2016-12-08

  

新华网北京128日电(徐婧澜)“移动医疗或者在线问诊整个领域有很多机会,可以运用人工智能”,昨天的2016WISE独角兽大会上,春雨医生CTO曽柏毅在发表主题演讲时说。他表示,对于医疗领域来说,大规模的效率和质量需要依靠技术,依靠机器。同时,他还详细介绍了“医患匹配”和“辅助诊疗”这两个目前人工智能在移动医疗领域里能够发挥较大作用的概念。以下根据曽柏毅在大会的发言整理,有删节。

移动医疗领域:从蓝海逐渐变为红海

移动医疗领域其实处在一个从蓝海逐渐变化为红海的阶段。几年前,在线医疗,尤其是这个领域里更细分的方向——移动医疗,还甚少被人问津,而春雨医生在当时就有意避开了社交以及游戏等热门领域,选择了这一领域,并始终保持同样的愿景,即让中国人免费问诊,低价就医、廉价买药。

春雨医生创业初始,就曾收到一位女性用户的感谢。由于工作较忙,这名用户在身体有异样时并未去医院检查,好在她下载了春雨医生APP,在将自己的症状描述给APP上的在线医生,并经过多个回合的仔细问诊之后,她被春雨医生断定有可能是宫外孕,必须马上放下手上的工作去医院检查,以进一步确认身体状况。而此后,医院检查也证实了春雨医生的判断,这名用户通过及时做手术恢复了健康。

医疗健康是一个非常严肃的行业,而移动医疗更是要求从业者把每一个细节能够打磨好,才能在关键时刻挽救更多人的生命。如今,移动医疗的概念已经深入民心了,成为了热门议题,然而医疗领域依旧十分复杂,尤其是在人工智能时代到来时,如何寻找移动医疗领域里的人工智能机会,利用相关技术发展这一领域,是每位从业者都需要思考的关键点。在这方面,春雨医生已有一些思考与实践经验可以分享。 

医疗服务:大规模的效率和质量从技术中来

用户到底想要什么样的医疗服务?其实非常简单——快速地获取较高质量的服务。这其中的难点在于,我们如何长期、持续、低成本地服务很大规模的用户,让大规模用户都能够得到高效、高质量的服务。

这其中的关键点在于技术,在于机器。机器能做的事情尽可能让机器去做,这样我们既能得到效率和质量,又能够控制成本。

在移动医疗领域中,众包是整个在线问诊模型里的关键点。这个模型是一个非常好的进行资源配置的模型,在过去几年时间里已经经过了市场的验证,并且本质上已经在所有的在线问诊公司里实现了。在这个模型底下,只要有足够多的医生,这些医生所有的零碎时间加起来就能够覆盖全天24小时,用户在任何时候进行线上提问,平台都能够给出较快的回答。还有两个在人工智能技术下比较新的概念,则是当前移动医疗领域很受关注的话题——医患匹配和辅助诊疗。

医患匹配——机器的拿手好戏

医患匹配对于人类来说是一个复杂的任务,即便是在实体医院也只有70%的患者在首次就诊时能够选对科室。这也是一个非常实际的问题——很多人并不是第一次就可以选对科室,因为这其中涉及太多变量。但选科室只是医患匹配这个大任务里的小分支。选对了科室以后,其实还有很长一部分路要走,用户最终想要做的事情其实是:在身体出现问题时,希望找到一个最合适的医生来解决问题。

在互联网上,这个问题其实会变得更复杂。因为互联网消除了物理空间的限制,所以对科室的划分可以更加细致。例如,春雨医生上总共有50多个科室,甚至可以分出更多的6070个科室,然而科室的增多并没有特别大的作用——从医生专业的层面上说,医生其实都有擅长的领域,更细的则有擅长诊治的疾病和症状。而针对具体的一个症状或者一个疾病来寻找合适的医生,很多人则会感觉到更茫然。更何况,对于医生来说还有不同的职称以及不同的经验区别,而对于用户来说,也并非每次生病都需要找到最牛的那个医生来增加经济负担。

此外,在医疗需求层面上,不同的疾病有轻重缓急,不同的疾病用户所需要的医疗服务也不一样,因此用户对于价格的敏感度、付费意愿也会不一样。从患者自身来看也有许多不同变量——患者的经济水平、支付能力、所处地域、中西医偏好以及他对医院的认知等。因此,对于时间精力有限的用户来说,找到合适的医生绝对是一件难事。

而医患匹配却是机器的拿手好戏。医患匹配所需的算法是推荐算法,也有点击率预测的算法,这些算法都被广泛应用在各大互联网公司。例如亚马逊就有大约30%的销售额与推荐系统相关;今日头条主要做的事情也是通过机器来给用户推荐个性化新闻;百度搜索的搜索广告本质上属于推荐的范畴。

并且,推荐的问题从零分做到六十分并不难,而不同于人工智能的许多其他领域,在医患匹配的问题上,六十分已经基本可用了,因为用户本身有在平台给出的选项里进行二次选择的机会。因此,这是一个很大的发展优势,对于很多公司的冷启动也比较简单。而从60分往上将事情做得更好,就需要依赖于算法的优化和数据的积累,用户的每一次选择,医生的每一次转诊,都会让机器得到更多信息来变得更聪明。

医患匹配最终可以带来两方面收益:1、用户体验上的收益。这体现在用户整体的满意度变高;2、销售额或者购买率上升的收益。以春雨医生为例,用人工智能改造整个医患匹配的流程之后,整体的用户购买率提升了3倍。

辅助诊疗——提升医生能力与效率

当平台为用户选择了一个好的医生之后,还可以进一步提升的其实是医生个人的能力和效率,这就是辅助诊疗做的事情。在在线问诊这个领域中,辅助诊疗主要可分为三个层次,即辅助追问、辅助诊断、辅助治疗。

1、辅助追问

辅助追问的目标是帮助医生获取更多信息来进行疾病的诊断。一个低年制的医生与一个高年制的医生最大的区别就是能否形成一个较合理、规范的问诊思路,一步步像侦探一样找到用户的病因。这时候机器主要做的事情就是通过学习许多更有经验的医生问诊方式,进而辅助低年制的医生,让他们形成更好的问诊方法和路径。即便是对于那些非常有经验的医生,辅助追问也可以帮助医生提高效率。

在线问诊在辅助追问方面具有独特的数据优势,因为它背后有着医患交流的全过程。在传统的系统里,通常只有医生总结加工后的用户症状信息、医生诊断以及处方,中间有过程是缺失的。因此,在线问诊的数据优势可帮助构建一个比较好的辅助追问系统,帮助医生提高他首次问诊的效率。

辅助追问系统下的技术细节是一个类似于垂直的医疗领域的自动问答系统。这得益于深度学习的发展和整个学术界、工业界对自动问答系统的研究。目前市面上也有一些新的人工智能产品在做这个领域,例如百度推出的百度医疗大脑。

2、辅助诊断

在获取了足够多的信息之后,医生最终需要给出一个清晰的判断,判断是否已经帮助用户将疾病范围缩小到一定程度,并且给出相关建议和诊断,或是用户需要到医院去做进一步检查。

机器在这个过程中当然也是可以帮忙的。机器可以读取所有医患交流的文字信息,也可以读取图片信息,识别化验单等,将这些信息处理到一起,再跟后台其他用户的问诊记录、平台所得到的医院病例以及教科书和最权威的临床指南做比对,就能生成一个给医生看的最终可能性和疾病诊断,其中包含着不同的可能的疾病,以及对应的自信度和相关的证据,医生可以根据这些证据去选择是否采纳。整个辅助诊断的系统能够解决的问题是,减少医生的误诊、漏诊。

3、辅助治疗

机器可以给医生推荐治疗方案,也可以做不良用药的监测。假设一个医生不慎给一个孕妇开了孕妇禁用的药,机器是非常容易能够检查出来的。

此外,机器还可以做到补充治疗建议。因为医生通常是在线下行医,可能不太习惯在线上给患者提供详细的治疗、预防、注意事项的讲解。补充治疗建议系统就可以根据医生给的初步治疗方案,扩展出一个更详细,更友好的治疗建议。

移动医疗,或者在线问诊这个领域其实有许多机会可以运用到人工智能,在这个过程当中,考虑消费者的体验和效率,在每一步提高平台自己的体验和效率,是从业者今后需要思考的方向。(完)

 

 

 

猜你喜欢

分享至手机

扫码关注FMCI