一.2021年，新冠如魅影

（1）大国对比，中美PK

2015年，联合国统计的GDP排名前20的国家，医疗卫生总支出占GDP的百分比。其中，美国为17.1%，中国为5.5%，见参考(1)。这说明，我们的水平，还不能算很高。

（2）中国政策引导

这里给出一个基本的时间线，如下：

  • 2014年：“46312工程”（卫生资源整合的顶层设计）
  • 2018年3月：电子病历分级评价的新标准（共8级水平，此前是7级水平）
  • 2018年8月：卫健委要求2020年前所有三级医院电子病历应用水平达到4级或以上

附加：

（1）2016年，国内49.8%的医疗机构电子病历评级为0级，4级或以上的占比为8%。

（2）“46312工程”解读

  • “4”代表4级卫生信息平台，分别是：国家级人口健康管理平台，省级人口健康信息平台、地市级人口健康区域信息平台及区县级人口健康区域信息平台
  • “6”代表6项业务应用，分别是：公共卫生、医疗服务、医疗保障、药品管理、计划生育、综合管理
  • “3”代表3个基础数据库，分别是：电子健康档案数据库、电子病历数据库和全员人口个案数据库
  • “1”代表1个融合网络，即人口健康统一网络
  • “2”是人口健康信息标准体系和信息安全防护体系

内忧，外患，还有”新冠“黑天鹅，所以，值得干一把。

二.NLP的大锤有了，医疗界的钉子给我一打

整体上看，业务流程的划分有三个视角：

  • 医院粒度：院前，院中和院后
  • 诊断粒度：诊前，诊中和诊后
  • 事件粒度：事前，事中和事后

整体的业务场景划分上，分别以平安医疗和来未来&熙牛医疗为例，医渡云的团队也不错：

平安医疗：智能医疗质量控制，智能疾病预测，智能分诊导诊，智能医疗影像筛查，智能辅助诊断和治疗（700+的疾病类型，医疗知识图谱），智能ICU重症管理以及智能随访患教。

来未来&熙牛医疗在数据中台和业务中台两大中台体系下的业务架构如下：

img-2

整体上看，以智慧医院云平台和区域医疗健康两大核心为主，下分不同的智慧模块，服务不同的用户角色，实现医疗过程的全流程介入。

嗯，医疗首先要解决的是信息化，也就是让数据流动起来。在流动的数据中，可以添加智能化的组件。这里仅给出算法侧相关的钉子两例。

其中的一个算法侧的抓手是：电子病历结构化。博主调研了各种相关学术竞赛，绝大多数的比赛都是围绕该抓手进行的。通过结构化，形成知识库，甚至于知识图谱，继而支撑上游业务。

比如，一个标准的电子病历结构如下（通常情况下，每种类别可以分开处理）：

img-1

但是要形成一个知识库，仅有上述数据是不够的。这里给出一个临床诊疗知识库的体系：

img0

第二个算法侧的抓手是：临床科研。具体场景如下：

img1

本着循证医学的思路，临床科研也是一个较大的钉子。

三.具有医疗特色的NLP技术

（3.1）结构化

第一：数据融合。要关注多源，多模态，多类型。比如要融合第三方厂商的数据库数据，下面给出一个列表。

img2

第二：模型侧。分类，序列标注，关系抽取，消歧归一，知识图谱构建与应用

第三：重规则引擎开发

第四：闭环：数据侧+模型侧+服务侧

（3.2）搜索：标准的文本处理问题。

（3.3）推荐：医疗问题的错误惩罚较重，决策权一定是要在人手中。

（3.4）医疗影像处理

（3.5）文本生成

整体上，相比于通用NLP任务，医疗NLP的落地要求重视规则引擎的开发，要求准确率的提升，要求更加通用的方案（各种“多”的特点），要求模型能力和更加的耐心做badcase的分析和纠正。

四.未来

（4.1）医疗行业的成长周期很长，这是一个重视长期价值，普世价值的赛道。（可以回顾丁香园等公司）
（4.2）信息化的进程还有一半的路要走，更深的医疗环节介入。
（4.3）信息化基础上对智能化的需求加深，还有很多值得挖掘的地方，这是一个有较高壁垒的赛道。
（4.4）强政策依赖，跟着党和国家走（可能是区别其他行业的一个鲜明特点）。

好了，有几个故事想讲给你听，见参考（5）。

但是，别忘了，投资50亿的IBM医疗裁员70%这样的新闻，可能的风险点在哪里？可以参考（6）。

参考文献和部分数据来源：

(1)中国和世界各国医疗支出占GDP的比例是多少？https://www.zhihu.com/question/264996078?from=groupmessage

(2)卫健委卫生信息数据。http://www.nhc.gov.cn/wjw/s9497/wsbz.shtml（非常有价值的文档）

(3)《电子病历系统功能应用水平分级评价方法及标准》，https://wenku.baidu.com/view/0700d582842458fb770bf78a6529647d262834f1.html

(4)腾讯天衍实验室：https://jarvislab.tencent.com/

(5)故事：http://share.591adb.com/sharearticle/article/article_id/3524764/app_key/e70891ddafa5e012828c143390cdad9e

(6)IBM医疗的问题：https://spectrum.ieee.org/biomedical/diagnostics/how-ibm-watson-overpromised-and-underdelivered-on-ai-health-care