醫學信息在國外醫院管理中的應用與國內醫院相比，國外醫院將醫學信息應用於管理開始的比較早，尤以美國的體系最為完善。同時，國外的醫院在管理上著重於運用電腦程式來操作、分析信息。為了保持信息的客觀性，他們通過計算機操作和分析大量的醫學信息、數據，並將這些信息運用於醫院的管理和決策。當然在此過程中，這些國家也對人工智慧的推進做了大量的投入，建立各種信息體系來幫助進行醫院管理，這些體系或系統既包括有助於醫院管理的管理信息體系、決策支持系統和區域信息系統，也包括有助於提升醫療水平的臨床信息系統和人工智慧系統等。下面介紹一下一些發達國家醫院信息系統的開發和建立，首先是美國，醫院信息化的發展過程一般要經過四個時期：首先是嘗試階段，西方國家的醫院最先建立了病人護理系統、事務處理系統以及醫療收費系統等。在此階段，流動護理系統（COSTAR）被建立起來，這個系統將病人的信息匯總以供醫院的臨床、財務處和醫院管理人員檢索借用；同時醫院信息系統（PROMIS），也成功建立並在婦科病區試行後推廣，這是首個具備完整醫院信息的系統。然後到了前進階段，此階段以原有局部信息管理鋪墊，開始運用最新技術建立涵蓋整個醫院的一體化信息系統。許多著名系統都是在這一階段建立的，例如：Omaha系統、HELP系統等。接著發展就到了完善階段，此時期系統的開發特點是以病人為主，體現了人文精神，利用最先進的計算機網絡設備開發出與病人緊密相連的系統。到目前為止，美國的醫院信息已經發展到了提升階段，如今的醫院信息系統開發側重於電子病歷系統，醫院管理決策協助系統，以及醫學語言系統等課題的開發，同時開始對新舊系統的應用成效做一系列的評價和對比，在各個系統之間進行結合也是目前研究的課題之一。接下來進入了一體化醫院信息系統時期，此時診療過程已經規劃入計算機管理。最後是目前為止的電子病歷時期。如今日本的很多醫院開始推行使用電子病歷。最後是歐洲國家，它們的醫院信息系統起步稍晚於日本，但後勁十足，到目前歐洲很多國家已經開始應用臨床信息系統和電子病歷系統。
作為大數據 、區塊鏈、雲計算的人工智慧醫療，以數字智能病歷LIFEBOOK為入口，搭建身份通證，賦能於醫療及醫保網絡。以病歷模塊入鏈，建立個人身體數據卡，保護健康隱私和身體數據；分布式特性解決了傳統醫療[HIS]服務難以自證清白的架構問題，實現了病歷病案數據確權。提供大數據高性能醫療病案計算引擎，輕量級的架構實現海量數據分析。引擎支持實時數據與抽取數據兩種模式。結合醫療數據挖掘建立AI輔助決策，打開了新的商業模式。通過機器翻譯算法進行結構化，把自然語言拆分成具有臨床意義的層次結構關係。基於結構化結果和神經網絡構建醫學知識圖譜以表達症候群之間的非線性函數關係。使用深度強化學習算法在知識圖譜之上訓練出臨床導航模型模擬人腦計算判斷病情、預測最優處置方案。使用分布式數據處理技術對海量醫療數據進行數據清洗、標準化、結構化，搭建病歷全文搜尋引擎。支持對數據進行關聯、統計、結構化等多重複雜計算，秒級完成海量數據檢索。基於自研ETL數據抽取系統實現T+1增量數據更新。
另一種方式我們可以考慮，手機端通過AI問診模型,在病患等候看病時預先收集患者的主要病情,給岀病患合理化的分診建議, 通過接口自動傳到醫院HIS系統內,這個流程能讓醫生可以提前獲取病患信息,提升問診效率。在結束問診後,自動輸入的主訴、現病史、診斷結果以及醫生確認的治療方案和用藥方案，可以通過接口保存到HIS的系統中,自動生成格式標準的結構化數字病歷,實時上鏈形成區塊鏈節點，更安全保障 。問診過程中,智能AI可以實時的提示最需要詢問病患的問題, 根據當前情況實時列出最可能的疾病排行及患病概率, 最後給出疾病的詳細描述與指南，並推薦岀合理的治療方案, 提升了醫生診斷的精確性, 降低了漏診率。
抽取數據的存儲是以列為單位的， 同一列數據連續存儲，在查詢時可以大幅降低I/O，提高查詢效率，並且連續存儲的列數據，具有更大的壓縮單元和數據相似性，可以大幅提高壓縮效率。為減少網絡傳輸的消耗，避免不必要的shuffle，利用調度機制實現數據本地化計算。在知道數據位置的前提下，將任務分配到擁有計算數據的節點上，完成巨量數據計算的秒級呈現。直連模式下會直接和資料庫對話，性能會受到資料庫的限制，因此引入encache框架做智能緩存，以及針對返回數據之後的操作有多級緩存和智能命中策略，避免重複緩存，從而大幅提升查詢性能。MR、X光圖為負片圖，自動進行增強與反色並索引，是系統大數據時加快過濾速度的技術，利用位圖索引實現大數據量並發計算，並指數級的提升查詢效率，同時我們做了壓縮處理，使得數據佔用空間大大降低。
基於病歷與大數據提供深度學習的人工智慧問診系統。其問診範圍包括呼吸系統、循環系統、消化系統、內分泌系統、神經系統、耳鼻喉、風溼免疫、泌尿生殖、皮膚、血液、眼科等方面的CD10標準編碼的2300多種常見病。通過簡單的輸入身體情況,通過人機對話完成患者/用戶診前服務,降低運營成本。通過輸入性別年齡和相關症狀,系統會自動給出分診建議神經網絡機器學習模型,應用自然語言理解技術,從人類醫生書寫的病歷中,構建遞歸神經網絡等複雜的統計學習模型,進而提供智能化的疾病診斷和精準的分診醫療服務，通過多輪友好的智能問診了解患者病情,給岀患者正確的就診科室。基於大資料庫的分析，利用人工智慧方法尋找到隱藏的規律與信息，為醫生的診斷提供可靠依據,實現「AI醫生」助手的設想。利用大數據平臺，實現醫療數據的共享開放，並且能夠提高醫療數據利用率，充分挖掘醫療的數據價值, 最大化服務醫療業務。以患者為中心，藉助大數據技術整合患者醫療數據，為醫生提供患者全生命周期的數據服務，為患者提供深化的醫療數據服務。
悠勵YONEED背景
悠勵集團包含北京悠勵中醫院、深圳悠勵醫學院、臺灣生物醫藥集團三大主體。是一家具有臺灣與日本醫學科研歷史背景的、以醫療服務、生物製劑、試驗發展為主的機構，多年來參與多所臺灣著名醫科大學研究組生物製劑帶頭試驗。主要從事醫療服務、醫學研究和試驗發展、醫療器械、日用品、美容食品等的研發生產與銷售。在臺灣及日本限定版熱銷售的產品悠骨力、悠視力、悠肌素。
悠勵一直都由公司內部的生物研發醫學團隊來進行升級和創新。因此我們科學團隊的研究與發展一直都是公司的優先事項，這有助於推動持續成長。著眼於傳統醫學與中醫醫學，探索未來健康醫學成果，從發揮傳統醫學與中醫醫學的優勢及兩者相結合的模式等方面入手，在健康傳承和發揮傳統中醫學的作用下，結合臨床研究最新成果，提供全生命周期的精準健康服務，即是YoNeed的不變使命。
本文來源： 金色財經 / 作者：夏海林