京公网安备 11010802034615号
经营许可证编号:京B2-20210330
人工智能与大数据对医疗领域帮助不大
人工智能和大数据是今年最热的话题,在国内投资界和产业界都如火如荼,特别是在AlphaGO横扫围棋界后更是呈现一片欣欣向荣的势态。大数据与人工智能目前在医学类的应用也是层出不穷,尤其是在图像识别、影像诊断上都显示了很好的前景。
但是在比较复杂的系统中,大数据挖掘和人工智能可能会受挫,大数据技术本身不是泡沫,但是利用大数据和人工智能名头的相关产业的泡沫正在袭来……
医药人工智能研究受挫,IBM沃森机器人遭遇冷板凳
沃森是IBM的杰出计算系统,自从参加了2011年的智力节目《危险边缘》,在一场与两名最受瞩目的选手对决中胜出后,就成功博得了世人的瞩目。在2013年10月的新闻发布会中,IBM宣称安德森癌症中心,德克萨斯大学系统之一,正在使用沃森机器人系统用于研究根治癌症。
但是近期,据福布斯的报道指出,IBM与该世界顶尖癌症研究机构的合作关系正趋于破裂。此前安德森癌症中心证实:此项目从去年开始就已经暂停。安德森癌症中心也正在积极寻求其他合作方的竞价,未来这些合作方有可能取代IBM。来自德克萨斯大学审计机构的一份报告指出,安德森癌症中心已经花费了6200万美金用于此项目,但尚未实现目标。审计记录显示项目重点更换了数次,第一次重点研究白血病、然后是另一个、接下来又是肺癌。最后毫无进展。
虽然安德森癌症中心与IBM的沃森机器人确立合作的出发点确实是积极的,但是最终项目却没有完成,而且还花费了巨额资金。与安德森癌症中心合作的结果并不令人满意。即使双方合作破裂是安德森方面的一个错误决策,这仍然从侧面说明了IBM的人工智能和大数据目前在医药领域尚未取得重大建树。
大数据医疗的应用方向有哪些?
目前大数据主要应用于以下五大方向的15个应用:
从以上应用范畴中我们发现,为什么在复杂疾病的数据挖掘中,大数据并没有深入发展呢?
因为复杂疾病是非标类的产品,无论是在学术界还是在临床治疗上都有非常大的争议,有时候是向正有时候是向反,对于一些疾病甚至很多的研究报告会出现截然相反的结果,而且学术争议是一直都存在的,因此复杂疾病是非常难以判断的。
医疗与下围棋大不相同,围棋的下法有一个最优概率的计算,但是在医学中,哪怕是51%的概率你也不能说就一定比49%更好,而且医学中小概率事件发生是很普遍的。
非结构化病历数据的挑战
目前我国各医院系统并不相连,因此没有一个统一规范的临床结构化病历模型标准,不同医院的病历书写也存在很大的差异化,非结构化的数据使得大数据在我国的医疗环境下很难做到高效率的数据挖掘。
还有一个很现实的问题那就是——中国的绝大部分临床病历实际价值非常的小。因为医生的临床工作很忙,所以基层医院的病历写作不规范,而上级三甲医院的病历基本上都靠复制黏贴,因此想要从病历的结构化和自然语言中是很难做到任何有效的分析的。
除此之外,目前中国普遍的临床用药和检查都有很多的问题,临床中的实际治疗是千变万化的,但是你在患者病历中是看不出来的,因为中国的医生很多都是以完成实际工作和不要扣钱为主,因此就会做一些套式的病历,以及靠复制黏贴来随意应付paperwork,患者的细微诊断细节很多时候从病历上根本无法体现,所以每个病历的治疗效果可能都千差万别。
大数据很多是从既有数据中进行挖掘,但是中国的患者离开医院后失访率非常高,这与美国的医疗情况不同,美国的患者离院之后的诊后延续性比较好。数据如果不能持续向前发展,那大数据就会变成死数据,并产生很大的泡沫。但这还不是泡沫的根本!
医疗大数据泡沫的根本在于无法转动商业模式
大数据泡沫的根本在于商业模式无法转动,或者无法转动到比较大的规模就出现了各种各样的问题。产业界都是一轮泡沫向另一轮泡沫不断转移的。在医疗大数据产业中,不管是数据临床诊断还是肿瘤数据分析,目前只有两个比较主要的商业模式:
临床应用通过医院向患者收费,每一个医院和科室相当于一个代理,这样进行层层转移,但是收费并且市场教育成本会非常的高,反之再有地推各种成本情况下,毛利率会很低。
向药企做药物研发、临床观察的数据辅助分析。
但是在国内,原研药的研发实际上的市场份额并不是很高,国内企业对于新药的研发投入并不大,而跨国企业的研发主要在国外总部,所以虽然这一商业模式有向后延续的趋势,但是发展优势并不明显。
同时还有一个很现实的问题,大数据企业可能需要每年花费上亿的成本去做临床数据辅助分析系统,但是药企可能只愿意花费几百万来支付你提供的服务,这就会导致比较严重的入不敷出,而且这不是一个短期的状态而是常态化的。在现阶段,想要让药企大规模的去支付改善药物研发的费用比较难,反而现在单纯做临床观察系统、患者招募的需求更广阔一些。
最后,无论在中国还是美国,医疗大数据产业很难适合创业公司去做,就像很多创新药物只能由礼来、辉瑞等的大型跨国药企来宣布和承受失败……创业公司即使短期内融到巨资来做这个事情,目前也看不到任何规模化收入的可能性。也许2、3 年后情况会有好转,但是资本情况又会有不断的变化,可谓是路漫漫而修远兮……
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15