
美国医疗卫生行业已经难以管理规模庞大的患者信息。
每一位医生、每个医疗办公室、每家医院、每个药房、每位治疗师乃至每个保险公司都需要利用不同的数据以妥善照顾病患人员。这些记录分散在不同的计算机甚至是文件柜当中。当一位病患的处方发生变化或者拍摄出新的X光片时,医疗相关各方往往无法及时了解到最新信息,而且很难在不同的服务供应方之间实现信息共享。
单在波士顿,医疗办公室就需要利用二十多种系统保存电子健康记录。这些系统彼此之间无法实现直接通信,且所有系统都有可能遭到黑客的针对性或者广泛性入侵,最终导致记录被删除或者篡改。在紧急情况下,医生甚至无法获取存储在其它位置的重要医疗信息,这可能对患者造成严重的直接伤害。
对于医疗卫生系统而言,实现患者相关记录的准确性与及时性保障、防止其受到篡改或窥探、同时实现与其它相关服务供应方的快速数据共享已经成为一大核心难题。在圣路易斯大学法学院卫生法研究中心开展医疗卫生创新工作的过程中,人们一直在关注一项技术的兴起——这项技术有望帮助我们解决当今医疗卫生记录存储方面的种种缺陷:区块链。
一套用于存储私人信息的安全系统
与比特币等加密货币相关的区块链系统属于存储在不同位置的数据库网络,这些数据库利用安全加密消息通过互联网实现彼此对接。其中的信息无法删除,但可以更新——当然,只有授权用户才能执行更新操作,且身份会与操作内容一同被记录下来。
这意味着患者多年积累下来的数据将得到安全保证,同时使得数据输入过程中出现的人为错误被更轻松地追踪及纠正。患者可以自行审查、更新甚至添加其收集或者自我观察到的新信息。此外,区块链的出现也使黑客攻击与欺诈活动的执行难度迎来显著提高。
目前存在着众多区块链系统,其中每一种都拥有自己的安全方法与实践。开发人员正在努力帮助这些区块链实现彼此对接,同时研究如何以成本更低廉、速度更快的方式实现记录收集。
帮助病患与医疗从业者
区块链还能够帮助医疗卫生行业中的其它具体领域。疾病控制与预防中心目前正在开发基于区块链的系统,用于共享关于威胁性病原体的数据、分析疫情并管理公共卫生危机事件的反应方法。一部分评论人士甚至建议利用区块链系统追踪阿片类药物的使用与滥用情况。
临床试验同样有望得到区块链的有力支持。目前,参与临床试验的各参与者之间存在着严重的数据不完整性与沟通低效问题。此外,区块链亦能够给药物发明与研究工作带来类似的助益。
制药企业目前仍在利用低效的分散数据库网络对药品的运输及交付进行监控。2017年,辉瑞及其它多家制药商宣布支持MediLedger,旨在将这些任务转移至区块链之上——沃尔玛已经开始利用区块链技术追踪其食品运输流程。
美国本土迈出的第一步
除了各大主要制药公司的追踪实验之外,其它各美国医疗卫生企业也开始探索区块链技术的应用前景。2018年年初,美国规模最大的五家医疗卫生企业开始利用区块链系统收集与医疗服务供应者相关的人口统计数据。
值得一提的是,这项合作还吸引到了一家医疗索赔处理机构与一个国家医疗测试实验室,外加多家相互竞争的主要健康保险公司:Humana与Unitied Health Group。这标志着健康保险行业有可能逐步接受在全行业层面共享并处理医疗卫生数据的新实践。
欧洲一马当先
欧洲在利用区块链技术支持医疗卫生行业方面为美国提供了一系列有价值的实例与参考。
2016年,欧盟开始资助隐私企业与领先研究型大学间的跨国合作,旨在建立区块链系统,从而利用该系统在整个欧盟的各医疗卫生组织与患者个人之间汇总并共享生物医学信息。除此之外,患者还将获得安全的在线个人健康数据帐户,并可通过计算机及移动设备随时访问。
瑞典最近也在采用类似的协作方式,包括推出名为CareChain的互操作区块链健康数据平台。CareChain据称是一套“可由每个人拥有并控制的基础设施”。各企业及个人皆可利用该系统存储来自不同来源的健康信息。该系统还允许开发人员创建对接可访问信息的应用程序及服务,分析用户数据并为其提供提示、思路与产品,从而改善欧盟民众的整体健康状况。
爱沙尼亚在这方面也带来了具备可行性的发展概念:自2012年以来,该国一直利用区块链技术保护医疗卫生数据与相关事务,包括将健康数据的电子形式覆盖率提升至95%。
这一切都将成为美国可以预期的未来方向,美国也正在积极进行探索,并从现有项目中学习宝贵经验。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。