ZD至顶网CIO与应用频道 02月23日 北京消息:IDC最新发布的报告《IDC FutureScape: 2017医疗 IT 十大预测 –中国启示》(IDC #CHC42242817, 2017年2月)预测了医疗机构IT投资的路线图,预测跨越未来12至36个月,对医疗机构的影响划分到单科室、多科室和全院级的不同范围层级,报告中包括全球和中国市场预测,这些预测都可以用来支持未来规划和预算。
IDC对中国医疗IT的十大预测如下:
1. 到2018年,中国医疗机构的网络勒索病毒攻击将增长20%
2. 到2020年,中国医院使用的机器人数量将增加20%,这些机器人主要用于在医院内运送医用器材、食品等工作。
3. 到2019年,中国医疗行业中30%的医疗软件将会提供实时来自IoT设备的场景数据,并嵌入到具有认知能力和总结能力的应用中,自动生成医疗所需的文档文件,因此节省医护人员20%的时间。
4. 到2021年,中国20%的医疗支付方(保险公司等)将会根据客户提供的健康数据来为客户提供个性化的保障方案,以此达到动态降低费率的目的,并有机会减少患者的自付金额。
5. 到2020年底,中国的医疗支付方(保险公司等)通过实施机器人流程自动化相关工具、技能和流程再造等,将会节约5亿美元左右的费用。
6. 在2018年,中国医疗服务中患者参与生命科学、治疗过程以及整个生态系统的过程,将会从被动转变为主动。
7. 到2019年,中国政府社保中的个人购买或者企业购买医疗保险将会与商业医疗保险之间实现均衡化,居民对两类保险认可程度将会相近,保险服务产品将处于同一水平。
8. 到2019年,20%的中国医疗机构将会使用基于IoT的生物传感器技术。用自动的方式来度量患者的关键体征和其他生物特征。
9. 到2021 年,中国医疗服务将会实现护理计划实时调整,这需要认知/人工智能技术使用来自可穿戴设备的数据作为支持,这使得使用基于认知保健计划的患者人数增长20% 。
10. 到2020年,中国的制药商将双倍投资用于集中在医疗机构产生的数据分析,来顺应千禧年和新一代医生喜欢的工作方式,即电子方式。
中国医改的深入开展与新兴技术正在推动中国医疗服务体系发生巨大变化,IDC对中国医疗服务体系的重要变革展望包括:
* 互联网医院快速发展。根据统计,截至2016年底,全国已有近40家互联网医院,预计2017年将会发展到上百家。互联网医疗业务模式也会逐步落地,预计2016年互联网医疗的门诊量将达到370万,后续几年中继续维持高速增长,到2020年问诊量会达到2.96亿,占到全部就医问诊量的近4%。
* 分级诊疗在全国范围内快速扩大,分级诊疗与互联网医院、远程医疗、医联体(包括横向医联体和垂直医联体)都将会快速发展。
* 民营医院数量在2015年超过了公立医院,预计2016年民营医院数量将接近1.6万家。民营医院在医疗服务中发挥的作用越来越大。
* 商业医疗保险的改革继续推进。部分医院开始试点类似社保的医疗费用实时结算,例如平安医疗保险、中国人寿等。
* 多种形式的医疗支付平台开始建设,将是未来医院信息系统发展的重要系统,也是居民利用多种支付渠道和多种金融工具开展健康管理的重要业务。
* 医疗大数据和精准医疗领域不断拓展和深入,行业内出现了碳云科技、医渡云等专业医疗大数据公司;因为还没有建立起合理的运营机制,所以医疗或健康大数据的应用系统仍然处于摸索中。
* 认知计算和人工智能快速发展,2016 IBM Watson 开始在中国的几十家医院开始试用。预计2017年,更多公司将会推出人工智能的系统或者设备,为医疗数字化转型提供动力。
IDC中国医疗行业研究与咨询服务部高级研究经理肖宏亮表示:“目前医疗IT领域正在发生革命性的变化,医疗IT的基础信息化基本完成,新兴信息技术的应用促使医疗IT由基础信息化向人工智能应用快速迈进,IT的功能从支持基本的医疗服务、质量管理、提高工作诊疗效率等功能向下一阶段迈进,即以信息化为基础的人工智能应用阶段,从而创新治疗手段、提高诊疗水平、扩大患者参与、拓宽医疗健康服务范围,从而支持人类健康水平的显著提升。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。