大數據+人工智慧+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「中新人工智慧高峰論壇」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+人工智慧+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「資料庫」。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，生成的演算法也更加可靠。」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、不全的資料庫學習的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』的資料庫打通。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資料庫，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路交易的信息，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曾發布一份有關於「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~~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！