检查降价医院会赚钱？看深度学习如何做到

1月15日北京市十四届人大五次会议“深化改革促发展”新闻发布会上，市发改委副主任李素芳表示，今年将进行一批医疗服务价格的改革，手术费等与医务人员技术劳动价值密切相关的价格可能会有所上升，医院的检查费、化验费将调低。

会有什么样的变化

从长远看,医疗服务价格调节着医疗服务市场的供求平衡，此次北京市医疗服务价格调整，对于病人来说是个喜忧参半的事情，检验和化验已经成为看病的标配，对于很多疑似病患者来说，降低了看病成本；对需要进行深一步治疗的患者来说，会导致看病的成本会提高，病人对于医疗服务的接受价格必定会是医改的参考。

我国目前采用的付费方式主要是由病人按其接受的医疗服务项目直接支付费用，而不是完全由医疗保险机构对医院进行补偿，此次价格的调整可能会促使更多的居民选择健康险这颗大树，保险机构可能成为最终的买单者。

医疗服务的价格遵守的是政府的指导价，然而运营支出成本享受的却是市场价，这在导致了医院长时间的亏损。检验、化验成本调低，让原本医院的收入方式再次发生巨大的变化，好在此次调整在医疗本身相关领域调整了价格，到底这部分的增长能不能抵消掉之前减少的部分，还需要看具体的调整价格。

检验是治病的第一步，北京医改降低了检查的费用，运营效果和成本不变，会对医院会产生巨大的营收压力，有什么办法提高检查效率解决这一问题呢？

深度学习辅助检验

医学影像是检查的很重要的一部分，目前主要靠放射科医生人工查看片子并且给出诊断结果，但是基本上每个检查的患者都有几十甚至几百张检查影像需要花费放射科医生大量时间。面对大量检查影像数据，多个放射科医生一起检阅是一个解决方案，但是放射科医生增长率变换，缺少更多的放射科医生资源，即便能够吸引放射科人才的大医院在预算受到限制的情况下也没有办法覆盖成本。

2012年ImageNet的竞赛深度神经网络CNN用绝对性的优势超越了SVM方法，深度学习在图片识别领域开始飞速发展，如今已经可以准确识别医学影像，深度神经网络的解决方案可以为数以千万计的实时影像提供自动分析能力。如果能够将深度学习识别图像能力应用到医学图像识别领域，并且能够应用到临床，必定可以帮助医院提高工作效率。

Airdoc辅助识别医学影像

国内有一家深度学习影像识别领军企业Airdoc，通过深度神经网络对大脑、心血管、肺部、肝脏和骨骼健康领域展开了深入的研究和开发，并且取得了比较成熟的辅助诊断模型，并且致力于将模型应用在疾病的早期诊断。

脂肪肝（FLD）正在严重威胁国人的健康，在中国，约有17%的成年人和22%的糖尿病患者患有脂肪肝。是仅次于病毒性肝炎的第二大肝病。脂肪肝容易引起很多其他疾病，脂肪肝与冠心病、动脉粥样硬化和心脏功能障碍有关。Airdoc开发了的算法，通过分析胸部或腹部CT数据，自动识别肝脏，并计算其平均密度。及时检测出脂肪肝有利于早期通过饮食控制、锻炼和减少饮酒等生活方式得到改善。

如今Airdoc在大脑、心血管、肺部、肝脏和骨骼健康领域已经有了不同的模型，此外通过大量的脱敏数据和医学知识的学习，可以为医生提供诊断结果和诊断建议以及疾病转归预测预警评估。

Airdoc对自己的定位就是深度学习时代的听诊器、显微镜、血压计，只是医生的好工具，并不能替代医生，最终的诊断决策还是需要医生做出。医生诊疗病人已经几千年，不会因为一两个技术出现而变化。

Airdoc的辅助诊断系统正在临床准备阶段，如果该企业的医疗辅助诊断系统能够应用在临床领域，必定可以帮助医院在成本收缩的情况下更高效的识别医学影像。

打赏