一、数字医疗市场：直面机遇与挑战 

Bridge Connector是一家为医疗保健提供精简的集成解决方案的iPaaS组织，其首席技术官Joshua Douglas在这次大会上介绍了规模化的数字医疗技术的互通策略，他认为对于数字医疗这个新兴市场来说，机遇与挑战各有三点。挑战主要体现在以下三点，

首先是临床信息难以收集。患者数据的收集是数字医疗市场供应商提供服务的重要依据，但是目前的数据采集系统并没有应用到客户日常生活中，这导致了许多数据仍然未被信息收集系统收集。因此服务提供商不得不使用另一种系统来收集数据、跟踪市场信息。但是与之矛盾的是，医生已经有很多数据需要处理，他们不愿意接受增加一个新的需要输入数据的新系统。 

其次是系统与数据难以集成。一些数字医疗市场供应商花费了大量精力在功能集成上，集成是一个复杂的过程，每个客户的需求大大增加了工程团队的工作量，并增加了发生问题的几率。在集成开发和维护上花费更多的时间，意味着实际产品的解决方案或服务所花费的时间变少。但是为了扩大规模，数字医疗市场供应商又必须向着集成方向迈进。 

最后是成本难以控制。很多数字医疗市场的供应商对于一些具体要求的临床解决方案，往往是倾向于直接购买而不是自己搭建，这样的策略给成本控制带来了挑战。伴随着挑战而来的就是，大多数字医疗市场提供商难以有足够的资金完成复杂的定制集成服务。     

 与风险相对，数字医疗这个领域目前有不少新提出的解决方案和改进模型实现了更好的互通性，数字医疗市场也迎来了不可多得的机遇。 数字医疗市场用户粘性增加。供应商可以利用数字医疗的特点，推出既能改善患者使用体验又不增加额外的管理时间和工作量的产品来打开市场。例如，智能网络健康站Higi改变了它的数据集成方法，使患者健康状态下的数据能在前后两次就诊中互通互用，避免重复检查，这既收集了患者信息又帮助医生减少了工作量。一旦这种模式被市场接受，嵌入日常工作流程中，产品的用户粘性就会变得很高，同时产品的市场占有率也会逐步增加。 数字医疗促进医疗产品的开发。数字医疗不光能给自身领域带来发展，还将带动医疗产品的发展，这是一种双赢的方式。对于患者来说，在正确的时间向正确的人员提供正确的数据可以改善患者的护理体验。对数字医疗提供商或者其他医疗产品制造商来说，他们可以通过大量的临床数据看到患者治疗状况，能够基于数据为患者设计更好的解决方案，提供更合适的医疗产品。 数据互通保证患者更好地治疗。归根结底，数字医疗技术的最终用户是患者，医疗技术的发展应与改善患者体验并肩同行。互通的数字医疗技术消除了不同系统间重复的数据输入，而多出来的时间增加到了医生和患者之间的交流中。研究表明，以医患关系为中心的护理方式不仅可以改善患者体验，而且还能提升医生在工作中的幸福感。 二、确保患者隐私和数据实用性：使用数据而不控制数据 HIMSS会上有研究者提出了这样一个问题：在当今机器学习和人工智能使用率不断增长的现代医疗数据生态系统中，我们如何同时确保数据隐私和数据实用性？ 现有的做法虽然满足了识别数据的监管要求，但并没有实质性地解决保护个人隐私和大规模使用数据之间的矛盾，目前现有技术中所使用的删除或聚合等处理方法会使医疗数据集失去意义，还会对下游应用程序的完整性造成损害。在会议讨论过程中，有研究者认为要同时实现数据隐私保护和保证数据实用性需要满足以下要求：首先应使数据价值最大化，并通过数据得出观点。其次是基于数学和密码学的量化方法来切实可观地减少共享数据的风险。最后，应该保证数据应归数据所有者所有，所有的数据分析商仅可以使用数据而不能控制数据。 一种叫做差异隐私的数学标准是解决数据价值和数据隐私的有效方法，且可以与目前软件体系相结合来确保数据控制。经过15年来深入的专家研究，同行评审，已经针对差异性隐私发布了统计和建模功能的详细信息。例如苹果和谷歌已经使用该技术来保护他们的用户数据。但是想让这项技术实现功能最大化，必须将其整合到各种软件中，实现可以由业余人士使用，并广泛应用于数据统计和分析工作，例如跨组织数据共享和内部数据共享。AI医疗的风口早已到来，但我们必须认清一点：我们有义务履行数据隐私权，不是冷冰冰地使用数据。AI医疗开发者必须积极寻找不仅可以满足数据合规性、隐私性，还能增强学习能力并建立最优解的解决方案，从而推动医疗保健的发展。 

三、机器学习处理临床数据：从记录汇总到预测分析 HIMSS的首席技术创新官Steve Wreting认为，在卫生和医疗领域使用Al会带来革命性的改变。

毫无疑问，患者和医生都希望治疗速度越快越好，对于早已采用电子记录的医疗行业来说，智能化技术的使用是保证数据量和即时结果的基础。但当前的市场需要的不仅仅是快速处理现有数据，智慧医疗的下一个热点是通过已有信息来判断未知——比如通过机器学习来预测数据。机器学习是人工智能（AI）的一部分，可以自动进行数据分析，这样在处理数据时机器可以智能地预判断可能出现的情况。目前机器学习正在以下几个方面日益凸显出优势。

汇总并分析临床数据。机器学习的优势之一是它可以大范围的分析数据，包括医生的记录，人口统计数据，药品价格，甚至是药品的购买记录或药房位置。然后可以将这些数据应用于预测和诊断，甚至可以用于疾病风险计算。

如今医院中使用的大多数输液泵依靠重力输注药物，这就要求临床医生在放置输液袋时要将主袋悬挂得比副袋低。而基于盒式系统的智能输液泵利用容积差泵送机制，将次级管线直接连接至暗盒，将次级输注与初级输注分开管理。输液袋可放置在方便的地方，避免了二次输注的风险。

这种智能输液泵的亮点不光是不需要依靠重力进行输液，而且还可以和患者的电子病历进行相互关联，将输液信息及时更新到电子病历，输液开始和停止时间可以自动添加到护理人员的工作记录中。自动化的记录方式代替了手动记录，从而增加了数据记录的准确性和完整性，简化了护士的工作流程，方便了医生对患者情况进行实时检查。  

总结