醫療人工智慧：雖稚嫩卻不可不了解的行業
在之前的一篇文章《醫療大數據的風起來了嗎？》中，大熊（微信公眾號：白大熊）談了自己對醫療大數據的認識，從醫療人工智慧的代表IBM的Watson Health開始，探討了這個行業的商業模式，醫療數據獲取問題，同時介紹了國內幾家代表性標的公司。最近對這個話題進一步做了點研究，有了一些新的心得，今天接著聊聊。
人類的思維、經驗的累積受到壽命的限制，個體的死亡消滅了大部分的智慧。所以在人類的文明史上文字的發明是石破天驚的大事，它使文化得以傳播、積累和傳承。而今天出現的人工智慧，它對人類社會未來發展的影響，極有可能與倉頡造字相當，當然要放在十分長遠的時間跨度來看。二者同樣是對人類文明的傳承，但人工智慧的發展是累積性的，只會一路向前越來越強，不會中斷或倒退。無論是古老的文字，還是現代科技的影像、圖片、聲音，記錄下來的都只是文明極小的一部。而人工智慧卻是百分之百的傳承，加上持續不斷的優化，最終在每一個領域都做到臻於完美。
因此它的進化效率會讓今天的你我吃驚。作為醫療界投資人，也不得不對它有個了解。在人工智慧各種各樣的應用當中，醫療必然佔據重要的一席之地。不同於3D生物列印、智能家居等等受到資本追捧而後沉寂的概念，人工智慧AI未來對醫療行業的顛覆和重構是必然，只是時間早晚的問題。大熊（微信公眾號：白大熊）越來越深刻地感受到人工智慧在醫療領域的積蓄的力量，有些改變正在悄悄發生。在普華永道發布的「探索AI革命」的全球AI報告中，對最容易受到AI影響的行業進行了排名，排第一的就是醫療，汽車行業得分相同並列第一。
AI全科醫生助力分級診療落地，解決全科醫生缺口
中國的分級診療能不能成功，核心在於基層醫療機構能不能「接得住」患者，而基層醫療機構最缺的是全科醫生。中國的全科醫生只有19萬，佔400萬中國醫生隊伍的不到5%。而發達國家這個數字往往達到50%。全科醫生的培養周期長、代價大，收入和付出不成比例，導致很多醫學生不願意做全科醫生。所以這必然是分級診療深入落實的一個巨大障礙，短期內很難得到改觀。
既然如此，是不是可能利用人工智慧的方法另闢蹊徑，訓練出一個AI全科醫生，或者虛擬助理，實現輔助診斷甚至直接診斷的功能？
國外在這個領域上進展最快的是Babylon Health。這是一家2013年創立於英國倫敦的公司。2016年完成2500萬美元的A輪融資，2017年完成6000萬美元的B輪融資。Babylon Health平台整合Deep Mind的公司的人工智慧技術，幫助患者在同醫生進行文字電話或視頻交談前就提前預支自身健康狀況。
Babylon Health建立了一個龐大的醫學癥狀資料庫，在看醫生前，利用語音識別來詢問用戶一系列問題。相比人工全科醫生診療，這種快速的癥狀診斷能夠幫助降低一條系統的價格與成本。在Babylon Health的APP上，用戶可以輸入自己的癥狀免費獲得醫療諮詢，也可以通過付費的方式和專業門診醫生視頻通話諮詢。
騰訊之所以沒有和本土的公司合作，大熊（微信公眾號：白大熊）推測一是因為國內相關領域沒有理想的標的，缺乏候選對象；另一個原因是學習Babylon Health的模式經驗，畢竟大家都處在摸石頭過河的階段，試錯成本高。國內春雨醫生、丁香醫生等在類似服務上都有嘗試，但都沒有形成氣候。可是一家位於杭州的小型創業公司實現了和Babylon Health類似的輔助診斷功能，儘管規模還很小。
這家公司是成立於2014年的杭州惠泉，產品叫做「半個醫生」。這是一款基於大數據邏輯的醫療垂直搜索引擎，它設計的核心邏輯是把疾病拆解，成包括癥狀在內的各種各樣的標籤。半個醫生APP在2015年11月正式上線，已經可以對可能涉及的18萬種癥狀及關聯的9000種疾病進行分析，從標籤組合到疾病結果的全部查詢過程不到1秒，準確率大約在70%。背後的醫學團隊對機器學習進行訓練，半個醫生的查詢精確率也在不斷提升。
此外，國內還有大數醫達和康夫子兩家公司嶄露頭角，兩家公司的創始人都是從百度出來的創業者。大數醫達已與北京、江蘇、廣東等地的多家三甲醫院合作，用一億多份電子病歷進行數據挖掘，並使用深度學習等人工智慧方法，對常見病的診斷和治療進行建模分析。康夫子的數據來自權威的醫療文獻和電子病曆數據，最近推出了一款名為「左手醫生」的APP，用戶可以通過其解決癥狀自診、小病找葯、智能分診導診、醫療健康知識問答等健康需求。2017年底獲得了火山石資本的A輪融資。
打造AI全科醫生的四個步驟，核心是數據
根據業內人士的說法，實現全科AI醫生需要四個步驟。首先，構建一個完善的知識圖譜，教會計算機閱讀文本，總結描述某種知識的書寫規律，並進行自動知識抽取（Information Extraction）。第二步是智能診斷，也就是在圖譜的基礎之上，訓練計算機的推理能力。一方面判斷多種癥狀綜合下和疾病之間的權重，配合診斷模型，提升診斷的命中率；另一方面要將患者描述的通俗語句轉換成專業術語。第三步是語義理解的部分，將患者語言與醫學專業術語建立關聯。最後一步是人機直接對話交互。通過不斷的機器學習，最終的目標是達到真人專家問診的效果。
顯而易見，獲取數量足夠多、質量足夠好的數據，並持續更新是最為重要的步驟，也是整個醫療AI的基礎。現在行業內創業公司的數據來源是醫院的病歷。因為病歷中不僅記錄著患者的健康狀況和病情，也記錄著醫生診斷病因的過程、治療方案、用藥處方、手術方案、病情變化的過程等等。通過對病歷做數據挖掘，可以整理出體征、癥狀、化驗指標、影像檢查標誌物，與疾病之間的關聯關係，與藥品和手術等治療手段之間的關聯關係。
但問題是，如何獲取這些至關重要的病例信息？要知道，患者病例是醫院不願公開的，尤其對於知名大三甲醫院，屬於醫院的核心機密。這裡更正一個觀點：大熊（微信公眾號：白大熊）之前認為「區域數據中心模式」是未來獲取醫療大數據的趨勢。根據國家規劃，未來會建設若干個區域性的應用和發展中心，形成「1+5+x」的總體規劃。但這個自上而下的規劃落地時間尚短，現在並未見到成效。醫療AI的發展寄希望通過這種模式獲取數據目前顯然並不現實。
其實大數據公司不需要向醫院索取病歷。所有病歷都存放在醫院內網的私有雲里。大數據公司直接在醫院的私有雲里對病歷進行了數據挖掘。換句話說，大數據公司的程序讀過每一份病歷，但是大數據公司的人並沒有直接接觸病歷。
以大數醫達公司的做法為例，它首先打通醫院管理信息系統（HIS）、電子病歷系統（EMR）、檢驗科信息系統（LIS）、影像檢查系統（PACS）等四大信息系統，然後將各系統的文件匯聚到醫院自己的私有雲。接下來通過程序自動讀解病歷，分析語義，整理臨床經驗。
醫療AI的未來
這是一個現在雖弱小無力，但卻不可不跟蹤的行業。據普華永道的分析，AI醫療分為四個階段，而目前僅走到第二階段。預測不一定靠譜，但是可以參考他們對趨勢的判斷和背後的邏輯。
第一階段（2005-2016年）：數據海嘯。在此階段，智能手機、可穿戴設備、電子病例等數據呈指數形增長，但這些信息大多是非結構化數據。醫療行業巨頭把自己定位成數據經紀人，小型健康分析公司增長明顯。
第二階段（2016-2020年）：數據融合。新型AI技術會被拿來做商業研究，而市場是最好的調節者。此時會湧現出很多商業模型解決方案的公司與合作關係。AI醫療公司實力鞏固，至少一個公司將會上市。醫療保健行業全部採用電子病歷。
第三階段（2020-2025年）：商業化。在此階段，商業化的AI醫療企業逐步專業，不同企業在不同疾病上有專攻，比如專門針對癌症的AI醫療機構等。這些企業將整合物聯網、AI以及智能家居，甚至人類基因組上的某些信息，創造出更好的個性化健康方案。
第四階段（2025年以後）：AI醫療被大規模採用。此階段以後，AI能處理與認知健康有關的疾病，在幾乎所有的臨床和行政工作流程中都嵌入了認知保健應用程序。
誠然，在試用了上述國內幾家醫療大數據公司的產品之後，今天的人工智慧全科醫生一點也不智能，甚至有點傻。但是它們一個不容忽視的存在，這些公司能不能成功沒人說得准，但是卻絕不可以不關注。作為投資人，剛開始看不起，然後看不懂，最後追不上，那只有躲在廁所哭的份了。
TAG:白大熊 |