立即注册找回密码

QQ登录

只需一步,快速开始

微信登录

微信扫一扫,快速登录

手机动态码快速登录

手机号快速注册登录

搜索

刘博谈 | 还在卷检测项目?诊断AI+IVD风口赛道要不要考虑一下! ...

2023-3-16 15:18| 编辑: 归去来兮| 查看: 1268| 评论: 0|来源: 诊断科学 | 作者:认真的刘博

摘要: 不如主动出击,去拥抱下一个时代!



Hello,大家好哇,我是刘博,自从去年11月ChatGPT推出以来,人工智能最近一段时间重新大火,我们之前讨论过AI在检验科落地的场景分析,但现在看来,还是我们的格局小了,并没有真正挖掘出AI,或者机器大数据训练(ML)在整个诊断环节当中可以扮演的相关角色,来,整起!


大模型应用场景分析


实际上,使用计算机来诊断自己的疾病这件事情并不新鲜,已经有十几年的时光了,现在,每年都有数千万人尝试使用谷歌/百度/腾讯医典等等来解决问题,但这样做的收效往往不大,而且,由于很多在线健康数据的质量很低,这种搜索往往是有害的(是否还记得魏则西事件?),有一些国家的政府甚至发起过“不要上网求医”的活动,来敦促人们不要使用互联网来解决自己的健康问题。


所以,ChatGPT并不是这个领域的第一个创新,如果我们把目光投向过去,就会发现,这十几年来,这一类‘智慧医生’已经在网站和智能手机应用程序中出现,帮助我们搜索健康信息。一般来说,智慧医生有两个主要功能:帮助患者自我诊断和自我治疗。它们通常为用户提供一份潜在的诊断清单,并建议他们应该多块的寻求治疗,如现在就去看医生或者在家进行治疗等等。


对于医疗这样主要依靠统计,而且比较保守的赛道而言,是不可能出现特别的突破性技术,因此,过去的总结对未来会具有很好的指导意义。我在这里总结了一下大模型在医疗行业可能的落地场景。


辅助诊断


哈佛医学院教授Ruth Haliu 团队对ChatGPT的诊断能力进行了测试[1],结果显示,它在45个案例中的诊断正确率达到87%,并为67%的患者提供了合适的分诊建议,而现有的机器诊断正确率仅为51%。


由此可见,大模型对于给出症状描述的诊断建议已经达到了较高水平,通过分析医疗记录、病历资料、诊断报告等数据,提供有关疾病诊断、治疗方案和药物处方等方面的建议和指导,帮助医生更加准确地诊断和治疗疾病,提高医疗质量和治疗效果。在医学影像领域,多模态的大模型也可以用于CT图像的诊断,智能标记出存在症状的图像区域。


医疗信息系统流程简化


大模型可以利用其强大的自然语言理解和生成能力,帮助医生更加快捷地处理医疗信息。比如为医生提供智能化的语音助手服务,快速识别医生的语音输入,并自动生成相应的病历、处方等信息,从而减少医生的工作量和提高工作效率。此外,大模型还可以作为智能聊天机器人,为患者提供智能化的医疗咨询和客户服务,帮助医院和诊所更好地处理患者咨询和沟通事务。


智能健康管理


如今,患两种及两种以上慢性疾病,和每天需要医疗监护和健康管理的慢病群体越来越大,目前的医疗保健模式和家庭医生服务模式不仅无法满足患者需求,在某些情况下还可能延误诊治。大模型可以与可穿戴设备结合,对患者进行全天候的健康监测,进行实时健康风险评估,帮助患者做好健康管理。


科大讯飞案例解析


在这里我给大家介绍一个落地案例,主角是科大讯飞。科大讯飞相信大家都了解,基本都用过他们家的翻译软件,当然,机器翻译是AI的一个落地场景,所以对于科大讯飞而言,AI是其业务的核心驱动引擎,所以其在医疗方面也有布局。


情况介绍


在我国,分级诊疗问题是非常严重的,大部分人有一些感冒发烧的小病,也习惯到大三家医院去花费大量时间排队。


当然,这里面有一个很大的原因就是大家对基层医院水平的不信任,这也是实际情况,对于大部分基层医院来说,由于医生的诊断能力有限以及其他原因,医疗数据实际上是没有发挥作用的,当然,如果医生很厉害,也不会在基层医院呆了,好医生哪里都缺。


所以,针对这个问题,科大讯飞推出其智慧医疗产品,可以根据症状提供诊断建议,如果医生的结果和机器提供的辅助诊断结果不一致,就会出现弹窗提示,这样协助医生提高其诊断能力,2022年,科大讯飞的智慧医疗修正了63.5万例的诊疗案例。


对于基层医院而言,在使用了科大讯飞的产品后,电子病历的完整度从原先的不到20%提升至80%的水平,在此基础上可进行慢病管理,例如去年甘肃省高血压等4类疾病进行了慢病管理。另外,在AI的帮助下,可以对医保的使用情况进行进一步的分析,找出骗保的行为,从而节约医保资源。


当前,科大讯飞的产品不仅可以实现96%的人300种常见病的辅助诊疗,更可实现接近1300种病种的全覆盖。


训练数据构成


智慧医疗的训练数据库由三部分构成,第一部分是医学教材,包括医学生从本科到博士毕业的一共53本教材;第二部分是医学相关文献,包括几百万篇英文文献和几十万篇顶级医学杂志医学文献等;第三部分则是和医生合作的私有数据库,这里包括协和医院等高水平医师标注的几百万份病例。


此外,在每天的应用当中也保持着持续迭代提升的能力,如果诊断结果和医生诊断结果相匹配,则会标注匹配,如果不一致,则会上传做进一步的核对,并且根据核对结果进行修订。


盈利模式


目前科大讯飞的辅助诊疗是采用项目制的,一个区域几百万,这里面最大的难度是存在用户认知壁垒,对于这种形态的辅助工具,大家不是很理解,开始往往会觉得不必要,所以存在一个认知的过程,但在使用了之后,医生会发现自己对患者的情况掌握的更清晰和准确,诊疗的成功率也获得了很大的提高,这样就会更加乐意使用。


而在B端服务好了之后,就会慢慢的形成很强的用户粘性,而B端用户又会进一步将相关服务带到C端的人,这有点像过去互联网的KOL,但在这里,社区医生本身就是一个KOL。


当然,智慧医疗最终的目标还是要走向C端,C端的个人健康管理才是营收的大头,只不过对于更碎片化和原子化的C端用户而言,如何构建隐私化个人病例进行健康管理也是一个巨大的挑战。


优点与缺点


优点


先来谈谈优点方面,这条赛道最大的好处就是一个具有广阔前景的蓝海赛道


为什么这么说?


首先,我们来谈一下广阔前景,在之前讨论IVD市场的文章当中,我们一直在强调不能触达用户的产品就是没用的产品(比如那些操作比较复杂,对人员要求较高的检测方法),但对于这一类‘智慧医生’产品来说,完全不存在这个问题,这类软件产品就是奔着竟可能服务更多的用户去的,而健康管理更是每个人都需要的刚需,从这个角度上来说,‘智慧医生’类产品的用户天花板是所有软件类产品当中最高的。


其次,蓝海赛道,这个赛道真没什么人,一方面来说,人工智能决策的壁垒很高,这不仅仅要对AI有所认识,对医疗本身也需要有足够的认识,它不是仅仅针对文献的纯粹的记忆,同时也需要理解;另一方面,私有训练用数据库也会带来很大的不同点,比如讯飞所使用的第三部分数据库。


缺点


谈完了优点,我们来谈谈缺点,还是以科大讯飞为例,它的优点是它是个AI公司,它的缺点也是它只是个AI公司。


为什么这么说?


因为所有的AI都要喂数据,数据的质量在其中至关重要,辅助诊断AI喂的肯定是IVD数据,作为IVD从业者,肯定能理解IVD产品本身在不同医院的非标化情况,为什么在国内,检测结果互认这么困难?除了有利益壁垒意外,不同实验室产出的检测数据可比性,可互换性差,也是不争的事实!


辅助诊断AI和自动驾驶是有一定可比性的,但对于自动驾驶而言,无论是视觉摄像头,还是激光雷达,产生的数据本身是标化的,但对于IVD设备而言,各家检测试剂产生的数据,可并不是标化的!


这意味着,辅助诊断AI的命门被下面提供数据的检测公司捏在手里面,检测公司的数据有些调整,或者做一点改动,AI就很有可能不准和胡说八道了。


当然,也有人会提出,能否不考虑检测数据呈现的过程,只根据呈现出来的情况进行诊疗。这明显是不可能的,如果真有那么简单的话,互联网诊断应该可以取得比较大的成功,而不会出现我们在开篇时提到的“不要上网求医”这种情况了。


写在最后的话


对于疫情后的IVD公司而言,如何开辟新冠后的赛道,无疑是一个重中之重的事项,特别是在IVD集采大幕徐徐拉开的当下,收益降低已然是不可逃避的现实。


在之前我和一些厂家的交流当中,很多人问我,在Biomarker不能专利保护的情况下,如何才能保证自己产品的领先地位,当时我的回答是,应该在临界值方面多下功夫,现在,我有了另一个答案,应该在辅助诊断AI上,多下功夫。


毕竟检测数据,是IVD公司的最大产出,而数据本身的价值,已经被各大互联网公司证明了无数遍。与其等到检测数据这座金矿被AI公司抓在手中,自己最后沦为数据管道工具(当然,现在很多IVD公司也就干这个),还不如主动出击,去拥抱下一个时代!


参考文献

[1] https://www.statnews.com/2023/02/13/chatgpt-assisted-diagnosis/


声明:
1、凡本网注明“来源:小桔灯网”的所有作品,均为本网合法拥有版权或有权使用的作品,转载需联系授权。
2、凡本网注明“来源:XXX(非小桔灯网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有,如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。

鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

官方推荐 上一条 /3 下一条

客服中心 搜索 官方QQ群 洽谈合作
返回顶部