CCNIS：2022年医疗健康数字孪生网络应用场景及需求报告（35页）.pdf

《CCNIS：2022年医疗健康数字孪生网络应用场景及需求报告（35页）.pdf》由会员分享，可在线阅读，更多相关《CCNIS：2022年医疗健康数字孪生网络应用场景及需求报告（35页）.pdf（35页珍藏版）》请在三个皮匠报告上搜索。

1、医疗健康数字孪生网络应用场景及需求（2022 年）版权声明本研究报告版权属于算网融合产业及标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本研究报告文字或者观点的，应注明“来源：算网融合产业及标准推进委员会”。违反上述声明者，编者将追究其相关法律责任。参与编写单位中国科学院计算技术研究所、中国电信集团有限公司、亚信科技（中国）有限公司、中兴通讯股份有限公司、新华三技术有限公司、中国信息通信研究院主要撰稿人史红周、曾辉、吴艳芹、吕田田、杨刚刚、郭建超、谢宝国、李培、段世惠，韩淑君，穆琙博目录1 目标.72 术语说明.83 范围.94 研究背景.104.1 数字孪生.104.2 医疗健康

2、研究现状.114.3 数字孪生网络.124.4 医疗健康与数字孪生网络.135 医疗健康数字孪生网络架构.145.1 物理网络层.165.2 孪生网络层.175.3 应用层.186 医疗健康数字孪生网络应用场景需求.196.1 算网需求描述.196.1.1 场景描述.196.1.2 算网需求描述对数字孪生网络的技术要求.206.2 数据安全共享.206.2.1 需求描述.206.2.2 数据安全共享对数字孪生网络的技术要求.226.3AI 医疗模型构建.226.3.1 场景描述.226.3.2AI 医疗模型构建对数字孪生网络的技术要求.236.4 模型融合模式创新.246.4.1 场景描述.2

3、46.4.2 模型融合模式创新对数字孪生网络的技术要求.257 医疗健康数字孪生网络应用场景关键问题及技术.267.1 概述.267.2 建立医疗机构间的共识.277.3 保护医疗机构数据隐私.287.4 保护医疗机构模型安全.297.5 建立算力需求描述模型.297.6 建立算力资源交易网络.307.7 建立数据安全共享实验框架.317.8 建立模型融合实验框架.317.9 建立联邦学习应用框架.32参考文献.33图 目 录图 1医疗健康数字孪生网络应用场景架构图.15图 2机构内部对象关联关系示意图.161 目标随着人工智能技术的不断发展，医疗健康行业也积极探索应用人工智能技术以提高生产效

4、能。在国务院颁布的关于促进和规范健康医疗大数据应用发展的指导意见 的推动下，各大医疗机构积极响应，大力推进医疗数据化和信息化工作，促进了该领域的快速发展。尽管医疗机构在信息化方面取得了显著成果，但在人工智能技术的应用方面，该领域面临以下三个主要挑战：首先是“数据墙”问题：AI 模型的训练需要大量数据，但单个机构所拥有的数据是远远不足的，因此需要集合大多数医疗机构的数据才能构建尽可能优化的 AI 模型。但是，数据共享难度大，数据集合后的体量也是一个重要难题。其次是“模型墙”问题：不同的 AI 健康医疗应用场景需要不同的AI 模型，导致模型种类繁多且各模型之间缺乏联系，难以实现跨场景应用。最后是“

5、算力墙”问题：随着医疗技术的发展，数据的种类和体量将会不断增大，这最终将会体现在计算资源的消耗上。另外，医疗数据需要隐私性和安全性的保证，隐私计算和加密计算也将进一步增大医疗健康领域的计算资源需求。根据 OpenAI 的报告1，最大的 AI训练运行中使用的计算量呈指数级增长，加倍时间为 3.4 个月。因此，随着对人工智能能力的不断挖掘，训练模型所需的计算资源也将呈指数增长。综上所述，人工智能技术的应用给医疗健康行业带来了生产效能的提升，但在实际应用过程中，医疗机构所面临的“数据墙”、“模型墙”和“算力墙”等问题限制了人工智能技术的应用效果。然而，这些问题的本质仍然是医疗领域数字化时代联合协作的

6、问题。数字孪生网络技术的出现为解决这些问题提供了一种新的思路，它可以构建医疗健康行业应用场景的虚拟网络孪生体，并通过多个机构的数据共享、跨场景应用和隐私保护等支持，实现具体医疗健康 AI 技术创新以及医疗健康应用的落地。因此，数字孪生网络技术将成为医疗领域数字化时代的重要推动力量，促进医疗健康行业的快速发展和进步。2 术语说明数据模型：孪生网络层功能模块中的模型，它们是应用层各个应用需求的功能映射。当应用层提出需求和初始配置信息时，数据模型接收应用需求并利用功能模块中的辅助模型在数字孪生网络中构建和模拟与应用需求相对应的解决方案。辅助模型：孪生网络层中功能模块中的模型，它们作为数据模型功能的扩