数据，被誉为二十一世纪的“石油”。利用数据，可以模仿飞机飞行、汽车碰撞；可以探索光年之外的星辰，也能寻找深埋地下的矿藏；还可以帮助企业调整货架的摆放，预测未来的销量。凭借超能力，数据跃升为新型生产要素。石油储量曾是工业时代国家富足的象征，而在数字经济新时代，源源不断生成的数据如同永不枯竭的“石油”。
对此，郑州大学蒋慧琴教授在由存储产业技术创新联盟主办的“元宇宙存储研究与实践”技术沙龙上表示，河南省拥有近一亿人口，基于人数多、病例全的大数据优势，为医疗元宇宙研究和探索提供了海量、多元的原始数据集。
内容概述：
1. 元宇宙核心技术，如VR/AR、人工智能等，在医学领域中有广阔应用前景。
2. PACS医学影像系统是连接数据与元宇宙当中AI等技术的桥梁。
3. 浪潮存储能够助力PACS医学影像系统存好、管好、用好多模态数据。
医疗元宇宙：追求“病症可视、名医普济”
元宇宙是整合多种新技术产生的下一代互联网应用和社会形态，它具有大、多、增三大特点。第一个特点是“大”，基于扩展现实技术和数字孪生实现时空拓展性；第二是“多”，基于人工智能和物联网实现虚拟人、自然人和机器人的人机融生性；第三是“增”，基于区块链、Web3.0、数字藏品等实现经济增值。通过在社交系统、生产系统、经济系统上实现虚实共生，每个用户都可进行内容编辑、生产并拥有数字资产。
根据清华大学《元宇宙发展研究报告2.0版》，医疗元宇宙的目标是实现病症可视、名医普济。
首先在病症可视方面，CT、DR、核磁共振等所有的影像设备，目标就是病症可视，因为器官是在人体内部，是看不见的，所以第一代医疗器械的目标就是将看不见的东西可视化。比如肺结节定位与三维可视化技术，通过医疗器械拍出来一片一片的内部切片图像，让“看不见”的人体器官“现出原形”，甚至可以构建全息数字人，为手术规划提供参考。
其次是名医普济，远程医疗、分级诊疗能够增加专家资源的普惠性。比如郑州大学第一附属医院被称为全球第一大医院，医生每天都很劳累、辛苦，如何把大医院医生的能力延伸、扩展到基层，这就可以借助元宇宙、AI等新技术的力量，推进远程诊疗，让更多的患者不用到省城看病，在家门口得到专业的诊治，实现“破困赋能，善莫大焉”。
“医疗元宇宙的终极目标是‘治未病’，最终是要全面提升国民健康，这也和《健康中国2030规划纲要》里的目标一致”，蒋慧琴教授表示。通过全面监测人体微生物、营养、心理等更高层次的生命体征指标，为综合提高人体健康提供数据基础，由此寻找健康干预的生物学靶点。
想想看，如果把14亿人口的体检数据、生物器官数据全部上传到元宇宙，基于医疗元宇宙里的大数据分析做出精准评估，打造私人定制的智能监控专家，帮助人们拥抱健康生活方式，带来的价值将难以估量。
元宇宙技术在医疗行业四处扎根
VR虚拟现实、AR增强现实、AI人工智能等元宇宙领域的新技术，在医疗行业拥有广阔应用空间。
首先，VR、AR技术在医疗行业，主要用来解决人机融生性问题。以腹腔镜微创手术支援系统为例，我们知道胆结石手术，传统方式是在腹部开一个大窟窿，新型微创手术创口很小，但由于微创手术内部信息看不见，需要用内视镜跟手术前CT拍摄的数据进行配准，通过虚拟现实仿真来指导手术进行。这里隐藏了什么呢？
科幻小说《三体》里写道，太阳系被未知文明的二向箔从3D状态拍成了2D状态，损失了几乎所有的生命；地球的故事告诉我们，如果三维影像是“溺水三千”，二维切片则是“只取一瓢”，其间差别是巨量的数据。而元宇宙里的VR和AR，正是把二维CT切片组合成三维立体的“全息数字人”，信息量变得空前丰富，医生可以360度无死角的观看到手术部位，治疗效果将得到提升。未来类似“图像引导外科”的产品还有很多，VR、AR技术在医疗领域拥有广阔发展空间。
其次，临床对精准医疗的迫切需求。尤其是肿瘤，早期发现、早诊早治是提高生存率的重要步骤，而早期发现需要精准诊断，诊断错了是致命的。此后，在治疗过程中还需要精准治疗，愈后需要精准的康复方案。
精准医疗需要用到元宇宙里的人工智能技术，包括早期的CADe（Computer-assisted detection）计算机辅助检测，能够减少漏诊率；另外还有CADx（Computer-assisted diagnosis）计算机辅助诊断减少误诊率。举个例子，过去医学影像主要是医生用眼睛去观察，很难做到定量的评估；现在基于元宇宙技术，可以对影像进行智能检测、智能分类、智能分割，通过多模态信息融合大数据分析，提供辅助诊断方案。
关于人工智能技术辅助诊断业界有两种观点，一种是辅助医生，一种是代替医生，专家学者对此争论不休。“我赞同的是辅助医生，我理解的人工智能就是为每位医生配备一个机器助手”，蒋慧琴教授表示。
这个机器助手要调用存放在存储设备里的大数据，例如乳腺癌的诊断需要用到多种数据，像超声、X线摄影还有病理等多模态数据，用这些历史的数据进行智能计算，然后得出一个结果。在机器助手背后，需要解决数据存储、读取的问题，算力、算法如何设计的问题，通过人机融生构建医疗领域的机器助手。
人机融生目前在医学应用中经历了两个阶段。传统CAD计算机辅助检测，需要医生手动输入图像、抽取特征、归类然后输出结果，效率偏低且容易有“漏网之鱼”。现在基于深度学习的CAD技术，是构建一个模拟人脑的、深层次的、一体化的网络，自动提取本质特征并输出最终结果，提高检测诊断的准确率，效率溜到飞起。
“我跟医生接触的比较多，医生的研究热点是放射组学、影像组学、放射基因组学，这些研究都离不开多模态数据的支持”，蒋教授表示。以拍CT为例，拍CT是为了获取影像，此后需要做的第一步就是特征提取，定位病灶在哪里并把这个病灶筛选出来进行特征提取，然后观察病灶的三维的特征、形状，根据形状的各种特征去判断是结节或肿瘤是恶性的还是良性的，恶性度有多少，分期分级，这就是医学的一个过程。这个过程中，医疗人工智能需要跟数据存储进行紧密的结合。
医疗元宇宙的关键：使用的高质量数据越多，越智能
随着影像检测需求倍增、影像检测人数逐年递增，现在很多医院都开始部署多排CT、核磁共振等高端影像设备，影像诊断也快速从眼睛阅片发展到基于PACS系统的“软读片”。爆发式增长的影像需求给数据存储设备带来巨大挑战，一次CT检查就会获取六千多幅图像、一个病人可能还会做多种检查，每次拍片之后要将数据全部传输到服务器、最后落盘到存储设备中。此后各个终端会调阅影像、写报告，写出来的报告再存储，然后临床各个科室在调阅影像和报告，进行影像大数据分析并再次存储。这些过程在医院中无时无刻不在发生，可以这样讲，医学影像大数据时代已然来临。
影像大数据时代，各类医学影像都存在PACS里面，临床的信息都存在HIS里面，检查检验信息都存在LIS里面，这些数据的保存要求是在线三年、离线三年，数据需要长期保留。数据显示，美国医学影像数据年增长率为63.1%，放射科医师年增长率仅仅是2.2%，差距60.9%；中国影像数据年增长率为30%，放射医师年增长率4.1%，差距为23.9%。所以仅靠医生人眼观察巨量影像面临着巨大的挑战，这给人工智能为代表的元宇宙技术带来了发展空间。
深度学习虽然已经在研究了，最早的从皮肤癌到肺结节的智能筛查再到基于钼靶的乳腺筛查这都是热点，一直在研究，但是真正投入临床应用还有距离，为什么？
“最大的难点目前就是缺乏高质量的标注数据”，蒋慧琴表示。机器学习有三要素，数据、算法和判别准则。算法再好，判别准则建立得再好，没有数据去学习，缺乏高质量的标注数据那就不行，后端就没可能进行落地应用。所谓标注数据，就是医生专家诊断过、验证过的数据，医师的意见附在这个数据里面，这样的数据是非常稀缺的，这就是难落地的原因。
“对此 ，我们团队开发了PACS系统，包括院级PACS和云PACS”，蒋慧琴表示。基于这套系统，采集CT、核磁、超声等科室数据，并将医生的影像分析、影像诊断报告留存下来提供标注数据，结合人工智能技术让PACS系统为医生阅片、决策提供支持和帮助。目前这套PACS系统已经在郑州市第15人民医院建成院级PACS系统、在郑大一附院建成科研用大数据采集平台、在郑大五附院定制开发了三甲院级PACS系统，等等。
其中在河南当地的PACS医疗影像业务中，浪潮存储能够提供医疗影像分层存储解决方案，基于集中式存储保存高速在线数据、基于分布式存储保存温数据，并用备份系统做离线数据归档，从而实现热温冷冰数据全生命周期管理，在影像数据读取效率和成本之间实现均衡。
“利用我们构建的大数据平台，我们用带着专家意见的高质量标注数据进行新一代元宇宙技术研究，以新冠肺炎、肺癌、乳腺癌和肝癌为特色病种，研发了VR三维重建、X线钼靶图像检测、肝癌自动分析等基于大数据的人工智能辅助诊断和疗效评估新技术，这就是我们展示的元宇宙技术应用实例”，蒋教授表示。
未来人机融生是方向
智能影像诊断领域，最初从图像处理与分析开始，后来经历了定量成像、作为第2意见的计算机辅助诊断，然后从双重图片的开始，图像检索、深度学习技术出来后，开始出现作为第1意见的CAD，影像科开始讨论机器是否会代替医生、超越人类。蒋慧琴教授提出了医疗元宇宙的未来畅想，“未来我觉得人机融生是方向，下一代AI PACS会成为人机融生的新模式，在人体内部元宇宙会在微观的方向发展，在细胞级、DNA级展开研究，形成微观层面的元宇宙数字世界”。
嘉宾介绍：
蒋慧琴，郑州大学教授，数字化影像技术研究中心主任。科技部“创新人才推进计划”领军人才。主要从事图像存档与通信系统（PACS），智能影像诊断系统，图像引导外科系统(IGS)等人工智能领域的图像处理与分析、自然语言处理、云计算、机器学习、模式识别等技术的研发和研究成果在医疗行业的落地应用。
蒋教授依托郑州大学的信息工程学院、计算机与人工智能学院，郑州大学一附院、五附院、河南省人民医院、河南省肿瘤医院等郑州大学附属医院，以及知立康公司组建多学科、多平台团队，推进产学研用紧密结合，构建医疗大数据采集平台、开展重大疾病智能诊疗关键技术的研究并落地应用。
