解读IBM医疗保健行业的智能时代

IBM商业价值研究院发表了研究文章：医疗保健的“强心针”——医疗保健行业的认知未来，阐述了“医疗保健和IBMWatson”的发展战略及趋势。IBM认为，Watson是一种支持人与计算机之间新型合作关系的认知系统，该系统可提高和扩展人类专业知识。其实Watson认知系统，相当于我们理解的智能系统或叫机器人。近期，柯洁败给AlphaGo的新闻铺天盖地，机器人AlphaGo引起了人们的广泛关注。所以，我就用了“智能时代”题目，方便大家理解认知未来。本文是对IBM报告的解读，再加上自己对医疗保健行业的理解，也表达自己的一些观点。

一、医疗保健行业将面临颠覆性力量

IBM商业价值研究院认为，在认知计算的时代，智能机器可模仿人脑功能，解决社会上最棘手的问题。面对有着世界性难题之说的世界医疗保健行业，行业复兴时代将要来临。随着互联网对医疗保健行业的渗透和影响，我们已经看到一些颠覆性力量的存在：

1.快速数字化：今天，医疗保健行业的数据越来越多，信息孤岛现象十分明显，数据管理和集成面临巨大挑战；同时，海量医疗保健行业大数为我们对提升医疗服务、帮助机构、医生、患者做出更明智的决策提供依据。

2.市场需求越来越高：随着人们生活水平的提升及社会的发展，人们越来越依赖医疗保健行业，在资源有限的情况下，医疗保健企业需要提高运营效率并寻找定位服务和医护新方式。

3.客户期望在不断演变：今天的病患希望得到个性化、透明、优质、集成和方便的医护服务。医疗保健企业需要获得更深入的消费者洞察力并探索新的服务模式。

4.缺乏熟练医护人员：世界卫生组织估计到2035年，全球医疗保健行业将会出现1,290万的医务工作者缺口，医疗保健企业需要更好地培育员工的智能化水平、沟通水平和高效性，构建更有利的工作环境。

5.监管复杂性：随着我国医改的深入，控费已经成为大趋势，特别是对医疗保健行业的监管将越来越严。

6.成本压力日益增加：医疗保健成本持续增加，部分原因在于新的技术、专业性和预防性药物。在这种环境下，医疗保健提供商需要找到新的方法，在管理成本和效率的同时不致影响服务的质量。

二、医疗保健行业怎样避免自己被颠覆

IBM商业价值研究院认为，在复杂混乱的医疗保健企业的运营环境中，尽管各种挑战本质上是不同的，我们仍然需要确定关键主题，如沟通与协作、研究与创新、决策和个性化护理。研究报告认为，为避免自己被颠覆的命运，医疗保健企业需要专注于提高其互动、发现和决策能力。

所谓“互动”，就是为病患、提供商和付款人提供更佳协作，从而交付有效的医护，因为今天的消费者希望更好地控制其健康状况并拥有更为个性化、更方便的医护服务。

所谓“发现”，就是能够理解大量数据，从而识别新的收入并实施新的想法；今天的医疗保健行业，往往受制于传统能力的局限性，缺乏产品和服务创新，而医疗知识的数量会持续呈爆炸式增长，每73天就会发生一次大的变革。

所谓“决策能力”，就是在提供医护服务时提供个性化、情境式、有证据支撑的选项；医疗保健行业的决策尤为重要，因为每个决策都事关生死，尽管医疗数据数据越来越多，但由于现有工具的限制，目前仅有一小部分数据得到了有效利用；另外，由于复杂监管环境，使得医疗决策变得非常困难。

三、医疗保健行业的认知机会

毫无疑问，智能时代，为医疗保健行业带来前所未有的机会。当大数据已经成为新的自然资源，在医疗保健行业，这种资源的数量、多样性和复杂性都在快速增长。一个癌症患者的基因组就相当于半个TB数据，传统医疗模式无法充分利用大数据的价值，唯有认知计算，可以充分利用结构化数据和非结构化数据中隐藏的洞察力来进行发掘、洞察、决策支持和对话。构建知识、学习和了解自然语言，与传统可编程系统相比，更能与人类进行更自然地互动。

IBM商业价值研究院调查超过80%的医疗保健行业高管认为，认知计算能够从根本上改变医疗保健行业。当智能时代来临，我们怎样去建立医疗保健行业企业的“互动能力”、“发现能力”和“决策能力”呢？

1.互动能力：可以预见，未来医疗保健行业认知系统能够从根本上改变人和系统互动的方式并极大地提高人的能力。认知系统可以开发深入的领域洞察力并将这种信息以及时、自然、可用的方式提供给相应人员。认知系统如同一个不需要休息，但也可处理大量结构化信息和非结构化信息，调整模棱两可甚至自我矛盾的数据并且会学习的人。因为它们能够与人类进行对话，这些系统可根据病史来了解病患并将具体情境和和基于证据的推理带到互动中。

2.发现能力：认知系统有助于用户发掘即使最聪明的人类也可能无法发掘的洞察力。在存在大量信息的医疗保健行业，高级认知能力已显著缩短了研究和发现所需的时间。在不久的将来，认知系统能够通过快速分析所有相关临床研究的历史病患数据，来更有效和及时地将病患与临床研究相匹配。应用于病患纳入和排除标准的基于证据的推理可以帮助那些将病患用于试验的医疗机构，而从事额外分析的临床研究机构可利用发现能力决定哪些实验结果可用于进一步研究。

3.决策能力：盈利医疗保健行业的认知系统可提供基于证据的选项，进而帮助决策并减少人为偏差。医疗保健行业认知系统可以根据新的信息、结果和操作不断学习，发展壮大，当前的认知系统在更大的程度上充当人类顾问的角色。这些系统有助于医疗专业人员作出更加明智、及时的决策。未来的策略有助于在保护隐私的同时在各个企业之间交换医疗信息。因此，认知系统将能够访问更多的历史数据和分析，从而使它们的建议越来越有效。

四、医疗保健行业认知的发展方向

那么，对于智能医疗时代的到来，我们怎样从现在的环境，超越自己，找到发展智能医疗的路径呢？IBM 商业价值研究院认为，不管我们对未来提高认知能力抱有热情，但企业应意识到其学习曲线是陡峭的。在系统实施和用户互动方面，认知系统与传统程序化系统有很大不同。具备认知计算经验的盈利保健行业企业已明确通向成功的三大行动领域：“定义价值”、“打好基础”和“管理变化”。

1.定义价值：对于基于互联网技术的认知系统，需要对其进行定义及战略规划，以确保资源投资的最大回报。首先需要找到最适合的机会，确定特定范围挑战；看该挑战是否需要当今人类利用各种潜在的技术，花费大量时间从各种信息来源中寻求及时的答案和洞察力从而帮助决策或思考？或用户是否需要以自然语言与系统进行互动？或需要对问题和查询所列出的回应提供相关的透明度和支持证据。其次，需要定义价值主张并规划认知路线，预先识别认知计算提供的差异化价值和商业价值，如快速决策治疗方案到潜在的成本节省。除此之外，需要借助高管级支持建立认知计算愿景和路线图。不断与相应高管和相关利益方（如临床医生、其他医疗专业人士、付款人也许还有病患）沟通路线图情况。第三，我们需要以现实的态度对待价值实现，因为，智能医疗系统的优势不是在部署初期的某次“大爆炸”效应中体现的。相反，这些系统会随着时间的推移进行演进并提高价值。我们需要向相关方说明认知系统的未来优势。

2.打好基础：我们必须知道，认知解决方案是“经过训练”的而非经过编程的，因为他们可利用互动、结果和新的信息片段进行“学习”并帮助企业扩展专业知识。这种劳动密集型训练过程通常被称为监督式学习，需要人类主题专家参与。除相应领域的专业知识以外，实施认知计算还需要自然语言处理、机器学习、数据库管理、系统实现和集成、界面设计和变革管理方面的专业知识。团队成员还需要一种无形的“技能”：求知欲。未来，系统、用户和企业的学习过程永远不会结束。只有好的基础数据，才有好的认知系统，我们还需要构建并确保优质的语料库。因为用户与认知系统的互动方式与传统输入/输出系统完全不同，流程和工作角色也会受影响。获取必要数据可测试现有的数据共享政策的影响范围，而且可能需要更新或修改现有策略、法规和协议，特别是在医疗保健行业，安全和隐私要求均十分严格。

3.管理变化：在医疗行业认知智能时代，生态系统在不断变革，所以，变革管理结构比以往任何时候都更为重要！确保高管参与认知旅程是第一位的，高管的参与应以主动参与定义认知愿景和路线图开始，贯彻始终。其中包括高管参与对增量式进度和价值实现的常规检查。当然，各个级别的管理人员和医务人员需要沟通认知愿景，尽量排除人们对新生事物的恐惧、不确定性和怀疑，认知价值将成为医疗保健机构的使命。还有，我们也需要持续不断地继续提高组织的认知 IQ 水平，因为，认知系统是概率性的，而非确定性的。尽管其准确率将随着时间的推移、随着系统的学习而提高，但具体准确率将永远不会达到 100%。尽早让相关利益方了解准确率的问题并定期检查成效的提高。