以下内容，节选自《迈向智能世界2024-数据存储》产业白皮书

一、 诊疗到预防：辅助提升诊疗效率，加速康复减少疾病

随着AI技术的不断发展，AI与医疗行业的结合越来越深入，其在医疗领域的应用也越来越广泛，AI给医疗行业带来的变化更加显著，从辅助诊疗、药物研发到疾病预警等多个应用场景，AI都发挥着重要作用。未来，AI在医疗领域的发展趋势将深刻影响医疗行业的格局和患者的就医体验。

“医疗+AI”应用场景

1、辅助诊疗

AI技术在基层卫生健康服务中的应用试点启动实施，形成了可复制使用的医学人工智能基层辅助诊疗应用系统。这些系统通过智能分诊、AI辅助诊疗等方式，帮助医生提升诊疗水平，赋能基层诊疗。例如，一款AI智能分割及规划算法的设备适用于脑出血抽吸引流、颅内活检等临床场景，通过AI找到斑块位置，精准定位到脑出血点，协助医生完成手术，提高了手术安全性和精准性。

2、药物研发

传统的药物创新研发遵循“倒摩尔定律”，AI技术通过数据和算法模型建立的优势，正在为药物研发带来革命性的变革。通过深度学习模型，可以更快速地分析分子结构，从而加速新药的发现并减少昂贵的实验需求。例如，有研究利用AI成功地识别出了一种能够对抗抗生素耐药细菌的药物，在短短21天内被发现，并在46天内完成了实验验证，这比传统的药物研发过程快了数年，大大缩短了药物研发的时间和成本。

3、疾病预警

AI与大数据模型的应用使得疾病预警有了“工具”。通过分析国际卫生部门各种疾病方面的资讯和信息，帮助疾控等部门更准确地预测疾病的发展趋势和高发期，从而提前采取相应的防控措施。例如，AI可以“收集”眼科医生无法识别的细微信息，通过大数据模型分析某种疾病患者视网膜变化，最终完成具有明确标记的疾病检测任务。

二、 打通诊疗数据共享，保护数据安全，维护病患隐私

随着AI技术在医疗领域的广泛应用，在医疗行业的数据上也面临着数据收集难、数据隐私和安全、被勒索病毒攻击等诸多挑战。

1、数据收集难

AI以数据为食，获得的数据越多、质量越好，其越能在任务中表现出色。收集的数据必须来自可靠的来源，从不可靠的来源收集数据可能会对AI训练的输出产生不利影响。因此，为了获得准确的输出，医院必须从可靠的来源收集训练数据，如从患者的历史和当前病历中找到可靠的数据。

2、数据隐私和安全

医学领域涉及大量敏感数据，如患者的身份信息、健康状况、疾病诊疗情况、生物基因信息等，不仅涉及患者隐私，还具有特殊的敏感性和重要价值，一旦泄露，可能给患者带来身心困扰和财产损失，甚至对社会稳定和国家安全造成负面影响，因此医疗领域的数据安全非常重要。

然而，医疗AI的研发与应用，必须依赖大量的医疗数据用于算法训练，数据量越大、越多样，其分析和预测的结果将越精准。但数据收集、分析处理、云端存储和信息共享等大数据技术的应用，加大了数据泄露的风险。

3、被勒索病毒攻击

AI技术的发展使得勒索软件可以更精准地选择目标、定制攻击，并且更具欺骗性。通过分析目标的数据和行为模式，勒索软件可以更有效地选择目标，并制定更有针对性的攻击策略。此外，AI可以使得勒索软件在攻击过程中更具自适应性，能够根据受害者的反应来调整攻击方式，增加攻击成功的几率。《2023年中国企业勒索病毒攻击态势分析报告》显示，医疗行业已经成为勒索病毒攻击的重灾区。自2018年以来，全球已发生500次公开确认的针对医疗组织的勒索软件攻击，导致近1.3万个独立设施瘫痪，并影响到近4900万份病患记录，这些攻击仅由停机造成的经济损失就已超过920亿美元。据第三方统计数据显示，医疗行业连续12年成为数据泄露成本最高的行业，2022年医疗机构该数据高达1010万美元，与2020年相比激增42%。

2023年中国企业勒索病毒攻击态势分析报告

为了有效解决面临的诸多数据层面的挑战，医疗行业亟需采用专业数据存储产品，通过专业的存储内生安全、容灾备份、安全可信数据流动、防勒索保护技术等，让数据存的下、存的放心、用的安心，助力AI加速医疗领域迈向智能世界。