2022年12月22日，以“数字转型与发展鸿沟”为主题的北京大学全球健康发展论坛2022在北京举行。本次论坛由北京论坛、亚洲开发银行和北京大学全球健康发展研究院联合举办，来自中国和国际社会的世界知名学者、政策研究人员和行业领袖围绕论坛主题分享了他们的见解和建议，吸引了超过1万名在线观众参与。如下是美国国家医学院院长，美国国家科学研究委员会副主席，中国工程院外籍院士曹文凯在开幕式的致辞演讲，未经本人确认。

刘博士好，大家早上好。我代表美国国家医学科学院向大家致以问候。很荣幸能在全球健康发展论坛2022上发言。我发言的主题是利用数字技术改善健康和人口状况。

世界面临着重大的健康挑战，包括医疗服务的可及性和可负担性问题、医疗服务体系的碎片化问题、医疗服务缺乏连续性以及卫生人力短缺问题。此外，我们还面临重大疾病，如传染病爆发、新型冠状病毒感染（COVID-19）大流行，当然还有非传染性疾病。最后，我们面临全球人口老龄化挑战（特别是在中国），还有影响健康的气候变化以及健康不平等方面的重要问题。

面对上述挑战，我相信数字健康和数据是可能的解决方案。例如，在提高医疗服务的可及性、质量和可负担性，缓解碎片化，促进整合医疗，以及公共卫生和社区护理的连续性等领域。通过使用数字技术，能够在不同的提供方和劳动力之间进行协调，可以减轻人员负担，更好地满足人力资源配置需求。

就重大疾病而言，在大流行期间，数字技术和数据可以用来预防、检测和应对疫情。对于非传染性疾病，数字技术和数据可以加强公共卫生和社区卫生，促进健康和预防疾病。在应对人口老龄化挑战方面，数字技术可以在居家养老和促进健康长寿方面提供帮助。就气候问题而言，数字技术可以完善系统，增强可持续性和韧性。最后，数字技术和数据还可以连接偏远地区的人们，促进公平。我认为，数字健康和数据可以解决卫生体系、医疗服务提供、疾病和人口变化问题，可以改善健康公平和医疗服务利用差距。

让我们看看数字技术如何在医疗服务提供、增强效能、决策支持、将数据转换为可操作的信息、提高预测和诊断的速度方面提供帮助。它可以确保医疗服务的连续性，通过使用系统内部和外部数据之间的互操作性，人们可以整合信息，协调多个提供者之间的服务。而且可以开展异地患者管理、远程监控、远程医疗，并将急症和专科服务扩展到患者家中和偏远社区。

还可以与患者合作，实现自我管理，减少浪费，减少临床风险分层中的错误。但是，医疗保健因素只占健康结局的10%，而目前的系统仍然建立在个人治疗的基础上。这就需要研究人口健康，包括大规模的健康促进和疾病预防方法，据此可以关注整个健康或整个社区，从而能够识别高风险群体，实现靶向预防和靶向医疗服务。

最后，引入社会决定因素相关的数据，解决社会公平问题十分重要。正如Abernathy在一篇已发表的论文中所述：“随着数字健康工具越来越成熟，能够捕捉健康的社会、行为和环境决定因素，临床医生和护理人员可以更多地了解个人的日常生活……例如，数字健康应用程序有可能帮助预防、减少和降低医疗服务本身及其可及性方面存在的差距。”

在这种情况下，我们需要考虑社会决定因素。因为正如我之前所展示的，医疗保健仅占健康结果的10%，此外还有遗传因素、行为因素、社会因素和环境因素。这就是数字技术可以有效地影响社会决定因素的地方，它可以通过实际测量非医疗和社会因素，收集更好的标准化数据，并且整合它们来帮助解决这些问题。正在开发的新应用场景包括气候变化和空气污染等环境因素，自然灾害期间的服务协调，行为改变支持，自我管理，以及鼓励坚持治疗计划等。

最后，在医疗保健和公共卫生方面，真正重要的机会是开展数据整合。在过去的十年里，我们看到健康相关数据的巨大增长，比如患者数据、公共卫生数据、社会环境数据和研究数据。整合所有这些数据，可以制定公共卫生策略来精确识别更多风险，并促进不同人群参与。

此外，社区数据可以把对患者的生活环境以及他们所处的社会因素和制度的信息结合起来，从而有更大的机会了解在哪里采取行动以及如何采取行动。所以有必要把所有的数据整合起来识别各种挑战和机会。提供来自各个部门的数据可以让你有真实世界的证据，关于你住在哪里，你是如何生活的，以及它们是如何影响你的健康的。这就是真实世界的数据和证据的生成。

我认为数据技术和数字技术对研究有很大的影响。它可以从简化的方法转变为系统层面的方法，实现从分子到人口健康的整合，从而重新定位公共卫生。我们应该投资和利用数据开发和数据聚合，并与公共卫生部门和社区密切合作。这就是我在2021年发表在《柳叶刀》上的一篇论文中写的。

我想花点时间讨论数据聚合。什么是数据聚合？它汇聚不同的学科和不同的专业技术，并且整合知识、方法和专业技术，以研究解决健康问题的新框架，即通过社会科学、行为科学、经济学、法学和健康科学一起来解决问题。数字和数据可以在联接这些学科领域方面发挥巨大作用。

新型冠状病毒感染（COVID-19）期间，整合临床服务和研究的能力在英国的探索试验中得到了切实验证。研究者将来自国家医疗服务系统（NHS）的数据联接起来开展研究，有4万名患者实时登记，175家医院和13个治疗组与非治疗组进行对照，获取真实数据。这些数据为使用地塞米松、疫苗和抗病毒药物等提供了依据。

最后，如上所述，如果你使用多源健康和非健康数据，那么你就能了解病人生活的真实世界，就能看到病人的实际情况。因此，将电子健康病历和医疗费用数据、疾病登记和个人设备等结合起来，就可以构建真实世界的证据，从而能够对患者周围的环境实施干预。

现在认识到这一点很重要，因为所有这些数字技术和数据收集都可以通过人工智能和机器学习大大增强。它可以提高运营效率，使服务提供者和患者更加方便，并帮助确定最优的健康途径。因此未来将通过使用人工智能和机器学习利用数据来实现价值效率。

人工智能机器学习可以做什么？可以提高诊断的准确性和速度，开发潜在的治疗方法，监测患者就医情况，减少医疗服务的差异程度，帮助了解生活方式，帮助患者做出决定，优化或自动化工作流程。

所有这些都非常令人兴奋，但我们还没有发展到那一步。在这些技术被广泛使用和日常使用之前，我们还有很多问题需要解决。例如，在数据整合方面，需要具有互操作性，在不同平台上进行信息和数据交换；在数据共享方面，需要在所有的利益相关方之间达成愿意进行数据共享的承诺，而且必须把泄露敏感健康和个人数据的风险降到最低，即隐私保护问题；最后，关于人工智能机器学习，我们必须关注数据集，避免偏差，确保算法不是有偏倚的，而是对每个人通用。

我认为所有这些技术都必须是可获得的和可及的。最大的问题当然是数字技术获取方面的差距，还有这些技术的成本，它甚至会加剧不平等。最后，这些数据是有证据的，技术是有根据的，并且有很好的指标测量。这就需要真正的科学研究来证明它的有用性，制定监管制度以确保他们批准使用，并且实现有意义的治理和合作。

这意味着，我们要注意最后一点，也就是数字鸿沟。这有一张关于互联网使用的世界地图。深色表示使用较多，最多为100%；浅色显示使用较少，最少为0。可以很容易地看到，像美国、北美、亚洲、中国和其他地方都有大量的互联网使用，但在许多发展中国家和最不发达国家却没有。

87个发达国家实现了网络连接，而发展中国家有47个，最不发达国家只有19个。这不仅发生在全球，也发生在国家内部。在美国，众所周知，生活在偏远地区的人们宽带接入要少得多。生活在贫困地区和资源不足地区的人们拥有设备和宽带接入的能力较差。事实上，在黑人、印第安人和阿拉斯加原住民这样的人群中，有更多的贫困和更少的技术使用。我认为中国也有这种情况，因为中国幅员辽阔，那里有很多不同的社区，在技术使用方面也存在不平衡。

这种数字鸿沟会在富人和穷人之间造成越来越大的差距。那些没有宽带的人负担不起这些技术，那些数字素养低的人当然在使用这项技术时也有语言障碍。我认为下一阶段投资于基础设施和数字教育非常重要。当我们增强知识和资源的利用，我们需要进行沟通和协作，鼓励犹豫不决的人采用这些技术。更重要的是使所有人能够负担得起。

我认为整个数字健康领域是非常令人兴奋的。我认为将来有很多创新的空间和机会，为了充分发挥数字技术的潜力，我们需要做到以下几点。首先需要基于有效、可靠、科学的证据进行技术开发。其次，需要健康产业、政府和公众之间的合作。我们需要个人的充分参与，利用数字技术让个人充分参与医疗服务管理，需要公平透明的原则和支付系统鼓励高价值技术的应用。另外，还需要完善的数据整合、互操作性和更好的网络安全。最后，要真正利用好人工智能机器学习，以及各种各样的算法，需要经过验证推广和真实世界测试。