在医改大政策风向标的背后，是资本逐鹿试水，商业试错。互联网+医疗成为构建新时代下智慧医疗的生态圈。但是，医疗信息化就等于真正的智慧医疗吗?或者说只是智慧医疗的基础?若论更加务实的智慧医疗则是在信息化基础上的帮助诊疗，本文主要论述了FPGA+深度学习技术如何助力智慧医疗落地。

医疗信息化≠真正智慧医疗

“十三五”强调要促进健康中国的建设，其中智慧医疗被提上日程，智慧医疗成为深化医改、推进健康中国建设的重要技术手段。智慧医疗在百度的解释是通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。作为建设智慧城市的一部分，智慧医疗对缓解看病难这一社会问题具有积极的推动作用，但是，如果把智慧医疗仅仅定义为医疗信息化，未免有些狭隘。

不可置否，目前医疗产业面临的大医院人满为患，社区医院无人问津，病人就诊手续繁琐、看病难等等问题，都是由于医疗信息不畅，医疗资源两极化等原因导致的。近年来，医疗改革在医疗信息化的浪潮中取得了巨大成就，可以使患者用较短的等疗时间、支付基本的医疗费用，就可以享受安全、便利、优质的诊疗服务。比如目前部分医院支持在线预约专家、微信挂号及在线支付等功能，以及未来电子病历及健康档案的落地，可以减少了病人的等诊时间及削减看病成本，但这并不是智慧医疗的全部。

帮助诊疗也是智慧医疗的重要部分。杭州健培科技有限公司CEO程国华表示，目前国内智慧医疗看到的只是医疗信息化这一基础层面。针对一个医院的信息化，软件工程师基本可以全部搞定，但是真正做到智慧医疗，仅仅做医疗信息化是远远不够的，智慧医疗最重要的是洞察大量非结构化大数据背后的价值，以帮助医生在最短的时间内做出最精确的诊断。

在帮助诊疗方面，目前国内仅局限于不到10%的结构化数据的利用，而对于大量的非结构化医学影像数据缺乏认知分析。由海归博士团队联手成立的杭州健培科技有限公司，从2014年开始与国内外著名的研究机构和高等院校展开合作，致力于医学影像大数据分析技术(MIBA)的研发及应用，并通过深度学习技术，建立人工智能诊断系统，帮助医生诊断各种疾病，推动我国医疗创新领域理念从“方便诊疗”走向“帮助诊疗”，以此改变我国医疗卫生资源分配不平衡、看病难、看病贵等问题。

深度学习技术与疾病诊断

当下“互联网+”推动了医疗行业大数据爆炸，据权威调查数据显示，医疗行业非结构化数据占整个数据量的90%左右，医疗行业的非结构化数据主要包括医疗PACS系统产生的医学影像，比如DR，CR，MRI等，如果能够深挖这些海量影像数据背后的价值，将对精准医疗研究、个体化治疗、疾病治疗与疗效评价、重大疾病的风险评估等具有重要的意义。目前，通过深度学习技术，可以解读医疗影像数据，这在国外已经有不少落地性案例，比如，今年伦敦帝国理工大学就宣布运用深度学习技术为基础的脑部影像图像分析工具，以协助医生诊断大脑出现的损伤情况。但目前国内在医学图像分析领域的应用案例还是一片空白。

对此，健培科技在国内率先利用自主研发的“两朵云”产品进入医疗影像分析领域，即驻地云和诊断云。驻地云能有效的对医院的非结构化数据存储系统整合和优化配置，进而为诊断云提供了数据仓库。而诊断云侧重于非结构化数据的分析和挖掘，将影像数据的重要临床实用价值发挥出来。比如长久困扰放射科的肺癌早期和乳腺癌早期筛查误诊率居高不下的问题，通过计算机智能诊断的精确性，能够极大的降低人为阅片的误诊率，通过计算机的高性能和不间断运行，也能有效减轻放射科医生的工作负荷，从而改善整个放射科的工作效率和质量，最终提升患者就医体验。