森亿智能张少典：医学AI创业，你需要知道这些

 医学AI的发展变迁和应用场景

医疗在最初的50、60年代，即AI这个概念最初出现的时候，疾病自动诊断就是AI最初的几个春秋大梦之一。早在70年代斯坦福大学研发的MYCIN的早期自动诊断系统，这其实就是一个医疗自动诊断系统的雏形。当今在AlphaGo的催热下，这样一个领域变得异常火热，但其实AI投身在医疗界应用的努力从未停止。医学信息学作为医学和计算机的交叉领域，投身重点是如何将机器学习、AI、数据挖掘、自然语言处理这些方法应用到医学信息方法中。

就医疗而言，AI最经典的决策场景就是疾病诊断，但实际上围绕1)医院医生，2)药企，3)医疗保险，都会有不同的使用场景，以药企的药物研发和医保研究居多，比如基于病人的病历和诊疗情况，保险公司自动判断患者的核算赔付，从而判断其是否为骗保和过度医疗行为，这也是目前美国AI领域中较成熟的应用场景。此外AI可以长期追踪病人状况，进行建模后做风险判断，从而给医生一些建议，硅谷相关公司基于此对患者的二次入院和出院进行概率预判，对医院和医生产生重大价值。所以说，如果一定要盯着疾病诊断的作用来说，医学AI还有很长的一段距离要走，但是如果去观察西方医疗产业，医疗产业已经有了很多环节背后是AI模型在支撑，只是大家还往往意识不到。

2国内医学信息学和医学AI商业空间亟待规模化

归国博士张少典现年仅28岁，已经致力医学AI创业，他发现90年代末期美国就基本完成了主流医院的信息化建设主体，医学信息学的已经将它的关注点从第一阶段的系统建设转移到了第二阶段也就是数据的二次利用。而中国可能还处在从第一阶段向第二阶段的过渡阶段，主流的医院基本信息化已经接近完成，该有的系统也基本配置，虽然系统相对来说不够完善、连通性还不够、系统的体系性还不足，但可以看到的是在数据的二次利用上已经有了意识开始往这个方向发力。

医学自然语言处理系统重点在于解决医疗文本病历中埋藏信息的深度挖掘和分析，之后再展开多个应用面，比如利用训练数据和语料库为医生回答问题并总结，文本病历抓取特定信息等。比如针对病历结构化这个步骤，自然语言处理可以快速批量抓取病历中的信息生成一个结构化数据库，这个抓取环节可以为医生节省数月的时间，把这个过程的耗时压缩到几秒，目前森亿正面向医疗IT等需要病历读取的企业提供基于算法和模块的批量医学文本挖掘解决方案，愿成为助力医疗数据产业链上兄弟企业的推动者。

国内的医学AI领域在医院里的落脚点仍然主要是辅助医生科研，而为医生广泛做临床需求的应用基本还处于雏形阶段，由于整个的产业链后端还缺少两个强大的买方：一个是商业保险，一个是药企，所以整个商业模式还未跑通。

3医学AI创业路漫漫但仍前途无量

张少典坦言在国内医学AI创业艰辛，由于AI和临床医学都是壁垒极高的领域，要想碰撞出火花可谓难上加难。技术驱动在医疗行业中很有挑战但也乐趣无穷，拥有先驱的IT技术和医疗技术才能和行业共进退，在医疗这个资源稀缺行业中，只有利用技术创新才能把整个盘子做大。

中国的医疗肯定在很大程度上需要AI在其中的辅助作用，只是这种作用未必会很快体现在自动诊断这样高大上的功能上，而是用一种更加润物细无声的形式逐步影响医疗行业。在临床、医院管理、药企、以及医疗保险支付的背后，相信都会不断涌现AI的身影。虽然整个医疗行业的数据化进展依旧偏缓，但以未来五年，以医学AI技术驱动的可规模化的商业模型极可能出现，以未来10到15年来说，可谓是前途无量。
 
文章来源于网络，如有侵权请联系我们。