钱庆

医学信息学是随着计算机技术在医学领域日益广泛应用而形成的一门新兴交叉学科。医学大数据迅猛发展推动医学研究范式从循证医学向精准医学方向转变，更加注重利用计算机技术从大数据中发现和理解医学规律和知识。算法、算力和数据的突破性发展推动人工智能进入AI 3.0时代，引领着科技革命和产业变革。健康中国战略推动全民健康管理水平提升，变被动的疾病治疗为主动的自我健康监控。在此背景下，医学信息学迎来了新的发展机遇。

信息学在医学领域的应用

1.医学信息标准的制定

医学信息标准是实现医学信息组织、交换和共享的重要支撑，包括医学信息表达、交换、处理与流程、应用软件和硬件标准等。医学领域的数据往往由不同的医疗、科研、管理机构和不同企业、个体产生，要实现跨部门、跨机构、跨场景的医学信息互联互通、数据共享和业务协同，就需要信息学专业人员联合相关机构制定相关医学信息标准，并由公认机构批准和发布，作为共同遵守、可重复使用的规范化准则和依据。

2.数据治理、管理与分析

在基础医学、临床医学、公共卫生、中医药学等领域的科学研究和业务活动中，经长期观察、监测、检测、调查、诊断、治疗、试验、实验等产生了大量原始性、基础性的医学数据。这就需要医学信息学专业人员来建立和维护数据治理结构、策略和流程，获取和管理与健康医疗有关的数据，确保其质量和跨部门、跨机构、跨场景的意义保真，进而用于数据分析挖掘以支持个体和人口健康并推动医学科技创新。

3.医学信息系统的构建

医学信息系统是实现医学数据的获取和表示、保存和访问、交换和综合、分析与挖掘、监测与预警，以及医学决策支持的重要工具系统。医学信息学的主要任务之一就是计划、开发或获取、实施、维护和评估医学信息系统，促使这些系统与临床、公共卫生和公众健康领域的现有信息技术系统集成，同时解决安全和隐私保护问题。

4.促进卫生决策、进程和结果

全面、准确的数据及其中蕴藏的规律是科学决策的前提。医学信息学的主要目的是将所处理的数据、信息和知识有效应用于临床诊疗实践、公共卫生决策、公众健康管理、医学科研与医药研发、医学科技评价与战略决策等方面，支持和促进临床医生、公共卫生专业人员、患者和公众、医学科研人员和管理者的决策，以帮助优化流程、提高效率、改进结果、节约费用、促进创新。

我国医学信息学发展现状和亟待解决的问题

我国的医学信息学发展起步于20世纪80年代，最初主要集中在医学情报研究、医学信息资源建设与服务、医学信息系统建设等方面。随着我国健康医疗事业的发展需要，以及互联网、大数据、云计算、人工智能等相关技术的快速发展和广泛应用，我国医学信息学的研究和应用范畴在深度和广度上不断拓展，出现了一批分支学科，如临床信息学、公共卫生信息学、公众健康信息学、生物信息学、药学信息学、中医药信息学、特种医学信息学等。近1 0 年，我国医学信息学的研究热点主要聚焦医学信息系统研发与管理、电子健康档案及远程医疗安全隐私保护、医学人工智能与数据挖掘、生物医学文本挖掘等方面，研究范围逐步与国际接轨。

我国医学信息学学科发展也存在诸多亟待解决的问题：在国家层面，缺乏对学科建设的顶层设计。虽然我国医学信息学已形成以本科教育为基础、专科教育为补充、硕士和博士研究生教育为龙头的多层次专业教育格局，但各大学对医学信息学的定位差异很大，极少将其作为独立的学科来建设，往往依托于其他相关一级学科。我国的高层次人才培养体系不够完善，开设医学信息学硕士、博士教育的高校和科研院所较少，缺乏面向健康医疗大数据应用环境的医学信息学专业人才，特别是具有国际影响力的专业人才、学科带头人和行业领军人物。因此，目前亟需建立高层次、创新性、复合型医学信息学科研团队。如何推进政府、高等院校、医疗机构、社会企业人才共育模式，如何创新专业技术人才继续教育形式，是我国医学信息学亟待解决的问题。

对大数据集的访问有限、缺乏可解释性、未能有效整合到临床工作流，以及法律遵从性需求的不明确，是国内外医学人工智能等医学信息学理论方法落地应用所面临的共同挑战。

医学信息学的未来发展

未来，随着多国政府与科研教学机构纷纷推进医学科学数据共享，实现“数据烟囱”关联的医学科学数据共享将加快落地，医学大数据的可获得性将极大提升，深化数据密集型医学研究范式实践的真实世界研究将日益开展。知识图谱与知识表示将突破传统知识组织语义限制，面向精准医学的关键技术和多模态异构数据资源整合技术将获得突破性发展。“ 互联网+ 医疗健康” 生态环境将不断完善，医学人工智能新技术逐渐从理论走向应用实践，在此过程中人们也将更加关注人工智能算法的可解释性和可迁移性。医学信息学教育将向着高层次、理论与实践相结合的方向发展，并将基于医学、计算机科学、信息科学等多元依赖关系构建课程体系，进一步体现其多学科交叉融合特色，更加注重基础理论和核心技能培养，逐步填补医学信息学高端人才空缺。