互联网企业切入医疗 ， 很多时候败在速度上 ， 他们推得太快 ， 没法实现后续的维护 。 在医疗这件事上一向雷厉风行的腾讯却慢了下来 。 回想当年在基层”铺路”的场景 ， 吴文达医生有些感慨：“基层医疗推进这事儿不是微信、QQ一铺就能覆盖的 ， 我们是一个个县、一个个城市、一个个医院慢慢去做 ， 慢慢提升基层的医疗质量 ， 慢慢建立基层医患的互信 ， 逐渐搭建连接各层级医疗服务的平台 。 ”
在这精心搭建的平台下 ， “电子健康卡”、“医保电子凭证”两卡则将线下业务进一步向互联网迁移 ， 进而加深了患者与微信之间的依赖程度 ， 实现“一部手机管健康” 。
“电子健康卡”是医疗互联网化的核心之一 ， 承载了跨院病历共享、处方流转等功能 ， 其核心解决的便是老百姓的便捷性问题与数据的统一问题 。
“医保电子凭证”则打通了互联网医疗中最为核心的支付壁垒 。 如果仅是将医疗服务由线下搬至线上 ， 而无医保兜底 ， 少有患者愿意参与其中 。 如今医保电子凭证已经落户31个省市 ， 医药电商、互联网医院等线上业务的发展 ， 因连接才有了基础 。
两卡一平台下 ， 腾讯不仅打通医患之间的信息壁垒 ， 简化医院、患者、医保三方的支付流程 ， 还可能推动了医疗资源的合理分配 ， 进而优化了医疗供给 。 此外 ， 通过”连接” ， 腾讯再建了医患之间的互信 。
供给端：智能
在大多数医疗场景中 ， 提高医疗质量、增加医疗服务的可及性和降低医疗服务的成本难以同时实现的 ， 这便是“医疗不可能三角模型” 。 不过医疗的“三元悖论”并非没有解法 ， 通过技术的迭代 ， 模型的三角有可能同期提升 。
同样从医疗供给侧出发 ， 腾讯尝试从人工智能、大数据两个方向提升已有医疗资源的供给能力 。
腾讯天衍实验室切入的是医院端方向 ， 通过医疗大数据构建“虚拟医生” ， 由此提升基层医疗水平 ， 降低医生误诊、漏诊概率 。
“一个医生从初出茅庐到成为专家 ， 需要多年的时间学习知识 ， 以及数年临床实践中的打磨 。 ”天衍实验室主任郑冶枫博士表示：“因此 ， 我们希望模拟医生的培养途径 ， 让AI算法跟着三甲医院顶尖医生去学习 ， 以达到或者接近顶尖医生的水平 ， 再把AI算法下放到基层 ， 在医生诊断过程中辅助医生做决策 。 ”
可解释的疾病预测是天衍实验室攻克的另一个方向 。 郑冶枫表示：“我们希望能够根据病人历史就诊记录 ， 预测他将来一定时间 ， 比如6个月之内 ， 他得某种疾病的风险 。 这是一个时间序列预测问题 。 ”
“这一问题通常需要LSTM一类的深度神经网络进行处理 ， 但这些方法最大的问题是 ， 整个预测流程是一个黑盒子 ， 缺乏解释性 。 当前天衍实验室给出的方法是通过非线性网络将患者的诊断信息压缩到一个固定的维度 ， 如512维 ， 这样每次患者就医都会生成一个512维的向量 。 接下来 ， 我们会用一个稀疏线性组合的模型 ， 把多次就诊情况汇聚起来 ， 最后实现疾病的预测 ， 并让其具备一定的解释性 。 ”
此外 ， 天衍实验室也在尝试通过联邦学习打通数据孤岛 。 “在宜昌的脑卒中风险预测这个项目里面 ， 我们有5家合作医院 ， 有些医院或者说大部分医院因为隐私、医院规章制度问题 ， 他们可能并不愿意把数据共享出来 ， 把数据放到一起做联合集中训练 。 所以这里我们采用的是一个横向联邦学习方法 ， 在保护用户隐私情况下 ， 把所有数据汇总起来做联合训练 。 从结果来看 ， 采用横向联邦学习做联合训练准确率有10%~20%以上的提升 。 ”
相比之下 ， 腾讯希波实验室关注的方向则更偏向于应用 ， 应用场景也由医院端延伸至C端、药企端 。
“有些事物不能直接测量 ， 你要想办法测量 ， 把能够测量的测准 ， 这是科学的基本原则 。 ”这是腾讯希波实验室的灵感 ， 而这里的测量指的是对患者的运动进行分析 。

稿源：(动脉网)

【】网址：http://www.shadafang.com/c/hn091191W0R020.html

标题：互联网|“智能”与“连接”下，腾讯切入互联网医疗的三个跨步( 二 )