IBM商業價值研究院發表了研究文章：醫療保健的“強心針”——醫療保健行業的認知未來，闡述了“醫療保健和IBMWatson”的發展戰略及趨勢。IBM認為，Watson是一種支持人與計算機之間新型合作關系的認知系統，該系統可提高和擴展人類專業知識。其實Watson認知系統，相當于我們理解的智能系統或叫機器人。近期，柯潔敗給AlphaGo的新聞鋪天蓋地，機器人AlphaGo引起了人們的廣泛關注。所以，我就用了“智能時代”題目，方便大家理解認知未來。本文是對IBM報告的解讀，再加上自己對醫療保健行業的理解，也表達自己的一些觀點。

一、醫療保健行業將面臨顛覆性力量

IBM商業價值研究院認為，在認知計算的時代，智能機器可模仿人腦功能，解決社會上最棘手的問題。面對有著世界性難題之說的世界醫療保健行業，行業復興時代將要來臨。隨著互聯網對醫療保健行業的滲透和影響，我們已經看到一些顛覆性力量的存在：

1.快速數字化：今天，醫療保健行業的數據越來越多，信息孤島現象十分明顯，數據管理和集成面臨巨大挑戰；同時，海量醫療保健行業大數為我們對提升醫療服務、幫助機構、醫生、患者做出更明智的決策提供依據。

2.市場需求越來越高：隨著人們生活水平的提升及社會的發展，人們越來越依賴醫療保健行業，在資源有限的情況下，醫療保健企業需要提高運營效率并尋找定位服務和醫護新方式。

3.客戶期望在不斷演變：今天的病患希望得到個性化、透明、優質、集成和方便的醫護服務。醫療保健企業需要獲得更深入的消費者洞察力并探索新的服務模式。

4.缺乏熟練醫護人員：世界衛生組織估計到2035年，全球醫療保健行業將會出現1,290萬的醫務工作者缺口，醫療保健企業需要更好地培育員工的智能化水平、溝通水平和高效性，構建更有利的工作環境。

5.監管復雜性：隨著我國醫改的深入，控費已經成為大趨勢，特別是對醫療保健行業的監管將越來越嚴。

6.成本壓力日益增加：醫療保健成本持續增加，部分原因在于新的技術、專業性和預防性藥物。在這種環境下，醫療保健提供商需要找到新的方法，在管理成本和效率的同時不致影響服務的質量。

二、醫療保健行業怎樣避免自己被顛覆

IBM商業價值研究院認為，在復雜混亂的醫療保健企業的運營環境中，盡管各種挑戰本質上是不同的，我們仍然需要確定關鍵主題，如溝通與協作、研究與創新、決策和個性化護理。研究報告認為，為避免自己被顛覆的命運，醫療保健企業需要專注于提高其互動、發現和決策能力。

所謂“互動”，就是為病患、提供商和付款人提供更佳協作，從而交付有效的醫護，因為今天的消費者希望更好地控制其健康狀況并擁有更為個性化、更方便的醫護服務。

所謂“發現”，就是能夠理解大量數據，從而識別新的收入并實施新的想法；今天的醫療保健行業，往往受制于傳統能力的局限性，缺乏產品和服務創新，而醫療知識的數量會持續呈爆炸式增長，每73天就會發生一次大的變革。

所謂“決策能力”，就是在提供醫護服務時提供個性化、情境式、有證據支撐的選項；醫療保健行業的決策尤為重要，因為每個決策都事關生死，盡管醫療數據數據越來越多，但由于現有工具的限制，目前僅有一小部分數據得到了有效利用；另外，由于復雜監管環境，使得醫療決策變得非常困難。

三、醫療保健行業的認知機會

毫無疑問，智能時代，為醫療保健行業帶來前所未有的機會。當大數據已經成為新的自然資源，在醫療保健行業，這種資源的數量、多樣性和復雜性都在快速增長。一個癌癥患者的基因組就相當于半個TB數據，傳統醫療模式無法充分利用大數據的價值，唯有認知計算，可以充分利用結構化數據和非結構化數據中隱藏的洞察力來進行發掘、洞察、決策支持和對話。構建知識、學習和了解自然語言，與傳統可編程系統相比，更能與人類進行更自然地互動。

IBM商業價值研究院調查超過80%的醫療保健行業高管認為，認知計算能夠從根本上改變醫療保健行業。當智能時代來臨，我們怎樣去建立醫療保健行業企業的“互動能力”、“發現能力”和“決策能力”呢？

1.互動能力：可以預見，未來醫療保健行業認知系統能夠從根本上改變人和系統互動的方式并極大地提高人的能力。認知系統可以開發深入的領域洞察力并將這種信息以及時、自然、可用的方式提供給相應人員。認知系統如同一個不需要休息，但也可處理大量結構化信息和非結構化信息，調整模棱兩可甚至自我矛盾的數據并且會學習的人。因為它們能夠與人類進行對話，這些系統可根據病史來了解病患并將具體情境和和基于證據的推理帶到互動中。

2.發現能力：認知系統有助于用戶發掘即使最聰明的人類也可能無法發掘的洞察力。在存在大量信息的醫療保健行業，高級認知能力已顯著縮短了研究和發現所需的時間。在不久的將來，認知系統能夠通過快速分析所有相關臨床研究的歷史病患數據，來更有效和及時地將病患與臨床研究相匹配。應用于病患納入和排除標準的基于證據的推理可以幫助那些將病患用于試驗的醫療機構，而從事額外分析的臨床研究機構可利用發現能力決定哪些實驗結果可用于進一步研究。

3.決策能力：盈利醫療保健行業的認知系統可提供基于證據的選項，進而幫助決策并減少人為偏差。醫療保健行業認知系統可以根據新的信息、結果和操作不斷學習，發展壯大，當前的認知系統在更大的程度上充當人類顧問的角色。這些系統有助于醫療專業人員作出更加明智、及時的決策。未來的策略有助于在保護隱私的同時在各個企業之間交換醫療信息。因此，認知系統將能夠訪問更多的歷史數據和分析，從而使它們的建議越來越有效。

四、醫療保健行業認知的發展方向

那么，對于智能醫療時代的到來，我們怎樣從現在的環境，超越自己，找到發展智能醫療的路徑呢？IBM商業價值研究院認為，不管我們對未來提高認知能力抱有熱情，但企業應意識到其學習曲線是陡峭的。在系統實施和用戶互動方面，認知系統與傳統程序化系統有很大不同。具備認知計算經驗的盈利保健行業企業已明確通向成功的三大行動領域：“定義價值”、“打好基礎”和“管理變化”。

1.定義價值：對于基于互聯網技術的認知系統，需要對其進行定義及戰略規劃，以確保資源投資的最大回報。首先需要找到最適合的機會，確定特定范圍挑戰；看該挑戰是否需要當今人類利用各種潛在的技術，花費大量時間從各種信息來源中尋求及時的答案和洞察力從而幫助決策或思考？或用戶是否需要以自然語言與系統進行互動？或需要對問題和查詢所列出的回應提供相關的透明度和支持證據。其次，需要定義價值主張并規劃認知路線，預先識別認知計算提供的差異化價值和商業價值，如快速決策治療方案到潛在的成本節省。除此之外，需要借助高管級支持建立認知計算愿景和路線圖。不斷與相應高管和相關利益方（如臨床醫生、其他醫療專業人士、付款人也許還有病患）溝通路線圖情況。第三，我們需要以現實的態度對待價值實現，因為，智能醫療系統的優勢不是在部署初期的某次“大爆炸”效應中體現的。相反，這些系統會隨著時間的推移進行演進并提高價值。我們需要向相關方說明認知系統的未來優勢。

2.打好基礎：我們必須知道，認知解決方案是“經過訓練”的而非經過編程的，因為他們可利用互動、結果和新的信息片段進行“學習”并幫助企業擴展專業知識。這種勞動密集型訓練過程通常被稱為監督式學習，需要人類主題專家參與。除相應領域的專業知識以外，實施認知計算還需要自然語言處理、機器學習、數據庫管理、系統實現和集成、界面設計和變革管理方面的專業知識。團隊成員還需要一種無形的“技能”：求知欲。未來，系統、用戶和企業的學習過程永遠不會結束。只有好的基礎數據，才有好的認知系統，我們還需要構建并確保優質的語料庫。因為用戶與認知系統的互動方式與傳統輸入/輸出系統完全不同，流程和工作角色也會受影響。獲取必要數據可測試現有的數據共享政策的影響范圍，而且可能需要更新或修改現有策略、法規和協議，特別是在醫療保健行業，安全和隱私要求均十分嚴格。

3.管理變化：在醫療行業認知智能時代，生態系統在不斷變革，所以，變革管理結構比以往任何時候都更為重要！確保高管參與認知旅程是第一位的，高管的參與應以主動參與定義認知愿景和路線圖開始，貫徹始終。其中包括高管參與對增量式進度和價值實現的常規檢查。當然，各個級別的管理人員和醫務人員需要溝通認知愿景，盡量排除人們對新生事物的恐懼、不確定性和懷疑，認知價值將成為醫療保健機構的使命。還有，我們也需要持續不斷地繼續提高組織的認知IQ水平，因為，認知系統是概率性的，而非確定性的。盡管其準確率將隨著時間的推移、隨著系統的學習而提高，但具體準確率將永遠不會達到100%。盡早讓相關利益方了解準確率的問題并定期檢查成效的提高。

63人喜歡

3人收藏