分类目录归档:AI

经历了一阵难忍的恶心后,我发现了AI医疗商业化的一个成功案例

上个周五,我体会到了恶心。

护士一阵揉搓,将一大坨橡皮泥放到了塑料托槽中,然后把整个托槽送到我的嘴里。护士再用力按压着托槽,让里面的橡皮泥和我的牙齿尽量接触,只到我的牙齿轮廓完全印在了橡皮泥上,橡皮泥凹出一个沟壑。然后取出托槽和橡皮泥,在刚才的沟壑上面,再注入一层黄色的「泥浆」。再把整个托槽连同橡皮泥和「泥浆」送到我的嘴里,牙齿再咬向它们。咬上去后,保持不动。等待黄色的「泥浆」随着时间而逐渐凝固。

如果顺利,再过几分钟之后,等黄色「泥浆」完全凝固,取出托槽,将会得到我的牙齿的立体模型。通过这个立体模型,牙医就可以了解我的牙齿的结构,并且基于此给我设计牙齿的治疗方案,制作牙套。我听牙医给护士的交代,上文所说的过程,称之为「取模」。

如果不顺利,你可能就必须像我一样。一次又一次的重复取模的过程。前前后后,我总共「取模」了 5 轮。每一轮包括上牙和下牙,我总共尝了 10 次。尝,不得不尝。我的舌头不得不和橡皮泥、「泥浆」接触,我不得不尝到了橡皮泥和「泥浆」的味道。

这是一种什么样的味道?恶心。另一方面,在咬向「泥浆」的时候,需要保持张着嘴巴不动,用鼻子呼吸。对我而言,闭着嘴用鼻子呼吸,张开嘴用嘴巴呼吸,都很正常,可要张着嘴却用鼻子呼吸有些难度,这也加剧了恶心的感觉。

虽然这个过程不是很舒服,也很可能失败重做,一旦失败重做,将要花费很长时间。但它却是牙医做牙齿矫正中至关重要的一个环节。

有没有一个更加舒服,速度快,成功率高的方案呢?就在同一天下午的稍早时候,我体验了另一种方案。

我张开嘴巴躺着,护士拿着设备在我的口腔中游走,不同角度进行扫描。这个设备不复杂。大概可以理解为一个摄像头加上一个闪光灯。摄像头会连续拍摄一张张照片。因为里面光线不好,闪光灯的作用是保证拍照所需的光线。算法最后会基于拍摄的照片,生成一个立体模型。

回家之后我查了一下,这个仪器叫做「ITERO数码3D牙模扫描仪」。来自于一家叫做Align的企业。Align的中文名叫爱齐科技,中国的办事处在上海的徐家汇。隐型牙套「隐适美」是Align最知名的产品。

听护士大概介绍了原理,我第一个直觉就是,这个产品,是AI商业化的经典案例。为了验证我的直觉,我需要知道两件事。一是确定这个模式是不是用到了AI,二是他的商业化有没有成功。

我去官网搜索了一下,发现他们正在招聘的岗位中,至少有4个都是机器学习相关的。分别是 Machine Learning Scientist、

Sr. Machine Learning Scientist 、Senior Manager, Machine Learning、Director of Machine Learning and Artificial Intelligence。

而从AI的进展来看,利用深度学习技术,通过多张二维图片来进行3D建模,已经是现成的技术。36Kr就报道了一家叫作Bifrost的创业公司在做这样的事情,不过,他们的选择从家居建材和电商两个垂直领域切入。

Align在招AI的人才,AI现阶段可以做到通过大量2D照片进行3D建模。很大概率上,Align的ITero就是用了AI的解决方案。

而从商业化的角度评价,iTero也已经走了很远。iTero进化历史:

① 2006年Cadent发布iTero数字印模系统

② 2011年爱齐公司收购Cadent

③ 2013年发布Invisalign隐适美效果模拟器

④ 2015年发布新一代iTero Element口内扫描仪

⑤ 2017年已进行120万余次修复扫描及270万余次正畸扫描。

而搜索最近的新闻,你发现最多的是,iTero从2018年开始被大规模的引入到了中国的牙科医院。据我在医院的观察,iTero也取代了绝大多数的传统取模方法。

iTero的商业模式,符合我之前说的「AI+ 硬件」的商业化路径。这也给想从事医疗AI创业的人一个提醒,要想找到行的通的商业模式,不能只专注在模型和算法上面。对应用场景的研究和了解 ,也很重要。有一些人认为AI创业,懂行业的产品经理不再重要了,我不这么认为。

吹了一番iTero,那么他有没有缺点呢?也是有的。缺点主要体现在,当遇到特殊情况的时候,精度  就会不足。什么是特殊情况呢?比如,像我一样,咬肌太发达,就会导致你没办法拍到最里面一颗大牙的全部角度。最后的模型中,大牙就有一部分缺失了。

这也就是为什么我在做完iTero口扫之后,又去做了传统取模的原因。

AI+医疗类项目的几种产品化模式?

这本是回答一个问题的答案。
如何看待AI+医疗类项目的商业化前景?
我的回答如下:
在谈商业化之前,首先要做的是「产品化」。
这也是目前遇到的最大的问题。
就目前而言,在算法层面有用这件事已经不是问题,至少不是大问题。
而在产品化方面,则遇到的问题就比较多。我们拿影像AI为例,在产品化落地方面,目前有几种方式:
  • 依图、阿里云模式,需要对接现有的pics/His 系统,打通底层数据。这里有两个难点:
  • 需要向系统厂商缴纳接口费,很贵
  • 对接的劳动成本很高
  • 还是上述模式,但是是系统厂商来做。比如杭州“健培”。
  • 腾讯觅影的模式,通过硬件重新扫描影像,相当于做一次数据的重新录入,之后再进行AI识别。好处的非常灵活,不依赖于系统对接的问题。但也有其局限性,比如:
  • 只有电子版的咋办,要先打印出来?
  • 你还得有个人扶着啊,算是劳动力的降阶,但没有一步到位。
  • 联影、乐普的模式,设备 + AI 的软硬一体化方案,硬件录数据,AI直接出结果:
其中,心电图厂商乐普的心电图人工智能自动分析系统注册获FDA受理,这是我非常看好的模式。

百度「医疗事业部」被裁,百度是不打算做医疗广告了吗?

问:您好,我是*网的记者*,关注医疗科技模块,在知乎上看了您关于移动医疗的回答,对您的见识很佩服。昨天,百度裁撤医疗事业部,O2O挂号技术含量不高,未来的重点在人工智能上,请问您对此怎样看?

——————–

答:在之前的工作中,我也的确和百度医生有过一些接触和合作洽谈,但最后没有合作成功。

裁撤医疗事业部,原因不是「技术含量不高」,百度外卖技术含量也不高啊,为啥还要坚持做?我觉得被裁的主要原因还是业绩没做好。在整个移动医疗行业里,百度医生和我待过的平安好医生几乎是同时成立,但现在差距是天壤之别。而当初为了获得挂号资源,重金投资了健康之路和趣医网,获得了足够和微医抗衡的挂号资源,但在拿到这些资源后,百度医生的发展和微医相比也相形见绌。高投入低业绩可能才是被裁掉的主要原因。
另外一个原因是,医疗行业目前最成熟的商业模式是「以药养医」,因为大众对于医疗服务付费的意愿和习惯不强,现在医院的医生的收入都不是靠医疗服务,而是靠药品收入。在这种背景下,O2O把线下的医疗服务资源买过来,通过线上卖给患者,并不能直接转到钱。通俗的将,就是你就算做到非常多的挂号量,钱也是给医院和医生的,你并没有加价做利差的空间。因此从战略分的角度,医疗O2O并非一门好生意。
补充一点题外话,并非百度所有和医疗健康相关的项目都是「百度医疗事业部」的范畴。拇指医生是百度问答的,百度健康是百度营销中心的,医疗大脑应该是人工智能团队的。不是说「百度医疗事业部」没了,这些业务都没了,更不是百度以后不做医疗广告了。这次裁撤最受影响是「百度医生」App 团队。
这个道理就好像,大家听到「平安万家诊所」,就想当然的以为他是平安好医生下面的,实际上他们是两家的公司,有内部竞争关系。望文生义害死人。
关于未来的重点是在人工智能这块,我倒是很认同。
从我的七年的从业经历来看,医疗行业的很多问题都可以归因到「医生资源稀缺」。比如,看病难的问题,为什么看病难?因为想要看好医生的人(需求)太多,真正的好医生有限(资源稀缺),需求远大于供给,自然会看病难看病贵。再比如,医患矛盾突出,为什么?深究之后发现很多都是源于沟通不到位,为什么会沟通不到位?因为医生每天要看很多病人,长期过劳,缺乏耐心。为什么会过劳?因为病人太多,医生看不过来。
如果是一个完全开放的自由市场,这时候供给(医生资源)应该会增加,市场会调节出一个合理的供需关系。但医疗行业有其特殊性,政府管控价格,很难市场化。另外考虑医疗的专业性,新的医疗资源供给增加需要较强的周期,也不会立刻增加。
所以,这个时候,医生效率提高就是化解很多医疗问题的有效手段。在提升医疗效率方面,人工智能是非常有效的工具。比如,输入检查数据,输出诊断结果,AI大有可为;输入诊断结果,输出治疗方案,AI大有可为;甚至输入问诊基本资料,输出规范化病案文本,减少医生机械劳动,AI大有可为;输入病例资料,输出结构化的数据方便医生做科研,AI大有可为。
从时间窗口上,虽然有很多人都在说AI+ 人工智能,但真正做起来的并不多;做竞争优势的角度,百度既然已人工智能为核心了,这一块还是具有一定的优势。
总之,新方向是对的,但能不能做的好,还得看团队的执行和领悟了。