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
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02