我們幾乎每天都能讀到有關人工智能及其在醫療行業的應用的最新文章，醫療機構類的客戶也總是在問我們人工智能到底是什么，醫院是否應該也在這方面采取行動。

我們并不認為有關人工智能的討論言過其實，事實上人工智能已經做好顛覆醫療行業的準備。技術層面和輿論層面都認為人工智能是新的前沿領域，而醫療行業尤其會因人工智能技術的進步而面臨顛覆。雖然短時間內還不太可能看到機器人醫生為患者檢查疾病，但我們已經開始看到人工智能技術在臨床和非臨床方面應用的進展，這證明醫療行業正在迅速迫近轉折點，迎接重大變革。

然而在感到振奮的同時，人們也對人工智能到底能做什么感到困惑，對人工智能或許將取代臨床和非臨床人員的工作而感到擔憂。對人工智能技術的應用持猶疑態度是可以理解的，但我們相信人工智能最終能夠為醫療行業帶來極大助力，幫助建立可及性更高、效率更高、更實用的醫療系統。

人工智能如何運作？

人工智能包括用于模擬人的智能的計算機系統的研究和開發。人工智能支持的程序可以從經驗中“學習”（即通過接收數據、將數據應用到算法模型、使用結果來改進模型），從而隨著每次迭代而不斷改進。

如今，人工智能通常由多個技術組成，包括但不限于機器學習（ML），機器人流程自動化（RPA），計算機視覺（CV）和自然語言處理（NLP）。然而，單獨的某項技術并不會帶來顛覆，只有把它們結合起來才會產生最大的影響。鑒于人工智能的飛速發展，這些解決方案的組成技術可能很快也會得到顯著增強，甚至可能被目前正在研究的新技術所取代。

人工智能對醫院有何啟示和意義?

從醫院的角度來看，醫療人工智能解決方案可以大致分為三大類：以醫療機構或醫師為主、以患者為主、以運營為主。這些人工智能解決方案能夠對患者旅程的各個階段產生影響，包括入院前和出院后。

以醫療機構或醫師為主。

診斷方面，有很多人工智能工具正在開發中，這些工具能夠為疾病的診斷和初級護理提供幫助，通常是針對報告不足或診斷不足的病癥（例如：糖尿病、中風、癌癥）。這些工具還能夠利用歷史診斷數據開發算法，預測特定疾病在新患者中的發病情況。這些解決方案可以幫助發現更多需要進行醫療干預的患者同時，還能通過發現早期患者避免日后可能需要的成本更高的醫療干預。大多數工具都是由醫療技術公司與醫院以及其他能夠訪問歷史診斷數據的醫療公司合作開發的。

人工智能診斷工具。個性化糖尿病管理解決方案的開發商DreaMed宣稱可利用自適應學習算法和模糊邏輯對來自胰島素泵、連續血糖監測器、血糖儀和患者自行報告的生活方式選擇的數據進行評估，從而確定胰島素給藥模式。DreaMed宣稱他們可以通過給藥模式為患者治療提供建議（例如調節胰島素劑量），得到醫師批準后即可直接發送給患者。

人工智能輔助問診系統。平安好醫生的AI Doctor 覆蓋了3000余種常見疾病的知識圖譜，能夠輔助醫生完成從健康問診到開具處方的整個流程，顯著提升醫生問診效率和診斷準確度；2019年，AI Doctor在實踐中積累了6.7億人次問診數據。此外，平安好醫生“藥店云”還以微信為載體，在藥店為患者提供智能在線問診和開具電子處方等功能，幫助藥店實現從“買藥場所”到“看病場所”的轉變。

臨床決策支持。隨著醫院臨床流程持續不斷的標準化和數字化，人工智能系統可以嵌入到這些流程中以幫助醫師和其他醫療人員做出患者護理相關的決策，例如：患者應該進行哪些檢測、患者最適合哪種藥物或治療路徑等。通過結合人工智能診斷工具的解決方案有望幫助實現以患者為中心的精準醫療。

臨床決策支持人工智能工具。美國Qlarity Imaging能夠從現有醫療影像中汲取臨床洞見，幫助改善患者護理。其最初的產品是首個獲得美國FDA批準的放射學計算機輔助診斷軟件，該系統能夠整合多個模式的影像，幫助放射科醫師分析和分辨乳腺癌及非癌性乳腺病變。樂普醫療人工智能心電分析軟件（AI-ECG Platform）是國內首個人工智能心電圖自動分析系統，也是目前唯一一款同時獲得NMPA批準、FDA批準和CE認證的人工智能心電產品。其診斷項目覆蓋了主要心電圖診斷事件，總體準確率已達到95%以上，能夠在短時間內完成對靜態心電圖的測量、分析、診斷和報告。

疾病預防、監測和治療。許多醫院都在投資建立數字能力以進行人口健康管理。同時，他們也正在對醫療人工智能解決方案展開實驗，以幫助醫療機構預防疾病的傳播以及監測、維持或改善他們治療的患者的健康狀況。例如：正在垂直整合以提供保險的醫院，他們可以利用人工智能來對患者的健康史和未來患病的可能性進行分析，從而幫助調整和定制保費。

疾病預防、監測和治療人工智能工具。數字醫療平臺Biofourmis是一個獲得FDA批準的BiovitalsTM分析引擎，它是一個高度復雜的AI驅動的健康分析系統的一部分，可以病人發展為危重癥出現之前預測臨床惡化。它可以幫助醫院進行疾病預防，管理復雜的慢性病患者，并減少不必要的再入院和急診。

以患者為主。

可以幫助醫療機構提升患者出院后依從性（例如：按時服藥、復查）的人工智能解決方案正在開發中。這些解決方案通常都嵌入在數字療法或智能設備中，被動追蹤患者的依從性，與醫療機構建立聯系，并應用行為科學來預測和預防患者不依從的情況。

患者依從性人工智能工具。人工智能公司AiCure的智能醫療助手（IMA）能夠利用面部識別來監測患者的用藥依從性，這一工具已經進入到臨床研究試驗和醫療機構中。AiCure宣稱其App能夠在沒有醫師參與的情況下識別患者是否服用了藥物。如果智能醫療助手發出提醒，醫務人員就可以通過App實時聯系患者。

患者自我管理。一類旨在幫助患者管理健康的醫療人工智能解決方案也正在開發中。這些解決方案包括健身和健康設備（例如個性化的健康追蹤器）以及個人健康助手（例如知識工具、消費者健康信息）。這為醫院帶來了機會，他們能夠將這些個人設備中的數據整合到患者數據庫中，從而達到改善患者體驗的目的。

以運營為主。

工作流程解決方案。非臨床運營（例如：員工管理、能力管理、營收管理和采購管理）的數字化也帶來了相應的機會，讓醫院能夠利用人工智能提高準確度和效率，并節省更多成本。

工作流程人工智能工具。醫療軟件公司LeanTaas擁有多個旨在提高醫院效率的產品。其中用于手術室的人工智能工具iQueue可以通過預測性分析、移動技術以及云工具來釋放手術室容量，幫助建立更加透明、以外科醫生為中心的流程來評估手術室利用率。用于輸液中心的iQueue則可以通過預測性分析、水平加載原則、優化算法以及離散事件模擬來為每個注射中心優化時間表。

醫院運營效率優化工具。阿里醫療人工智能系統——ET醫療大腦能夠幫助醫院提升運營效率。其中，精細化運營分析利用阿里云智能分析算法，能夠對醫療機構的運營核心指標以及上級主管部門考察的重點指標進行跟蹤和分析，并找到影響核心指標的關鍵因素和科室，為醫院制定管理策略提供參考。

雖然大部分以人工智能為支撐的醫療解決方案仍然處于發展初期，但這一市場在未來3年內預計將實現迅速增長。我們預測在醫院內，針對診斷、臨床決策支持以及工作流程改善的人工智能解決方案將會比其他類型的解決方案更快地得到推廣。

人工智能解決方案目前有多成熟？

對醫療人工智能解決方案的類型有了更好的認識以后，我們還必須了解這些解決方案的成熟度和先進程度。事實上，醫療領域的大多數人工智能解決方案都處于發展的早期階段，需要大量的人工干預，其作用往往都還未經證實。同時，人工智能技術正在迅速改進，預計很快就會看到顯著進展，達到新的層次。

推動人工智能發展的其中一個趨勢是美國食品和藥物管理局（FDA）正在加快人工智能算法的審批。斯克里普斯研究轉化研究所（Scripps Research Translational Institute）主任和創始人Eric Topol進行的一項研究發現，FDA在2018年的每個月都批準了一至兩個人工智能算法，而2017年總共才批準了兩個。截至目前，FDA已經批準了近30種針對不同領域的算法，未來還會有更多算法得到批準。

盡管如此，我們仍然認為人工智能解決方案在醫療領域的全面推廣和最終實施進程可能會相當緩慢，因為人工智能工具可能對人類健康產生負面影響，這一點是非常敏感的問題。假如有患者因為人工智能的介入而失去生命，“誰來承擔相應的責任”的爭論就會隨之爆發。所以我們認為，在制定出更好的法律和監管框架之前，人工智能在醫療領域的推廣將會相對緩慢。

為什么相比其他行業，人工智能在醫療行業的實施更難實現?

目前針對人工智能在醫療行業的應用的法律法規尚不清晰，且具有挑戰性。

能夠獲得的用來訓練和測試AI算法的臨床和非臨床數據較為有限，AI解決方案的準確性和一致性會因此受到妨礙。而面對今天的新冠肺炎疫情，這種限制更加顯而易見。因為目前并不存在此類疾病的歷史，人工智能工具在診斷、臨床決策支持和患者監測方面的價值也就十分有限，人工智能充其量只是一種分析工具；同時，醫療行業正在進行疫苗的研究和開發，并對治療方案進行評估。我們在對抗當前危機時會生成大量數據，而隨著獲取相關數據的基礎設施的就位，人工智能有可能幫助我們預測和應對未來的此類事件。

事實上，我們已經看到了這樣的例子：谷歌DeepMind公司利用深度學習來預測導致新冠肺炎的病毒蛋白質結構；約翰霍普金斯大學創建交互式儀表盤來追蹤確診、恢復和死亡病例的實時數據。

患者數據隱私法律法規引發的限制。美國1996年頒布的《健康保險隱私及責任法案》、歐洲的通用數據保護條例以及其他國家的類似法律法規都對試圖將AI解決方案引入市場的醫療AI生態系統參與者構成巨大挑戰。

難以與現有醫院信息技術（IT）進行整合。人工智能解決方案與現有醫療IT基礎設施的整合可能會很艱難，實施過程對于利益相關者而言非常繁重。此外，隨著兼并和醫院整合的情況增加，精簡IT系統和實施統一的臨床和非臨床操作的挑戰將繼續阻礙人工智能的推廣，尤其是在美國等成熟市場。

難以獲得醫療機構的認同。我們很難讓醫療機構相信，引入人工智能解決方案并不是為了取代他們，而是為了增加價值。如果沒有適當的變革管理策略，這些解決方案將無法實現其在臨床和運營方面的預期影響。

但是隨著時間的推移，同樣也有諸多因素（不分先后）將推動AI解決方案的成熟和應用，包括對AI持續不斷的投資。無論是成熟的還是初創型的醫療技術公司都在大舉投資，以在聽診器、CT掃描儀、核磁共振（MRI）等一切設備中嵌入人工智能（人工智能助手）。隨著時間的推移，新機器取代舊機器，人工智能能力的廣泛可及性將推動這些技術的使用。

數字化程度加深。隨著醫療領域的數字化程度加深，我們將看到人工智能解決方案的推廣速度加快。我們已經看到衛生系統追蹤病人生物計量信息和縱向數據的能力越來越強，病人也越來越希望能夠獲得自身健康數據。隨著相關患者信息的數據池和數據湖的成熟，人工智能解決方案的嵌入將是順理成章的事。

成本壓力。美國的《患者保護與平價醫療法案》和宏觀經濟狀況對其衛生系統持續造成成本壓力。因此，醫療機構會繼續對自動化進行投資以降低成本、精簡決策流程、建立標準化運營。這些投資將為整個醫療領域人工智能解決方案的開發和部署建立數字基礎。

不斷轉向基于價值的醫療服務。績效工資模式（包括責任醫療組織所所采用的模式）鼓勵通過IT來提高效率。這就意味著對實時臨床和財務數據的要求要更高，才能優化決策。而人工智能在其中則有可能發揮關鍵作用，幫助臨床和非臨床決策流程實現自動化。

轉向門診護理。醫療和通信技術的進步使得新的醫療服務模式成為可能。醫院越來越多地將門診護理作為一種成本較低的替代醫療服務。事實上，在2019年7月，紐約的西奈山醫療系統（Mt. Sinai Health System）提交了一份6億美元的計劃來重新設計貝斯以色列醫療中心（Beth Israel Medical Center），欲將醫院的床位數量從目前的683張減少到70張，再加一間急診室。該計劃的重點是“增加門診提供的服務而不是成本效益較低的醫院”。我們可以預見，隨著即時醫療的轉變，醫院將需要人工智能解決方案來監測和護理不在醫院的患者。

醫療服務消費化趨勢。一方面，醫療費用不斷向消費者轉移導致了自助和自我監測工具（例如蘋果手表的心電圖功能）的發展。另一方面，千禧一代和Z世代人群（80后、90后和00后）在數字世界中長大，因此他們希望自己的醫療體驗也能夠數字化。人工智能可穿戴技術能夠預測并幫助預防各種健康狀況，未來預計將繼續推廣。這些技術與當地醫院的數字化基礎設施的整合將會加速當前醫療系統商業模式的非中介化進程，并幫助建立分布式的、永遠在線的醫療模式。

專業醫療人員短缺。就醫患比而言，美國每1000名患者中有2.6名醫生。德國的這一數值為4.2，瑞典為5.4。目光轉向亞洲，在全球人口最多的兩個國家，也就是中國和印度，這一比例分別降至1.8和0.8。由于嚴重缺乏專業醫療人員，對高質量醫療服務的需求又在持續上升，這些國家正在對人工智能醫療模式進行大力投資。在印度，我們看到了Sigtuple、LiveHealth和Onlidoc等公司的崛起。在中國，我們只需要關注平安和騰訊就能了解到人工智能是如何利用數字平臺實現大規模醫療服務的。

“電子服務優先”醫療模式的出現。中國的平安好醫生是世界上領先的基于平臺的“電子服務優先”醫療生態系統。它能夠提供一站式提供實體醫院、醫生、診斷中心和藥房服務。除此以外，它還具備人工智能醫生團隊，能夠位患者提供遠程問診。平安好醫生擁有1.93億注冊用戶（對比來看，亞馬遜擁有1億高級會員），并且已經開始利用注冊患者的數據量身定制保險計劃。平安好醫生正在利用人工智能從大量數據中獲得的洞見來建立新的個性化醫療系統，這在其他公司是難以想象的。

科學研究和真實世界證據越來越多。隨著醫生和醫療機構獲得越來越多關于人工智能的益處的真實世界證據，人們對這項技術的接受度可能會顯著提高。例如，在可以使用數字應用的德國，企業必須在融資一年后提供能證明其影響力的證據。我們也看到世界各地都有大量的投資涌入，目的是為了讓深度學習算法形成最終解決方案的過程更加透明。

醫療機構如何為人工智能在醫療行業的應用做好充分準備？

人工智能在醫療領域的應用到底是一個老生常談的“神話”，還是能切實改變現狀？很明顯，盡管目前的人工智能解決方案較為分散，且大多是實驗性的，并沒有被廣泛應用，但它們擁有非常積極的成熟和成長的趨勢。只要使用得當，這些解決方案就能夠幫助改善患者護理，增加醫療機構的參與度，并優化成本。因此，我們認為醫院和其他醫療機構在其組織和業務范圍內部署人工智能技術是至關重要的。

然而，關于投資哪種類型的人工智能解決方案，醫療機構也應該像做其他投資決策一樣，先對其戰略價值、其對資金的影響以及公司是否已經準備好部署相關解決方案等問題進行評估。

另外，實施的準備程度可以根據醫療機構接受新技術的意愿以及醫院技術團隊的先進程度來決定。那些對醫院日常運營至關重要，且需要逐步進行的解決方案可能比那些新的需要醫院做出巨大改變的解決方案更容易實施。

有的類型的人工智能解決方案會更側重于增加收入，有的則更側重于改善成本、提高效率。但這些解決方案也有可能同時對收入和成本產生間接助益。事實上，我們所提到的大多數公司都能夠在這兩個方面受到影響。

總而言之，人工智能在醫療領域的應用已經是必然趨勢，覆蓋整個醫療系統的各個環節，包括臨床和非臨床。人工智能有望幫助醫療機構提高護理質量、優化成本、提高患者體驗并增加醫療機構的參與度。然而在短期內（未來10-20年內），人工智能的應用是被夸大還是真的能帶來顛覆，仍有待觀察。在人工智能真正嵌入到醫療系統工作流程中之前，我們必須先看到當前流程數字化的進一步成熟或新的數字化流程的出現。

然而，鑒于人工智能具備帶來顛覆的潛能，我們建議醫院執行管理層了解該領域的技術、法規、法律和商業模式發展的最新情況，尤其要關注亞洲的相關情況，因為亞洲正在創建數字優先醫療模式。同時，積極尋找能夠在您的業務中應用到人工智能的領域，并將人工智能的部署作為您的組織和職能戰略規劃的一部分；在短期內根據醫院的戰略潛能而不是投資回報做出關于人工智能的投資決策，并適時擴大規模；與人工智能解決方案供應商在醫院各個領域進行合作，以測試技術、培訓員工，并從經驗中學習；對精通人工智能的醫療和技術人才進行投資，他們將會為人工智能技術在您的整個衛生系統中的合理應用提供支持。（作者：Jonas Funk、Monish Rajpal、孫德嵐（Stephen Sunderland），L.E.K.咨詢合伙人。Ruchin Kansal，Kansal & Company的創始人和董事總經理。）