题图 | 视觉中国
一年之间，曾经的医疗AI“四小龙”，悉数开始冲刺资本市场。
但结局是有的被放弃、委身竞争对手，有的上市申请拖到失效、悬而未决，仅有的一支医疗AI股，上市即破发。
这被视为医疗AI交出的答卷，而人们对医疗AI的质疑，也从推翻终局延伸到推翻底层逻辑。戏谑中，医疗AI似乎已然难以抽身于传统医疗的夹缝，无法收场。
但其实不妨重新盘一盘医疗AI的逻辑。
倒逼
前不久，国家医保局的新一轮药品谈判落幕，“灵魂砍价”的场景增加许多人对新医改的好感。而“压价砝码”——世界最大医疗需求市场的背后，医疗资源不充裕、不均衡一直是医疗供给侧的心病。
医保局在努力，医院也在修炼内功。
于是，越来越大的院区正在被先进的设备填满，医生却似乎比以前更累，工具和标准不断在变，他们对患者负责的职业素养不会变，熟悉每个设备的功能、读懂每个参数的意义，成了终生学习的一部分。
患者也累，冰冷机器的“检查结果”横亘在他们与对面的医生之间，而更多时候，看着手中的检验单，他们脑中不免闪过上网查查再做决定的犹疑，久病成医在这个被碎片化的医学信息充斥的时代好像更常见了。
另外的人，跋山涉水往大三甲医院挤，去抢来大专家们有限的问诊时间，把名医专家抢到一号难求，甚至催生出医院前市场寻租的生意。
实际上，患者求索的，不外乎医生行医经历中，那些与自己情况十分接近的成功案例。在大数据的眼里，这是基于特征向量做匹配的过程，于是有了医疗AI。可以说，正是医疗供需的错配倒逼出了医疗AI。
医疗AI利用机器学习和数据挖掘两项核心技术，来探索在医学场景中模拟、延伸和拓展人类智能。临床医疗中那些基于大量标准化数据的重复劳动，医疗AI可以分担。比如，医学影像、病理判读等以客观数据为支撑的疾病诊断。
在医院里，医生往往越老越吃香，而医疗AI深度学习的数据库里包含全球的临床数据和研究文献，这些数据体量可能远超普通医生一生掌握的医学资料量。换言之，让计算机学习医疗大数据之后再做判断，其效率和准确性完全有可能超越医生。
当然，这是后话。现在医疗AI的角色，是嵌入医疗全程，输出接近医生水平的决策支持。
悄然走进生活
与作为黑科技概念时的高调亮相不同，身边的医疗AI，往往以人们根本察觉不到的方式出现。
大多数人能接触到的，是医疗AI在医院外的应用。比如，设置在线问诊前的人机对话，就属于医疗AI中的智能导诊，计算机程序根据患者陈述匹配适当的科室和医生。再如，嵌入可穿戴设备中，用来提示疾病风险、进行用药管理的软件，则属于医疗AI中的智能健康管理。
在国内，医疗AI商业发展近 10 年，绝大部分基于计算机视觉与自然语义处理的医疗AI产品都已经相对成熟，正逐步实现商业化的广泛应用。
其中，医学影像科的检查结果格式相对一致，是国际上的医疗AI研究团队最早关注并且发开出算法的领域，国内的医疗AI“四小龙”企业最早也多凭借医学影像的AI算法起家。
至今，CT 肺结节、乳腺钼靶、CT 肝、MRI 脑等多个应用场景都出现了相应的医疗AI产品，结果勾画准确率越来越高，医生阅片压力得到缓解，并提高了相关症状和疾病的检出率。
当前，医疗AI还陆续进入胸外科、心内科、内分泌科等诊疗数量居高不下的热门专科。前不久，平安集团表示，旗下AskBob AI医生通过对临床指南、专家共识和大量经典案例的学习，已经具备了与国际内分泌主治医生团队相近的糖尿病综合管理能力。
在这场由北京大学人民医院内分泌科罗樱樱教授和邹显彤医生主持的“人机大战”中，6名分别来自北京大学人民医院、北京大学国际医院、新加坡中央医院、巴西圣保罗大学里贝朗普雷图医院的参赛医生被分为三组，各自在约45分钟内独立回答3个病例，而平安AskBob AI医生则由一名平安智慧医疗工作人员操作答题系统，来同步作答9个病例。
比赛中，系统把病历信息给到参赛选手，后者根据病史的完整性决定是否要进一步补充患者的病史以及检查检验结果。当选手认为所有患者的信息已经完备的时候，即给出最终的诊断和治疗方案。由国内外专家组成的评委团根据诊断的准确性、治疗的合理性和其他建议的完备性等因素对各选手答案进行盲审，并给出诊断、治疗等分项评分。最终，AskBob医生以92.4 vs 89.5媲美国际内分泌主治医生参赛团队。
无独有偶，一年前的另一场“人机大战”中，AskBob AI还显示出了与三级医院住院医生相当的心血管病综合管理能力，以97.7vs93.9赢得了比赛。
这些默默工作的医疗AI，并未有引发预想中的轩然大波，未来也大概率不会。
医疗AI进入中国HMO样本
其实AI本来就无它，只是一种需要更多算力的软件，但可以完成更强大的任务。比如在中国的医疗环境中，推行曾被欧美国家反复验证的管理式医疗模式HMO。
HMO的运营模式是指在收取固定预付费用后，为特定地区主动参保人群提供全面医疗服务的体系。HMO模式最大优势是医疗和保险的深度融合，其不仅可以提供高效的医疗服务，还可以最大程度的控制费用，有效解决看病难，看病贵的问题，在国内具有广泛的应用场景。
对于用户而言，通过“预防为主、防治结合”，做好健康管理，避免过度医疗，达到控费目的，同时提高投保人的健康水平，实现保险保障与健康管理价值协同。
在2021年10月末的投资者开放日上，平安集团联席首席执行官陈心颖表示，平安集团的医疗健康生态将打造HMO模式，整合集团力量，形成以“HMO+家庭医生会员制+O2O”为支点的医疗生态圈。
马明哲董事长也在多个场合提出，要用专业让生活更简单，解决人民“烦心、烦事、费钱”的痛点，提供“省心、省时、省钱”的高质量服务。
这对于而立之年的平安集团和中国保险业而言，涉足HMO的尝试都不太可能浅尝辄止。
今年4月，平安率先推出了“平安臻享RUN”。以专业家庭医生和专业健康档案为基础，提供覆盖健康、亚健康、慢病和疾病四大健康服务场景的一站式管理方案。
5月，平安通过参与方正重整补齐了医疗生态圈最后一块拼图，线上借助诊疗平台，为用户提供线上诊疗、健康管理及药品配送等服务；线下凭借方正系的医院资源，为用户提供医院检测、治疗等有温度的服务。
可以说，平安的保险产品已经跳脱仅仅财务补偿的功能，步入健康管理和保险保障协同并进的新阶段。有场景、有服务、有温度、有频率的“医疗健康+保险服务”生态已形成。
综合国外经验，HMO模式的精髓——保险+健康管理，以保险、医院和医疗服务为抓手，利用技术实现更有效的健康管理和保费控制，形成一个完美的闭环。但是，这三个因素颇有门槛，也决定了只有少数人能够进行复刻。
对于平安集团而言，有独特的优势。
首先，经验优势。平安有30年的健康管理经验，在此之上有非常多的技术支撑，例如，五大数据库覆盖了3万种疾病，还有100万医学概念，700万的医学关系。
第二，科技优势。目前中国平安已构建全球最大的医疗数据库之一，AI辅助诊疗覆盖3,000种疾病，2021年上半年AI医疗服务次数超5亿次、惠及约95万名医生、服务306万名慢病患者。
第三，庞大的客户基数。2.2亿金融客用户将成为平安“保险+医疗健康”战略的基石，而从未来潜在金融客户市场看，中国金融客户更是超过7亿，平安的用户增长远未触及天花板。
第四，线上线下资源布局。平安健康组建了约2000人的全职医生团队，并且通过O2O网络，链接了18.9万家药店、超4000家医院、约1700家体检机构和超过1800家健康机构，实现了线上/线下全流程打通。此外，平安将通过参与方正集团重整，及深圳龙华区综合医院的合作运营，补全线下实体医院，进一步深化医疗健康战略布局，提升服务能力。
但平安集团的HMO得以有效运行，离不开润滑剂医疗AI。
与其他医疗AI公司先训练算法，再寻找应用场景不同，平安集团的医疗AI就诞生于场景之中。在HMO体系中，患者就诊、患者管理、医生学习等需求都被对应放大，对于那些重复的程序性工作，平安集团更多借助医疗AI的高效算法来解决。
例如，平安集团的AI工具AskBob根据医生习惯进行定制化开发，为医生提供精准的技术支持，帮助提升阅片效率，包含超过70种疾病预测模型、90种智能影响模型。针对慢性病例，平安健康管家可以提供多种服务，包括分诊、导诊、诊后随访、教育、问答等。
此外，通过海量就诊数据、上千万医学文献、权威临床指南，平安集团构建了AskBob医学智库，具备辅助诊疗功能，能够为医生提供专业的诊断和治疗方案。
这背后，是平安集团基于海量的保险理赔和线上问诊信息沉淀的全球最大医疗数据库之一。
据了解，这个数据库包含ICD所有的3万种疾病、9000种以上症状信息、20万以上药品信息、50万常见处方、1.8万指南、100万以上医疗机构信息、350万以上医生信息，及基于知识图谱构建了300万以上医学概念、3300万以上医学关系、3000万以上医学证据等。
迄今为止，平安集团的数据库与医疗AI技术已经在SCI知名期刊已发表论文超过了100篇。在6项医疗影像国际竞赛中获得第一，5项医疗自然语言处理国际大赛中获得第一。
例如，2021年2月，平安智慧医疗还连同平安医疗科技美国华盛顿研究院（PAIIInc.）、平安智慧城市、平安健康与台湾长庚医院等单位，在国际知名期刊《Nature Communications》（影响因子12.1）上发表论文，首次提出了一个可检测髋部X-ray影像中全部可见的放射骨折类型的测量模型。
医疗AI无声，却十分有力地改变着过去曾被认为无法改变的事实。在国内，HMO落地一直很难，因为公立医院体系近乎独占市场。但平安集团基于资源、渠道基础，借力医疗AI，第一次让用户体验了HMO的便捷。
从某种意义上讲，医疗AI会成为对医生越来越重要的工具，它的出现让医生可以更加专注于与患者相关的事，让久病成医的无奈在未来消失。作为工具，波澜不惊是题中应有之意，而讨论曾经落在医疗AI上的热情，和它烧掉的大量资金是否错付，换个视角，结论可能就不一样。