我是h1

 

地址: 深圳湾科技生态园5栋D座1302室
客服电话:
4008400488
邮箱: bd@rainxn.com

墨客星球

友情链接

© 2019 深圳雨本信息技术有限公司 | 粤ICP备17123203号 网站建设:中企动力 深圳

联系我们

最新文章

基因治疗初创公司Exegenesis Bio完成逾千万美元融资
基因治疗初创公司Exegenesis
2天线下私房课 | 做一个赚钱的抖音号
2天线下私房课
抖音实战特训营:10月19日开营
抖音实战特训营:10月19日开营
何小鹏:中国电动车销量仅相当于特斯拉在美国的销量
何小鹏:中国电动车销量仅相当于特斯拉在美国的销量
风光不再?百度号召全员节俭过日子
风光不再?百度号召全员节俭过日子
Facebook天秤币协会遭创始成员退会后,正式签署协会章程
Facebook天秤币协会遭创始成员退会后,正式签署协会章程

当AI+医疗走出医院,解读未来健康管理的无限可能

快讯
2019年9月29日
浏览量
【摘要】:
注:本文由 小豹研究中心(ID:cm-ailab) 撰写/授权转发
 
 
医疗健康领域产业链极长,上一篇猎豹用户研究中心的AI医疗专题报告《AI医疗发展现状市场扫描 应该如何对症“下药”?》介绍了AI+医疗在医院场景中进行辅助诊断的价值和前景。
 
本篇内容集中在院外场景,AI赋能健康管理领域。当患者走出医院,AI技术如何连接医生与患者,如何帮助患者了解病情现状与预测病情走向。
 

目录

 
01 健康管理行业简析
02 慢性疾病院外是重点
03 Never Offline/随时在线的AI健康管理
04 小豹展望
 

Part.1 健康管理行业简析

 
中国大健康产业市场规模巨大,2017年就已达6.2万亿元,近年环比增速均在10%以上。大健康产业包括医药、健康养老、医疗、保健品和健康管理服务。健康管理仅占大健康的2.6%,但年度产业规模依然可以达到接近1800亿元的水平。同时健康管理与医疗、医药、养老产业交叉紧密。
 
 
 
当前医疗资源不足,导致患者走出诊室后,医生难以获得患者情况,患者也不能及时了解病情进展,医生和患者对健康管理的需求同样迫切,在慢性病领域尤其明显。随着技术进步,可携带的医疗级别传感器获取人体数据方便且比较精准。智能便携传感器的边缘计算框架延迟低,近乎实时反馈,患者和医生有条件第一时间获知情况变化。
 
基于患者的真实世界研究和医疗大数据,更多的疾病动力学模型和人群生理病理模型被开发出来,推动了个性化医疗解决方案的执行,千人千面的精准医学成为可能。
 
 
在慢性病人群规模上,除了人口老龄化带来的影响,当前部分慢性病也有年轻化的趋势。健康报与丁香园在2019年初发布的报告显示,年轻人在肠胃、睡眠等方面均有不同程度的问题或困扰。80后已经开始普遍关注健康、健身等知识内容。普通人关注的健康知识top3的是饮食营养、锻炼健身、家庭用药,都是与院外健康管理息息相关的。
 
 
慢性病种类众多,且康复治疗阶段、治疗药物复购等行为多发送在院外,院外的日常生活习惯和环境对病情发展影响大,借助家用医疗器械监测病情是慢性病人群的常见措施。
 
以典型的慢性病糖尿病为例,2017年糖尿病患者已达1.14亿人,受生活环境和生活习惯影响,预计到2045年将达到1.54亿人。2017年糖尿病患者直接医疗开支占全国医疗开支的13%,达1734亿。
 

Part.2慢性疾病院外是重点

 
从宏观角度,WHO结合发展中国家卫生系统和人群健康状况提出了慢性病创新照护框架(Innovative care for chronic conditions framework,ICCC)。患者不仅需要得到贯穿时间、环境和卫生服务提供者有计划的综合照护外,还需要自我照护技能。
 
考虑到国内医生资源缺口严重,在社区和家庭环境中难以直接获得医生的指导建议。从微观角度,医生需要及时知晓患者在院外的身体情况和心理情况,结合患者历史用药和个体差异,提供有差异化的用药指导与生活习惯建议。
 
 
这时,基于AI技术和专业医学知识的慢病管理就可以发挥重要作用。借助各类可穿戴设备的传感器监控患者体征指标、医疗大数据沉淀的患者历史、AI对大量真实世界病历研究形成的慢性疾病生理指标或代谢模型,一旦有异常数据超过阈值,医生将可以远程对病情进行分级管理,及时对患者进行干预治疗、提出或优化治疗方案,实现慢性病全程动态管理监督。患者也可以根据健康管理AI的反馈,加强自我管理与监督。从医生端和患者端同时建立有效的系统化、个性化的慢病信息管理,提高医疗资源的高效利用,并最终改善或提高患者的健康程度。
 
 
AI在健康管理领域的应用价值正在越来越多的体现。来自最新naute madicine的研究论文[1]表明,基于现实世界数据的糖尿病相关慢性肾病模型的预测能力优于来自临床研究数据的模型。也就是越多来自院外的真实患者的数据的整合汇总,越可能开发出预测更精准的AI模型,提早判断类似糖尿病等慢性疾病的发生和发展。
 
2018年,吴恩达团队使用逻辑回归的方法得到的 ARR 预测值通常与心血管风险成正比[2],而新开发的X-learner算法则能够正确地观察到,个体治疗效果经常是与基线风险不成比例的。这样的结论也说明了,在为患者进行高血压治疗的时候,根据患者个人具体情况设计疗法,效果很可能优于给所有人相同的疗法,为现有的高血压治疗提供新的视角和思路。这也是吴恩达团队希望能够实现的效果。
 

Part.3 Never Offline/随时在线的AI健康管理

 
健康管理的重点在院外,院外的难点在数据监测。2014年9月美国时代杂志的封面文章Never Offline还在畅想未来可穿戴技术对人类生活的改变。短短几年时间,可穿戴设备在医疗场景应用已经使得患者和医生在院外监测病理特征的手段愈发多样和监测精度不断提高。
 
说到医疗级的可穿戴设备,最知名的可能是苹果公司的apple watch 4了。2018年上市时就通过了美国FDA的认证,以单导联结合专用算法可以实现高精度的心率监测,当发现心房颤动节律时及时提醒用户,提升中风早筛的几率。
 
遗憾的是apple watch 4暂时还未通过中国国家药品监督管理局NMPA(前CFDA)的认证,无法在国内使用心电监控功能。除了apple watch 4,苹果公司还有一项通过嵌入式活动传感器可以获取温度、出汗、心率数据和其他指标的专利可能与剁手利器airpods有关。但很遗憾,9月10日苹果新产品发布会中,并没有发布新的airpods。apple watch 5则更新了心率检测算法,新增了噪声、女性经期等与健康相关功能。苹果、三星、谷歌这些国外公司正在不断加码医疗级可穿戴设备切入健康管理的大市场,中国企业同样不甘落后。在全球可穿戴设备出货量排名靠前的华米科技在2019年6月了发布Amazfit健康手表,是国内首款支持ECG心电图监测功能的可穿戴产品。
 
同时华米公司还有一款已经通过NMPA认证的可穿戴心电记录仪手环。华米利用可穿戴设备获取的人体数据,结合专业医疗知识和AI算法,在心脏疾病的相关诊断、睡眠障碍监控、运动健身和生物id识别等领域都在进行探索。
 
2019年3月,华为终端有限公司新增了销售医疗器械(第二类医疗器械)的经营范围,引发人们遐想。华为与301医院专家联合开发了一款心脏健康研究的app,使用华为智能穿戴设备的心率传感器,结合AI智能心率算法,实时追踪心率相关数据,为用户提供心律失常筛查、个性化指导、预约就诊和整合管理服务。
 
9月20日最新发布会中,新一代华为手表GT增加了对血氧信号的检测能力。但华为可穿戴设备目前都没有取得NMPA认证,检测到的数据只能作为参考,不能成为诊疗依据。这也是目前大多数可穿戴设备厂商面临的尴尬,NMPA认证难以获得。
 
 
除了以手表手环形式监测心率的智能可穿戴硬件,血压仪、血糖仪、血氧仪等都已经有数字化、可便携、有AI辅助诊断且(部分)通过NMPA认证的产品上市。
 
这几年基于生物传感器,能够监测呼吸、心率、发声等人体信号的纹身式电子皮肤,已经在清华大学、MIT媒体实验室、斯坦福大学等等的实验室中取得了不少突破,比如斯坦福大学鲍哲南教授[3]最新研制成功的可穿戴无线皮肤传感器BodyNet,不需要电池,工作原理类似于ID卡:利用无线射频识别技术RFID,从服装接收器吸收能量,为传感器供电,然后从皮肤读取数据并发送回接收器。BodyNet将被用在医疗方面,如监测患有睡眠障碍的患者夜间睡觉质量,呼吸心跳肌肉等表现;或长期观测心脏病患者日常生活中的心脏表现。
 
 

Part.4 小豹观点

 
美好的未来似乎就在眼前,利用最新的传感器技术、互联网技术、AI技术,形成从院外数据监测、辅助诊断、患者提醒到快速挂号导诊、远程医疗、医药电商等线上线下全环节的健康管理体系。互联网公司、传统医疗机构都有机会参与其中。
 
对C端用户主要以售卖可检测体征的硬件及对应增值服务为切入点,让普通人能看到可准确量化的体征变动,以此增强普通人的健康管理意识。同时这些全面的量化数据既是做辅助诊断的重要依据,也是健康管理的起始点。对B端客户以数据分析平台、云管理平台和AI模型平台为吸引点,通过技术能力不断赋能医疗机构的运营管理,进而通过医疗机构提升患者的健康管理效率,从而形成院内院外-患者-医生-平台的多元闭环。
 
在保证隐私和数据安全的前提下,越细致和全面的数据记录,越可能形成清晰准确的健康管理方案,千人千面的精准医疗才可能实现。目前涉足健康管理的企业,野心都不止于此。从健康管理切入,获取多场景下海量的患者或用户数据,为医疗机构搭建数字化平台,携C端的用户(患者)规模和B端数据运营分析能力,进而涉足辅助诊断这个市场规模更大利润更高的市场。
 
参考资料:
[1] Stefan Ravizza.(2019). 《Predicting the early risk of chronic kidney disease in patients with diabetes using real-world data》 from 
https://www.nature.com/articles/s41591-018-0239-8
[2] Tony Duan.(2019). 《Clinical Value of Predicting Individual Treatment Effects for Intensive Blood Pressure Therapy》from 
https://www.ahajournals.org/doi/10.1161/CIRCOUTCOMES.118.005010
[3] Bao Group 官网:http://baogroup.stanford.edu/
补充资料:
[1] NMPA认证医疗器械信息查询:http://app1.sfda.gov.cn/datasearchcnda/face3/dir.html?type=ylqx