國將試圖弄清每個腦細胞的類型及其內在聯系。奧巴馬政府決定從預算中拿出1.1億美元支持該計劃，將先繪制出一份“人腦地圖”，指引后續研究。
計劃啟動前后，美國在人腦研究上已經出現了若干進展。7月，美國國防部宣布，該部門下屬的洛斯?阿拉莫斯實驗室已經開始對人腦的記憶功能進行研究，希望找到能夠幫助士兵恢復記憶的辦法，實驗室中的一位教授稱，實驗室已經發明出一種設備，可用無線方式傳輸人腦中的信息。此外，來自麻省理工學院的教授開發出一種光敏感蛋白，它將能夠替代現在腦研究中向腦中植入的傳感器，幫助科學家模擬大腦神經細胞變化。美國華盛頓州西雅圖艾倫腦科學研究所的團隊對人類胎兒發育過程中的腦部發展進行了基因跟蹤，發現了若干可能與腦部疾病有關的基因缺陷。該研究所還了小鼠大腦連接圖譜，此圖譜是全世界首個哺乳動物全腦神經元連接圖譜，對人腦研究具有重大借鑒意義。
精神領域的核革命
奧巴馬在宣傳“人腦工程”時主要提及該技術將用以治療阿爾茨海默病，并將該技術與美國曾經推動的人類基因圖譜工程類比。但是，“人腦工程”比基因圖譜更有攻擊性，并不僅僅被用于醫學，而具有更為廣泛的戰略功用和意義。
首先，“人腦工程”開啟了腦科學商業化的大門。美國政府支持該項目，意味著美國社會關于腦科學倫理道德的爭論將畫上句號。像轉基因、干細胞研究一樣，美國社會對腦科學也一直存有疑慮，擔憂這一技術可能被用作“洗腦”。這種憂慮的消失意味著美國腦科學研究將大踏步向前進，并且將被迅速推入商業市場。美國政府估計，人腦工程將起到類似于曼哈頓計劃、星球大戰計劃或人類基因圖譜計劃的作用，成為帶來一場全方位科技革命的啟動器。奧巴馬稱，每在人類基因圖譜方面投入一美元，就能帶來140美元的收益，腦科學的倍增效應可能更加明顯。如果該計劃能夠治療阿爾茨海默病，就能為美國每年省下數千億美元的醫療費用。此外，腦科學研究可以揭開大腦高智能、高效率、低能耗之謎，可能對信息科技帶來深遠影響。IBM的科學家已開發出一款類似人腦運算“神經突觸計算機芯片”，這種高能低耗的芯片將逐漸取代傳統的中央處理器。
其次，“人腦工程”在國家安全領域也有巨大潛力。美國推動“人腦工程”的經費將大部分來自國防預算，這項技術從一開始就被賦予了濃重的軍事色彩。該工程將輔助美軍正在推進的無人機、戰場機器人計劃，提高這些無人裝備遙控作戰的精度、反應速度和作戰技巧。
此外，“人腦工程”在提升美軍士兵作戰能力上也會有顯著作用，它能幫助作戰指揮員和士兵避免認知上的死角，提升應急預判能力，甚至可能開發出相關藥物幫助士兵減輕實戰的疲勞和緊張感。
“人腦工程”在作戰演練上也將大派用場，未來演習可能借助人腦感知系統，在虛擬現實的戰場中完成。演習的真實感、實戰性將更強，參演士兵的危險性卻將明顯下降。
在情報領域，“人腦工程”將提升美國情報部門分析、整合情報信息的能力，原先大量需要由情報人員親自翻譯、理解的信息，未來將交由仿真電腦完成。“人腦工程”還將帶來一場情報研究的革命。冷戰時期，中情局即開始結合人的面部表情、舉止研究其性格特征，而如果美國完全搞清了“大腦中的每個細胞”，那么這種針對特定人物的“讀心術”將更加科學、準確。該技術甚至可能幫助審訊者提取嫌疑人腦中的記憶或信息。
更進一步說，“人腦工程”將為美國開展“信息戰”、“輿論戰”打下基礎。美國政府和情報部門能夠充分利用人腦中隱藏的偏好和缺陷，設計出更為行之有效的意識形態進攻策略，與其競爭對手爭奪話語權，或在其敵手內部制造社會混亂。
社會醫療保險是一種“低水平，廣覆蓋”的保障，其最高“賠付金額”是當地上年社會平均工資的4倍左右，在全國大多數地區為2～5萬元，而重大疾病醫療費用一般高達10萬元以上，兩者之間存在較大缺口。
商業醫療保險的空間
建立完善的醫療保障體系已經是當務之急，從目前來看，利用商業醫療保險建立一個沒有漏洞的多層次的醫療保障體系是一個合理的選擇。就險種類別來看，目前上公眾急需的醫療保險、老年護理保險，屬于健康險的范疇，而目前我國還沒有一家專業的商業健康保險公司，健康險也只是作為壽險的附屬業務。盡管如此，我國近年來的健康險增長依然迅速，2000年度我國健康險保費達到27.69億元，占人身險總保費的2.77%；2001年健康險保費達到60.27億元，占人身險總保費的4.24%.這一成績較之成熟市場的1/4到1/3有較大距離，但較上年增長117.65%，遠遠高于同期42.6%的人身險保費增長率。在七月召開的保險行業協會健康保險工作部成立大會暨第一次工作會議上，專家們認為，由于國家基本醫療保險覆蓋面不足，保障程度相對不高，為商業保險公司健康保險留下了巨大的發展空間。較為謹慎的預測是，到2008年前后，我國健康保險的市場規模在1326億元左右，而較為樂觀的估計是在2837億元左右。這一切表明中國健康險市場充滿巨大的潛力。
商業保險公司的“苦水”
市場潛力巨大，老百姓又急需，這種兩全其美的事情，為什么得不到保險公司的熱烈響應呢？實際上，商業保險公司有其商業上的苦衷，多種因素制約了業務的順利開展。
賠付率居高不下
長期以來，各保險公司開辦的醫療保險都處于收賠相抵，甚至收不足賠的狀況，個別地方的賠付率甚至高達300%，這使保險公司的利潤微乎其微，不少公司對大力發展醫療保險的熱情不高。
管理難度較大
保險公司與醫療機構的合作關系難以建立，加上醫療制度的不完善，透明度不高，保險公司難以對醫療費用進行控制。保戶中存在著不少逆選擇投保的，而且一些道德風險和索賠欺詐風險大量存在，使保險公司難以拓展市場。
經營管理不先進
在美國普遍使用的風險管理技術，如復雜的費率厘定、承保選擇、次優要求、大案管理、非比例再保險保護等，在我國還鮮為人知。
專業化程度低
一方面，我國目前還沒有一家專業的商業健康保險公司，國內保險公司把健康險作為壽險的附屬，極大地健康險的經營戰略決策。另一方面，人才匱乏。醫療保險對保險人員的醫學知識要求較高，在核保、理賠、精算等方面都需要專業性較強的人才，而保險公司這方面的專業人才缺乏，影響了醫療保險業務的推廣。
適合健康險業務的系統缺乏
品種單調，個性化、多元化程度差。當前，公眾急需的是純粹的醫療保險、老年護理保險等，而市場上沒有老年護理保險，而一些險種又是以附加險形式隨主險開展且以統保形式承保的，難以滿足人們的需求；國際上成熟的商業健康險市場一般包含四大類產品：醫療費用給付類、失能收入損失補償類、長期護理保障類和疾病給付類。我國雖已有180多種健康險產品，但主要集中在第一類上，而且都是一年一保的短期產品。
癥結所在
健康險的癥結在于風險控制難度大、專業技術要求高。
第一，從管理上說，健康險對案件的管理不是結果管理，而是過程管理。它保障的不是“疾病發生”，而是“就醫事件”。“就醫事件”是一個完整的過程，它包括疾病發生、就醫、、痊愈及出院等步驟，每一個步驟不同的處理方式決定了案件結果的不同。這決定了醫療保險在精算、風險控制、核保理賠、醫療協調管理等各方面均不同于壽險和意外險。其次從協調管理上說，在我國商業保險公司、社會保障部門、被保險人和醫療服務提供者構成了健康保險的四方關系，在這四方關系中，醫療服務提供者對發生就醫的被保險人的住院時間長短、治療方案、是否發生醫療費用及發生多少醫療費用等起著重要作用，社會保障部門與商業保險公司在統一標準、信息共享方面有較強的合作需求。因此加強協調管理對合理施治和合理用藥方面的管理有著突出重要的意義。
第二，從風險控制上說，壽險的基礎是建立在大數法則上，依賴于“死亡事件”，而死亡是投保人或是被保險人較難人為控制的事件，是一種純粹風險。而對健康保險來說，其經營的是就醫事件和醫療費用風險，被保險人可能在醫療服務提供方的配合下，“無病看病、小病大看”。因此其道德風險要比壽險和意外險嚴重且不可控。其次，同傳統壽險相比，對被保險人的風險控制更為復雜。傳統壽險通常將被保險人的健康狀況及家族病史作為核保的重點，而對于健康險來說，被保險人保障水平、保險信用記錄、過度利用傾向、收入水平、職業情況以及定點醫療機構行醫記錄等信息也是風險評估的重要部分。
第三，從費率厘定上說，人壽保險主要考慮死亡率、費用率和利率，健康險所要考慮的不僅是疾病的發生率、就醫率和住院天數，更要考慮各地的發展狀況、醫療消費水平、區域及城鄉差異、投保團體的情況、醫療環境和診療技術的變化等因素。由于醫療保險受免責期、等待期和免賠額的影響，其責任發生帶有一定的滯后性，在未到期責任準備金和未決賠款準備金的計提上又不同于財產保險和意外傷害保險。
智能化系統解決之道
健康險這些獨有的特性決定了傳統的業務系統將很難滿足健康險業務的發展，因此，一套能解決業務難點、滿足其特殊業務需求的智能化系統就成為了解決的關鍵。因為一套好的健康險智能化系統應具備有效的過程管理、強大的數據交換功能、全方位的風險控制和先進的人工智能技術，并且具有良好的擴展性。
智能化系統通過地監控疾病發生、就醫、治療、痊愈及出院整個“就醫事件”，從而實現有效的過程管理。由于健康險業務的復雜性、頻繁性和實時發生性，需要有效的過程管控系統，單純的業務流程管理將不能適應醫療保險業務發展和風險管控的需要。傳統的業務系統通常只能進行事后型的管理，即就醫事件結束后，被保險人持醫療費用帳單進行索賠時，業務系統才開始進行處理。在這種情況下要對就醫事件進行審核困難明顯加大，常常導致保險欺詐，由于對某些不合理的醫療費用的發生未進行事先控制，導致理賠時出現糾紛。通過過程管理，能夠有效地消除保險人、被保險人及醫療機構三者間的信息不對稱，使得保險人可以及時獲得被保險人的診療信息，并可在就醫事件出現不合理的情況下及時介入，防止不合理費用的發生。通過過程管理，結束了醫療費用的高低基本受控于醫療機構的情況，加強了保險人對醫療費用的控制力，極大地降低不合理醫療費用的發生率。
智能化系統可同醫療服務提供者、社保機構進行同步/異步數據交換，能夠及時地獲取各種信息，如：被保險人的醫療信息、藥品、診療項目、服務項目列表及給付比例等基礎數據。通過數據交換，為過程管理及風險監控提供了必要的數據，為保險公司協調管理社會保障部門、醫療服務提供者和被保險人提供了有力的支持，同時減少了工作人員的錄入量，增強了業務處理的自動化程度，使工作效率得到了極大的提高。
智能化系統擁有科學的風險評估體系。由于健康險業務的復雜性，在對被保險人進行核保時必須全方位的評估被保險人的風險，如：被保險人保障水平、保險信用記錄、過度利用傾向、收入水平、職業情況以及定點醫療機構行醫記錄等。通過科學地風險評估體系能夠準確全面地揭示被保險人的風險，為核保提供重要的信息，避免了被保險人逆向選擇等風險，從而減少了保險公司的損失。
智能化系能夠有效協調保險人、被保險人和醫療服務提供者三方關系，并能對就醫事件的整個過程進行監控，及時發現被保險人“無病看病、小病大看”，過度提供醫療服務等風險。通過先進的人工智能判斷技術，增強了業務處理自動化的能力，可減輕核保、核賠業務人員的工作壓力，降低商業醫療保險費用；也可以提高工作效率。
智能化系統建成后，經過一定時期的運行，將積累大量的業務數據，通過數據挖掘技術，可從大量的數據集合中有效發現有價值的商業信息，同時因為有了足夠的樣本數據，從而為健康險的費率厘定提供重要依據。通過對業務數據進行數據挖掘，保險公司將逐步建立起自身的核心競爭力，智能化系統積累的經驗將成為其他公司唯一無法趕超的“信息壁壘”。
由于各地醫療服務水平、基本醫療保障、疾病發生率等存在一定的差別，因此不能按照同一種模式對各地的健康險業務進行統一的管理，智能化系統能對于不同類型的醫療服務、不同水平的地區，采取有針對性的管控，使得保險公司可以根據當地的具體情況，順利開展業務，擴大市場，提高了管理效率，節約成本。
在處理健康險業務時，不僅數據量大，而且還需要綜合不同類型的數據，例如：在理賠時，除需要知道被保險人的自身信息外，還需要知道就醫，使用的藥品明細等信息。智能化系統能處理健康險大量數據要求，協調各種業務數據，從而提高了工作效率。
智能化系統實現了數據大集中，能夠處理日益顯著的人口流動，真正支持商業醫療保險產品“全國聯保”，實現“風險控制到人”。由于能更好地提供個性化的服務，從而提高了客戶的滿意度。從管理角度而言，數據集中充分體現了公司總部的監管作用，實現業務數據的實時收集，匯總和查詢，同時允許各分支公司在統一管理下的部分個性化。
此外，智能化系統必須具備良好的擴展性，由于健康險業務在發展得非常迅速，新的需求、保險產品、業務規則不斷出現，具備良好擴展性的系統可通過很少的調整，甚至是不作任何的調整就可以處理新的業務，從而極大地節省了保險公司的運營成本。
案例：
太平洋補充醫療保險方案
全國基本醫療保險辦法實施后，城鎮職工的基本醫療得到了保障。但是，由于基本醫療保險只能解決參保人員的基本醫療需求，而不能解決勞動者患重大疾病超過封頂線以上的醫療費用負風險；加之參保人員的住院費用是按比例報銷，職工個人負擔部分較重。因此，為化解參保人員患重大疾病的大額醫療風險，減輕其住院費用負擔，太保壽險在全國一些地區相繼推出了補充醫療保險。
有效監管面臨挑戰
太平洋保險壽險總公司希望用一套健康險業務系統來統一管理全國各分支公司的補充醫療保險業務。的情況是大部分的分支公司通過人工方式進行核賠理算，帶來的問題是顯而易見的，由于缺少自動化導致工作效率低，容易出錯，客戶從報案到得到理賠等待的時間長，客戶滿意度差。而有些分支公司使用簡單的系統進行業務處理，這些系統只針對當地的業務而開發，因此可擴展性差，無法滿足業務發展的要求，而且數據共享的難度大。由于各地健康險業務“各自為營”，導致總公司無法直接取得業務數據，因此很難進行有效的監管。
與此同時，要開發一套統一的、集中式的健康險業務系統面臨諸多挑戰。首先，業務存在地區差異。由于各地醫療服務水平、基本醫療保障、疾病發生率等存在一定的差別，太保各分支公司在開展健康險業務時必須要結合當地的實際情況，這使得各地協議書的存在一定的區別，因此系統必須有足夠的靈活度以覆蓋絕大部分的健康險業務。其次，各類基礎數據沒有統一標準。例如，針對同一種藥品，各地的命名可能是不同的，因此沒有一套標準來規范諸如藥品、疾病、診療項目、服務項目等基礎數據，導致數據交換無法進行。最后，建立數據接口存在客觀條件的限制。目前，同醫院建立數據接口由于客觀條件限制，無法實現。而同社保間的數據接口，由于各地社保的數據格式不一致，因此系統必須能處理各種不同的數據格式。
集中式解決方案
該系統是一套采用B/S結構的集中式系統，所有的數據都存放在太保壽險總公司，從而很好地解決了數據集中的問題，提高了管理效率。
該系統最大的四個特色是靈活的責任管理、標準化的醫療字典、強大的數據交互和復雜的業務邏輯。首先在本系統中通過責任管理，可以方便地設置、修改保險責任，并可針對保險責任設置對應理算公式。在新建保單時，可以靈活選擇與之相匹配的理算公式。其次，系統建立了標準化的醫療字典，包括：藥品、疾病、診療項目、服務項目、醫院信息、社保機構。根據太保健康險業務的實際情況，疾病使用ICD9編碼。藥品以上海市衛生局HIS系統標準代碼為基礎，編碼時將藥品分為化學藥品及中成藥兩大類，化學藥品以藥品用途分類為主，中成藥按藥理作用進行分類；所有藥品，以一物一碼為原則。診療項目、服務項目則使用太保提供的編碼。通過同各地的數據建立對應關系，實現了數據的交換。第三，系統同社保間建立了數據接口，方便地導入被保險人的醫療費用信息。通過其它的數據接口，實現批量導入客戶信息及藥品、疾病等基礎數據。實現了對被保險人醫療費用的監控，大大降低了工作人員的錄入量。最后，系統可處理復雜的業務邏輯，在案件內部的邏輯關系中，可實現在一個案件下的多次報案，多次立案，多次理算，多次給付。在協議書同保單的關系中，可實現一份協議書下對應多個保單，而每份保單又可對應一個投保人及多個被保險人。
此外系統記錄被保險人從報案、回訪、立案、資料處理、調查、理算到賠付的所有信息，實現了對被保險人就醫事件的監控。
理算時，系統根據一定的規則自動進入保險責任的理算金額，并根據理算的各種因素，如：基本醫療部分的理賠情況、免賠額等，自動計算出理算結果。降低了錯誤的概率，極大提高了工作效率。
為了能適應各類核賠流程，系統使用強大而靈活的工作流，通過設置核賠規則，實現自動核賠流程。
客戶收益
盡管該系統命名為補充醫療保險理賠系統，但由于設計合理根據太保健康險的實際情況，充分考慮系統的可擴展性，因此通過簡單調整即可適應80％的太保健康險業務。這樣一來，一方面實現了太保壽險總公司使用一套健康險業務系統來統一管理全國各分支公司的補充醫療保險業務，另一方面也為今后的擴展奠定了基礎。由于是一套集中式的系統，太保壽險總公司可以實時地取得業務數據，從而對健康險業務的監管更高效，更有力。
各地分支公司使用該系統后，工作效率大為提高，節約了人力成本，縮短了理賠時間，提高了客戶的滿意度。更為重要的是，該系統能幫助太保壽險更好地規范補充醫療保險的業務，使補充醫療保險能夠健康地發展。
個人健康管理系統
■ 肖樺
個人健康管理在國外的商業化已有20多年。由于醫療費用的不斷增加及人們對健康需求意識的改變，保險公司及紛紛采用此類服務，通過改善健康預防疾病來降低醫療費用。它不但能有效地調動個人在改善自身健康過程中的積極性，同時也能更準確地篩選高危人群從而增加預防措施的針對性。由此，保險公司可以更準確地衡量被保險人的風險，為厘定費率搜集基礎數據。被保險人一方面獲得了增值服務，另一方面也能有針對性地采取措施預防疾病從而降低醫療費用。
KYN是個人健康管理服務項目之一。它是know your number的縮寫，即知道你的數字。KYN是根據美國及中國有關科研機構多年合作的成果，在美國成功經驗的基礎上，通過流行病學調研結合中國人群疾病發生的特點而設計的。其目的是通過收集生物學信息（包括身高、體重、年齡到血糖、血脂、膽固醇水平等各項實驗室指標，也包括食物攝入量、吸煙量、體力活動等生活方式有關的信息），對慢性病進行危險評價。以控制危險因素為目標，從而達到減少疾病發生機率與控制疾病進展的目的。
KYN項目有三個組成部分：1、個人健康信息管理系統，即收集和管理個人健康信息，對服務對象目前和將來的健康及疾病的危險性進行評價、跟蹤并進行健康行為指導；2、個人健康評價系統，主要包括一系列的疾病危險性評價，用以確定個人患慢性疾病的危險程度及發展趨勢；3、個人健康改善的行動計劃及指南，即通過健康管理的辦法對不同危險因素進行控制，實施個人化的健康促進，最終達到預防及控制發病、改善健康、減少醫療費用的目的。
《中國經濟信息》綜合報道
上月，在西班牙巴塞羅那舉行的世界移動通信大會（MWC）上，高通等主流科技公司紛紛聚焦5G。在物聯網即將落地、科技行業新業態正在顯現的當下，5G被公認為打開這扇大門的鑰匙。
麥肯錫統計數據顯示，過去五年全球互聯設備數量增長了300%。中國移動前董事長王建宙說：“5G雖有諸多優勢，給創業者們帶來機會，但也有許多不確定性。”5G距離正式商用尚需三年左右，時機的把握十分重要。
華為輪值主席徐直軍認為，整個產業界以及所有參與者要有使命感，讓5G有更長生命周期和生命力。唯有這樣才能讓各方受益，技術恒興。
提前布局5G
5G帶來的經濟價值是可量化的。IHS Markit預測，2020年到2035年期間，5G技術將貢獻GDP0.2%的增長，創造3.5萬億美元的產出，這相當于包括沃爾瑪、國家電網、蘋果等2016年全球財富排名前13強公司營收總和。
本屆MWC，全球主流電信設備廠商華為、愛立信、中興都推出了可供運營商立刻商用的5G系統設備。
運營商們也迫不及待開始5G研發和部署。韓國電信（KT）已宣布將于2017年9月前完成其5G網絡部署，日本運營商NTT DoCoMo也將于今年在東京試驗5G網絡。上周，中國移動、中興通訊、高通三家公司宣布合作協同，將于2017年下半年在中國開展5G試驗。特別是中國移動宣布在2018年就開始嘗試商用5G，相比計劃提前了六年。
Gartner研究總監劉軼認為，產業如此積極的原因是，整個4G投資周期已經到了尾端，5G作為新投Y增長點可帶來新一波可觀收入。
但5G標準尚未確定，上述企業在這次展會上展出的5G商用設備，更多是和4G網絡結合的非獨立（Non-Standalone，NR組網）5G架構，它主要結合了4GLTE和5G NR（New Radio，新空口）技術，這相當于搶跑。
5G技術的研究和討論，最早可追溯到2013年。彼時，智能駕駛和AR/VR還沒開始流行。但如今，這些應用都在快速成熟，5G必須考慮對它們的幫助。
徐直軍說，目前不能預測未來還有什么未知的應用技術會出現，在5G的生命周期里技術儲備是否可以滿足。
此外，所有行業都期待5G能真正使網絡從人的連接走向物的連接，但各個行業的參與度不夠。徐直軍指出，物聯網的關鍵不在網絡。物聯網的核心在物，如何讓萬物具備可連接性，支撐物聯網發展，才是關鍵核心。
另一個關鍵挑戰在于，各個行業的管制政策都不一樣，每個行業都有管制政策。如果每個行業的管制政策各自為政，沒有考慮移動通信的訴求，那么物聯網也做不起來。
更大的挑戰在于，整個5G發展過程中有各種各樣的變化和訴求，各種各樣的需求也會不斷涌現出來。5G網絡的提供方相當容易在解決問題的過程中，偏離目標。
物聯網先行
自2014年起，物聯網概念主導了IT行業的大量并購和投資。僅2014年，全球花在收購“物聯網”公司上的資金就高達94億美元，此后，這個數字還在呈幾何級上升。
最早伸出收購之手的公司是谷歌、思科、三星、IBM、沃達豐和Verizon。此后，高通、英特爾等科技公司也加入其中。風險投資家對物聯網也很感興趣。每年，進入物聯網領域的全球風險投資總額都超過10億美元。
不過直到目前，上述企業多處于戰略布局階段，原因在于4G網絡和效率不足以支撐新應用的規模落地。這直接導致今天這些炙手可熱的應用創新，小到監測孕婦胎動的檢測儀，大到精準調度資源的生產機械、智能汽車，都是基于特殊場景的碎片化的應用創新。
它們最終需要連接到智能醫療、智能城市、智能工業這樣的大圖景之下，需要一個無縫連接的統一框架，4G無法完成這個任務，只有5G才能。
5G技術相比目前4G技術，其峰值速率將增長數十倍，從4G的100Mb/s提高到幾十Gb/s。也就是說，1秒鐘可以下載10余部高清電影，可支持的用戶連接數增長到100萬用戶/平方公里，能滿足物聯網這樣的海量接入場景。
好消息是，不斷更新的技術正在迅速彌合4G和5G之間的差距。今年2月底，共享單車ofo宣布戰略合作，華為為ofo提供連接終端和云端的NB-IoT（窄帶物聯網）技術。NB-IoT可視為基于目前3G、4G網絡的物聯網連接技術，它可在現有的網絡上提升網絡利用效率。單車使用的四個核心環節，找車、開鎖、還車和計費的使用效率和體驗，都依賴高質量的NB-IoT技術無線網絡將單車與云端服務器“連接”起來。
MWC期間，中興通訊董事長趙先明也提到，物聯網產業不會等待5G才入場，而是在不同時間點，根據不同的應用，選擇最合適的物聯網技術。
但國內某物聯網資深專家卻認為，物聯網創業公司短期內受到市場和資本的追捧，容易獲得較高估值，但這是不可持續的。
物聯網設備的價值在于其背后的大數據利用程度，要想利用最好的技術和網絡，與上下游大數據云打通，深度整合并創造價值，就需要一套打通多環節的機制，和一張兼容所有物聯網標準的網絡。
汽車成尖兵
5G和物聯網的發展方向之一是建立生態。高通技術副總裁范明熙表示，物聯網涉及行業眾多，需要一個行業作為融合突破口，再向其他領域蔓延擴張。汽車以其龐大的保有量和移動技術的天然連接性成為首選。
高通車聯網產品管理副總裁Nakul Duggal表示，智能汽車會成為移動互聯網行業后下一個影響巨大的產業。
在MWC上，與汽車相關的展示隨處可見，包括車載V2X通信模塊、智能操作中樞系統、車輛定位、智能停車、交通數據分析、無線充電、高精地圖等技術。
2月23日，芯片設計公司高通和LG宣布將聯合推動5G和C-V2X（Cellular Vehicle to Everything，移動車聯網）在汽車領域的應用，并預計將于 2018 年上半年通過多項試驗展示。此前，高通也展示了一輛搭載了基于黑莓、Linix和安卓的自動駕駛系統。
幾乎所有的汽車廠商和IT巨頭都加入到了智能汽車的卡位戰中。北汽與百度在智能汽車領域戰略合作，計劃在2020年-2025年之間實現有條件自動駕駛和完全自動駕駛汽車的量產。華為在德國已經利用5G技術開始了無人駕駛的外場測試，測試內容包括自動駕駛編隊行駛和車輛協同緊急制動。
關鍵詞：多媒體技術 耳鳴診療多媒體咨詢系統
中圖分類號：JS132 文獻標識碼：A 文章編號：1672-3791（2013）01（a）-0023-01
1 多媒體技術的現狀
1.1 多媒體技術的概念
多媒體技術（Multimedia Technology）將文本、圖形、圖像、聲音、動態影像等多種信息通過計算機綜合處理，并結合虛擬現實、網絡電信、傳感識別、人機交互等技術傳達信息的一種手段。它極大的改變了人們獲取信息的傳統方法，符合人們在信息時代的閱讀方式。它不同于傳統的平面報刊雜志、電臺、電視等媒體，不是簡單的單向或雙向傳輸，交互式工作以及通過網絡傳輸是其主要特點。
1.2 多媒體技術的發展和應用
多媒體技術已經成在各個領域發揮作用，甚至已經成為某些領域的主要技術支撐，例如在影視娛樂產業上，從早期的數字合成混編、特效技術，再到如今3D立體顯示技術，現在從電影、電視到MTV的制作都需要使用多媒體技術，這些技術同樣影響著廣告、會展、舞美等領域。多媒體技術中的虛擬現實技術無論是物體的3D立體展示還是“人工智能”都已經得到廣泛的應用，尤其是當今的游戲產業更是將這些技術融合并發揮得淋漓盡致。
設想，如果多媒體技術能夠增強知識傳達的效率，那么我們是否可以通過多媒體技術在短時間內闡明一些醫學知識給我們的患者，普及一些醫學知識也能讓患者對自己病因病情有一定的認知，同時醫生也能對其給出治療方案有更好的闡述，何不讓醫患雙方在“為何治療”和“如何治療”的問題上溝通得更加有效呢？
2 多媒體技術在醫療領域的應用
首先，在醫療領域不乏當今的尖端科技，主要是在顯像技術和外科手術的器械方面，綜合了目前最先進的人機交互技術以及電子機械技術，其中利用網絡交互技術的網絡遠程診斷、網絡遠程手術是醫療和多媒體技術結合最具代表性的。但是，多媒體技術在醫療領域中更多的是在硬件技術上的體現，在軟件的應用上主要是患者和藥品管理的數字化和網絡化，解決的是醫院本身各種信息和數據的處理以及管理問題。
3 “耳鳴診療多媒體咨詢系統”的優勢
3.1 多信息融合
“耳鳴診療多媒體咨詢系統”主要由“病理概要”（運用圖像、文字、動畫、拍攝視頻解釋耳鳴的生理和病理過程），“檢查結果”（通過醫院的數據庫，調用醫院對患者的檢查報告，讓醫生根據報告給出診斷結果），“病情分析”（通過動畫和虛擬現實的表現方式，讓醫生對患者的病情進一步解釋。）“診療方案”（醫生根據患者病情，在系統中選擇出治療方案，系統中對各個治療手段有文字解釋，并連接外部輸出設備打印出書面文件）四部分組成。
系統中首先需向患者解釋聲音的生理過程到耳鳴產生的病理過程，但是其中相當一部分內容比較抽象，在視覺表現時我們就需要采用3D數字動畫來模擬表達，同時配合一些圖像和文字，讓患者對自己的聽覺系統和耳鳴的產生有一個基本的認識。
3.2 針對特定用戶群的設計
在診療咨詢系統的影像內容設計上區別于傳統的科教片，主要是科教片有明確的年齡對象定位，但是在診療咨詢系統的設計上就必須考慮不同年齡層患者的適用性。采用3D動畫以及虛擬現實來表現耳朵生理構造的原因在于：（1）耳鳴患者本身聽覺就已經出現問題，尤其耳鳴患者心情已經比較焦躁，醫生再通過大量的語言來表述其病狀往往會導致醫患間溝通產生一些困難，這個時候通過視覺來傳遞信息就會減輕病人在聽覺上的壓力。（2）三維動畫技術一方增強了畫面的動態效果；另一方面可以直觀的表現一些傳統觀視頻難以表現的內容，例如聽覺中物理信號向生物信號的轉變，神經向大腦傳輸信號的過程等等。（3）不同患者對看到真實的人體器官解剖，耳部或者大腦病狀圖像的心理承受力是不同的，這里就需要對畫面的風格進行定位，參考一些醫學教具并針對現代社會的主流審美趨勢進行畫面風格的設計和相關材質表現的制作，讓患者對病狀有所了解的情況下不會產生生理和心理的不適感。有條件的情況下也可以針對兒童設計一套帶有卡通風格，圖形化更強的視覺內容。（4）引起耳鳴的病因以及病狀多種多樣，為提高醫生對患者的講解效率，需要借助計算機互動技術，醫生可以根據患者的檢查報告只選擇和患者病情相關的內容進行講解。
4 未來和展望
本項目的耳鳴醫療系統可以很方便安裝在Windows或者Android（安卓）系統的平板電腦或者手機上，將來還可以針對蘋果的IOS平臺進行移植和開發，這樣對于一些不方便去醫院就診的患者，醫生可以隨時隨地帶上平板電腦等移動平臺上門服務。目前隨著網絡技術的發展，醫院的數字化建設。也可以利用云技術，實時調用患者在醫院的數據信息，醫生通過網絡利用多媒體咨詢系統可以遠程為患者治療，解答患者的疑難困惑。
5 結語
從“耳鳴診療多媒體咨詢系統”可以看出，多媒體技術通過影像、虛擬現實、互動等視聽表現手段有利于醫生和患者之間的溝通，幫助醫生闡明對患者病情的判斷和診療方案，但是“耳鳴診療多媒體咨詢系統”只是一個輔助工具，對于診療方案還是取決于醫生本身的職業水平，這種形象生動的診療咨詢手段應該成為緩解醫患矛盾的一種工具，讓患者從中更了解自己的病因、病況，讓醫生能更方便的解釋一些醫學專業知識并給出合理的醫療方案，做好醫療服務工作。
參考文獻
[1] 吉曉濱，謝景華.耳聾耳鳴眩暈[M].人民衛生出版社，2011.
[2] 王昌發，呂武，吳軍.醫教研究[J]，1995（1）.
[3] 劉寶華，何渝軍.多媒體輔助教學在醫學教育中的應用[J].現代醫藥衛生，2005，21（9）.
繼第二代互聯網（Web2.0）和云計算之后，大數據接踵而至，有可能成為信息技術界的下一個重大熱點。第二代互聯網將人和物實現聯網，云計算是向在線計算基礎設施轉變，大數據則通過對傳統計算技術無法分析的大量數字信息進行存儲和處理來創造價值。據美國思科公司估計，到2015年全球互聯網流量將達到4.8ZB，這表明大數據面臨的挑戰和機遇近在眼前。
全球計算機產生的數據量呈幾何級數增長，有種種原因。首先，由于電子商務和積分卡計劃，零售商開始建立龐大的數據庫，記錄客戶活動。物流、金融服務、醫療保健和許多其他行業中的組織也正在收集越來越多的數據，希望從中獲得附加值。社交媒體創造了大量的數字資料，從中有可能會挖掘出有價值的信息。此外，由于視覺識別技術的提高，計算機從靜止圖像和視頻中收集有用信息和數據關系，開始成為可能。隨著越來越多的智能對象聯網，不斷擴大的物聯網也在產生大規模的數據。最后，快速基因組測序技術、納米技術、合成生物學和氣候模擬等領域的科技進步正開始產生并依賴大量的數據，其數據量之大，直到最近還幾乎是無法想象的。
收集和存儲大數據，并從中創造價值，引起了許多技術上和概念上的挑戰，超出了傳統的計算能力。
數據量大既是大數據的最大挑戰，也是其最大的機遇。這是因為，大量數字信息的存儲、相互關聯和處理為廣泛的活動提供了巨大的可能性，包括客戶行為預測、疾病診斷、醫療保健服務計劃制訂和氣候建模。然而，傳統的計算解決方案越來越難以勝任此類任務。
大數據的速度也引發了一些重要問題。首先，大多數組織的數據流入速度正日益超出其信息技術系統的存儲和處理能力。此外，用戶越來越希望向他們實時傳遞流媒體數據，并且是傳輸到移動設備上。在線視頻、定位、增強現實技術和許多其他應用現在依賴大量的高速數據流。對許多公司來說，傳輸高速數據流是相當大的挑戰。
大數據的另一個突出特點是數據類型多樣。數據中心只需要處理文檔、金融交易、股票記錄、人事檔案的日子一去不復返。今天，圖片、音頻、視頻、三維模型、復雜的模擬和定位數據被存入大量的企業數據倉庫。這些大數據源中，許多幾乎完全是非結構化的，因而不易分類，更不用說用傳統的計算技術去處理。這一切意味著，大數據實際上是凌亂的數據，在開展任何有意義的分析之前，需要下大力氣進行復雜的預處理和數據清理。
由于上述挑戰，許多組織別無選擇，只能忽略或快速排出大量可能非常有價值的信息。它們收集的很大一部分數據都未經處理，并且大量有價值的數據像廢氣一般被排出去。例如，目前醫院在手術治療過程中拍攝的幾乎所有視頻數據在幾周內刪除。然而，對這些圖像流進行智能挖掘，既可改善個體患者的治療效果，也可改進更廣泛的醫療保健計劃。
二、大數據需要新的技術解決方案
由于其數量、速度和類型提出的種種問題，大數據需要新的技術解決方案。目前名為Hadoop的Apache開源項目在這一領域處于領先地位。它提供了首個可行的大數據分析平臺。大數據領域的絕大多數開拓者已經在使用Hadoop系統。例如，LinkedIn公司是一家面向商業客戶的社交網絡服務網站，目前使用Hadoop系統每周產生超過1000億條個性化建議。
目前，除了原有的信息技術系統，許多大數據業務的開拓者在部署Hadoop系統，以便讓這些系統把新老數據結合起來。然而，隨著時間的推移，Hadoop系統可能注定要取代許多傳統的數據倉庫和關系型數據庫技術，成為處理多種數據的主導平臺。
許多組織不可能有足夠的資源和專業知識去實施自己的Hadoop解決方案。幸運的是，它們不必這樣做，因為已經可以利用云計算解決方案。亞馬遜、谷歌和網域存儲公司（NetApp）等供應商提供云計算解決方案，能夠讓各種規模的組織開始受益于大數據處理的潛能。利用云計算處理大量的公共數據也會起到很好的效果。例如，亞馬遜公司已經存儲了許多公共數據集，包括美國和日本的人口普查數據，以及基因組學和其他醫學與科學的許多大數據存儲庫。
展望未來，隨著人工智能的進步和新型計算機處理能力變得可用，大數據將突飛猛進。例如，未來量子計算很可能極大地提高大數據的處理能力。
三、駕馭大數據將具有深遠意義
盡管挖掘TB級、PB級甚至EB級的數據在技術上具有挑戰性，但卻提供了重大機遇。事實上，無需多年，大數據技術和方法很可能讓幾乎每一條以往存儲的數字信息產生某種額外的、派生的價值。正如IBM公司解釋的那樣，“大數據是一個機會，可以在新型數據中尋找新的見地，可以使業務更加敏捷，并可以回答以前回答不了的問題”。
更具體地說，大數據可以提高分析的洞察力，可以創造以前不可能有的新產品和新服務。谷歌、亞馬遜和臉譜（Facebook）等業界先鋒已經以實例證明，大數據如何能夠提供高度個性化的搜索結果、廣告和產品建議。隨著時間的推移，大數據還有可能幫助農民準確地預測惡劣天氣和作物歉收。政府則有可能使用大數據來預測社會動亂或傳染病，并制定應對計劃。
認識到大數據的潛力，2012年3月，美國政府宣布向大數據項目投入2億美元，以極大地改善所需技術和工具，實現海量數據的存取和組織，并取得發現。白宮科技政策辦公室甚至將此稱為自互聯網興起以來最重要的公共技術投資之一，其主要目標是“加快科學和工程探索的步伐”。
正如美國網域存儲公司NetApp解釋的那樣，從根本上來說，大數據的發展涉及創造新的信息技術系統，這種系統不是僅用于存儲數據的倉庫，更是一些緊密關聯的系統。長久以來，我們已經習慣于將數據輸入計算機系統，取得相對較少的回報。但是，通過對越來越多的大數據集進行合并分析，我們可能從計算機系統中獲得更多的回報。
例如，通過利用大數據技術對每天12000GB的推文（用戶在社交網站Twitter上發表的消息）開展實時情感分析，以了解全世界對事物的看法，已經成為可能。但這僅是開始，因為大數據可提供各種可能性，可能會增加和完善各類組織為客戶提供的服務。
麥肯錫全球研究院在最近的一份大數據報告中估計，通過利用大數據，美國醫療保健行業可提高效率和質量，能每年節約3000億美元，使醫療保健支出削減8%左右。據其估計，在整個歐洲，利用大數據每年至少可節約1490億歐元的政府行政成本。從更廣泛的意義上說，制造業企業將大數據貫穿整個研發、工程設計和生產過程，可能會顯著減少產品上市時間，并提高產品質量。
大數據無疑會產生形形的具有數據跟蹤能力的組織，令人畏懼，但是大數據的積極影響很可能大于其負面影響。例如，大數據可能會提高城市的交通管理，并可能實現更智能地運行電力基礎設施，從而促進可持續發展。
醫學影像這種“證”，其原始狀態可看作是掃建出的二維切層影像，機器輔助的基本二維“示”工具有窗寬窗位、放大縮小、面積周長等。當一次掃查的切層影像數量達到幾十幅時，二維閱片不堪重負，這使“示”能力如MIP/MPR乃至VRT等三維閱片在多年前已經成為常規。隨著一次采集的影像數量達到幾百上千幅，并開始容納時間軸等新的采集參數，從影像中能夠而且需要獲取的“證”越來越多，即，從機器的原始采集數據和簡單形態學信息開發出經醫學界公認各種算法和知識庫運算處理過的更高層面的“證（或稱處理結果[Results]、陽性發現[Findings]、病征所見[Findings]、病證[Evidences]）”。
以CT心臟左室成像為例（圖1），目前，除了二維切層影像的基本觀察、常規的三維MPR/MIP和VRT等處理顯示之外，還要求從影像中獲得更多的循證處理結果。例如，在MPR顯示上勾勒出心外膜和心內膜輪廓，繪出時間-容積曲線、列出左室測量結果（射血分數、舒張末心肌質量、每搏輸出量、舒張末容量、收縮末容量和心輸出量等）并做動態播放，為多種左室功能繪出AHA標準17區極譜圖（又稱牛眼圖，可分析的參數如室壁厚度、室壁加厚、室壁運動等）、做出極譜圖與VRT的復合顯示，計算心肌造影的首過增強、并進一步在MPR顯示上標出首過增強數據中的低密度區，計算延遲增強、并在MPR厚層顯示上標出心肌高密度區和充盈缺損等等。
隨著影像采集數量和循證處理分析內容的加速增長，醫生讀片中的高級循證可視化（Advanced Visualization，AV）應用會越來越廣，可施加的算法會越來越復雜、產生的病證結果會越來越多……醫學影像循證處理，不再是三維工具如MIP/MPR以及CPR和VRT/SSD等的手工調用與操作，而是讓計算機盡可能地自動給出某個病種所要求的各種處理結果，包括完整的結果截圖、測量數值、甚至基于知識庫的臨床評分。
影像循證中的計算機輔助技術
1. 機輔影像循證的歷史發展
以CT的閱片輔助為例，機輔影像循證階段分為：
原始階段是硬鍵窗寬窗位――通過操作臺上的硬按鍵，實現一鍵式的骨窗、腦窗、肺窗顯示；
第1階段是手動二維處理――通過工作站的計算與顯示能力，對醫學影像施加基本的二維閱片工具，如窗寬窗位、放大縮小、翻轉旋轉、距離角度、面積周長、標記注釋等；
第2階段是手動三維處理――隨著計算技術的發展和掃查采集影像的增多，在工作站上對影像施加通用三維工具，如MIP/MPR（最大強度投影/多平面重建）、 VRT（容積渲染）、SSD （表面遮掩）、CPR（曲面重建）等；
第3階段是自動三維處理――隨著影像循證知識庫的發展和人工智能技術的引用，實現“一鍵化的（單步化的）”冠脈分析、心功能評測、腫瘤復查、腦灌注評測、神經譜分析、肺結節分析等。
對應閱片輔助的三個主要發展階段，計算機智能對醫生閱片的輔助，可以分為三個層次：“基本循證輔助”，如窗寬窗位、放大縮小、翻轉旋轉、角度距離等；“常規循證輔助”，如MIP/MPR和SSD/VRT等；“高級循證輔助”，如自動化的冠脈分析、心功能評測、腫瘤隨訪、神經譜分析等。
2. 機輔影像循證的智能化
――自動閱片流（Workflow）
以往所謂的高級處理應用（工具），如MIP/MPR、SSD/VRT等之所以被劃為常規處理，是因為其不可能實現自動化――都是通用的、不分病種病情的、偏于純算法的應用，當施加于不同病種病情時，調用這些工具時的醫生操作是不同的。
工作流除了有企業級和部門級的，還有個人級的“醫生工作流”。醫生調用基本和常規的算法工具施加于不同病種的影像數據時，點擊勾畫步驟是不同的，調用的知識是不同的，因此，醫生閱片工作流是病種病情特定的（Disease/Context-Specific）。
若能用計算機模擬醫生閱片操作工作流，實現其盡量多的步驟，就能把醫生工作流（包括病種知識和一些操作技能）的步驟盡可能多地客觀化到計算機中去。在病種知識庫和流技術引擎的支持下，有些醫生工作流，在計算機輔助下甚至能通過單次點擊（單步化）就可以完成。例如心臟科醫生的“冠脈分析”，一次點擊可以實現打開病人影像、移除肋骨和血池、做心肌分割、在血管內穿透巡航、測量各種狹窄值、把影像和處理結果與測量數值用合適的方式顯示出來、給出報告等。
當病種特定的知識庫得以建立，并在計算機模擬醫生閱片時調用各種算法的工作流各步驟中得以采用，以這類病種知識庫和病種操作流技術為核心所實現的病種特定的“機輔閱片流”（Workflow），形成了閱片循證自動化的基礎――這樣產生的病種特定“機輔閱片流”，才有可能使醫生之前幾百上千次點擊勾畫完成的手工處理，可以通過三五次點擊自動完成。
3. 機輔影像循證的智能化
――預處理（Preprocessing）
在當前計算機技術水平下，醫學影像中一個“證”的獲取往往需要分鐘級時間的運算，當有許多“證”要獲取時，時間上的等待仍會讓影像的直接使用者失去耐心。
若能在各個病例影像到達處理機器、而醫生還沒打開該病例時，機器就按照掃查時設定的處理要求和影像病種啟動病種知識導向的后臺處理，自動將影像歸類并調配算法工具（AutoSorting），自動運行“機輔閱片流”中的各種算法和知識庫展開處理（AutoProcessing）。然后，在醫生打開某個病例時將該病例的處理結果按照醫生閱片要求的布局自動地展示出來（AutoLayout）――這種智能化的“預處理”加上復查需要的預提取（Prefetch），所實現的病例自動準備，讓醫生能集中精力于利用病征結果展開診斷。
若沒有自動閱片流技術為基礎，這種影像循證預處理是實現不了的。因此，以往支持手動三維處理操作的軟件，就必須要重新設計――納入病種知識庫和病種操作流，實現自動調取與運行――方能在醫生沒有點開病例時在后臺實施循證預處理。
進而，當面對多個病種類型的處理閱片時，將多個“機輔閱片流”合成為一個“機輔閱片引擎”（Engine），可以開展自動的合成機輔閱片，例如心功能分析，除了包含左室分析，還有右室分析、瓣膜引導等自動閱片流――所有這些閱片流是在該病例影像到來時一起施加上的，其各個自動流的病征結果與調用工具則是在醫生點擊該病例時同時打開的。這里的病征結果清單是基于數據庫的（可稱作“病征索引器”），每個自動閱片流條目下的處理工具集則是基于病種知識庫和病種操作流的（可稱作“病例導航器”）。
醫學影像處理技術問世至今已經發展了四代。前三代的共同點是均為“后”處理，即必須在醫生打開軟件、裝載圖像后，才能進行處理和分析。當前第四代的最主要特征就是這種智能化的“預”處理，即，在醫生打開某個病例之前，就自動調用相關的軟件算法對圖像進行后臺處理，當醫生點開該病例時，處理的結果即刻展現在醫生面前。
4. 機輔影像循證的智能化――大型數據庫
當一個病例中的影像數量達到幾百上千幅時，當后臺同時在做預處理的病例達到數個乃至十數個時，當對一個病例同時施加的自動閱片流有兩三個甚至五六個時，當每個閱片流自動（以及隨后閱片過程中的手動）給出的“證”達到幾十個乃至上百個的時候……如果沒有大型數據庫如Oracle或SQL，想要管理數量與種類眾多的病例、影像和處理結果是不可能的。
例如，對于某一病例施加的各個自動閱片流（及其后續手工操作）所產生的幾十上百條病征所見（Findings），可以建立病征索引器（Findings Navigator）――所有病證所見都自動存儲在病征索引器上并建立索引，從而幫助醫生列示所有的病征發現與處理結果，能高效評估和管理所有的診斷發現――只要在某個病征結果上點一下，如同書簽一樣，立刻自動同步跳轉到給出該結果的原閱片與測量界面上，并將鏈接同步的其它序列影像也同步跳轉至病征所在的解剖位層（可以是多個序列、多次掃查甚至多種設備類）。
更進一步，可以病種知識庫為基礎，建立病種類型特定的病證清單（Findings List，歐美多稱其為“結構化報告”[Structure Report]）模板，在每個閱片流自動運行和手工修正之后，列出醫生最后修正確認的所見結果（Findings），給出“按病種結構化的”完整的病征清單，用以支撐放射科報告的結論。所有結果（包括病征截圖、測量數值、臨床評分）、所引用的知識庫（如腫瘤隨訪是用RECIST評分還是WHO評分），都能總結到該病種特定的結構化病征清單（DICOM-SR）中――結構化報告應該包含該病種臨床科室實踐中會用到的示意方式（如繪出冠脈樹用以指示狹窄位置）（圖1）。
5. 機輔影像循證的網絡化――服務器運算
若把上述機器智能中的所有計算能力、知識庫、算法工具調用等，都放到服務器上運行，將會使網絡上該服務器的任何瘦客戶端（即普通PC），都能以“并發授權”方式調用這些機輔閱片流及其后面隱藏的病種知識庫和病種操作流。
由于各種成像設備產生的影像都可以送到服務器上，各種成像類的算法、知識庫和自動閱片流都可以裝在服務器上，這種服務器運算使機輔閱片能力可以不局限于掃查設備旁，而是通過網絡四處可調，能在更多的場所（如閱片室、手術室等）讓更多的醫生擁有更多成像類的機輔影像循證閱片能力，即可讓醫生在任何聯網的終端上（如HIS的醫生工作站）隨意調用多種成像類（Multi-Modality）的影像，并實施多種成像類的機輔閱片。這就實現了同時接入和處理的成像設備類多、調用高級處理智能的用戶多、可開展影像循證高級可視化處理的場所多。
而這種網絡化具有現實意義的前提，首先是要有智能化的自動閱片流和循證預處理，各種臨床位置的醫生，在自動閱片流和自動預處理技術的支持下，可以不必耗費時間去自行做巨量的點擊勾畫處理操作；其次在于全服務器運算支持下的瘦客戶端，即算法智能與病例影像全部都置于服務器中，客戶端與服務器之間的通訊無需占用影像數據所要求的巨大帶寬。
關于機輔影像循證的討論
1. 影像循證計算機輔助的平臺化
就運算核心而言，由于事務管理和影像處理是兩種不同的計算處理模型與方式，也由于有多個醫生對來自多種成像設備的多個病例執行智能化自動化程度更高的計算處理，還有大量醫生尚未點開的病例預處理在后臺持續運行，單純四核或八核CPU計算是無法承擔的，所以目前業內的解決方案以CPU+GPU運算架構為主導潮流，即CPU做基本平臺的管理（包括影像的傳輸與存儲）和數據庫（包括影像病例數據庫和結果數據庫）的管理，引入GPU（即處理圖形專用的高性能運算芯片）專注于高性能影像運算――GPU采用成百上千顆并行運算核并行執行圖形語言與算法的基本指標為3D性能（如每秒數十億次三角形運算）的含上10GB級的圖像高速緩存，圖像計算語言方面最好能支持OpenGL版本4以上、OpenCL、DirectX版本10以上以及CUDA等。
由于需要配置大型數據庫來做數據管理，并需要高性能CPU如四核甚至八核Xeon來運行數據庫，因此，需要運行GPU與數據庫的服務器，來接入多臺掃查設備的數據源并支持多臺閱片站對“機輔閱片流”算法智能的調用――影像處理運算平臺走入C/S架構時代，即由服務器來承擔影像的高性能運算和結果管理，醫生調用影像和智能的閱片臺成為這種服務器的客戶端。服務器的網絡管理方面，須能支持Active Directory、SSO和VNC，而醫學信息化標準方面，須能支持DICOM、IHE和HL7。
在上述軟硬件平臺的基礎上，服務于影像循證的基本平臺功能應該有：基于知識庫的病例導航（Case-Navigator），即影像到來后自動實施分類調取、計算處理、閱片布局、閱片流列示和處理工具擺示等；基于數據庫的病征索引（Finding-Navigator），即對病征發現做測量創建、收集管理和列表顯示，通過病征做索引來同步多個影像序列中同一病征的即時找尋；基于規則庫的病人篩選（Patient-Worklist），即基于角色的作業表可按閱片流或影像來驅動，供用戶按成像設備、臨床領域或身體部位等條件篩選其所需的病例；結構化病征列表（Structure-Report），即把病征發現自動寫入某臨床應用對應的報告模板中，完整記錄病征發現（測量數值、表格、曲線、示意圖和影像截圖等）；角色設置與協同閱片（Role-based AV-Sharing），支持不同用戶角色間對于影像與病征發現的分享觀察、同步操作等。
使用前述的影像循證高級可視化所用技術的集合以及這所列種種軟硬件的重新設計與組合，構成的影像循證計算機輔助新平臺，才能真正實現盡量減少閱片循證中的操作處理步驟，并對影像中的各種“證”盡量完整地獲取和記錄，幫助醫生從繁瑣復雜的點擊勾畫和病征結果的管理索引中解脫出來，從而有更多時間專注于病情本身。
2. 機輔影像循證高級可視化軟件的再定義
首先，機器輔助的目標已經發生了變化――醫生閱片面對的影像越來越多，使影像科之內、影像科室與其它科室（如手術室）之間共享高級處理智能的需求越來越高，需要跨出掃描室來讓更多臨床場所（如閱片室、手術室、辦公室）調用病例影像和算法智能。高級處理的不斷普及與復雜程度的不斷提高，開始要求閱片醫生之間能交流其處理的中間結果，甚至開展閱片協同。
其次，自動閱片流的實現，使上述平臺基礎構成已經與傳統處理軟硬件有了極大不同。從影像中所循病征種類的增加，需要增加計算機自動運行的操作步驟，也決定了重新設計機輔閱片流的必要性。
第三，自動閱片流并不能完全替代人工操作，仍需要提供不同于手工處理的處理工具讓醫生對自動結果做手動細調、增刪、修改。正因如此，人機界面與手工處理時所要求的是完全不同的，需要全部重新設計。處理結果的增加和結構化病征列表的給出，需要設計更為有效的病征管理與索引工具。
因此，簡單地把影像處理的算法工具和軟件從工作站移到服務器上，并不能真正實現影像處理的網絡化、智能化。智能化“預處理”自動流軟件，需要按病種重新設計。相應地，支撐其運行的平臺也需要重新設計。
3. 機輔影像循證的其它討論
機輔閱片流的改善和創建。機輔閱片流一方面在總結了醫學界關于某病種的閱片處理知識后，將這些知識固化到閱片流所調用算法的各種參數設置中，使其得以由計算機自動運行，達成讓醫生減少繁雜的點擊勾畫的目的；另一方面，其客戶化可設置性，比如算法參數的細調，讓醫生得以在利用機輔閱片流的高效時，能深入改善自動判讀某病種病灶的質量，從而進一步提高機輔效率。這需要更多的臨床科研合作，不斷改善已有的機輔閱片流，不斷創建新病種的機輔閱片流，甚至通過對已有閱片流的組合創建一些新病種的自動閱片流、引擎。
協同機輔閱片。影像醫學與臨床醫學開始出現越來越多的協同需求。例如影像科室高級處理的目的是突出和描述病灶，而手術科室的閱片處理，在此之外還要加上展示手術路徑等。這就要求高級處理展示平臺應能支持影像科室閱片與臨床科室閱片的協同，支持處理中間結果的交流，支持結構化報告的共享，甚至支持對同一閱片流在不同科室使用時的一些算法與處理參數的細調。
廣域機輔閱片。以往的廣域閱片是由PACS支持，實現的是基本二維閱片，因為三維手動閱片對遠程客戶端與服務器之間的操作互動要求太高。當新的自動三維閱片平臺以自動閱片流和預處理智能化為基礎時，絕大部分的操作都能在服務器端基本完成，遠程客戶端與服務器之間的操作互動要求不高，也不需要把影像數據推送到客戶端，以免產生的巨大帶寬占用，從而實現在遠程客戶端上調用中心服務器的影像循證高級可視化智能，實現了廣域的三維機輔閱片。
DICOM的高級服務類（SOP）。以上對影像循證高級可視化處理平臺的要求，也對與PACS的集成提出了有關DICOM服務類的更多需求，如增強的或綜合性結構化報告（Enhanced / Comprehensive SR SOPs）、空間對準（Spatial Registration SOP）、分割存儲（Segmentation Storage SOP）等。
多服務器與云服務。當單臺服務器發展為多臺服務器同時工作、甚至多臺服務器在不同地點協同工作時，才能談得上影像高級處理閱片的“云服務”。目前醫學界的實踐是，先從含有智能化自動閱片流的單臺服務器起步，隨著放射醫生和臨床醫生對后處理需求的增加，逐步增加服務器數量，逐步實現各個服務器之間處理能力的“算法授權中央化”，最后構成“影像云處理”。這提供了可擴容、可組合和可不斷按需添置的影像循證智能化處理平臺解決方案。
關鍵詞關鍵詞：網站導航；導航設計；導航技術
中圖分類號：TP319文獻標識碼：A文章編號文章編號：16727800（2013）008009502
0引言
隨著網絡技術的發展，越來越多的人都通過網絡獲取信息和資源。醫院網站是醫院宣傳與展示的窗口，是醫院與外界相互了解的信息橋梁，它的建設是否科學對醫院的信息建設起著重要作用。婦幼保健機構是衛生事業的重要組成部分，是以婦女、兒童、孕產婦為主要服務對象的專科醫療保健機構，具有獨特的性質和職能。網站導航是用戶瀏覽網站的“引路人”，如果導航設計得科學，可以有效避免用戶迷航，提高用戶對網站資源的利用效率。
1調查對象、內容與方法
1.1調查對象
選擇有代表性的國內6所省級婦幼保健院，分別是北京婦幼保健院、廣東省婦幼保健院、湖北省婦幼保健院、黑龍江省婦幼保健院、四川省婦幼保健院、廣西壯族自治區婦幼保健院。這6所三甲婦幼保健院的網站比較成熟，基本可以代表我國婦幼保健院的網站建設水平。
1.2調查內容與方法
導航結構、輔導航如網站地圖、搜索引擎是目前醫院網站中比較典型的網站導航設計相關項目[13]。因此，本文選取網站的導航結構、輔導航作為本文的研究內容，并且在線瀏覽查閱這些婦幼保健院的門戶網站，按事先擬好的調查內容分別記錄每個婦幼保健院網站導航設計的具體情況。
2婦幼保健院網站導航現狀調查分析
2.1導航結構不清晰
一個優秀的網站導航結構能夠有效地幫助用戶解決4個問題：①我在哪里；②我可以到達哪些地方；③我怎樣才能到達目標地；④我到達目標地后怎樣才能回到我的出發點[4]。但是，仍然有很多網站未能較好解決這些問題。筆者瀏覽以上6所婦幼保健院的網站發現，這些網站的導航結構普遍存在如下問題：網站缺乏當前位置，用戶不知道下一步怎樣走，不知道怎樣回到出發點，不知道所處的位置在哪（如廣西婦幼保健院）；頂部導航過多，缺乏下拉菜單導航即二級導航，用戶很難較快地找到自己想要的信息（如湖北省婦幼保健院）；二級導航位置不明顯或不適合用戶的閱讀習慣，使得用戶容易忽略二級導航的存在，致使用戶達不到想去的目標地（如廣西婦幼保健院、北京婦幼保健院）。
2.2缺乏輔導航
常見的輔導航有網站地圖和搜索引擎：網站地圖是一個網站所有鏈接的容器，以一個單獨的頁面顯示整個網站內容分布情況，以便用戶快速了解整個網站的結構、框架、內容分布，幫助迷失的用戶找到他們想看的頁面；搜索引擎是指根據一定的策略、運用特定的計算機程序檢索網上信息工具，將縱橫交錯的網頁鏈接起來，允許用戶使用他們熟悉的術語檢索自己需要查找的內容。在網站建設中，如果能很好地將網站地圖和搜索引擎結合使用，便能讓用戶快速準確地找到目標信息。以上6個網站中，有4個網站沒有網站地圖，有3個沒有搜索引擎，既有網站地圖又有搜索引擎的網站只有一所醫院，即北京婦幼保健院。這6所醫院的網站，除了黑龍江省婦幼保健院的網站信息和內容較為簡單外，其余5所醫院的網站內容和信息都比較復雜，若沒有相應的輔導航工具，用戶容易迷航。以上數據表明，大多數醫院都不夠重視輔導航的作用，沒有深入了解用戶的需求。
2.3導航鏈接文字意義不明確
文字是人類書寫語言的符號和交流信息的重要工具，在網站建設中，導航文字是用戶獲取信息的主要要素，如果鏈接的文字意思不夠明確或過于籠統，就會導致用戶不知道該鏈接到底指向一個什么內容的頁面，不知道怎么找到所需的信息。
3對醫院網站導航設計的建議
導航是連接用戶與內容的橋梁，導航設計的優劣及其是否易于使用都會直接影響用戶對網絡內容的獲取。可以根據用戶認知心理相應地對導航結構、網站地圖、網站搜索等不同類型的導航進行設計，有針對性地滿足不同用戶的需求，快速引導他們找到所需的信息。
3.1導航結構設計
網站的導航結構設計需注意4點：①要保證整個網站中每個網頁的位置、內容、視覺風格統一；②頂部導航要包括到達網站中不屬于內容層次的重要元素的鏈接，并且每個子網都應包含返回首頁的鏈接以及當前位置；③二級導航的位置最好保持固定不變，因為固定的位置能為用戶指引方向，以免迷航；④避免過深的層級關系，如果二級導航比較多，可以考慮設置下拉菜單[5]。根據用戶自上而下、從左到右的認知過程，可以如圖1設置整個網站結構。其中下拉菜單是隱蔽的，即當鼠標經過頂部導航時，下拉菜單導航顯示出來，當鼠標離開頂部導航時，下拉菜單導航隱蔽起來。搜索框和網站地圖放在頂部，易引起用戶的注意，用戶可以方便快速地確定所需的信息。在文章的右上方提供當前位置，可以方便學習者知道自己所處的位置，以免迷航。
圖1網站結構設置
3.2搜索引擎設計
用戶如果對整個網站結構沒有清晰認識，當其進入網站時，一般會尋找搜索框輸入關鍵詞進行搜索，如果關鍵詞與網站內容相匹配，網站就會將檢索結果陳列出來。用戶的檢索過程看似簡單，實際上并不簡單，圖2顯示了用戶的檢索過程。
從圖2可知，整個檢索過程中搜索這一步驟非常重要，可以說，用戶能否準確地獲取所需的信息，搜索引擎起到關鍵性作用。實際搜索引擎的原理，可以看作3步：從互聯網上抓取網頁建立索引數據庫在索引數據庫中搜索排序。從互聯網上抓取網頁：利用能夠從互聯網上自動收集網頁的Spider系統程序，自動訪問互聯網，并沿著任何網頁中的所有URL鏈接到其它網頁，重復該過程，并把鏈接過的所有網頁收集回來。建立索引數據庫：由分析索引系統程序對收集回來的網頁進行分析，提取相關網頁信息（包括網頁所在URL、編碼類型、頁面內容包含的關鍵詞、關鍵詞位置、生成時間、大小、與其它網頁的鏈接關系等），根據一定的相關度算法進行大量復雜計算，得到每一個網頁針對頁面內容以及超鏈中每一個關鍵詞的相關度（或重要性），然后用這些相關信息建立網頁索引數據庫。在索引數據庫中搜索排序：當用戶輸入關鍵詞搜索后，由搜索系統程序從網頁索引數據庫中找到符合該關鍵詞的所有相關網頁，因為所有相關網頁針對該關鍵詞的相關度早已算好，所以只需按照現成的相關度數值排序，相關度越高，排名越靠前，最后由頁面生成系統將搜索結果的鏈接地址和頁面內容等內容組織起來返回給用戶。
3.3網站地圖設計
網站地圖是為瀏覽者提供導航協助的重要方式之一，一般是以一個單獨的頁面顯示整個網站導航的分布情況。在選擇使用網站地圖時，必須考慮網站主頁設計風格和網站頁面總數。如果網站主頁在設計過程中已具備顯示整個網站資源的功能，則可以選擇不使用網站地圖。如果網站地圖包含太多鏈接，則人們瀏覽的時候容易迷失。因此，如果網站頁面總數超過了100個，就需要挑選出最重要的頁面。建議挑選下面這些頁面放到網站地圖中：①院、科室設置頁面；②管理機構頁面；③幫助頁面；④位于轉化路徑上的所有關鍵頁面；⑤訪問量最大的前10個頁面；⑥如果有站內搜索引擎，則挑選出從該搜索引擎出發點擊次數最高的那些頁面。
4結語
用戶訪問網站的根本目的是獲取信息，導航的作用就是引導用戶瀏覽和查找信息，導航的效率越高，用戶就越可能對網站保持興趣。網站導航是網站信息結構的體現，它們應該在網頁加載時立刻被顯示出來，這樣用戶就可以快速掃描導航選項，了解網站信息建構。在導航設計中要避免舍本逐末，為了單獨追求視覺效果而采取動態導航，這樣不僅導致導航加載速度緩慢，同時也影響了部分計算機應用能力較差的用戶的操作。網站導航是技術與思想的結合體，既要利用先進的計算機技術，又要通過網站整理信息資源，并服務于用戶。從技術角度看，網站導航是為了防止用戶在網絡空間“迷航”，防止迷航的方法包括導游線路、網站地圖、搜索/查詢、人工智能等，這些技術適合
不同類型和規模的網絡信息。從上述的調查分析來看，在網站地圖和搜索引擎方面，導航技術還有待發展。婦幼保健院網站應密切關注相關新技術的發展，綜合應用各種技術方法進行網站導航建設。本文對導航設計提出幾點策略，只是從理論上給予建議，而未能從技術上提出具體操作。導航系統在婦幼醫院網站建設中扮演著重要角色，其設計和開發具有一定的特點和規范，但是沒有固定、絕對的范式。隨著婦幼醫院網站開發相關理念、技術的深入發展，導航系統的設計必將朝著標準化和智能化方向發展。
參考文獻參考文獻：
[1]YOUWEIWANG，WENIHUIDAI，YUFEIYUAN.Websitebrowsingaid：anavigationgraphbasedrecommendationsystem[J].DccisionSupportSystems2008，45：387400.
[2]SALIMAILINDI，ADBELMAJIDBOUAZZA.AnevaluationstudyofthenavigationandsearchsystemsontwoacademicwebsitesandGoogle[J].TheInternationalInformation&LibraryReview，2010，42：5061.
[3]王海娟.淺談圖書館網站導航[J].情報科學，2003，21（7）：782.
[4]曹曉東.網站導航代價量化與測試算法研究[D].大連：大連理工大學，2005.
