百亿资金投入科研，医学知识图谱数据过百万，平安挺进“智慧医疗”

会员服务 ·

百亿资金投入科研，医学知识图谱数据过百万，平安挺进“智慧医疗”

2019 年 5 月 9 日 动脉网

2018年平安集团年报显示的总收入为10821.46亿元，归属于母公司的净利润为1074.04亿元。据平安智慧城市联席总经理兼首席战略官高孟轩所言，其中的百亿元将被划分于研发支出项，稳步发展之中寻求突破。

这些资金流向了哪里？平安智慧城市是其重要支流，“智慧城市”的竞赛需要源源不断的投入，才有可能在人工智能时代先下一城。

营收增幅的极速上升给2019年疲软的AI市场打了一阵镇定剂。财报显示，2017年金融科技与医疗科技业务收入为5488万元，这一数字在2018年变化为7748万元，增幅达44.2%，远超过研发支出项11.0%的增幅。

平安集团收入状况，随着上升的是日益增长的收入

增长背后的原因值得推敲。两年时间，平安在智慧医疗布局的足迹贯穿于宏观的城市调控与微观的单个病种，人工智能与信息化是这一布局的重要支撑。

“未来的医院将是数据化与智能化的融合。”高孟轩在采访中总结道，“平安智慧医疗正向这一目标走去。”

信息化夯实根基，人工智能厚积薄发

从整体上看，平安在大健康领域的成就与其布局方式不无关系。

一方面，平安智慧医疗将目光置于医院管理，在院外着力搭建智慧医联体，在院内辅助医院智能化管理；

另一方面，针对医院本职的患者治疗与管理业务，平安智慧医疗也在着力于用AI辅助诊疗，促进医疗服务的智慧化转型。

显而易见，平安智慧医疗的最终目标在于解决医疗信息孤岛化与医疗资源缺乏、错置两个问题。

平安智慧医疗布局

从上图数据来看，平安智慧医疗涉及的客户包括卫健委等医疗卫生监管单位、院长（医院管理）、专科主任（辅助诊断等）、患者（随访等）。而打入医院信息化系统是平安智慧医疗的关键一步。

源源不断的资金注入科技研发，因此平安智慧医疗无需因投资而发愁。但对于人工智能等前沿技术而言，资金并非是通用的财富，因为患者数据是不可交易的。所以，平安助力下的医院互联互通便显得尤为重要。

一个成功的例子是2019年4月中旬平安智慧城市·智慧医疗与中南大学湘雅二医院国家代谢性疾病临床医学研究中心的合作，双方在会上发布了共同研发的智慧医联体远程病房系统，借助于平安的技术打造包含三甲医院与基层医院常态化联系的智慧医联体，其核心是打通各个医院层级之间的数据壁垒，实现更有价值的远程医疗服务。

通过“远程查房”和“远程科室会诊”等系统应用，上级医院还能实现对基层医院的教学延伸，带动基层医院学科建设，提高整体临床医疗水平，为患者提供医疗便利。

慢病管理也被罗列其中，糖尿病患者可先在基层医院完成常规检查及数据录入，智慧医联体将根据患者状况迅速准确地分发至全国各级医院的专科医疗服务流程中，并以此建立一个通过规范化治疗对糖尿病患者进行全病程综合管理服务平台，从而逐步搭建出符合我国国情的规范化、标准化代谢性疾病医治指南，以提升基层诊疗质控水平。

目前，糖尿病平台管理患者500余人，月活跃率70%以上。患者对平台的依赖程度呈上升趋势，对糖尿病的认知也得到大幅提升。

全方位医院智能管理凸显AI价值

智慧医联体服务于医院间关系，而院内管理同样可圈可点。平安智慧医疗于2018年开始了医疗信息化产品布局，将旗下基于AI赋能的CDSS系统送至超过50家基层医疗机构。

在前文展示的应用场景，远在长沙的周广智主任可方便调阅河南患者的病案，这也意味着伏身基层的系统逐渐展露头角，成为平安智慧医疗打造智慧医联体中的关键一环。

在设计系统时，平安智慧医疗的研发人员尤其注重医生在实际使用时的操作习惯，以确保该系统是对医生现有流程的优化。

比如，在医生问询病情环节，常规情况下，医生在听取患者主诉后，会在思考之后向患者提供建议。而有了AI辅助的CDSS系统，可根据患者主诉的情况进行可行性分析，并将结果可能性以可视化的方式向医生展示。

针对用药，这套系统会在医生确诊的基础上，给出可用药物、剂量、剂型、频次等，医生的工作变成“选择题”，减少了医生无谓的精力消耗，对患者病情判断的准确率也同步提高。

AI辅助科研也是热门方向，医疗AI头部企业都瞄向了拥有科研需求的医学专家，尝试通过AI辅助医者进行临床验证、资源调取。

高孟轩告诉动脉网记者：“一流医院的医者对科研工具的需求日益剧增。业内的大数据处理、结构化成为阻碍不少医者从事研究的门槛，这既需要专业知识储备，又需要大量精力付出。同时，研究人员还需了解近期文献发布集中的领域，以及被采纳的概率如何，比如DNA的研究是否增多，哪一位点的基因拥有了怎样的发展。”

“平安智慧医疗的知识图谱并非简单地把保存文本信息，而是将信息结构化，并注入相应的知识节点，为点与点间的节点建立已有的联系，挖掘潜在关联。举例来说，一位医者想要了解某一药物是否有可能作用于某一基因，若他使用平安的知识图谱，该AI系统会根据关键词从知识图谱中寻找相应联系，如果某一文献中提到了这一联系，系统就会调出相应论文，否则则说明药物与基因之间没有联系。”

据动脉网了解，平安已经建立了药品库、疾病库、处方库、风险因子库和医疗资源库这五大知识库，涵盖了50万的概念，500万个关系，已是集成完整的知识体系，是全球最大的中文医学知识图谱，并以此为基础建立了首个精准语义理解的医学智库——AskBob，可为用户提供一站式的精准语义医学知识库查询及智能化临床决策支持。

AI助力医疗深入患者就诊全流程

若将平安在智慧医疗中的布局铺陈展开，未免会因为元素太多而过于复杂。因此，我们以诊前、诊中、诊后三个阶段进行划分，探讨平安的AI技术在智慧医疗中的价值支撑。

在诊前环节，平安智慧医疗主要拥有智能分诊导诊、智能疾病风险预测两个产品。

智能分诊导诊是典型的AI应用场景，以其落地清华长庚医院的“智能小庚”为例，这款由医院与企业共同研发的导诊机器人提供了分诊、导诊、患教问答、随访服务，覆盖诊前、诊后医疗场景。

其中，“智能小庚”的智能分诊可通过患者描述的症状推荐就医科室；智能导诊能自动回答就诊流程、科室位置、医院或医师的工作时间、医保政策、医院概况五大类医院导诊常见问题；智能患教问答，能自动回答高血压、糖尿病的基本科普知识问答，并且还能查询药品信息，包括药品适应症、用法用量、禁忌、副作用、特殊人群用药等药品科普问题；智能随访能根据患者病史智能推荐随访方案，自动发起随访，智能回答患者提问，进行疾病预测和诊后健康记录，针对慢性病人群进行诊后管理。

智能疾病风险预测系统则是基于大数据及AI机器学习技术构建。该系统从大量的特征中挖掘疾病风险因子，现已覆盖了心脑血管、糖尿病、呼吸系统疾病等30种慢性病及其并发症的预测模型，从350多万体检及电子病历数据中自动筛选疾病风险因素，采用机器学习方法建立智能疾病预测模型。

以预测心脑血管类疾病为例，AI不到一周就可以得出多种心脑血管疾病的预测结果，涵盖冠心病、脑卒中、房颤、心衰和心梗等病状。

在诊中环节，平安智慧医疗的AI产品落足于疾病的筛查、诊断、治疗、质控等环节。在用于筛查、诊断的影像方面，该产品现已拥有针对多种模态下的数千种诊断模型，40余种治疗模型，覆盖人体九大系统。

眼科因其大需求、广范围而成为AI入驻的第一方阵。在这一领域，平安智慧医疗的智能眼部筛查平台通过对数十万张眼底数据进行学习分析，针对糖网病变等眼科常见疾病的敏感性已达95%以上，其老年性黄斑变性模型可以自动定位玻璃膜疣并进行相关定量分析。

针对更前沿的OCT影像，平安智慧医疗与美国光视（Optovue）共同研发了一款OCT眼底疾病智能诊断系统，从开始OCT检查到患者扫码获得智能筛查报告，整个过程可以在三分钟内完成。

以复旦大学附属眼耳鼻喉科医院牵头，上海市一院和十院共同参与的多医学中心临床前试验结果显示，该系统可以出色完成OCT影像质控任务，精准识别绝大多数常见眼底病灶。

运用NLP技术，平安智慧医疗知识图谱能运用于诊中与诊后环节。诊中环节如CDSS系统中的智能诊断，在诊后则带入了随访市场。

诊后的运用主要有患者教育与智能随访两个方向。针对患者教育，高孟轩表示：“我们的知识图谱收录了7000多万的问答题库，均由专家进行审核。患者可以通过家庭医生的APP咨询如‘糖尿病患者是否可以吃西瓜？’、 ‘这两种药能否一起服用？’等问题，这些问题平时难以找医生进行咨询，一些基层的医生也不一定知道答案，网络搜索的结果则是五花八门。而平安的智慧医疗平台可为其提供权威解答。”

智能随访也可通过这一系统进行，“5G时代将更好地推动这一电子版家庭医生的发展，物联网将帮助我们更好地利用可穿戴设备的数据。通过手环，AI能了解到患者的呼吸状况；通过面部识别，AI能了解到患者的机体平衡。这些数据将被全部记录下来，生成风险评估报告给予患者的医生。”高孟轩解释道。

通过这一评估报告，医生将了解患者医从性的程度。如肥胖症患者常常拒绝服药，传感器显示运动不足，AI便会为这一患者打上“医从性差”的标签，护士便可精准关照，以提升医从性，提升慢病管理效果。

我国拥有众多优秀的医生，只要能根据其需求提供有效的工具，医生的价值就会得到质的提升。

科研合作下的宏观健康调控

时至今日，各类医疗创新产品虽已渗透医院的各个场景，但对于医学这一复杂学科，以产品为核心的设计理念依旧难以打破医学与科技间的掣肘，尤其是AI、3D打印等技术，仍需要大量的科研支持，才能改善现有的窘境。

故此，平安智慧医疗与各地卫健委、中国信通院、中国研究型医院学会、清华大学、中国医学科学院医学信息研究所等机构及科研院所达成合作协议，其目的是从社会这一宏观角度出发改善健康产业。

2018年12月，平安智慧医疗联合清华大学公共健康研究中心发布了城市健康指数。该指数可基于各地区的健康医疗大数据平台，从既有数据中挖掘相关信息，全面评估城市健康状况。

指数共涵盖3大维度80项指标，在综合反映一个城市的生活方式、自然环境状况，和医疗资源分配情况的同时，还可重点监测近40种主要疾病的发病情况；除此之外，该指数实现所有指标与各地大数据平台实现实时联动、动态更新，能够为城市健康管理提供最及时的决策支持。

传染病预测便是这一指标的实际运用之一，疾控中心需要更迅速更准确的模型及更迅捷的信息处理速率对流感等传染病指数进行优化，以推测流感等传染病发病周期，及时调度床位、疫苗、医护人员等资源，为疾控中心提供决策支持，为“群体健康”提供保障。

目前，平安智慧医疗与深圳市疾控中心、重庆市疾控中心进行合作。在过往与重庆市疾控中心的合作过程中，重庆监测数据显示，应用流感、手足口病的人工智能预测模型可以提前一周预测传染病发生情况，流感和手足口病的人工智能预测模型的准确率均达到86%以上，高发季预测准确率可达到90%以上；应用慢阻肺智能筛查模型，可大幅减少筛查成本，提高筛查效率。该模型的准确率达到92%。

譬如，对于监管单位而言，医疗质控这一工作，传统质控模式环节繁多、质控数据的收集于处理、缺乏智能信息化管理工具，在如何更客观、真实、高效反应日常实际工作等情况面临诸多挑战。

在“云质控”理念的前提下，上海市临床病理质量控制中心、上海市放射诊断质控中心在平安智慧医疗的协作下，将逐步转变为“线上、自动、实时、动态”的数字化、网络化、智能化全新模式。

这意味着，平安智慧医疗正在用自己的方式为AI开拓全新的商业模式，从宏观出发，为各类疾病预测提供决策建议，这未尝不是一条可行之路。

平安智慧医疗AI技术的独特价值

相比于与其他企业，平安智慧医疗归属于平安体系，这给予了它创新商业模式的可能，并有望联动保险行业革新。

随着现代医疗体系的不断完善，人的寿命明显增长，治疗用药支出明显增加。因此，落后赔付条款下的精算体系已经摇摇欲坠，保险公司亟需更精确的模型来对保险定价进行指导。另一方面，当保险服务模式成型，如何获得新客户，打造新险种，同样需要数据与技术的支持。

这是一个双赢的内部合作。平安体系为平安智慧城市提供了资金、数据、渠道支持，基于其研发资金支出并成稳定支付方，而平安智慧城市所打造的模型反之为平安保险提供顾问服务，并协助平安打造医疗生态圈。

所以，平安智慧医疗发展科技的价值不仅在于向政府和医疗机构赋能，还在于为平安最传统的保险业务提供数据、模型支持。在这种模式下，其AI产品无须急于从院方、患者处获得支付，只需专注于研发与市场铺陈即可。

汇聚这些优势，平安智慧城市已经在医疗走出了距离，但从信息化、人工智能智能共同出手的也并非平安一家，BAT等互联网巨头也前赴后继，智慧城市是大势所趋。

最终，平安智慧城市是总就是走出纯粹“辅助”的路线，还是能在智慧城市中独当一面？一切还需要时间去慢慢证实。