扎堆影像科是AI**么？瞄准支付方的“痛点”也许才是出路
2017-09-26 季敏华 健康点healthpoint
当腾讯、IBM等纷纷聚焦于人工智能肺部结节的诊断时，2017首届国际医疗人工智能大会上，不少发言嘉宾提出了人工智能另一个值得深挖的方向，也许不在诊断领域，而在治疗与健康管理环节，其推动力是中国所面对的日益严峻的医疗控费难题。
当腾讯、IBM等纷纷聚焦于人工智能肺部结节的诊断时，2017首届国际医疗人工智能大会上，不少发言嘉宾提出了人工智能另一个值得深挖的方向，也许不在诊断领域，而在治疗与健康管理环节，其推动力是中国所面对的日益严峻的医疗控费难题。
近日在上海举办的“2017首届国际医疗人工智能大会”上，中国人工智能学会常务副理事长杨放春坦言，人工智能目前并没有太大的算法突破，最大的突破其实是其经济学价值，这是基于大数据发展的算力得到了很大的提高。
所谓人工智能的经济学价值，目前已经被众多从业者和资本所关注。只是，人工智能作为一项拐杖型的技术，其自身并不能创造价值，只有在医疗领域与医疗“支付方”的需求结合起来时，它的真正吸引力才显现出来。
拐杖型技术的原动力
与人脑根据逻辑推理实现思考的过程不同，机器实现思考的方式是通过大数据与智能算法的结合，这两条路径截然不同。人工智能最初发端于20世纪50年代，并在80年代有过一次小高潮，但直至当下才获得了遍及各行业的持续关注，其原因在于基于大数据的算力直到今日才发生了质变。
然而算力还不足够，中国科学技术信息研究所所长戴国强在大会上指出，数据是人工智能的基础，但是方法是最关键的。否则就只是盲目获得数据，不一定能获得真实结论。如果方法的问题不解决，无法探索出潜在的逻辑关系，那么人工智能的作用也十分有限。
戴国强在会上以癌症为例，“（现在）我们有手术、放疗、化疗，检测的仪器从螺旋CT到MR到PET，CT从从单层到双层、多层、64层、甚至128层，对诊断识别确实有所提高，但越来越多的病情还是在发生。今年4月美国的一个统计显示，过去20年癌症的发生、治愈和死亡率并没有下降，而且预期未来还会增加。“
他认为，这意味着医学必须从微观走向中观、走向宏观，系统性的解决问题，而人工智能也不只是单一的数据科学，数学、物理、化学等各方面都会有各自贡献。“人工智能所具备的大数据技术、算法技术与计算能力，把这些东西结合起来，恰恰能解决我们今天所说的医、治（瓶颈），会对医疗体系作出非常重要的贡献。”
在这样更宏观的视野下，人工智能在医学领域的应用就更广阔了，然而与美国对AI的广泛应用与探索相比，国内的医疗AI企业过度扎堆于诊断环节。
Airdoc创始人兼CEO张大磊说，“国内AI公司大部分集中在医学影像里，扎堆放射科。原因是放射科获取数据最容易，相对标准化，所以大家都冲进去了。但是我们认为，短期可能做个PR容易拿到一笔钱，但是长期来看，这个领域有大量的低水平重复建设。”
或许我们还是该回到这一波医疗人工智能热的原动力，看事物的本质。在张大磊看来，关键因素就是现有的医保与医疗改革走入了瓶颈区，这才是这波人工智能热出现的真正“痛点”所在。
治疗环节比诊断更需要AI
来自投资人的观点，印证了过分扎堆影像科可能不是AI的最好选择。
国投创新执行董事肖治认为，与影像设备厂商相比，AI公司的话语权相对较弱，因此他认为下一代的影像设备会附带一些诊断与辅助的软件，甚至会有芯片、数据库的组成。“这些AI创业公司最大概率是被这些设备厂商收购，如果算法足够优秀，就能够与设备形成互动，这是蛮大的一个趋势。”
值得一提的是，国投创新刚刚投资了最大的国产影像设备公司联影医疗。虽然AI风口正大，投资人在作出投资决策时还是相对谨慎的，他们担心的是医疗AI会与互联网医疗一样，渐渐融入到整个医疗产业中，最后无处不在。因而，也就可能失去了单独投资的价值。
然而，影像科的应用只是AI能发挥作用的一个分支而已，平安健康险CEO Alain Peddle在人工智能大会上的发言，透露出了保险行业对于AI的极大热情，并且其应用直接与医疗控费相关，其商业模式的闭环显得更直接。
Alain Peddle说，保险公司面临的挑战是如何区分医疗花费的不同人群，如何为付费能力强的人群提供优质的医疗服务，并且将他们转化为花费比较低廉的较健康的人群。而在这其中，人工智能能从医疗成本的角度，可为人群分类提供有效的技术工具。
从中国的情况看，目前30%-35%的医疗费用由中国患者自费，这一比例远大于美国、澳大利亚、欧洲各国。Alain Peddle认为，基于中国目前医疗费用占国家GDP的 6%，30%的自付医疗费用就意味着有1-2%的GDP可以进行商业健康险管理，并通过合理的预防措施来降低病患风险。“因而我们可以投资一些先进的（AI）科技来降低这些风险，预测以及缓解风险的发生，这正是我们保险行业非常需要做的。”
平安健康险以人群的患病风险组别来分类建模发现，系统人群中前10%的风险人群占到了整体医疗花费的37%。Alain Peddle说，作为保险方，从管理成本的角度来分析具体病种，并对这些风险进行分类，会让医疗成本的具体原因清晰可见。例如上述图示，单纯糖尿病患者的医疗成本就远低于“糖尿病+高血压”的患者。而仅以糖尿病人群为例，从美国的数据看，有效的健康管理可以为每位患者节约1300美元/年。
“我们的数据可以看到，哪些患者正在从患病初期到病中期、病晚期，同时AI技术让我们看到哪些医生正在进行不正确的治疗甚至是采用一些具有欺骗性的治疗，同时我们也花了很多精力和时间理解生活方式如何影响医疗成本，更多锻炼如何降低医疗成本，”Alain Peddle解释。
他认为，很多疾病是由生活方式带来的，例如糖尿病、高血压，而通过AI等有效的创新技术可以更好预测、管控处于金字塔中部的患者人群。这部分人群正是保险公司最感兴趣的。
Airdoc创始人张大磊对于AI在治疗领域的作用深有感触，他认为，反而在诊断领域，很多医生的能力是算法无法替代的，而在治疗层面，则有非常多的参数以及个性化的因素，算法会比人脑更有优势，“我希望越来越多的国内AI公司可以多做治疗领域，把诊断与治疗结合到一起，病人需要的是健康，需要被成功干预。而诊断是医生需要的，但从来没有人在医生工具上赚到钱，这是一个很残酷的现实。”
人工智能的未来在社区
寄希望于人工智能在治疗环节甚至健康管理中发挥作用，不单只是保险公司有热情，政府为了医保控费，同样兴趣浓厚。
上海市决策委员会委员许速认为，人工智能在社区医疗中将要发挥的作用将是巨大的。他并不认为人工智能会替代医生，因AI的本质是辅助人的脑力，延伸脑功能，增强人脑的负荷量。因此，人工智能最适宜的是一些成熟的技术，在涉及面比较广的基础领域更有优势。“在基层影像诊断，由于人力不足，每年造成的误诊量达到5700万人。”他指出。
对于医疗误诊率，Airdoc创始人有相近的感受，而其创立Airdoc这家针对眼底影像的AI公司也是出于“找不到眼科好医生”的现实困惑。
更重要的是，以上海社区医疗为例，家庭医生管医疗费用是其医改的大方向，而其中人工智能将会发挥作用。
“很多人认为家庭医生不能管费用，实际上上海已经基于治疗的知识库形成费用标准，“许速透露，”我们有32万个组合，并且转化为病种指数与单价，药品指数与单价，耗材指数与单价，家庭医生管费用是通过知识库大数据形成的标准，基于对标准的偏离度来实现，而且已经在实施。”
这一把基层医疗与控费目标结合起来的模式，推动了上海社区医疗的定位和家庭医生的职能正在发生深刻的变化，使其目标成为综合健康管理机构，而社区医生就是居民健康的守门人。
许速甚至认为，健康管理的目标下，社区家庭医生的首要任务是疾病的发现，而不是疾病的诊断。“社区只要有发现疾病的能力，这其中人工智能能发挥的优势就很大。”
其次，社区医疗应有对疾病高危指标人群的持续监测能力，这样就可以把老百姓的健康风险控制到最低，这与医保控费的目标也是一致的。
其三，社区医疗的任务是疾病控制的能力，根据三级医院医生明确的诊断治疗方法给社区居民延伸治疗，控制疾病发展趋势。
“所以，社区的健康服务能力以及应用大数据进行资源管理的能力是今后社区医生的职能定位，而这样的能力提高一定是通过人工智能这种方法，我觉得非常实际，”他补充说。
以肿瘤治疗为例，日本的肿瘤早诊率达到80%，美国为60%，而上海目前的肿瘤早发现率仅20%左右，全国的平均水平更是低至10%。
肿瘤早诊可以大大降低肿瘤致死率的风险，许速提出，人工智能可以用在健康管理阶段中的肿瘤早发现、早干预。而上海已经把肿瘤的高危指标监测纳入了家庭医生的监测范围，包括肝癌、肺癌、胃癌、肠癌等八个细分疾病种类，其卫生经济学的价值不言而喻。
据了解，上海目前的医生总数约6万人，其中10%为家庭医生，约6000人左右。这一比例远低于欧美国家，例如英国为50%，美国为60%，德国为42%，澳大利亚为45%。许速因此提出，人工智能在这一捉襟见肘的人力资源现实中可发挥强大的助力，在提高居民健康水平的同时降低卫生总费用，降低政府投入，因此人工智能一定是中国未来社区医疗的重要方向。
“未来的家庭医生所需要具备的能力，除了一般的医学知识能力，“许速说，”更重要的是运用大数据和人工智能的人群管理能力，这是我们国家社区医改的必由之路。”
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
慢病管理也需要人工智能的参与
98
#影像科#
64