麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

作者: 付梦雯 2018-07-10 10:19:50

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

以前被问到“医生会不会被AI取代”时,丁香园创始人李天天的答案是否定的,但现在,他改变了想法,“至少有两类医生在将来有可能会被AI取代,一个是影像科医生,一个是病理科医生。这两个科室的医生有个特点:不见病人。但凡跟病人有接触的,我认为不太容易被AI取代掉。”

“AI人工智能时代已经来了。”在丁香园举办的 Digital Healthcare China 2018 大会上,麦肯锡合伙人 Florian Then分享了AI医疗在全球的发展现状和趋势,以及中国为何在数字化应用上全球领先等话题。

根据研究数据显示,在需求端,有 63% 的病人认为在线挂号更加有效,有超过 70% 的病人已经在使用数字化渠道接受患者教育。在供应端,医疗行业 AI 服务供应商覆盖了全价值链用户场景。

在 Florian Then看来,接下来几年将会非常有趣,中国医疗数字化发展有五个关键性问题:政府将如何继续把数字化与医疗体系相结合,是否会推动医疗数据以及医疗体系的标准化等。

以下是麦肯锡合伙人 Florian Then 的演讲内容,笔者编辑整理:

我想跟大家分享三方面的内容,***个是目前全球的趋势是什么;第二个在数字与AI领域有哪些方法我们可以采用,第三部分是中国在医疗健康行业AI背景当中发挥什么样的角色和作用。

全球趋势

***个问题,到底是一种炒作还是确实是现实,而且有些人确实仍然还有这样的问题,我想重申这个确实是发生的,AI人工智能时代已经来了,其中有三个推动因素。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

***个就是数据存储的成本越来越低,2000年你要支付10美元,现在只需要支付一分钱,基本上成本下降了很多,因此也使***的数据存储变为可能;第二,数据量的拓展是非常迅速的,90%的数据是在过去两年间产生,这个数据增长仍然在加速,也就是说我们会有越来越多的数据;第三,计算机越来越快,运算能力在五年内迅速增长,这个肯定会继续推动数字AI的发展。

在运用AI方面,医疗行业仍然还处于初级阶段,其实还是有很大的成长空间。在早期并不光只是运用AI,还有数字领域。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

可以看到基本上涉及到方方面面,不同行业其实都在投资这一领域,而且在价值链当中的不同环节都会借助。在医疗行业还有很多事情可以做,这个确实是令人兴奋的事情。

根据研究数据显示,在需求端,有 63% 的病人认为在线挂号更加有效,有超过 70% 的病人已经在使用数字化渠道接受患者教育。在供应端,医疗行业 AI 服务供应商覆盖了全价值链用户场景,这当中既有初创企业,也有全球性的大公司。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

从这个图上大家可以看到主要有三大医疗方面的用户场景。在这个价值链当中有很多问题可以解决,很多初创企业已经进入了这些领域,如果我们退后一步问这样的一个问题,数字健康到底应该解决什么样的问题?

慢性病管理是未来医疗体系的关键所在。在2013年有一个预测表明,到2030年,预计总共会有将近 80 亿美元用于慢性病治疗,这是目前中国整体医疗支出的三倍。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

数字健康还有AI可以帮助我们解决很多问题。如果它确实能够为我们增加价值,我们就要去运用它,并且尽量避免这些未来可能出现的问题和负担。另外一个问题就是我们现在已经知道的是什么,以及数字健康能够为我们增加什么样的价值。

我们分析了大概500份研究报告,通过研究这些报告我们发现,从医疗体系角度而言,数字化健康管理能够使整体成本下降接近 10%,并且这 10% 大部分都是由供应端贡献的,主要体现为更加有效的疾病和护理管理。

AI 与数字化应用方案

一、国家层面的医疗基础设施

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

很多国家觉得建立全国层面基础设施很有必要。德国 Gematik 电子病历项目,英国 NPFIT 项目,美国 HealthConnect 项目都是由国家推动,建立统一的数据标准,但是这样的项目不仅投入巨大,而且很难维系。从国家层面或者说从系统层面来实施这个新东西确实是非常难的,而且背后有很多原因。

二、创新的数字化医疗方案

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

创新数字化企业会提供很多的解决方案。但是一方面非常分散化,一个医生需要装许多不同的 App 来实现全流程的操作。另一方面,也会造成某个细分领域过度拥挤,最终只能纯粹凭靠资本实力才能胜出。

比如AI成像领域,有超过70多家公司都从事这一领域。而真正能够鹤立鸡群的公司通常都是资本实力相对比较强的公司,这边其实还是有问号的,到底有多少公司能够真正的成功。

三、全产业链生态系统

现在其实不是以产品为中心,而是平台为中心的一个想法,这个其实对于人们来说比较难,因为大众没有办法直接从线性思维转化到生态系统网络的思维。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

如果我们后退一步看一下目前市值***的一些公司,其实可以看到这些公司就是创立了相应的生态系统。像腾讯、阿里巴巴也在张图上,我们也慢慢开始意识到了这点,必须要建立相应的生态系统,比如GE 健康云、西门子“teamplay”、飞利浦健康套件、罗氏+MySugr 糖尿病管理平台。

中国AI医疗应用的优势与问题

接下来提到中国,对于中国来说这意味着什么,以及中国能从中学到什么?中国是否能够成为未来在医疗领域之胜?我们首先问这样一个问题,这个价值到底是多大?

根据统计数据显示,在中国,截止到 2030 年,预计有***达 45% 的医疗行业收入来自于数字化解决方案,这一比例可能转化的数字是 2 - 7 万亿人民币,这也是未来中国数字化医疗行业可能达到的市场规模。

中国其实有一些优势。可能大家已经熟悉很多针对AI领域的一些政策,我们把它与其他国家进行对比,其实可以看到其他国家不像中国这样有针对性、有战略性,以及有系统性的这些政策出台,这种战略性的规划其实是一大优势。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

而且有很多媒体相信,在中国AI以及数字领域有非常强大的优势。中国的医疗体系其实是比较复杂的,而且在中国有很多大公司或者初创企业也在解决各种各样的问题或者解决方案。比如在生物科技领域,已经有很多海归在中国开始创业,我们希望能够为中国带来更多的新鲜想法以及高端人才。

另外一个因素就是规模,如果我们把中国与美国进行对比,在AI领域可能中美是两大竞争对手,你可以看到中国的互联网用户基本上是美国的两倍,手机用户是美国的三倍,而数字原住民基本上是美国的四倍。就数据流而言,可以看到这个对于中国在AI领域取得成功是非常关键的基础因素。

第五,分析一下运算能力,现在中国有非常强大的运算网络,因此交易可以很快解决,现在中国其实已经成为数据处理或者说运算能力***的一个国家。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

我其实是希望从医疗领域来展示像腾讯这样的生态系统,你可以看到其中有很多相关因素,丁香园其实也是其中之一,有很多相应的分析工具等等。

一旦有了这样一个系统就知道大家都在购买什么,然后再加上医疗相应的知识,这就是一个很强大的组合。我们觉得在美国可以类比的系统,就生态系统而言,其实中国的生态系统是其他地方没有办法可比的。

虽然处于应用的初级阶段,但是在中国有相应的人从事正确方向的研究工作,中国其实是愿意去从数据当中挖掘价值。综合以上因素我们觉得这就是为什么中国能够在AI领先世界的一些基本考虑。

麦肯锡合伙人:中国的医疗AI处于领先,但未来有五个关键问题

接下来几年将会非常有趣,中国医疗数字化发展有五个关键性问题:政府将如何继续把数字化与医疗体系相结合,是否会推动医疗数据以及医疗体系的标准化等。

人工智能 AI 医疗 数字化医疗
上一篇:五个最热门的开源机器学习JavaScript框架 下一篇:偶数科技构建新一代数据仓库,与AI应用场景更契合
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

AI免费公开课一网打尽!14个类别、230门课程,GitHub标星6k+

要说这两年最火的机器学习课程,当属吴恩达的Machine Learning。这原本是吴恩达在斯坦福大学开授的课程,课程视频在网络上受到了学习者的广泛好评,后来还推出了专门的网课。

轻沉 ·  1天前
“脑控+AI” 让人用“本能”驾驶 精选

“脑控”即用脑电波来操纵机器设备。这是人类数百年来的梦想——只需要念头一动,机械或设备就已经按照你的想法运转。就像电影《阿凡达》里所演绎的那样,虽然身有残疾,却能通过脑控让另一个“自己”肆意生活。

佚名 ·  1天前
中芯国际量产14nm制程芯片 这是AIoT时代最有价值的制造

中芯国际近日表示,通过加大研发投入,14nm制程工艺芯片已经实现量产,并将于2021年正式出货。

佚名 ·  1天前
调查显示88%的中国员工信任机器人胜过人类老板 精选

中国员工在职场更信任机器人?一项调查显示,有约 88% 的中国员工对机器人的信任程度超过人类上司。

·  1天前
超过Google,微信AI在NLP领域又获一项世界第一

微信AI,NLP领域又获一项世界第一,这次是在机器阅读理解方面。

乾明 ·  4天前
AI如何改善采矿行业现状? 精选

人工智能的引入,有望将采矿业转化成一个更安全、利润空间更大且更为环保的行业。

佚名 ·  4天前
大小仅1MB!超轻量级的人脸识别模型火爆Github

近日,用户Linzaer在Github上开源了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型,该模型文件大小仅1MB,一经开源就霸榜Github Trending榜单。

佚名 ·  4天前
大数据和人工智能如何协同工作

人工智能和机器学习如何帮助组织从大数据中获得更好的业务见解?需要了解人工智能和大数据分析的下一步发展。大数据技术并不像几年前那样广受关注,但这并不意味着大数据技术没有得到发展。如果说有什么不同的话,那就是大数据的规模正在变得越来越大。

Kevin Casey ·  2019-10-17 11:13:27
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载