AI醫療與傳統醫療日益緊密，AI醫療二次爆發！

2008 年，IBM 首次提出了“智能醫療”的概念，設想把物聯網和人工智能技術充分應用到醫療領域，實現醫療信息互聯、共享協作、臨床創新、診斷科學以及公共衛生預防等。

五年后，穿戴類智能終端市場開始爆發，“醫療終端＋遠程監測”的商業模式開始顯現，智能醫療終于迎來了第一個引爆點。在此之后，阿里、騰訊等大企業紛紛加入，主推智能醫療的創業公司也不斷涌現，但真正的高商業度產品和醫療模式都少得可憐。智能醫療這個領域“看似火熱，實則溫吞”，醫療資源不均、診斷效率低等“頑疾”仍舊存在。

如今，2018年已經過去了一半，智能醫療卻奇跡般地迎來了它的第二次爆發。奇跡的前提是政策的開閘——今年四月，國務院發布了《關于促進“互聯網＋醫療健康”發展意見》，明確提出要基于人工智能研發臨床診療決策支持系統，開展智能醫學影像識別、病理分型和多學科會診以及多種醫療健康場景下的智能語音技術應用，無疑給行業吃了一顆定心丸。

兩個月后，首都醫科大學附屬北京世紀壇醫院正式成立了以人工智能為輔助的MDT（multiple disciplinary team，多學科診療模式）綜合門診，旨在通過人工智能技術的支持，聚焦以肺結節為主的綜合診斷與治療，以提升早期肺癌篩查的準確率。

世紀壇醫院MDT專家團隊正在對患者聯合問診

毫無疑問，頂層設計和落地模式的革新讓智能醫療再次崛起了。而崛起之后，智能醫療將會呈現出什么樣的發展趨勢，在未來又要何去何從呢？

智能醫療二次爆發，發展呈現兩大趨勢

目前，物聯網、算法、深度學習等技術方興未艾。隨著智能醫療的二次崛起，這些技術也都將得到進一步的應用，而智能醫療行業的趨勢也愈加明朗化。

1．智能醫療與傳統醫療的融合將日益緊密

MDT的出現給了行業一個方向。

以肺結節診斷為例，2017年可以命名為肺結節年，在這一年里，肺結節診斷這個領域幾乎處于野蠻生長的境地，許多智能影像企業都以其作為切入點，企圖獲得更多的資料，快速入局智能醫療，但病情的診斷不能僅僅依靠病例的某一個特征就下結論，尤其是到細胞學、組織學之后，需要整合的信息非常多。

多學科聯合門診的意義就是要整合信息。通過MDT影像的一系列檢查，人工智能系統將基于影像資料的全面分析，輸出AI輔助診斷報告，并由影像科專家對報告進行審核、復診，從而得出最終的影像科診斷報告。

簡單來說，MDT診療模式就是以病人為中心，將多學科的診治優勢強強聯合，以期達到臨床治療的最大獲益。

不得不說，智能醫療一直試圖與傳統醫療結合得更加緊密，不管是智能影像產品，還是導診機器人，其都是在為實體的醫療機構服務，比如騰訊宣布開放AI輔診引擎，PereDoc的人工智能輔助診斷平臺PereDoc Imaging也與世紀壇醫院專家組成了專業團隊，聚焦以肺結節為主的綜合診斷與治療。

PereDoc旗下智能醫療影像設備——Perebox

與互聯網醫療一直在摸索從線上到線下的路徑不同，智能醫療憑著其大數據和算法優勢，已經在線上和線下同時開始了鋪排，比起互聯網醫療先走營銷再轉到醫療核心服務的“戰略”，智能醫療的“雙管齊下”還是具有一定的先天優勢。

在以后，智能醫療必定會更加緊密的結合實體，第三方企業依托實體做產品營銷，而傳統醫療機構又能利用智能手段，提升服務能力、服務質量和管理水平。

2．區塊鏈助力AI大數據的集成與保護

一直以來，數據安全都是智能醫療的“心病”。的確，隨著智能醫療的爆發，電子病歷、遠程醫療的出現雖然為患者帶來了便利，但其龐大的信息數據庫也讓患者產生了隱私是否會泄露的擔憂。

自2018年開始，眾多報告和文章都指出：區塊鏈很有可能是下一個發展關鍵。區塊鏈技術正在破冰，也在尋找著實際行業應用的落地方案，無疑，智能醫療行業是一個最佳的選擇。

在美國，一家名為Truepic的企業推出了一款名為DeepFake的產品，這款產品能夠通過識別終端號、地理位置和拍攝時間等元數據對照片施加水印，儲存這張照片之后再生成不變的區塊鏈，以此來保證照片的真實性。

這是區塊鏈的第一個優點——當醫生用區塊鏈技術去存儲患者信息時，每一次動作都可以被記錄，進而保證醫療數據的唯一性和正確性，避免醫療數據造假和篡改。

區塊鏈還能夠保證數據的完整性，因為區塊鏈中的節點都有備份，這使得單點故障不會損害全部的數據。最重要的是，區塊鏈可以讓我們擁有自己數據“授權”權，也就是通過私鑰對信息制定一個調取規則，進而控制別人對該數據的每一次訪問。

不得不說，智能醫療行業和區塊鏈是非常匹配的。而區塊鏈技術在解決智能醫療行業數據安全性的同時，也極大地降低了醫療機構在中心化數據庫建立與運營方面的成本。

爆發之后，智能醫療還需要解決哪些問題？

爆發后的智能醫療給行業注入了一針“強心劑”，但智能醫療領域里還是存在一些老問題亟待行業來解決。

1．企業盈利：做產品還是擔角色？

今年上半年，被稱為互聯網醫療“獨角獸“的遠程視界轟然隕落，資金鏈斷裂是壓垮遠程視界的最后一根稻草。外界也有猜測，遠程視界的商業模式像是一場龐氏騙局，給予沒有貸款能力的用戶提供貸款，從而導致資金鏈的破裂。

面對行業里慘痛的教訓，我們也不得不開始思考。智能醫療一旦落地，連接的將是全產業鏈，包括上游專家、設備、耗材、地方醫院、代理商等，其中成本，難以計算，智能醫療企業又要如何實現盈利呢？

智能醫療的盈利，我們可以從兩個方面去思考。一是產品監測模式，這類模式以智能監測、預警產品為切入點，將產品售賣給用戶，比如智能手表，面對的主要是2C端。

二是產品輔助模式。在這種模式里，企業充當著連接醫院與醫院、醫院與患者的角色，往往是提供智能輔助產品，聯合大醫院專家為患者提供幫助，進而提升醫療機構的醫療水平。比如阿里的 “Doctor You”系列產品，騰訊的覓影，以及PereDoc的高成熟度商用智能影像輔助診療平臺PereDoc Imaging。PereDoc自主研發的智能醫療影像設備自問世以來，就迅速地獲得國內大型醫院的高度認可，已在中國人民解放軍總醫院（301醫院）、首都醫科大學附屬北京世紀壇醫院為代表的數十家醫院投入應用，其高準確率也受到了行業贊譽。

產品和解決方案到底哪個最先打破人工智能醫療領域市場瓶頸？誰是人工智能行業的破冰者？智能醫療行業的出路會交予市場來評判，但有一點是可以肯定的，閉門造車式的純粹研究產品是行不通的，如何讓更多的人體驗人工智能技術帶來的便利才是企業要思考的問題。

2．數據難題：本質上是用戶習慣未培養

對于醫院來說，系統的穩定性、數據的隱私、安全性，是排在第一位的，這也使得智能醫療行業里醫療大數據的生態建設推進緩慢。而如何收集到更多高質量的數據，支撐人工智能的深度學習，使技術使用更加便利，診療效果更加準確，這也是許多智能醫療產品所面臨的問題。

事實上，在醫療數據收集難的背后，其實是一個沒有被企業重視起來的問題，那就是用戶使用習慣的培養。不管是數據稀缺還是醫院不愿配合，其實都是因為醫生和患者都還未習慣人機交互。終端用戶不使用，AI 無法“自學”，診斷率就難以提高。所以，智能醫療產品一定要和醫生現有工作流程無縫貼合，符合醫生的使用習慣，使得醫生無需花費過多的時間去二次學習。

易用性是智能醫療應該努力靠近的方向。比如，在醫生的肺結節閱片流程中，如果增加AI輔助診斷的路徑，就要保證一次點擊就會即時呈現所有預測結果，而醫生只需去除少量假陽性，將閱讀肺結節的耗時壓縮至幾秒，這才能夠讓用戶在最短的時間內適應機器。智能影像中的佼佼者PereDoc就采取了與醫生常用的多種系統的無縫融合的模式，與醫院現有系統高度融合，使得醫生在看片寫報告的工作過程中更加快捷方便。