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
先回答:下半年能考的证书,大致分四类 2026年下半年仍有报名或考试安排的证书,主要集中在四个方向:财会金融类(如注册会计师 ...
2026-10-27毕业后该考什么证书,答案不是一张热门榜单,而是一个顺序问题:先确定你要投的岗位方向,再判断哪些证书现在就能报、哪些要等工 ...
2026-10-2734岁考证,和二十多岁刚毕业时不是同一道题。这个年龄找工作,招聘方通常已经默认你有十年上下的工作积累,会拿“经验能不能直接 ...
2026-10-27咨询岗位最该优先掌握的不是某个工具,而是四类能串起项目全流程的能力:问题定义与结构化拆解、指标与对比分析、数据获取与清洗 ...
2026-10-27多数咨询岗位需要一定程度的数据分析能力,但“需要”不等于“必须会写代码或建模型”。咨询顾问至少要能看懂客户给的数据、把业 ...
2026-10-27咨询岗位的分析能力,不是“会套框架”或“PPT写得漂亮”,而是一条从问题到结论的能力链:问题拆解—假设验证—信息获取—数据 ...
2026-10-27需要,而且它不是“加分项”,是日常工作的基本工具。直播运营每天要面对选品排期、流量承接、转化复盘和投流决策,这些任务的结 ...
2026-10-27证券分析师的培训需求,最好从“最终要交什么”往回推。日常输出大致四类:行业跟踪报告、财报拆解与盈利预测、估值模型、路演与 ...
2026-10-27先给答案:一张四层知识地图 如果只用一句话回答“证券分析师最重要的知识是什么”,答案是:以财务分析和估值建模为硬核,以行 ...
2026-10-27市场策划不是“会写文案、能办活动”这么简单。招聘方真正考察的,是你能否围绕一个业务目标,完成从调研、人群判断、创意主题、 ...
2026-10-27市场运营想靠学习推动职业发展,容易掉进两个坑:一是把课程清单当能力清单,学完不知道用在哪;二是只补营销方法,遇到渠道效果 ...
2026-10-27产品运营做久了,很容易陷入一种忙碌:活动一场接一场,功能推了一版又一版,日报周报天天写,但说不清自己到底积累了什么。想提 ...
2026-10-27运营岗的“快速提升”,不是把Excel、SQL、Python挨个学一遍,而是先补上能立刻改变工作产出的能力。判断标准很直接:同样一场活 ...
2026-10-27优秀市场专员的能力不是单点技能堆出来的,而是“用户洞察—内容与活动策划—渠道获客—数据复盘”四块形成闭环。想快速上手,正 ...
2026-10-27运营专员的“通用知识”,不是一份越长越好的工具清单,而是能支撑日常任务判断的一套底盘。不同细分方向差异很大:用户运营更关 ...
2026-10-27运营专员最常见的困境不是不忙,而是忙完之后说不清效果:活动做了、内容发了、社群拉了人,汇报时却只有“曝光多少、入群多少” ...
2026-10-27运营经理提升职业知识,靠的不是多报几门课,而是先有一张自己的“知识地图”,再按当前岗位最卡壳的环节排顺序。比较实用的做法 ...
2026-10-27运营岗位的能力素质提升,核心不是把工具学一遍,而是围绕“目标拆解—用户洞察—执行落地—数据复盘”四层能力逐层补齐。工具是 ...
2026-10-27运营岗位的能力提升,最容易走成两条弯路:一是把“提升”等同于学工具,Excel、SQL、Python挨个报班,回到工作里还是凭经验拍脑 ...
2026-10-27运营岗最容易陷入的学习误区,是把“提升”等同于收藏平台玩法、追热点模板、背活动话术。这些内容有用,但迁移性差:换个行业、 ...
2026-10-27