人工智慧如何幫助葯企、患者和醫生？

本文根據IBM全球諮詢服務部醫藥行業負責人 周德標 溝通對話整理。

——————————————————————————————————————

IBM的全球諮詢服務部，覆蓋的業務線比較廣、行業也覆蓋的比較全。就像我所在的醫藥行業，我們就覆蓋整個醫療、製藥、醫療器械、基因檢測、第三方檢測，所有跟大健康相關的行業。

醫療行業三個方面的疑問：葯企的葯價、葯的療效、醫藥學術研究

有時候大家看到葯價高，會有一些疑問，葯價能不能降呢？

我們講「葯價高」，它有很多原因。但是其中有一點不能不說，就是說它在流通的渠道當中，因為「葯」這個東西它比較專業，研發的過程可能要花好多年，花十多億美元才能做完，當中的技術含量非常高。

另外一點也很重要，那就是對於醫生和患者來說，怎麼去了解治療手段，怎麼知道葯的療效？

其實這是一個非常專業的過程。但是大家普通人也有這個感受：醫生您跟我講那麼多，我都聽不懂。這個怎麼辦？

現在有個葯業的熱詞，叫「學術營銷」。大家普遍對「營銷」可能有一些負面的印象，好像感覺就是要推銷什麼東西。其實在醫藥行業，「學術營銷」他更多的目的是傳播專業的知識。

可能服務的是兩類人群，第一類就是這些專業人士。比如：醫生也好，護士也好，這些醫療從業人員。另一類，就是普通人。

國家也鼓勵，應該在「未病」即在生病之前的健康管理，在普通人去醫院治療完成之後，已經治癒以後的這些愈後的管理，都是「學術營銷」服務的對象。

人工智慧對普通病患的三點幫助

其實每個人都可能患病，就是每個人都可能是潛在的患者。

就我們普通人來說，我們對「葯」主要就重視三個方面：

1.希望療效好，能夠幫我治這個病。

2.它的安全性高，也就是說負作用少，不希望吃了這個葯，又得了那個病。

3.也是我們比較重視的，也是大家經常去醫院會問到的。就是說：你這個葯貴不貴呀？

那人工智慧如何分別幫助呢？

IBM有一個醫療輔助診斷系統，其中收集了大量的數據。

第一點， 患者比較關心的「療效好」，我們可以通過輔助診斷系統，能夠看到他這個疾病的處方的歷史，有多少醫生實際是採用了這個處方的建議，然後又有多少病人實際是治癒了或者是改善了。

第二點， 患者關心的安全性。這裡更多的是一個信息傳播的問題。因為說這個「葯」它的負作用。很少有人真的去把那個指南說明全部閱讀一遍的，這個就需要通過人工智慧的手段，給到病人一些知識上普及教育。

第三點， 患者也關心經濟效益。對於患者來說，就是一個「花多少錢」的問題。IBM的醫療輔助診斷系統裡面，也有相應的證據支持，就是系統會對醫保的數據進行分析，然後針對每一種醫生開出的處方、患者實際去用藥的過程，去進行一個追蹤，然後看用藥的過程當中，他到底花了多少錢，所以這個對於患者來說，也是一目了然。

人工智慧幫助醫生實現「臨床診斷」和「學術研究」

醫生的任務主要就分為「臨床診斷」和「學術研究」。

在臨床方面，人工智慧能夠輔助他進行診斷和用藥的建議。另外一點，就是學術研究方面。學術研究其實對於醫生的升級、考評都非常重要。

現在大家去三甲醫院一個最大的感受，就是醫生給臨床佔用了大量的時間，所以他做學術研究的時間往往不夠。而IBM現在的人工智慧技術，對於文獻研究方面的這些工具的支持，能夠幫助醫生能夠迅速的去獲取，能夠去更新他已有的這些學術的知識。

在治療領域有一個非常權威的《國家治療指南》，這個每個疾病都有一個相應的《治療指南》在那邊。這個《指南》的制定過程當中，國家通常會去請我們行業裡面權威的專家，一起來編寫這個指南。

這個過程比較漫長，因為幾年可能才更新一次。然後，這些專家寫這些《指南》之前，其實已經在相應的領域，做了大量的科研、發表了大量的論文。

大家知道，寫論文最痛苦的一件事情，就是做研究。

要寫一篇論文，首先得了解：做這個研究，到底適不適合？是不是已經做過相應的研究了？他們做的結果怎麼樣？我是不是還要去做同樣的事情啊？或者說，我的研究方向，有一些證據是不是其他人已經獲得了，我是不是能夠重用他們的這些知識啊？

對於醫藥行業，對於醫生寫這個《指南》，同樣也是有這個問題。所以人工智慧在這裡就可以進行幫助：第一點，醫生在寫論文的時候，方向怎麼去確定，內容以及相關的證據從哪兒去找。而人工智慧在幾秒鐘之內可以完成幾千萬篇文獻的檢索和閱讀，從中迅速找出醫生需要去聚焦的領域。

在專家編寫《指南》時，他們更多的是需要人工智慧來幫他當一個閱讀和理解文獻的助手，從中找到更多的他需要的方向跟證據。對於葯企來說，他利用人工智慧，其實也可以從這些浩瀚的證據、文獻當中，可以發掘一個未來的，可能他的科研的方向或者戰略。

幫助醫藥公司做研發

葯企研發成本很高，那麼人工智慧如何才能夠幫助這些企業去做一些事情呢？

其實很多。

加強「科研」這個過程是個非常專業的過程。它當中用到的這些數據以及此前的研究的結果，都是可以利用人工智慧的技術，去幫它加速藥品科研的過程。

對於葯企來說，肯定有自己的一個科研的方向。但是這個方向怎麼去確定？以前的傳統做法是有五六個專家，在三四個月裡面，閱讀上千篇論文，然後從中分析出這個觀點。一個醫藥行業的專業網站，從1970年開始就有2600萬篇文獻。這個表明，如果搞科研、確定這個科研方向的時候，僅僅靠五六個人閱讀幾千篇文章往往是不夠的，容易產生方向性和一些覆蓋面的問題。

現在IBM主要做的，還僅僅還是在幫助藥廠，或者專家去理解現在的文獻，去找出一些相應的證據。將來希望能從證據的組合當中，幫助他去完成一些論文的基礎信息的一些整合，理想狀況就是：幫他去寫一部分的論文。

在藥廠中做研究，數據也是必不可少的。如何把以前這些研究出來的成果，以及相關的數據重新進行研究，或者去做一個新的實驗，去進行相應的結構化數據的研究。這是一個方向。

另外一類，就是非結構化數據的研究。這個主要就是在文獻領域等。在這些大量發表的文獻、人類已經有的這些經驗、知識當中，怎麼去找出這些對葯企研究、科研有新的支持、幫助的證據，這個也非常重要。

我們提「人工智慧」它首先解決的就是葯企研發速度問題，也就是效率。效率能夠解決好多葯企以前不能解決的問題，比如：葯企搞新葯研發，很容易出現的一件事情，就是說「這個葯的療效不錯，但是它的負作用很大」。但是這個負作用，開始在葯企做新葯研發的初期，往往不被重視，因為都是把注意力集中在療效上面了。但是其實如果葯企在新葯研發開始的過程當中，能夠利用這些人工智慧對已有的這些研究成果能夠進行研究的話，往往會找到這方面的一些端倪，就可以對自己的科研方向進行一個調整。

這樣，葯企就能夠在研發上面提升「速度」和「精準性」，從而提升「效率」。從這種角度來說，葯企就能夠降低其研發成本，也能夠相應地降低葯價成本。

人工智慧落地醫療行業需要靠譜的合作夥伴

人工智慧跟醫療行業結合的已經越來越緊密了，這個領域的發展前景也非常好。

很多科技公司和資本，都在追逐這個熱點。但是我們必須要認識到，很多高科技開始的時候，都是遠景好看，但是現實非常骨感。因為真正的落地，它還是有一些挑戰。

對於這些葯企、醫院，對於他們來說，要想抓住這樣一股熱潮，其實是需要找一個像IBM這樣的合作夥伴，因為IBM不僅僅掌握先進的科技，而且對於行業有一個高度和深刻的認識。

以IBM Watson為代表的認知科技，已經在醫療的一些領域。比方說，皮膚癌檢測，腫瘤醫治，慢性病管理，公共疾病預防等多個領域都展開了一些行動了。在醫藥研發這個領域，IBM現在也有一些行動。

比如說，過去幾年之中，IBM跟全球的領先醫藥企業一起合作，已經有很多這方面的合作。

在2014年，IBM跟某一家大型外資葯企在國內就展開了這方面的合作。這幾年以來，我們其實在語意分析方面，在機器學習方面、臨床輔助診斷系統方面，都有很多的重大突破。

不管是學術研究，還是新葯的研發。其實最終的受益者，也都是我們企業、普通人，是整個社會。

在商業訴求之外，IBM是個有情懷的公司，所以通常都有很遠大的一個目標。IBM公司的目標，是想用科技去改變現在的醫療模式。

現在的醫療模式都是以醫生為中心的一個疾病的治療場景。但是都知道，我們去醫院都是醫生為中心，各個科室為中心。將來我們相信，這個場景會轉變為以普通人為中心的一個整體健康的管理場景。場所不一定是在醫院，也有可能是在家裡，也有可能是在我們休假的酒店裡。將來的場景當中，醫療更加應該是從患者個體的角度去出發，獲得一個更精準、個性化的風險預估，然後去為他制定一個定製化的健康管理。

這就是人工智慧在醫療領域的未來。