在中国，每年的就医数量高达70亿人次。就诊数的增多、医疗个性化需求和有限的医疗资源之间形成了难以调解的矛盾，并日趋严重。

　　如果，

　　我们能找出产生疾病的关键因素，

　　帮助高风险人群提前预防；

　　如果，

　　我们能摒弃一概而论，

　　根据每个患者的不同特点，

　　提供个性化治疗方案；

　　如果，

　　我们的医疗系统可以自主学习，

　　有效分析病患数据，

　　为患者制定循证管理方案

　　...........

　　今天，这些“如果”都变成了现实，atv，IBM认知医疗正在引领中国个性化诊疗创新。

IBM大中华区CTO，IBM中国研究院院长沈晓卫博士

　　作为全球人口最多的国家，直播，中国正加速累积海量医疗数据。如何助力医疗健康相关决策者从这些数据中提取有价值的知识、进一步提升我国医疗管理水平？这给认知解决方案提供了前所未有的机遇和挑战。

　　在过去20年里，中国健康服务体系发生了翻天覆地的变化。医疗记录数字化进程的推进催生出丰富的结构化数据和非结构化数据。尽管现在已有一些方法能够分析结构化数据，但对非结构化数据的理解仍然不是很理想。中国每年的就医数量高达70亿人次1，非结构化数据包括了就医过程中的临床描述、医学影像、医学报告、住院记录、出院小结等。

　　医疗领域需要更有效的方法帮助科研人员和医生应对“信息爆炸”的问题。为此，IBM中国研究院的科学家们构建了一整套认知医疗系统，通过机器学习、自然语言理解与分析推理，辅助医学诊断并提升医疗服务水平。

　　患者相似度分析与风险预测

　　心血管疾病占我国城乡居民死亡原因之首，是威胁国民健康的严重疾病。目前，中国心血管疾病的患者数量约为2.9亿，大约每五个人中就有一位心血管疾病患者，已成为危害我国公共健康的迫切问题2。

　　为解决这一难题，IBM中国研究院从2015年开始开展该领域的研究工作。希望通过与国内心血管疾病领域的顶尖专家和医生合作，构建领域认知模型、找出预测脑卒中的关键因素。此外，我们已与北京多家三甲医院合作构建了上万维度的特征，并采用机器学习技术探究导致或预防脑卒中的因素。比如与配偶或伴侣一同生活可以有效降低罹患脑卒中的可能。

IBM中国研究院的认知模型旨在帮助医生评估房颤型脑卒中患者的风险

　　认知技术在医疗大数据的驱动下，帮助临床医生发现新的治疗方案并拓展他们对病症的理解。比如对房颤患者而言，传统的预后方法通常会建议他们服用抗凝药物以减少脑卒中的风险。但对某些特定类型的患者来说这么做可能会适得其反，不仅没有降低脑卒中的风险反而会增加脑梗死或脑出血的可能。我们的认知系统可以从海量的数据中自主学习，根据患者的特性和特定病症的特点首先将患者分群。再从中找出适合不同类型患者的不同治疗方法，有的放矢使治疗方案更精准。

　　糖尿病认知决策系统

　　IBM中国研究院在认知医疗领域的另一研究方向是认知决策系统。该系统旨在为 II 型糖尿病患者提供医疗决策支持。它可以从不断更新的医学指南、医学论文中自主学习，自动提炼出可供人类专家快速查阅和管理的相关知识。此外通过将这些知识与患者情况进行匹配，该系统可以为临床医生提供更有效的针对性治疗方案建议。

　　在中国，临床医生每天通常会诊治大量的患者。而糖尿病的慢病管理相对复杂，与许多因素有关，如胰岛素敏感性、碳水化合物摄入量等。每个糖尿病患者的情况不尽相同给医生带来了许多压力。认知决策系统能够结合每个患者的自身情况和医学知识给医生提供循证护理建议和风险分析，为患者制定更有效的个性化慢病管理方案。

　　目前医疗行业已与大数据融为一体，是认知计算驱动行业创新的绝佳领域。IBM将继续与该领域的合作伙伴一起合作创新，更好的服务病患。我们致力于通过增强智能，帮助领域专家超越对慢性疾病的传统理解，并积极改善中国及全球的健康服务水平。