未来的医学影像将是精准医学的重要组成部分。美国国家医学科学院（IOM）在2011年11月发出了一份，特别强调精准医学是建立在了解个体基因、环境、生活方式的基础上的新型的疾病治疗和预防的方法。我们利用生命科学来研究这个领域，就是在蛋白、基因或者说在分子的水平上，探究有多大，是否能看见，究竟在蛋白和基因中起到什么作用。

    精准医学首先是针对个体化，要有标志物，同时还要有配对，同时需要循证医学的支持，再就是大数据的处理。生物医学的常用领域，在这里我们可以看到电子、原子、分子、DNA、细胞、蜜蜂、小鼠和人，PACS的分辨率在5毫米，CT和MRI大概在1600，或者说在0.1-0.2毫米，光学显微镜则更小一点，电子显微镜就更小。今天发展到基因、基因测序DNA这一块，光学和电子可以观测病毒。

    显然我们的PACS赋予我们图像的存储和传输，并不包括我们传统医学常用的生物成像技术和基因配型。也就是说基因和蛋白的数据是PACS的一个前提，医学发展的前一段所做的是有没有病，后一段做的是什么病，在什么地方；影像所要解决的是在什么地方，所以PACS在图像的处理方面是值得重视的。我们对基因序列、基因测序、蛋白等给予一定的关注，可以在分子影像下观察对比。
    总的来讲，医学影像已经发展120年了，从70年代开始，40多年来，我们主要指数字影像，数字影像给PACS一个很好地机会，所以我们的传输才可以这么通畅。在医学数字影像的角度上来讲，解决的主要问题是空间分辨率、对比分辨率、时间分辨率和能量分辨率。PACS对于所围绕的图像来说，就是要解决这四个分辨率。

    从临床的角度上看，PACS主要解决三个方面的问题，个肿瘤，第二个心脑血管疾病，第三个老年痴呆。查询美国的NIS以及国内的research fund基本都是以这三个为主，PACS也是随着疾病的主流而演进的。这里给我们提出来难的就是时间分辨率和能量分辨率，也即是说动态的。再有，随着功能和代谢、波普、量化等过程对PACS提出了一个新的要求。至于大数据，主要就是看代谢的波普和量化，特别是量化。影像这120年的发展虽说要解决四个分辨率的问题，但是它是以形态学为主的间接性工具，还不可以在组织学和分子学层面进行确诊。这个就是我们现在的医学影像，知道病在什么地方，PACS解决的也是病在什么地方，而不是解决是什么病的问题。
    在生物医学时代的医学影像来讲，我们面临着三个方向：点，是个体化。我们的高等级医院可以调出基层医院的片子，但是只是一条线，没有形成网络，不能互相调配，小医院不能拿到三级甲等医院的片子，所以这个是PACS的一个挑战。我们要真正做到个体化，首先我们要改变我们的医疗模式，从家庭到医院再到家庭，圈起来，诊断-治疗-随诊，这两头都在家庭中，恰好PACS没有分布在两端，那么就没有办法唤起社会的参与和家庭的参与。同样，我们很注重的网络建设，但是我们实际上完成的是一条线，上面调下面的，下面调不了上面的，还不具备穿梭性，更别说整个网络的调配，这个方面是存在壁垒的。还有我们的规范化还有待进一步建设。
    第二点，PACS要注意影像诊断的整合，也就是intergrate，就是把化验室、病理科、影像合成或者是分子实验室整合，我们没有这方面的能力，只能靠PACS或者TMT来解决这个问题。所以PACS和TMT在未来对于肿瘤来讲是一个整合医学影像的工具，过去我们是采取information center 来整合信息，现在我们把整合信息中心可以称呼为intergrate information，我们把所有的东西都整合在一起，但是我们还是在传统思路上建立一个center而已，所以这个方面是需要我们考虑的。
    第三点，从精准医学的角度来讲，类比军事在18、19世纪，一般通过决斗来解决，现在主要靠导弹，那么就需要GPS来定位，那么在医学领域定位就由PACS来做，只有PACS能够解决这个定位的问题，未来TMT的技术给了精准医学一个很大的支撑，这个也就是我下面要介绍的。至于原因，我做一下解释，大家都知道，这个是正常的基因，如果基因有变异，你可以说有疾病，一部分变异的基因通过自身的免疫系统恢复，另一部分无法恢复，我们把这一部分在癌症之前叫作癌变期，或者说是细微的癌分子或者是癌细胞。之后突然间增殖，大家可以看到从癌症到死亡是1-3年，我们看到的影像是从癌症到死亡的阶段，基因检查和蛋白检查的范围是看不到的。举好莱坞女明星安吉丽娜朱莉的例子，医生告诉她的一对基因有80%的可能患乳腺癌，她选择切除乳腺，这个是在乳腺上还比较好解决。但是如果是在神经科，一对基因有致病的可能，可能会导致胶质瘤，那么就不能像乳腺那么好解决，没有办法切除。在这种情况下，我们更大的一部分做的是在做基因和蛋白数据的积累和对比，这方面的工作以及数据的储存都需要我们来做，我们要从单纯的图像中跳出来，要适应现在的需求。当然我们还是需要知道这个肿瘤是有多大，另外还要加强数据的处理。如果乳腺癌筛查当中，发现基因异常的，将异常的100人集合起来去检查，可能会发现其中的20人患病，但是如果没有基因的对比，只是简单的把多少岁到多少岁的人集合起来去诊查可能效果不会很理想。所以，信息的整合显得非常重要。

    以胶质瘤为例，对于胶质瘤的分类目前采用的是2003年WHO的分类，今年6月份，我们采用新的分子分型进行分类，我们就可以利用大数据把过去的图像都调出来，然后我们观察其特点以及这个特点与分子分型有没有一定的关系。所以PACS能不能把所有的数据，所有的特点就像计算机早期辅助诊断一样，能够早期的调出来；能不能同时把MR或者CT的影像全都调出来，这个给PACS中做软件的人员提出了一个要求。

    对于今天来说，我们要发展药物，要进行疾病治疗，我们看不着病变在什么地方，但是我们知道它已经存在，所以我们能不能把这一部分的东西取出来，然后我们怀疑它是什么，我们再打进去，让它去标记这些病变的地方。甚至于搭配着治疗药物打进去去诊断和治疗，也就是进行靶向治疗，这一部分没有医学影像，但是医学影像告诉我们病在哪里，之后用药物进行治疗。这个过程同样也需要大数据，还有就是规范。这是一种激情，这种激情架在实际上，就是形成对药物、数据和规范的建设，这是未来PACS很重要的挑战。