數據，被譽為二十一世紀的“石油”。利用數據，可以模仿飛機飛行、汽車碰撞；可以探索光年之外的星辰，也能尋找深埋地下的礦藏；還可以幫助企業調整貨架的擺放，預測未來的銷量。憑借超能力，數據躍升為新型生產要素。石油儲量曾是工業時代國家富足的象征，而在數字經濟新時代，源源不斷生成的數據如同永不枯竭的“石油”。

對此，鄭州大學蔣慧琴教授在由存儲產業技術創新聯盟主辦的“元宇宙存儲研究與實踐”技術沙龍上表示，河南省擁有近一億人口，基于人數多、病例全的大數據優勢，為醫療元宇宙研究和探索提供了海量、多元的原始數據集。

內容概述

元宇宙核心技術，如VR/AR、人工智能等，在醫學領域中有廣闊應用前景。

PACS醫學影像系統是連接數據與元宇宙當中AI等技術的橋梁。

浪潮存儲能夠助力PACS醫學影像系統存好、管好、用好多模態數據。

醫療元宇宙：

追求“病癥可視、名醫普濟”

元宇宙是整合多種新技術產生的下一代互聯網應用和社會形態，它具有大、多、增三大特點。

第一個特點是“大”，基于擴展現實技術和數字孿生實現時空拓展性；第二是“多”，基于人工智能和物聯網實現虛擬人、自然人和機器人的人機融生性；第三是“增”，基于區塊鏈、Web3.0、數字藏品等實現經濟增值。通過在社交系統、生產系統、經濟系統上實現虛實共生，每個用戶都可進行內容編輯、生產并擁有數字資產。

根據清華大學《元宇宙發展研究報告2.0版》，醫療元宇宙的目標是實現病癥可視、名醫普濟。

首先在病癥可視方面，CT、DR、核磁共振等所有的影像設備，目標就是病癥可視，因為器官是在人體內部，是看不見的，所以第一代醫療器械的目標就是將看不見的東西可視化。

比如肺結節定位與三維可視化技術，通過醫療器械拍出來一片一片的內部切片圖像，讓“看不見”的人體器官“現出原形”，甚至可以構建全息數字人，為手術規劃提供參考。

其次是名醫普濟，遠程醫療、分級診療能夠增加專家資源的普惠性。

比如鄭州大學第一附屬醫院被稱為全球第一大醫院，醫生每天都很勞累、辛苦，如何把大醫院醫生的能力延伸、擴展到基層，這就可以借助元宇宙、AI等新技術的力量，推進遠程診療，讓更多的患者不用到省城看病，在家門口得到專業的診治，實現“破困賦能，善莫大焉”。

“醫療元宇宙的終極目標是‘治未病’，最終是要全面提升國民健康，這也和《健康中國2030規劃綱要》里的目標一致”，蔣慧琴教授表示。通過全面監測人體微生物、營養、心理等更高層次的生命體征指標，為綜合提高人體健康提供數據基礎，由此尋找健康干預的生物學靶點。

想想看，如果把14億人口的體檢數據、生物器官數據全部上傳到元宇宙，基于醫療元宇宙里的大數據分析做出精準評估，打造私人定制的智能監控專家，幫助人們擁抱健康生活方式，帶來的價值將難以估量。

元宇宙技術在醫療行業四處扎根

VR虛擬現實、AR增強現實、AI人工智能等元宇宙領域的新技術，在醫療行業擁有廣闊應用空間。

首先，VR、AR技術在醫療行業，主要用來解決人機融生性問題。以腹腔鏡微創手術支援系統為例，我們知道膽結石手術，傳統方式是在腹部開一個大窟窿，新型微創手術創口很小，但由于微創手術內部信息看不見，需要用內視鏡跟手術前CT拍攝的數據進行配準，通過虛擬現實仿真來指導手術進行。這里隱藏了什么呢？

科幻小說《三體》里寫道，太陽系被未知文明的二向箔從3D狀態拍成了2D狀態，損失了幾乎所有的生命；地球的故事告訴我們，如果三維影像是“弱水三千”，二維切片則是“只取一瓢”，其間差別是巨量的數據。而元宇宙里的VR和AR，正是把二維CT切片組合成三維立體的“全息數字人”，信息量變得空前豐富，醫生可以360度無死角的觀看到手術部位，治療效果將得到提升。未來類似“圖像引導外科”的產品還有很多，VR、AR技術在醫療領域擁有廣闊發展空間。

其次，臨床對精準醫療的迫切需求。尤其是腫瘤，早期發現、早診早治是提高生存率的重要步驟，而早期發現需要精準診斷，診斷錯了是致命的。此后，在治療過程中還需要精準治療，愈后需要精準的康復方案。

精準醫療需要用到元宇宙里的人工智能技術，包括早期的CADe（Computer-assisted detection）計算機輔助檢測，能夠減少漏診率；另外還有CADx（Computer-assisted diagnosis）計算機輔助診斷減少誤診率。

舉個例子，過去醫學影像主要是醫生用眼睛去觀察，很難做到定量的評估；現在基于元宇宙技術，可以對影像進行智能檢測、智能分類、智能分割，通過多模態信息融合大數據分析，提供輔助診斷方案。

關于人工智能技術輔助診斷業界有兩種觀點，一種是輔助醫生，一種是代替醫生，專家學者對此爭論不休。

蔣慧琴教授表示：

我贊同的是輔助醫生，我理解的人工智能就是為每位醫生配備一個機器助手。

這個機器助手要調用存放在存儲設備里的大數據，例如乳腺癌的診斷需要用到多種數據，像超聲、X線攝影還有病理等多模態數據，用這些歷史的數據進行智能計算，然后得出一個結果。在機器助手背后，需要解決數據存儲、讀取的問題，算力、算法如何設計的問題，通過人機融生構建醫療領域的機器助手。

人機融生目前在醫學應用中經歷了兩個階段。傳統CAD計算機輔助檢測，需要醫生手動輸入圖像、抽取特征、歸類然后輸出結果，效率偏低且容易有“漏網之魚”。現在基于深度學習的CAD技術，是構建一個模擬人腦的、深層次的、一體化的網絡，自動提取本質特征并輸出最終結果，提高檢測診斷的準確率，效率溜到飛起。

“我跟醫生接觸的比較多，醫生的研究熱點是放射組學、影像組學、放射基因組學，這些研究都離不開多模態數據的支持”，蔣教授表示。以拍CT為例，拍CT是為了獲取影像，此后需要做的第一步就是特征提取，定位病灶在哪里并把這個病灶篩選出來進行特征提取，然后觀察病灶的三維的特征、形狀，根據形狀的各種特征去判斷是結節或腫瘤是惡性的還是良性的，惡性度有多少，分期分級，這就是醫學的一個過程。這個過程中，醫療人工智能需要跟數據存儲進行緊密的結合。

醫療元宇宙的關鍵：

使用的高質量數據越多，越智能

隨著影像檢測需求倍增、影像檢測人數逐年遞增，現在很多醫院都開始部署多排CT、核磁共振等高端影像設備，影像診斷也快速從眼睛閱片發展到基于PACS系統的“軟讀片”。爆發式增長的影像需求給數據存儲設備帶來巨大挑戰，一次CT檢查就會獲取六千多幅圖像、一個病人可能還會做多種檢查，每次拍片之后要將數據全部傳輸到服務器、最后落盤到存儲設備中。此后各個終端會調閱影像、寫報告，寫出來的報告再存儲，然后臨床各個科室再調閱影像和報告，進行影像大數據分析并再次存儲。這些過程在醫院中無時無刻不在發生，可以這樣講，醫學影像大數據時代已然來臨。

影像大數據時代，各類醫學影像都存在PACS里面，臨床的信息都存在HIS里面，檢查檢驗信息都存在LIS里面，這些數據的保存要求是在線三年、離線三年，數據需要長期保留。數據顯示，美國醫學影像數據年增長率為63.1%，放射科醫師年增長率僅僅是2.2%，差距60.9%；中國影像數據年增長率為30%，放射醫師年增長率4.1%，差距為23.9%。所以僅靠醫生人眼觀察巨量影像面臨著巨大的挑戰，這給人工智能為代表的元宇宙技術帶來了發展空間。

深度學習雖然已經在研究了，最早的從皮膚癌到肺結節的智能篩查再到基于鉬靶的乳腺篩查這都是熱點，一直在研究，但是真正投入臨床應用還有距離，為什么？

“最大的難點目前就是缺乏高質量的標注數據”，蔣慧琴表示。機器學習有三要素，數據、算法和判別準則。算法再好，判別準則建立得再好，沒有數據去學習，缺乏高質量的標注數據那就不行，后端就沒可能進行落地應用。所謂標注數據，就是醫生專家診斷過、驗證過的數據，醫師的意見附在這個數據里面，這樣的數據是非常稀缺的，這就是難落地的原因。

“對此 ，我們團隊開發了PACS系統，包括院級PACS和云PACS”，蔣慧琴表示。基于這套系統，采集CT、核磁、超聲等科室數據，并將醫生的影像分析、影像診斷報告留存下來提供標注數據，結合人工智能技術讓PACS系統為醫生閱片、決策提供支持和幫助。目前這套PACS系統已經在鄭州市第15人民醫院建成院級PACS系統、在鄭大一附院建成科研用大數據采集平臺、在鄭大五附院定制開發了三甲院級PACS系統，等等。

其中在河南當地的PACS醫療影像業務中，浪潮存儲能夠提供醫療影像分層存儲解決方案，基于集中式存儲保存高速在線數據、基于分布式存儲保存溫數據，并用備份系統做離線數據歸檔，從而實現熱溫冷冰數據全生命周期管理，在影像數據讀取效率和成本之間實現均衡。

“利用我們構建的大數據平臺，我們用帶著專家意見的高質量標注數據進行新一代元宇宙技術研究，以新冠肺炎、肺癌、乳腺癌和肝癌為特色病種，研發了VR三維重建、X線鉬靶圖像檢測、肝癌自動分析等基于大數據的人工智能輔助診斷和療效評估新技術，這就是我們展示的元宇宙技術應用實例”，蔣教授表示。

未來 人機融生是方向

智能影像診斷領域，最初從圖像處理與分析開始，后來經歷了定量成像、作為第2意見的計算機輔助診斷，然后從雙重圖片的開始，圖像檢索、深度學習技術出來后，開始出現作為第1意見的CAD，影像科開始討論機器是否會代替醫生、超越人類。

蔣慧琴教授提出了醫療元宇宙的未來暢想：

未來我覺得人機融生是方向，下一代AI PACS會成為人機融生的新模式，在人體內部元宇宙會在微觀的方向發展，在細胞級、DNA級展開研究，形成微觀層面的元宇宙數字世界。