专题丨中欧国际工商学院蔡江南教授：大数据、人工智能和医疗的“搅局式”创新

中欧国际工商学院卫生管理与政策中心主任蔡江南教授

今年，斯坦福大学一个联合研究团队开发出了一个皮肤癌诊断准确率媲美人类医生的人工智能。他们通过深度学习的方法，用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状，在与21位皮肤科医生的诊断结果进行对比后，他们发现人工智能诊断准确率与人类医生不相上下，在91%以上。

当前，在一些实验中，“深度学习”系统已经超越了人类专家。

那么，未来深度学习机器对诊断专家会产生怎样的影响?

- 当我们有了大量数据后，任何分类问题都可以用深度学习来解决。

- 认知革命将会使得计算机来扩大人脑的能力，但不会取代皮肤病专家和放射学专家。

- 放射学专家的作用将会从专注感知的工作，上升为从事更多的认知工作。

如何理解深度学习？

当前，机器学习有三种知识和方式，三种知识分别是

-知其然（“knowing that”）：基于事实的、命题类的、显性的知识；

-知其如何（“knowing how”）：基于经验的、技能的、隐性的知识；

-知其所以然（“knowing why”）: 了解原因、提问为什么，是我们通向各种解释的桥梁；

解释正越来越成为推动医学进步的能源，但深度学习系统没有任何解释能力。

在学习方式上，第一代是模式识别，基于规则的算法；第二代是基于学习的算法，“神经网络” 作为一种新的计算策略；第三代就是“深度学习”，这种机器学习算法只会更加擅长了解差异（诊断在希腊语中的意思就是差异）(diagnosis - knowing apart)。但在医学领域，也许最终的回报来自于理解整体（knowing together）。整体的了解是机器人所有做不了的，这是机器人的局限。

依靠大数据、人工智能的搅局式创新推动医改进程

当前，以大数据、人工智能为代表的新兴技术与新服务模式的创新发展正快速渗透到医疗健康领域各方面、各环节，推动医疗卫生领域发生深刻变革。

而说到创新，可以分为三个层面：技术创新、商业模式的创新和制度的创新。当下，我们谈的比较多的是技术创新的层面，但是技术创新的层面如果没有商业的支持，便难以产生可持续性，除非是公益项目或者政府组织的科研课题。大数据要获得可持续的发展则要有可持续的收入来源来支撑。第三个是制度的创新，如大数据、人工智能的运用到后面都会碰到制度、政策、法律上的一定的限制，比如数据公开性、标准化、安全性，这些都需要通过制度的创新来解决。如果用马克思主义经济学理论来归纳的话，技术创新相当于生产力，商业模式创新相当于生产关系，即研究人和人的关系，而制度创新则代表上层的建筑。

所谓搅局式创新则是一种使事情简化并且更便宜的创新。

搅局式技术和商业模式创新，两者都是搅动一个产业的必要条件。搅局式创新理论说明了如何将复杂和昂贵的产品和服务，转变为简单和便宜的过程。通常总是新的公司，或者现有公司的完全独立的单元，可以成功地搅动一个行业。最典型的例子是腾讯的微信和QQ之间，彼时微信作为腾讯内部成立的一个新的单位出现，其功能与QQ类似，可以作为搅局来理解，但这种搅局并没有完全取代QQ，反而使人们的社交变得更方便。

搅局式的创新并不是一项突破性的创新，搅局者带来的产品和服务，实际上与市场上原来的领头公司的产品和服务相比，还不如他们优秀，但却更加简单和便宜。

在医疗领域，三级医院、大医院，教学医院往往他们提供的医疗服务就是那种比较复杂和昂贵的服务。我们的医疗服务体系长久以来都是倒金字塔的现象，尽管医改强调要强基层，但是我们依然通过很多数据看到以三级医疗机构专家主导的模式变的越来越庞大，这些从三级医院的规模、诊疗病人人数上都可以明显看出。

如何能够把这个金字塔倒过来——真正通过分级诊疗来促进我们医疗体系的变化？这就需要通过搅局式的创新——利用大数据、人工智能来实现，具体而言就是将原来非常复杂的只有专家才能够解决的问题，变成基层医疗机构依靠人工智能辅助诊疗的手段就有可能解决。

通过这个图来看，就是综合医院、大医院要将技术慢慢往外推广，通过技术的创新慢慢的带来治疗模式、商业模式的创新，最后通过更简化的模式，如基层门诊、个体诊所甚至患者在自己家里通过包括可穿戴医疗器械的其他家庭诊断的工具，就可以获得原来非常复杂和昂贵的医疗服务，这就是搅局式创新推动我国医改进程的意义所在。

综上，医疗商业模式的搅局式创新就是用更简便和便宜的医疗服务方式来代替复杂昂贵的方式，为消费者提供更高价值的选择。我国医改的方向与医疗商业模式的搅局式创新一致，而医疗大数据和人工智能的发展有利于推进医改进程。

本文内容整理自蔡江南教授在2017年4月26日“天津·滨海医疗大数据开发及应用大会”上的精彩演讲报告。

（编辑：郭晓龙）

获取授权后转载，并请注明文章来源！