AI医疗与传统医疗日益紧密，AI医疗二次爆发！

2008 年，IBM 首次提出了“智能医疗”的概念，设想把物联网和人工智能技术充分应用到医疗领域，实现医疗信息互联、共享协作、临床创新、诊断科学以及公共卫生预防等。

五年后，穿戴类智能终端市场开始爆发，“医疗终端＋远程监测”的商业模式开始显现，智能医疗终于迎来了第一个引爆点。在此之后，阿里、腾讯等大企业纷纷加入，主推智能医疗的创业公司也不断涌现，但真正的高商业度产品和医疗模式都少得可怜。智能医疗这个领域“看似火热，实则温吞”，医疗资源不均、诊断效率低等“顽疾”仍旧存在。

如今，2018年已经过去了一半，智能医疗却奇迹般地迎来了它的第二次爆发。奇迹的前提是政策的开闸——今年四月，国务院发布了《关于促进“互联网＋医疗健康”发展意见》，明确提出要基于人工智能研发临床诊疗决策支持系统，开展智能医学影像识别、病理分型和多学科会诊以及多种医疗健康场景下的智能语音技术应用，无疑给行业吃了一颗定心丸。

两个月后，首都医科大学附属北京世纪坛医院正式成立了以人工智能为辅助的MDT（mulTIple disciplinary team，多学科诊疗模式）综合门诊，旨在通过人工智能技术的支持，聚焦以肺结节为主的综合诊断与治疗，以提升早期肺癌筛查的准确率。

世纪坛医院MDT专家团队正在对患者联合问诊

毫无疑问，顶层设计和落地模式的革新让智能医疗再次崛起了。而崛起之后，智能医疗将会呈现出什么样的发展趋势，在未来又要何去何从呢？

智能医疗二次爆发，发展呈现两大趋势

目前，物联网、算法、深度学习等技术方兴未艾。随着智能医疗的二次崛起，这些技术也都将得到进一步的应用，而智能医疗行业的趋势也愈加明朗化。

1． 智能医疗与传统医疗的融合将日益紧密

MDT的出现给了行业一个方向。

以肺结节诊断为例，2017年可以命名为肺结节年，在这一年里，肺结节诊断这个领域几乎处于野蛮生长的境地，许多智能影像企业都以其作为切入点，企图获得更多的资料，快速入局智能医疗，但病情的诊断不能仅仅依靠病例的某一个特征就下结论，尤其是到细胞学、组织学之后，需要整合的信息非常多。

多学科联合门诊的意义就是要整合信息。通过MDT影像的一系列检查，人工智能系统将基于影像资料的全面分析，输出AI辅助诊断报告，并由影像科专家对报告进行审核、复诊，从而得出最终的影像科诊断报告。

简单来说，MDT诊疗模式就是以病人为中心，将多学科的诊治优势强强联合，以期达到临床治疗的最大获益。

不得不说，智能医疗一直试图与传统医疗结合得更加紧密，不管是智能影像产品，还是导诊机器人，其都是在为实体的医疗机构服务，比如腾讯宣布开放AI辅诊引擎，PereDoc的人工智能辅助诊断平台PereDoc Imaging也与世纪坛医院专家组成了专业团队，聚焦以肺结节为主的综合诊断与治疗。

PereDoc旗下智能医疗影像设备——Perebox

与互联网医疗一直在摸索从线上到线下的路径不同，智能医疗凭着其大数据和算法优势，已经在线上和线下同时开始了铺排，比起互联网医疗先走营销再转到医疗核心服务的“战略”，智能医疗的“双管齐下”还是具有一定的先天优势。

在以后，智能医疗必定会更加紧密的结合实体，第三方企业依托实体做产品营销，而传统医疗机构又能利用智能手段，提升服务能力、服务质量和管理水平。

2． 区块链助力AI大数据的集成与保护

一直以来，数据安全都是智能医疗的“心病”。的确，随着智能医疗的爆发，电子病历、远程医疗的出现虽然为患者带来了便利，但其庞大的信息数据库也让患者产生了隐私是否会泄露的担忧。

自2018年开始，众多报告和文章都指出：区块链很有可能是下一个发展关键。区块链技术正在破冰，也在寻找着实际行业应用的落地方案，无疑，智能医疗行业是一个最佳的选择。

在美国，一家名为Truepic的企业推出了一款名为DeepFake的产品， 这款产品能够通过识别终端号、地理位置和拍摄时间等元数据对照片施加水印，储存这张照片之后再生成不变的区块链，以此来保证照片的真实性。

这是区块链的第一个优点——当医生用区块链技术去存储患者信息时，每一次动作都可以被记录，进而保证医疗数据的唯一性和正确性，避免医疗数据造假和篡改。

区块链还能够保证数据的完整性，因为区块链中的节点都有备份，这使得单点故障不会损害全部的数据。最重要的是，区块链可以让我们拥有自己数据“授权”权，也就是通过私钥对信息制定一个调取规则，进而控制别人对该数据的每一次访问。

不得不说，智能医疗行业和区块链是非常匹配的。而区块链技术在解决智能医疗行业数据安全性的同时，也极大地降低了医疗机构在中心化数据库建立与运营方面的成本。

爆发之后，智能医疗还需要解决哪些问题？

爆发后的智能医疗给行业注入了一针“强心剂”，但智能医疗领域里还是存在一些老问题亟待行业来解决。

1． 企业盈利：做产品还是担角色？

今年上半年，被称为互联网医疗“独角兽“的远程视界轰然陨落，资金链断裂是压垮远程视界的最后一根稻草。外界也有猜测，远程视界的商业模式像是一场庞氏骗局，给予没有贷款能力的用户提供贷款，从而导致资金链的破裂。

面对行业里惨痛的教训，我们也不得不开始思考。智能医疗一旦落地，连接的将是全产业链，包括上游专家、设备、耗材、地方医院、代理商等，其中成本，难以计算，智能医疗企业又要如何实现盈利呢？

智能医疗的盈利，我们可以从两个方面去思考。一是产品监测模式，这类模式以智能监测、预警产品为切入点，将产品售卖给用户，比如智能手表，面对的主要是2C端。

二是产品辅助模式。在这种模式里，企业充当着连接医院与医院、医院与患者的角色，往往是提供智能辅助产品，联合大医院专家为患者提供帮助，进而提升医疗机构的医疗水平。比如阿里的 “Doctor You”系列产品，腾讯的觅影，以及PereDoc的高成熟度商用智能影像辅助诊疗平台PereDoc Imaging。PereDoc自主研发的智能医疗影像设备自问世以来，就迅速地获得国内大型医院的高度认可，已在中国人民解放军总医院（301医院）、首都医科大学附属北京世纪坛医院为代表的数十家医院投入应用，其高准确率也受到了行业赞誉。

产品和解决方案到底哪个最先打破人工智能医疗领域市场瓶颈？谁是人工智能行业的破冰者？智能医疗行业的出路会交予市场来评判，但有一点是可以肯定的，闭门造车式的纯粹研究产品是行不通的，如何让更多的人体验人工智能技术带来的便利才是企业要思考的问题。

2．数据难题：本质上是用户习惯未培养

对于医院来说，系统的稳定性、数据的隐私、安全性，是排在第一位的，这也使得智能医疗行业里医疗大数据的生态建设推进缓慢。而如何收集到更多高质量的数据，支撑人工智能的深度学习，使技术使用更加便利，诊疗效果更加准确，这也是许多智能医疗产品所面临的问题。

事实上，在医疗数据收集难的背后，其实是一个没有被企业重视起来的问题，那就是用户使用习惯的培养。不管是数据稀缺还是医院不愿配合，其实都是因为医生和患者都还未习惯人机交互。终端用户不使用，AI 无法“自学”，诊断率就难以提高。所以，智能医疗产品一定要和医生现有工作流程无缝贴合，符合医生的使用习惯，使得医生无需花费过多的时间去二次学习。

易用性是智能医疗应该努力靠近的方向。比如，在医生的肺结节阅片流程中，如果增加AI辅助诊断的路径，就要保证一次点击就会即时呈现所有预测结果，而医生只需去除少量假阳性，将阅读肺结节的耗时压缩至几秒，这才能够让用户在最短的时间内适应机器。智能影像中的佼佼者PereDoc就采取了与医生常用的多种系统的无缝融合的模式，与医院现有系统高度融合，使得医生在看片写报告的工作过程中更加快捷方便。

医疗消费升级，体验是成功的关键

如今，崛起的中产阶级对健康和医疗都有了更高的要求，如何能够舒服、体面的看病，已经成为许多人的硬性需求。在消费升级的背景下，智能医疗需要设计更多的多元产品，来满足不同层级消费者的偏好和需求，而海外医疗凭借在医疗技术和药物上的优势，吸引着更多的人选择国外就医。

毫无疑问，医疗旅游行业已经成为新兴的领域，不少智能医疗企业开始瞄准这块“沃土”。人工智能在这方面能起到什么作用呢？

首先，AI能通过先进的智能影像辅助诊断技术，精准筛查出早期的患者，作为人工智能医疗行业的独角兽，PereDoc就凭借其智能影像设备的优势积极开拓海外医疗市场。在早筛疾病方面，其检出率高达99．7％。

其次，医疗旅游业还包括了健康体检、美容、抗衰老之类的“轻医疗”，AI在驱动轻医疗体验的平台也大有发展空间。在这个过程中，AI强大的语言实力也可以更好地助力与海外医学交流，在医患沟通中起到重要作用。

最后，在裹挟了医疗保健目的的旅途中，AI还可以整合和分析患者的医疗信息，制作个性化的医疗旅游计划。

结论：

目前，BAT正在试图打造智能医疗平台，百度推出“健康云”，阿里抛出了未来医院和药品安全计划这两条打通智能化医疗的路，腾讯推出以微信为基础的“智慧医疗”解决方案，而这些平台的切入点都是智能医疗硬件。

由此也能看出，不论是智能影像还是智能监测，智能医疗设备支撑起智能医疗的蓝图是一个必然趋势。在整个医疗行业中，一些高科技还有更大的运用空间，但是医疗的特质决定了技术的运用将是一个‘文火慢炖’的过程。而不管企业们如何切入这个领域，最终指向的都应该是优质的医疗体验。