人工智能和大數據是今年最熱的話題，在國內投資界和產業(yè)界都如火如荼，特別是在AlphaGO橫掃圍棋界后更是呈現一片欣欣向榮的勢態(tài)。大數據與人工智能目前在醫(yī)學類的應用也是層出不窮，尤其是在圖像識別、影像診斷上都顯示了很好的前景。

　　但是在比較復雜的系統中，大數據挖掘和人工智能可能會受挫，大數據技術本身不是泡沫，但是利用大數據和人工智能名頭的相關產業(yè)的泡沫正在襲來……

　　醫(yī)藥人工智能研究受挫，IBM沃森機器人遭遇冷板凳

　　沃森是IBM的杰出計算系統，自從參加了2011年的智力節(jié)目《危險邊緣》，在一場與兩名最受矚目的選手對決中勝出后，就成功博得了世人的矚目。在2013年10月的新聞發(fā)布會中，IBM宣稱安德森癌癥中心，德克薩斯大學系統之一，正在使用沃森機器人系統用于研究根治癌癥。

　　但是近期，據福布斯的報道指出，IBM與該世界頂尖癌癥研究機構的合作關系正趨于破裂。此前安德森癌癥中心證實：此項目從去年開始就已經暫停。安德森癌癥中心也正在積極尋求其他合作方的競價，未來這些合作方有可能取代IBM。來自德克薩斯大學審計機構的一份報告指出，安德森癌癥中心已經花費了6200萬美金用于此項目，但尚未實現目標。審計記錄顯示項目重點更換了數次，第一次重點研究白血病、然后是另一個、接下來又是肺癌。最后毫無進展。

　　雖然安德森癌癥中心與IBM的沃森機器人確立合作的出發(fā)點確實是積極的，但是最終項目卻沒有完成，而且還花費了巨額資金。與安德森癌癥中心合作的結果并不令人滿意。即使雙方合作破裂是安德森方面的一個錯誤決策，這仍然從側面說明了IBM的人工智能和大數據目前在醫(yī)藥領域尚未取得重大建樹。

　　大數據醫(yī)療的應用方向有哪些？

　　目前大數據主要應用于以下五大方向的15個應用：

　　從以上應用范疇中我們發(fā)現，為什么在復雜疾病的數據挖掘中，大數據并沒有深入發(fā)展呢？

　　因為復雜疾病是非標類的產品，無論是在學術界還是在臨床治療上都有非常大的爭議，有時候是向正有時候是向反，對于一些疾病甚至很多的研究報告會出現截然相反的結果，而且學術爭議是一直都存在的，因此復雜疾病是非常難以判斷的。

　　醫(yī)療與下圍棋大不相同，圍棋的下法有一個最優(yōu)概率的計算，但是在醫(yī)學中，哪怕是51%的概率你也不能說就一定比49%更好，而且醫(yī)學中小概率事件發(fā)生是很普遍的。

　　非結構化病歷數據的挑戰(zhàn)

　　目前我國各醫(yī)院系統并不相連，因此沒有一個統一規(guī)范的臨床結構化病歷模型標準，不同醫(yī)院的病歷書寫也存在很大的差異化，非結構化的數據使得大數據在我國的醫(yī)療環(huán)境下很難做到高效率的數據挖掘。

　　還有一個很現實的問題那就是——中國的絕大部分臨床病歷實際價值非常的小。因為醫(yī)生的臨床工作很忙，所以基層醫(yī)院的病歷寫作不規(guī)范，而上級三甲醫(yī)院的病歷基本上都靠復制黏貼，因此想要從病歷的結構化和自然語言中是很難做到任何有效的分析的。

　　除此之外，目前中國普遍的臨床用藥和檢查都有很多的問題，臨床中的實際治療是千變萬化的，但是你在患者病歷中是看不出來的，因為中國的醫(yī)生很多都是以完成實際工作和不要扣錢為主，因此就會做一些套式的病歷，以及靠復制黏貼來隨意應付paperwork，患者的細微診斷細節(jié)很多時候從病歷上根本無法體現，所以每個病歷的治療效果可能都千差萬別。

　　大數據很多是從既有數據中進行挖掘，但是中國的患者離開醫(yī)院后失訪率非常高，這與美國的醫(yī)療情況不同，美國的患者離院之后的診后延續(xù)性比較好。數據如果不能持續(xù)向前發(fā)展，那大數據就會變成死數據，并產生很大的泡沫。但這還不是泡沫的根本！

　　醫(yī)療大數據泡沫的根本在于無法轉動商業(yè)模式

　　大數據泡沫的根本在于商業(yè)模式無法轉動，或者無法轉動到比較大的規(guī)模就出現了各種各樣的問題。產業(yè)界都是一輪泡沫向另一輪泡沫不斷轉移的。在醫(yī)療大數據產業(yè)中，不管是數據臨床診斷還是腫瘤數據分析，目前只有兩個比較主要的商業(yè)模式：

　　1. 臨床應用通過醫(yī)院向患者收費，每一個醫(yī)院和科室相當于一個代理，這樣進行層層轉移，但是收費并且市場教育成本會非常的高，反之再有地推各種成本情況下，毛利率會很低。

　　2. 向藥企做藥物研發(fā)、臨床觀察的數據輔助分析。

　　但是在國內，原研藥的研發(fā)實際上的市場份額并不是很高，國內企業(yè)對于新藥的研發(fā)投入并不大，而跨國企業(yè)的研發(fā)主要在國外總部，所以雖然這一商業(yè)模式有向后延續(xù)的趨勢，但是發(fā)展優(yōu)勢并不明顯。

　　同時還有一個很現實的問題，大數據企業(yè)可能需要每年花費上億的成本去做臨床數據輔助分析系統，但是藥企可能只愿意花費幾百萬來支付你提供的服務，這就會導致比較嚴重的入不敷出，而且這不是一個短期的狀態(tài)而是常態(tài)化的。在現階段，想要讓藥企大規(guī)模的去支付改善藥物研發(fā)的費用比較難，反而現在單純做臨床觀察系統、患者招募的需求更廣闊一些。

　　最后，無論在中國還是美國，醫(yī)療大數據產業(yè)很難適合創(chuàng)業(yè)公司去做，就像很多創(chuàng)新藥物只能由禮來、輝瑞等的大型跨國藥企來宣布和承受失敗……創(chuàng)業(yè)公司即使短期內融到巨資來做這個事情，目前也看不到任何規(guī)模化收入的可能性。也許2、3 年后情況會有好轉，但是資本情況又會有不斷的變化，可謂是路漫漫而修遠兮……