圖片來源@視覺中國
文｜鈦資本
德勤在近日發布的《亞太地區醫療保健展望》報告中指出，以前醫療保健行業主要集中在美國和歐洲，現在卻正向亞太地區迅速轉移，亞太地區醫療保健行業將呈現井噴式增長。
投中研究院的數據顯示，2018年我國醫療健康行業VC/PE融資案例數量和規模大幅反彈，融資案例數量776起，較2017年增長36.38%，融資規模104.01億美元，較2017年增長46.41%。種種跡象顯示，我國將迎來醫療保健行業的創新創業新高潮。
目前醫療人工智能是創新創業的熱點，出現了許多新技術、新產品，也引起了大量資本的關注。創新創業與投資更多關注的是“產”的部分，但產學研要與真正使用者的反饋形成閉環，才能促進行業更健康的發展。
在鈦資本新一代企業級科技投資人投研社第17期，上海交通大學醫學院附屬瑞金醫院學科規劃與大設施管理處副處長林靖生，帶來了“學”、“研”和醫院角度的分享。
醫療人工智能的發展史
人工智能在醫療領域的應用，在國外從1972年到2016年期間每年都有新的進展和突破，學術界每年都能出現關於輔助診斷、輔助治療等技術的成果，這是持續不斷的過程。但在國內，從1978年“關幼波肝病診療程序”率先把中醫學這門古老的民族學科與先進的電子計算機技術結合起來，直到2016年百度發布百度醫療大腦，中間出現了長達38年的斷層。
隨著技術進步，在醫療健康領域已有不少智慧醫療應用成功案例，如輔助疾病診斷、健康管理、醫學影像、臨床決策支持、便攜設備、康復醫療和生物醫學研究，但國內外在大數據技術、人工智能技術、醫用機器人與可穿戴設備等方面還存在著不小的差距（如上圖）。
我國智慧醫療的發展主要存在幾個問題：
第一，數據采集和利用的問題。醫療數據不同於商業數據或者消費數據，因為涉及到隱私而導致高保護級別，在國內出現過幾次醫療隱私數據洩露事件而引起了國家高度的重視，因此如何有效的采集和利用醫療數據是第一大難題；
第二，環境及專業人才稀缺的問題。現在人工智能技術人才非常稀缺，而既懂醫療又懂人工智能技術的複合型人才更稀缺；
第三，基礎支持的體系與計算能力的問題；
第四，標準和規範建立的問題。現在醫療行業仍處於野蠻生長環境中，並沒有充足的規範或標準；
第五，信息安全和隱私保護的問題。一旦開始利用人工智能就要考慮容錯率，例如無人車可以接受從10%到萬分之一的容錯率，但在醫療行業連萬分之一的錯誤率也不被接受。美國到現在為止，FDA（國際醫療審核權威機構）的人工智能診斷類應用屈指可數，而診斷類也只是非常基礎的應用。現在人工智能還不能代替人類醫生進行診斷，不過當人工智能技術達到了某種可靠性之後，信息安全和隱私保護就會變得非常重要；
第六，產業化發展問題。現在這個領域已經進入了包括BAT的科技巨頭、新興的生物科技、醫療科技公司，但在產業化發展的道路中並沒有一個有效的指導，出現隻追求快速發展，而疏忽過程中的重要環節，或解決的其實並不是醫療行業的核心需求。
醫院真正的應用場景有哪些？
從2015年開始，國家政策就開始推動醫療與技術的結合。從“互聯網+醫療”，到“人工智能+醫療”，其實在業內更多思考的是“醫療+”，因為無論技術怎麽變化，核心應該還是醫療。
在雨後春筍一樣出現的大批互聯網醫療、人工智能醫療公司中，很多不是從解決某一類具體醫療問題出發，而是先成為掌握某項技術的廠商，再去找醫院或醫生合作，謀求短期內在某個場景中落地，開發出某款產品、某種解決方案。這樣的場景可能不是真正的場景，解決方案與場景可能不完全匹配。這樣沒有醫療根基的企業，很難在醫療行業立足。
從醫院的角度，什麽才是人工智能技術真正的應用場景呢？這就要從打造有思維、能感知、可執行的智慧醫院目標說起。
一家醫院要稱為有“智慧”，必須具備：
第一，智慧“大腦”：思考和指揮。“大腦”融匯了大量信息（大數據）和知識（知識庫），並能不斷學習和進化（人工智能、深度學習）。針對外部刺激，“大腦”可以迅速對信息進行有效組織和組合，作出決策並指揮“行為”；
第二，感知“器官”：感知和采集，“大腦”的思維判斷需要眾多信息輸入作為依據，這就依賴於感官：視覺（攝影頭）、聽覺（智能語音助手）、嗅覺、觸覺（各種智能設備及傳感器）對醫院各種數據的采集，既包括人員的行為數據（患者動線、醫護人員動線、醫院物質運送動線）、醫療過程及結果數據，也包括空間環境的信息（能耗、空氣質量）；
第三，“血液”循環：數據驅動，不斷匯聚臨床表型數據和科研組學數據，並以個體行為數據為補充，形成臨床研究大數據。這些數據傳送到大腦進行學習和決策， 從而指揮“行為動作”（各種應用軟體系統）；
第四，“人體骨骼”：軟硬體設施，轉化醫學中心的軟硬體設施互聯互通形成一套整體支撐“行為動作”；
第五，“人體四肢”：醫療科研服務，轉化醫學中心的提供的醫療及科研服務（招募、預約、檢查、治療、康復、隨訪等）。
由此可以把人工智能在醫院的應用場景分為四類：
第一類為智慧服務，這是當下最熱門的領域，像互聯網+醫院、人工智能+醫院、App移動醫院等都集中在這一領域；
第二類為智慧管理，更多服務於醫院的醫療和運營管理；
第三類轉化醫學研究，像臨床研究和新藥研發未來都會依賴於數據或人工智能，在未來也是很大的產業；
第四類教育，包括對患者的科普類教育，分級診療中對各層級基層醫院的基礎教育。這四大類是醫院最需要應用人工智能的場景，未來這幾類場景中將有優秀的新產品、新技術和廠商誕生。
這四大類場景具體來說又包含：
診前：首先，患者身份識別。現在的身份識別技術依賴於醫療卡。未來患者在就醫時，從接待到就診、取藥、醫技服務及後續的預約等一系列服務，都可以通過無感面部識別技術來實現，將大幅提高醫院就診的效率。
從醫院的角度出發，當前技術還不是非常成熟，會先從人流量較小的診療區域如特需醫療、高端醫療或私立醫院等進行測試，在技術逐漸成熟、能夠識別大量人員信息後，就可以淘汰現在所用的磁卡，為患者帶來很大的便利；
其次，自動繳費。從2013年開始，支付寶等發了這一應用場景，已經在醫院運行良好；
再次，智能化的引導。現在已經有 APP室內定位等多種引導方向，未來的智能服務機器人引導可能不是單純的診室導航，而是全程從到入院開始或之前就可以像護士陪同一樣，進行病情的分類、分診，然後引導最優路徑，讓患者有很好的就醫體驗；
最後，在就醫過程中涉及的檢查或取藥的行為，比如自動發藥機已經在一些醫院開始大規模的應用。現在自動發藥機還需要醫務人員在發藥後進行藥品的核對，之後再交給患者，未來將像自助銀行一樣直接為患者提供取藥或檢查。
診間：現在醫患的溝通非常短暫，特別是大型三甲醫院，醫生的診療任務非常繁重。未來，通過大數據、大屏互動等技術，把患者生命體征數據、歷史診療數據等提前告知醫生，患者到診間後就可以在螢幕前進行良好的溝通，從而提高溝通率，也提高患者的滿意率。
診後：當診療結束後，患者大部分時間是在家裡進行健康管理，未來人工智能在這個領域也有很好的應用。雖然醫院提倡全程診療，但由於醫患比例嚴重失衡，並沒有時間一對一進行個性化看護，這就給了智能化很大的空間。
可穿戴設備已經實現了血糖檢測、心電監測、運動監測、飲食種類和熱量的監測，未來如果把已經制定好的飲食處方、運動處方等通過可穿戴設備在院外的患者進行有效的乾預或健康生活方式的引導，將對慢性病人起很大的作用。
病房：患者住院的過程中，怎樣有效、實時地收集患者的生命體征數據？怎樣對患者進行有效、及時的治療乾預？怎樣對患者進行有利健康的宣教？由於醫護與患者比例嚴重失衡，需要人工智能技術來輔助醫護人員高效地完成工作，同時又讓患者感受到溫暖，這是未來智慧病房中人工智能技術和生物技術的應用方向。
日常診療：查房和電子病歷等工作戰勝了醫生的大量精力，現在用機器人查房可以來幫助醫護減輕工作量，通過自然語言處理技術自動形成電子病歷，讓醫生省去鍵盤輸入的過程。
護士站：護士在執行醫囑時，有大量的護理工作要做，包括醫囑的核對、藥品的發放、生命體征的采集等等，而通過智能化的配置或物流，能幫助護士更高效、更標準化地為患者提供服務，且防止出錯。
對外開放：教學型醫院、科研型醫院或多或少會有對外開放的需求，人工智能在展廳的打造、來訪預約、參觀者身份識別、滿意度跟蹤等方面都有很好的應用。
自動化可追溯物流：把流程按醫院所需進行改造後，物流企業就可以快速進入醫療領域，為各大醫院提供相應的服務。現階段軌道傳輸體系、氣動傳輸體系、機器人傳輸體系等已經在一些醫院應用，還有一些專業領域仍在做新的探索，比如樣本傳輸體系有全管道低溫保存的要求。
智能大樓：現在智能大樓的建設中，與智慧醫療之間相應的銜接非常少，未來把這兩項技術相銜接會有非常好的發展空間。
管理倉：醫院從醫療到管理、從物流到後勤保障都智能化之後，很難通過直觀方式了解到運行的情況或規律，需要有類似駕駛艙的全局管理艙，讓管理者在駕駛艙了解醫院運行的情況。
醫療人工智能面臨的挑戰
在醫院全面普及醫療人工智能，一個比較大的挑戰是醫院的接受程度。但經過互聯網的洗禮，大多數醫院也在嘗試擁抱技術。除此之外，還面臨著幾個挑戰：
第一，人才。美國人工智能人才數量近85萬人，中國僅有5萬，人數相對較少，並且人工智能人才成本高昂；
第二，數據。數據和數據之間是有壁壘的，各醫院和各專科之間的數據並不連通。如果要得到高質量的數據，首先要與一家或者多家醫療機構進行協作，這非常困難，因為全國最優質的醫院和專科之間的協作是有限的。
衛計委等等組織和一些高校也在尋求突破，他們希望通過行政力量把醫療機構的數據組織在一起，形成一個數據庫，用沙盒技術為未來的人工智能企業提供“養料”或學習資料，但推進的速度並不是那麽快。
除此之外，還有數據歸屬不明確、數據安全要求高、數據開放受限制、數據標準不統一、數據倫理存爭議、數據成本代價高等問題，這些都是製約人工智能醫療行業發展的重要因素；
第三，審批。在AI醫療器械審批方面，由於產品未獲得三類醫療器械證書就無法上市，因此產品審批難以通過成為產業發展的重要掣肘。
現在人工智能診斷技術在飛速發展，很多企業或高校宣稱在某些比賽中人工智能診斷能力已經超過了人類醫生，但在中國幾乎沒有通過了國家食品藥品監督管理局審批的人工智能診斷算法或應用，在國外也是寥寥無幾。
像診斷、治療方案等需要的智能和科技程度較高，需要得到相應的審批才能進入醫療市場。而一種新藥的審批可能長達十年，一個新的醫療器械的審批也是要兩三年，在人工智能領域一項技術也要進行臨床的諸多實驗才可以在臨床上應用。當然，健康指導、宣教、問診服務一類的人工智能服務，不涉及治療或者診斷過程，審批相對沒有那麽嚴格；
第四，倫理。現階段醫學人工智能診斷系統難以解釋診斷的原因，而一旦診斷結果出現問題，也無法追根求源到底是人類醫生、數據還是算法本身出現了問題，因此仍存在“黑盒”風險；
第五，盈利。在行業應用方面，目前付費方不清晰，買單方是醫院、患者、藥企、保險公司還是政府，未來需要多方探索。
傳統醫療信息化體系在人工智能時代正在改變，也暴露出其薄弱之處。主要集中在三個方面：一是數據采集，二是數據采集的範圍、質量，三是應用的個性化與智能化的程度。
針對這些問題，醫院信息化體系的建設還是要以數據為基礎、技術為核心、服務為導向。
在未來智慧醫療希望能夠有兩個體系：
一個是應用體系，可通過將人工智能智慧應用與現有應用相互融合協作共同服務於醫療業務的形式，逐步由半智能化過渡到全智能化甚至是無人化，整個過程由各智慧應用的部署形成“智能節點”，替換原有流程上的各個節點，形成“智能單元”，最後由各單元鏈接形成“智能網絡”，最終形成完整的智慧醫院應用體系；
另一個是生態體系，通過智慧養老、智慧藥房、智慧醫療、智慧健康的醫聯體，體系化的建設醫療機構，為醫療提供更好的服務。
醫工轉化案例：核心還是醫療
新疆喀什地區縣市之間的平均距離超過200公里，其中有些縣更是深藏在極端自然環境之中，如帕米爾高原的雪山、塔克拉瑪乾大沙漠。遠程醫療模式在這裡能發揮極大的作用，幫助當地百姓足不出戶享受優質醫療服務。
上海對口支援新疆喀什第八批醫療隊的目標，是幫助喀什二院升級成三甲醫院並全面提升信息化能力，使其未來成為能夠連接烏市和上海醫療五級聯動體系的樞紐和核心，打造成為南疆醫療高地，帶動和異塵餘生周邊地區的醫療服務能力。
當時的遠程醫療的需要是：一，建立雲計算數據中心, 構建南疆醫聯體信息平台，打造喀什地區區域醫療信息化；二，建立南疆醫聯體互聯網遠程醫學中心。
這時出現了新的問題：醫療活動發生在醫院的各個角落，通過傳統遠程會診系統的建設方式無法滿足需要，或是需要耗費巨額資金和精力。
根據上面這個問題，提出的解決方案是採用移動推車，把一些簡單的遠程設備架設在醫療推車上，推到病房中去。但這需要要讓設備能自動行走，不需要護士為此做更多的額外工作，還想要幫助護士從一系列重複性勞動力工作中解放出來。
科研團隊認為，醫療服務機器人的核心功能有三個：一，跑腿，精準地在病房內移動，找到具體的目標和人物；二，替身，代替專家作為主治大夫、帶教老師、指導專家出現在多地，作為護士的替身幫助實現簡單查房、宣教、量表；三，耳目，在確保隱私和倫理安全的情況下，監察病區環境、監察患者情況，及時感知、及時處理。
此外，還有幾個特殊要求：
一，身材要盡量纖細，真實的醫療場景非常的擁擠，機器人要能夠穿梭於擁擠的場景中；
二，高機動性，醫護平時走路的速度都非常快，機器人不能拖後腿，現在很多的機器人還要等一兩分鐘才能跟上，在核心的應用場景中失去存在的意義；
三，傳感器要足夠的多；
四、可以搭載各式各樣的人工智能應用。
最後通過醫工結合的模式，將人工智能技術、機器人技術與遠程醫療活動相融合，把核心醫院、專科醫聯體、援外醫聯體、託管型醫聯體、直管型醫聯體等形成一個協作網絡，實現遠程查房、遠程會診、遠程疑難病理討論、遠程醫療等一系列的功能。
智能醫護服務機器人項目只是開始， 通過人工智能、機器人、物聯網技術，打造多模態混合智能互動醫護服務集成示範區。在人機協同的基礎上通過自主學習逐步提升服務深度，最終實現無人化照護服務，解決醫護人員短缺、醫患溝通不足、照護不全面、人性化服務缺乏等一系列醫改核心問題，用AI全面賦能醫護服務，助力健康中國2030規劃。
從這個案例可以看出，新產品、新的解決方案的產生的過程中，核心是醫療。這個項目最早的時候，並沒有瞄準人工智能領域，只是為了解決讓醫生能夠遠隔千里更好地進行醫療活動的問題，在解決問題的過程中，才逐漸有了智能醫護機器人的誕生。
後來在援外工作中，像日喀則、喀什、雲南、新疆、西藏各個地方都有非常好的應用，包括在整個醫聯體的領域內，如兒童醫學中心的專科醫聯體、綜合醫聯體、民營和公立醫院相結合的醫聯體中都發揮了非常好的作用。整個產品在研發過程中迭代了很多代，最終拿到專利，實現了產品化。從現在的角度上來說，這個人工智能技術和醫療場景相結合的產品，其實是從一個小需求出發，一步步演變過來的。
所以，還是要從需求出發，看一看初心是要解決什麽樣的問題，需要什麽樣的產品，然後慢慢地演化、與最新的技術相結合，而這種結合也不是硬結合，而是為了達到某種效果而選用了某項技術。
人工智能近期在三個領域可能會有突破：第一是智能醫護服務機器人，對患者進行感知、適當的乾預，從遠程醫療出發，在護理、健康、陪護、康復、助殘、巡檢、導覽等公共服務中發揮作用；第二是虛擬護士或者虛擬助手，通過語音、語義等技術結合，是非常好的突破點。
但虛擬護士一般並不提倡由人工智能完全接管而是人機協作，人類可能隻負責20%最尖端的、最需要協調的工作，人工智能負責大量粗活髒活累活；第三是IOT智慧病房。未來通過可穿戴設備、物聯網、傳感器，把後續要分析、決策、乾預或者提供服務的所需數據采集上來，采集的越多意味著思考越完善、分析越徹底、服務越精準。
總結來說，當下可能是醫療機構信息化的分水嶺，之前稱為傳統醫療信息化，而發展到今天，醫院對於應用系統專業化和智能化的要求將日趨顯現。
針對醫院特定人群、特定業務、特定需求提供具有針對性的智能應用將是未來智慧醫療發展的主要特徵，其特點是智能、精準、迭代頻繁、重視應用的個性化和創新性。隨著技術的快速發展以及醫療信息化領域相關產業的日趨成熟，未來智慧醫院建設發展將呈現共性與個性並存的特點。
鈦資本研究院觀察
2019年，中國將全面展開醫聯體的建設工作，所有三級公立醫院均參與醫聯體建設。目前，我國已形成了城市醫療集團、縣域醫共體、跨區域專科聯盟、遠程醫療協作網4種醫聯體模式。
2019年，我國將在100個城市開展城市醫療集團建設試點，在醫療集團內部建立以信息化為支撐的遠程醫療系統、遠程會診系統、遠程教育系統、雙向轉診系統，各級醫療機構信息互聯、互通、共享，為患者提供連續一體化的診療服務，同時重點在500個縣開展縣域醫共體建設，提高基層醫療服務水準。
中國大規模推廣醫聯體模式，是人工智能在醫療和醫院體系創新創業的重大契機。過去，人工智能進入醫療和醫院體系，只能在外圍和輔助服務方面發揮作用，無法進入醫療和醫院的核心運營體系。
而隨著醫聯體的推廣，遠程醫療、醫療機構互聯互通、家庭看護等需求將規模化興起並進入到醫聯體的核心運營體系，這打開了人工智能的創新應用空間。
實際上，新的醫療體系變化正在發生：據國家衛健委統計，2018年全國醫療機構雙向轉診患者1938萬例次；其中，上轉患者比上年同期減少15%；下轉患者比上年同期增加83%；75%的醫療機構實現醫聯體內檢查檢驗結果互認，遠程醫療協作網覆蓋所有地級市和1800多個縣。
當醫療和醫生系統發生重大的體系性變化時，正是創業投資的好時機。回歸醫療初心，不為了技術而技術，是考察醫療人工智能項目的出發點和最終落腳點。
【鈦媒體作者介紹：本文作者“鈦資本”，是專注於企業級科技的投資銀行和管理谘詢服務平台。微信公號：tmtcapital】
香港九龍灣馬來街興發大廈15樓D室