关于数字医疗领域的五大趋势(智能医疗的前景怎么样？)

关于数字医疗领域的五大趋势

2016年06月30日讯 埃森哲举行了网络直播，深刻讨论了驱动数字医疗领域发展的五大力量，并由此探讨了未来的五大趋势。主讲人是埃森哲健康高级全球董事总经理Kaveh Safavi博士，健康经济学家Jane Sarasohn-Kahn也参与了讨论。

第一个趋势：“智能自动化”

这个概念涵盖了一系列的工具，帮助人类从医疗系统的巨大人力投入中解放出来，但是这并不是说完全替代人类，更不可能消灭人类。

“我们真正应该谈论的事情是如何利用好电脑以及人工智能等新技术，把它们融合到人类自身的工作中，使人类的各项活动更有效率，获得更好的结果。因此，这是一个人类和技术相融合的时代，而不是人类被机器所取代。” Safavi说到。

举了一个叫SilverCloud Health的英国公司的例子。在精神病患者出了诊疗室后，这家公司的技术可以帮助他们。“这个技术一开始是在实验室里开发出来的，后来发现可以使用基于计算机的算法来治疗精神疾病，如抑郁症。但有个问题就是人们不会接受这一单纯的技术产品，因为他们真正想要的是和人类互动。SilverCloud开发的产品就是让真正的诊疗师去使用，所以当患者出了诊疗室之后，还可以有机会和医师进行互动，获得治疗建议。”

第二个趋势是“流动劳动力”

这个概念的背景是医疗的虚拟化和去中心化，服务提供者可以在任何地方工作，医疗保健企业有机会接触到更多的潜在员工和合作伙伴。但这种趋势并非没有挑战。

“我们可能有流动劳动力，但我们没有相关的劳动法。在美国，我们50个州就有50种不同的针对医师的法律法规。” Sarasohn-Kahn谈到流动劳动力面临的困难时这样说到。此外，医疗在不同州的报销和支付仍然是巨大的挑战。很多地方网络不通畅，极大地限制了医疗保健工作人员的接入和工作地点。

第三个趋势是“平台经济”

认为这是两个小趋势的结果：平台技术和生态经济。“在技术方面，我们从离散的技术转移到我们所说的平台。平台是一个真正的允许多种技术一起工作的框架。在商业经济方面，我们的经济更多的是基于多个参与者提供价值，而不是单一的参与者，我们称之为生态经济。当你拥有平台技术和生态经济的时候，你就有了平台经济“。

他举了苹果公司的例子，他认为苹果很好地利用了平台技术和生态经济，为用户提供了很大的价值。“用户想要的是流线型的、无缝对接的、体验好的产品，就像是个人定制一样。但他们并不真的关心平台，这都是背后的支撑工作。”

埃森哲的第四个趋势是“可预见的搅局者”

医疗保健会被新的创新者搅局。如果我们仔细观察就会发现，其它的领域也被相同的技术搅局。如果利益相关者能够顺应这些趋势，就可以避免被新技术所抛弃。这种变革可能来自医疗体系外部，也可能来自内部。

“有趣的是，这种新的技术和平台突然让医疗体系外的人有机会在这个领域实现大的变革，彻底改变原有的体系。我们看看Uber在医疗领域做的事情就明白了。事实表明，在家里的人们很多都希望产品或服务能够送上门，比如药品、疫苗等。很多提供上门服务的护士需要打车，所以Uber选择通过提供后勤支持来进入医疗领域，这就使得很多医疗服务可以在患者家里进行，一下就改变了整个医疗体系。” Safavi谈到。

埃森哲的最后一个趋势是“数字信任”

这与隐私有关。Sarasohn-Kahn和Savafi讨论了企业如何才能赢得消费者的信赖，对于患者的数据又负有什么样的道德责任。

“我们去年就获得了一份联邦贸易委员会的文件，指出健康数据应该在共享的环境中使用。所以，如果你的服务生成了健康相关的数据，那么消费者希望的是这些数据应该在相关的健康领域内使用。如果它流向了第三方经纪商并被利用，这就是不合法的。” Sarasohn-Kahn认为，现在关键是企业要赢得用户的信任。

认为如果企业能始终如一地保障用户利益，那么最终会获得市场的认可。像其它领域的企业一样，真正的信任和客户忠诚只能在实际工作中逐渐培养。

智能医疗的前景怎么样？

最近几年，人工智能被炒的这么火，但大家一直都在大谈特谈无人驾驶、智能家居，却在这些海市蜃楼中忘记了其实它们短时间内都难以落地，而忽略了在大数据时代就已经落地了的智能医疗。

现在，大数据已经被运用到智慧医疗方面，即让患者就医更方便、疾病诊断更加高效，以及医疗信息更加准确。更快速也更精准的在医疗行业进行多点落地。

大数据＋医疗发展现状

目前国内智能医疗技术相对成熟，已有多家三甲医院引入“人工智能辅助诊断系统”，智能系统以机器人医生的形象呈现在众人面前，通过固定格式的问题和病人互动，根据症状描述开具检查单，检查结果出来后，系统自动出具诊断结论，一线临床医生再对结论予以确认。

据小智君了解，机器人上周已经跟国内200多位医学专家进行了PK，并取得时效上的明显优势。工作人员将100份患者数据输入给机器人，现场连接天河超级计算机，4.8秒钟完工。出乎意料的是，机器人的诊断与医生的原始诊断达到100%吻合。

早在今年3月份，谷歌的人工智能就已经在医学领域取得非凡的成果。谷歌与Verily公司合作研发出了一款能用来诊断乳腺癌的人工智能算法，并将该人工智能与医学专家进行PK，对130张乳腺癌切片进行分析，从而找出其中的肿瘤。

人工智能在这个项目上完胜人类。人类医学专家花了30个小时对这130张切片进行分析给出诊断结果，最终结果是这名专家的准确率为73.3%。而人工智能只花了极短的时间就给出了诊断结果，准确率达88.5%，领先于人类15.2%。

大数据时代医疗AI的三个问题

第一、大数据时代需要改变对疾病的认识和处理方式：

现代医疗中根据患者的病史、症状、体征、实验室诊断，但常忽视患者的遗传背景、基因组数据、环境背景因素以及对疾病主要监测指标持续的观察和亚组分析，包括目前日常医疗诊疗中常根据疾病某个遗传表征，而忽略最基本信息。

随着医疗知识积累的不断深入、专业的细化、碎片化，必然向大数据时代的集成化、系统化方向发展。更专业的人机配合达到对患者最全面的诊断。

第二、大数据时代要改变整个医疗评价方式：

中国在过去的30年中，改革开放和经济实力的积累、医疗资源配置的增加、整体医疗可及性得到不断改善。

不仅仅对医疗结果本身，同时要观察临床的精神面貌，不仅要关注患者的并发症和死亡率，同时要关注医生报告、医院报告、账单生成。用数据提升医生自我学习的能力来完善临床实践的能力，这是大数据给我们的提示。

第三、大数据时代需要改变对医学生培养的观念：

传统的医学模式在大数据时代形成了新的体系，过去的专科培养使医生对数据的理解越来越局限。我们需要从单纯的医生经验的积累过渡到医学数据的积累，这是医学大数据时代所必须的，以及医学上各种指南制定所需要的。

作为医生，需要转变思想，需要接受人脑和电脑的结合，每一个未来医生都应该熟练应用智能工具处理海量信息以寻求更加准确的诊治方案。

人工智能在医学上的发展趋势

那我们接下来应该怎么做？人工智能的趋势在哪里？

一、医疗保健处于数字化转折点

互联网女皇Mary Meeker发布的《2017年互联网趋势报告》认为，医疗卫生和保健已进入数字化拐点：医疗行业表现出数据输入量和数据积累量的爆发式增长，有88％的消费者至少使用1项数据健康工具（远程医疗、可穿戴设备）。

数据的增长一方面缩短了医学研究的创新周期，加快药物临床实验周期，同时提升了诊断的准确率与治疗的精准化程度。

二、数据是发展的关键

数据是“医疗＋人工智能”行业发展的关键。小智君认为，医疗与人工智能结合的关键在于“算法＋有效数据”。先进的算法提升数据处理效率与识别准确率，而有效数据是先进算法应用的基础。

目前，深度学习等算法的发展已经相对成熟，医疗数的“量”和“质”是阻碍人工智能在医疗行业应用发展的主要原因。

三、智能诊断与医学影像识别较为成熟

智能诊断与医学影像识别是“人工智能＋医疗”发展相对成熟的两个领域。

目前，发展相对成熟的领域包括“智能诊断”和“医学影像识别”领域，两个领域的发展将分别提升“门诊”和“影像科”医疗资源的供给，解决目前医疗行业严峻的供需矛盾。

小智总结

在医疗领域，大数据有着广泛的应用空间，可以用在包括疾病预防、临床应用、互联网医疗等方面。可以说，医疗大数据是未来医疗领域的发展趋势。目前，在医疗行业应用大数据方面，我国还处于初级阶段，政府、医院及数据挖掘技术人员需要共同努力，才能让大数据在医疗领域发挥作用。

医疗大数据五大应用透视

医疗大数据五大应用透视
医疗行业是较早运用大数据分析的传统行业之一。其中，五大医疗服务领域包括临床业务、网络平台、公众健康管理、远程病人监控、新药开发等，对大数据运用的深度和广度都走在了前面。大数据分析大幅度提高了医疗效果和用户满意度。
临床记录和医保大数据
汇总患者的临床记录和医疗保险数据集并进行高级分析，将提高医疗支付方、医疗服务提供方和医药企业的决策能力。比如，对医药企业来说，他们不仅可以生产出具有更佳疗效的药品，而且能保证药品适销对路。临床记录和医疗保险数据集的市场刚刚开始发展，扩张的速度将取决于医疗保健行业完成EMR和循证医学发展的速度。
世界各地的很多医疗机构（如英国的NICE、德国IQWIG、加拿大普通药品检查机构等）已经开始了CER项目并取得了初步成功。2009年，美国通过的复苏与再投资法案，就是向这个方向迈出的第一步。在这一法案下，设立的比较效果研究联邦协调委员会协调整个联邦政府的比较效果的研究，并对4亿美元投入资金进行分配。这一投入想要获得成功，还有大量潜在问题需要解决。比如临床数据和保险数据的一致性问题，当前在缺少EHR（电子健康档案）标准和互操作性的前提下，大范围仓促部署EHR可能造成不同数据集难以整合。再如病人隐私问题，想在保护病人隐私的前提下提供足够详细的数据以保证分析结果的有效性不是一件容易的事。还有一些体制问题，比如目前美国法律禁止医疗保险机构和医疗补助服务中心（Centers for Medicare and Medicaid Services）（医疗服务支付方）使用成本/效益比例来制定报销决策，因此，即便他们通过大数据分析找到更好的方法也很难落实。
网络平台和社区
另一个潜在的大数据启动的商业模型是网络平台和大数据，这些平台已经产生了大量有价值的数据。比如PatientsLikeMe.com网站，病人可以在这个网站上分享治疗经验；Sermo.com网站，医生可以在这个网站上分享医疗见解；Participatorymedicine.org网站，这家非营利性组织运营的网站鼓励病人积极进行治疗。这些平台可以成为宝贵的数据来源。例如，Sermo.com向医药公司收费，允许他们访问会员信息和网上互动信息。
公众健康
大数据的使用可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。这将带来很多好处，包括医疗索赔支出减少、传染病感染率降低，卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时的公众健康咨询可以大幅提高公众健康风险意识，降低传染病感染风险。所有这些都将帮助人们创造更好的生活。
远程病人监控
从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备（查看病人是否正在遵从医嘱），从而确定今后的用药和治疗方案。
2010年，美国有1.5亿慢性病如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪乃至芯片药片。芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。
新药开发
医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。
医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。
除了研发成本，医药公司还可以更快地得到回报。通过数据建模和分析，医药公司可以将药物更快推向市场，生产更有针对性的药物，有更高潜在市场回报和治疗成功率的药物。原来一般新药从研发到推向市场的时间大约为13年，使用预测模型可以帮助医药企业提早3～5年将新药推向市场。

本文地址:http://www.dadaojiayuan.com/jiankang/282007.html.

声明： 我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本站部分文字与图片资源来自于网络，转载是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们(管理员邮箱：602607956@qq.com)，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!

上一篇: 月经不调可以吃柚子吗

下一篇: 老不来例假怎么办