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
在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11数字化浪潮下,数据已成为企业生存发展的核心资产,而数据思维,正是CDA(Certified Data Analyst)数据分析师解锁数据价值、赋 ...
2026-03-11线性回归是数据分析中最常用的预测与关联分析方法,广泛应用于销售额预测、风险评估、趋势分析等场景(如前文销售额预测中的多元 ...
2026-03-10在SQL Server安装与配置的实操中,“服务名无效”是最令初学者头疼的高频问题之一。无论是在命令行执行net start启动服务、通过S ...
2026-03-10在数据驱动业务的当下,CDA(Certified Data Analyst)数据分析师的核心价值,不仅在于解读数据,更在于搭建一套科学、可落地的 ...
2026-03-10在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05