巨头纷纷构建数字医疗生态，谁将是最后赢家
（文/观察者网 程小康）
数字化对各行各业的运营效率的提升，社会各界已经是有目共睹，在医疗行业也是如此。借用“大数据+人工智能”，部分医疗领域初创型公司已经形成“独角兽”之势，凭借其对某一疾病病理把控的专业本领，大肆拓展领地。但传统的医疗巨头（如GE、西门子、飞利浦）体量巨大，一直保持着灵活和机敏，更是凭借着“数字化的东风”建立属于自己的医疗生态系统。
不过总体来说，大数据和人工智能在医疗行业的推进速度相较于其他行业稍显缓慢。医疗行业具有特殊性，这是因为医疗变革关系着每个人的切身利益，而且人工智能技术在诊断方面的应用关系到每位病人的生命安全，所以各国在一些政策和新技术准入方面都需要仔细研究，改革也相对保守。
从医院的角度考虑数字化，大致可以分为两个方面，一是在疾病的诊断方面，借助人工智能帮助医生进行病人病情的预判，给医生做好辅助工作，例如：对一张CT影响，原先需要有有经验的医生花费很长时间圈定出病灶位置，现在这项工作交给人工智能技术完成。二是在医院的管理和运营方面，利用数字化技术改变过去的被动式的纸质化运营模式，用直观、及时的数字化以及基于数据分析的方式，帮助医院为提高效率，为更多的病人看病。
在医疗行业的头部公司中，无论是GE，还是西门子与飞利浦，目前都在积极推动各自的“数字医疗”计划，纷纷摸索从单一产品的交易模式转向整体解决方案。简单点说，就是从以前的单一卖医疗器械，转向现在的既卖硬件设备也卖软件服务。实际上，随着中国市场高端设备市场饱和以及中国医疗改革的推进，为了抢占更多的市场，进一步挖掘市场需求，“数字化”成为医疗设备制造商的重要选择。
从相关的资料来看，头部公司一方面借助“大数据+人工智能”赋能自研的硬件设备，同时利用自身的数字化能力解决医院资产设备的运营效率问题，另一方面更是想凭借自己的资源优势，利用这一波数字化浪潮，吸纳业内实力较强的初创型公司，构建自己的医疗生态圈。
人工智能与硬件设备结合的实质是什么
对于医疗行业的“数字化”并非凭空想象的，需要解决实际的问题。去大医院看过病的人都知道，看病需要长时间排队，医生不够用，如何提高医生的看病效率是当务之急。
为了提高医生的看病效率，利用人工智能技术进行病情预判的方案在很早就被提出来了。但是医生和医院方面刚开始都是持有怀疑态度。一位医疗领域的AI创业公司负责人对笔者表示，刚开始医院对AI是持观望态度，存在疑问。但到后来，随着AI技术不断被成功验证，形成了好的口碑，大家觉得可以安心应该用了。
但是如何实现这种人工智能的病情预判？这就涉及到具体技术实现问题。以GE公司刚推出的APEX CT为例，它就是在CT硬件设备中嵌入了深度神经网络学习技术。以前的CT产品包含两大部分，一个是硬件、机架、床等传统硬件，另一个很重要就是算法，硬件采集完病人患病器官原始数据后，需要通过复杂的算法，对原始数据进行处理，才能将CT影响呈现出来。而一张精准的CT图像需要有经验的医生调整大量的参数才能获得，但这种经验是很难标准化和同一化。
现在可以把这些工作交给机器，让机器进行深度学习。打一个简单比喻，一个非常有经验的医生，需要花几年的时间查看上万张病人的不同部位的CT，才能成为专家。如今这个过程让机器通过深度学习，在很短的时间内就可以实现，将数万张最好的CT影像结果交给机器学习，让机器达到我们想要的目标结果。
据GE医疗中国CT产品部总经理黄毅介绍，借助深度神经网络学习等人工智能技术，CT扫描的X线的剂量大大降低，并且同时提高图像的清晰度，为临床医生提供精确的诊断数据。
笔者在大学中也接触过深度学习算法，实际上其解决的就是一个概率问题，说得通俗一点，哪个特征的概率大就归纳为哪一类。在CT图像中，对于微小的病灶，医生难以判定，而机器可以通过以往的CT影像学习经验，计算概率给出预判。
从APEX CT已公开的资料来看，在医疗设备的“数字化”方面，医疗器械公司对于传统硬件设备的改进并不是重点，对设备采集后的原始数据如何处理才是关键。原始数据的处理就是借用信号处理的手段降低信噪比，得到有用信息，当然降低信噪比的方法很多，借用深度学习技术是其中的方案之一，目前只要涉及数据降噪的领域，都在尝试深度学习技术，这几乎成为一种普遍的趋势。
作为头部医疗企业，原本生产与销售硬件设备是其主要目的，现今将人工智能嵌入硬件设备之中，提升设备的性能，并在医疗市场进行推广，以此进一步争夺市场份额，另一方面也是其自身数字化能力的体现。
医院设备资产数字化市场 头部公司早已提前入局
医疗设备在医院总资产中的比重日益改善，但是由于各种历史原因和技术瓶颈，医院现有的医疗设备利用率很低，如何改善这些设备的管理水平和利用率，是医院提高经济效益必须面对的难题。
一个很现实的情况就是各大医院的磁共振问题，患者预约都要提前两个星期，怎么提高效率？医院的做法就是提高医务人员的排班次数，原来的两班可以开到三班或者四班，很多像上海、北京以及省市医院都要开到凌晨两点，所以医务人员的工作强度很大。但是就算医务人员工作强度增大，但预约磁共振的患者临时没过来，就导致设备的空置，运营水平大大降低。
无论是医疗行业巨头，还是互联网公司都注意到了这个市场。但是互联网公司要想在医疗行业巨头面前争夺这块“蛋糕”可能非常困难，互联网公司不涉及医疗硬件设备生产，设计一套管理系统与硬件设备兼容就会很艰难。而头部医疗公司做这件事就很容易，一是硬件自己生产，进行相关管理系统设计就不存在兼容性问题，对于自家设备“知根知底”。二是医疗行业巨头本身就掌握很多资源，与各大医院联系密切，推广自己设计的系统更加容易。
作为APM资产云管家的物联网版本，APM大影像设备物联网绩效方案是当前GE医疗正大力推广的一大数字医疗解决方案，旨在快速抢占“医院资产管理数字化”这块市场。APM资产云管家的基础版自推出两年以来，已在全国各地1700家医院落地使用，管理着45万台医疗设备。可见巨头虽然体量巨大，但是行动却保持异常敏捷。
吸纳初创型公司 巨头构建数字医疗生态
除了提升自己的数字化能力并给出医院设备资产数字化管理方案，头部医疗企业也在构建自己的生态圈。以笔者来看，构建生态就是建立“围墙”，这种“围墙”一般来说是相对于等量级对手而言，就像阿里有自己的生态，腾讯也有自己的生态一样，初创型小公司就需要从中选择依附生存，头部企业在建立数字医疗生态也是如此。
在发展的初期，将AI技术引入医疗行业的都是年轻的初创公司，这些公司做的都是“点”上的工作，针对某一个病症开发基于人工智能的病情预判技术，给医生提供参考。但是，这些创业型公司进行技术推广的时候需要花费很大的精力去各医院做协调工作。医院的各个部门都是信息的孤岛，无法互联互通，而且病人的原始数据（像胸片、X影像）都是分散的，没有进行有效统一整合。一个创业公司与医院合作，要花费很大的资源去整合医院各个部门，使得创业公司难以专供自己的核心技术。
初创型AI公司研发脑出血人工智能判读系统，为医生提供诊治参考
基于此，就需要医疗行业的头部公司来进行底层的有效整合，因为头部公司拥有资源和渠道来整合这些创业公司所面临的共性问题（统一整合医院各科室和数据）。像“GPS”（GE、飞利浦、西门子）每年在全世界卖出数量庞大的医疗设备，与很多医院合作，手中掌握广泛的渠道，可由它搭建平台，该平台是建立在统一整合医院各科室和数据的基础之上。其他年轻的创业公司就可以基于此平台专心开发自己的技术，节省更多的精力。
巨头平台间相互竞争 赢家未定
在构建数字医疗生态方面，各大医疗巨头在中国市场也在不断发力，像GE推进的“Edison”平台，西门子构建的“Teamplay”平台，都在做相同的事情。这些平台的作用就是给医疗行业初创AI公司提供成熟的模块，开发者基于此搭建自己的产品，同时平台也可以提供统一的可供选择的数据接口，供开发者直接调用。就像苹果公司的手机APP开发平台一样，苹果公司提供开发平台解决共性问题，这样APP开发者在此平台上利用成熟的模块，快速搭建自己的产品。
Teamplay生态图 图自西门子官网
当然，头部公司的服务不是免费提供的，初创型公司利用平台渠道推广将自己的产品，并将其出售给用户，获得的利润是需要和头部公司进行利润分成的，分成的比例就依据各自的合同安排了。
不过，平台与平台之间的竞争，谁能“笑到最后”，还得看谁能最后真正的大规模的被用户接受。像早年的微软还准备开发手机操作系统Winphone，但是由于生态没有打造起来，没有被客户使用，APP开发者没有积极性，该系统也就逐渐消失了。
头部公司的数字医疗生态平台谁将做大做强，笔者无法预测。不过，一位初创型AI医疗公司负责人曾在回答与平台之间的合作问题时，就强调了平台需要“开放”的理念，这或许对各平台的生存发展有所启示。其实，平台很难做起来，因为这个世界里面多样的玩家很多，利益诉求就不一样。要想打造生态平台，就要以开放的心态去，同时还要以更大的格局去接纳、迭代做平台的人。
在国内腾讯也在做类似的项目平台，但是，这个平台与GE的“Edison”平台和西门子的“Teamplay”平台有所不同。实际上，这也很好理解，腾讯是互联网技术公司，而GE与西门子是做医疗硬件设备的，在真正介入疾病治疗上，并非腾讯所长。
腾讯做的更多的是利用自身的互联网技术，给医疗健康行业的公司赋能。以腾讯与诺华制药公司合作的案例为例，腾讯推出根植微信社交生态的线上药品扫码平台，通过微信小程序提供各类服务，包括药品的溯源、疾病科普，健康指导等。
结束语
借助这波数字化浪潮，“GPS”三巨头都在积极提升自己的数字化能力，都想凭借自身的资源和渠道构建自己的数字医疗生态圈。而且，在中国市场的竞赛中，闯入了联影、东软等国产医疗设备产商，同时腾讯、阿里等互联网巨头也想“分一杯羹”，几家公司基因不同，各有所长，最终各家在医疗领域会打造出什么样的生态，还得进一步观察。
本文系观察者网独家稿件，未经授权，不得转载。