Devler, nihai kazanan olacak dijital bir tıbbi ekoloji inşa etti
(Metin / Gözlemci Ağı Cheng Xiaokang)
Dijitalleşmenin yaşamın her kesiminden operasyonel verimliliğe doğru iyileştirilmesi, toplumun tüm kesimleri için açıktır ve bu tıp endüstrisi için de geçerlidir. Tıp alanındaki bazı yeni şirketler, "büyük veri + yapay zeka" ödünç alarak, bölgelerini genişletmek için belirli bir hastalığın patolojisini kontrol etmede profesyonel becerilerine güvenerek bir "tek boynuzlu at" eğilimi oluşturdular. Bununla birlikte, geleneksel tıp devleri (GE, Siemens ve Philips gibi) çok büyüktür ve her zaman esneklik ve çevikliği korumuştur ve kendi tıbbi ekosistemlerini oluşturmak için "dijital doğu rüzgarına" güvenirler.
Bununla birlikte, genel olarak, tıp endüstrisinde büyük verilerin ve yapay zekanın ilerlemesi diğer endüstrilerden biraz daha yavaştır. Tıp endüstrisi benzersizdir çünkü tıbbi reformlar herkesin hayati çıkarlarıyla ilgilidir ve yapay zeka teknolojisinin teşhiste uygulanması her hastanın can güvenliğiyle ilgilidir.Bu nedenle çeşitli ülkelerin politikalara ve yeni teknoloji erişimine ihtiyacı vardır. Dikkatli bir çalışmadan sonra, reform nispeten muhafazakar.
Hastaneler perspektifinden sayısallaştırma düşünüldüğünde kabaca iki kısma ayrılabilir: Birincisi, hastalık teşhisi açısından, yapay zeka, doktorların hastanın durumunu tahmin etmesine yardımcı olmak ve BT'nin etkisi gibi yardımcı görevlerde doktorlara yardımcı olmak için kullanılır. Eskiden tecrübeli doktorların lezyonun yerini belirlemek için uzun zaman harcamasını gerektirirdi ama şimdi bu çalışma yapay zeka teknolojisi ile yapılıyor. İkincisi, hastanenin yönetimi ve işletiminde geçmiş pasif kağıt tabanlı operasyon modunu değiştirmek için dijital teknolojiyi kullanmak ve hastanenin verimliliği artırmasına ve daha fazla hasta görmesine yardımcı olmak için sezgisel ve zamanında dijitalleştirme ve veri tabanlı analiz kullanmaktır.
İster GE, ister Siemens ve Philips olsun, tıp sektörünün önde gelen şirketleri arasında şu anda aktif olarak kendi "dijital tıbbi" planlarını teşvik ediyorlar ve tek bir ürün işlem modelinden genel bir çözüme geçmek için birbiri ardına el yordamıyla çalışıyorlar. Basitçe söylemek gerekirse, tek başına tıbbi ekipman satmaktan donanım ekipmanı ve yazılım hizmetleri satmaya kadar uzanır. Aslında, Çin pazarındaki üst düzey ekipman pazarının doygunluğu ve Çin'in tıbbi reformunun ilerlemesiyle, daha fazla pazarı ele geçirmek ve daha fazla musluk pazarı talebi için "dijitalleşme", tıbbi ekipman üreticileri için önemli bir seçim haline geldi.
İlgili bilgilerden yola çıkarak, ana şirket bir yandan kendi geliştirdiği donanım ekipmanlarını güçlendirmek için "büyük veri + yapay zeka" kullanıyor, hastane varlıklarının ve ekipmanlarının operasyonel verimliliğini çözmek için kendi dijital yeteneklerini kullanıyor, diğer yandan güvenmek istiyor. Kendi kaynak avantajlarıyla, sektördeki güçlü başlangıç şirketlerini özümsemek ve kendi tıbbi ekosistemini oluşturmak için bu dijitalleşme dalgasını kullanın.
Yapay zeka ve donanım ekipmanı kombinasyonunun özü nedir Ne
Tıp endüstrisinin "dijitalleşmesi" sadece hayal değil, pratik problemleri çözmesi gerekiyor. Büyük bir hastaneye gitmiş olan herkes, tedavi için sıraya girmenin uzun zaman aldığını ve yeterli doktor olmadığını bilir.Doktorların tedavisinin etkinliğinin nasıl artırılacağı en önemli önceliktir.
Doktorların tedavisinin etkinliğini artırmak için, durumu tahmin etmek için yapay zeka teknolojisini kullanma planı çok erken önerildi. Ancak doktorlar ve hastaneler ilk başta şüpheciydi. Tıbbi alanda bir yapay zeka başlangıç şirketinden sorumlu bir kişi, yazara başlangıçta hastanelerin yapay zekaya karşı bekle ve gör tutumu olduğunu ve şüpheler olduğunu söyledi. Ancak daha sonra, AI teknolojisi başarıyla doğrulandıkça ve iyi bir itibar oluştuğunda, herkes gönül rahatlığıyla kullanılabileceğini hissediyor.
Fakat bu tür bir yapay zekanın durum tahminini nasıl gerçekleştirebiliriz? Bu, belirli teknik uygulama sorunlarını içerir. GE tarafından piyasaya sürülen APEX CT'yi örnek olarak alın: CT donanım ekipmanına derin sinir ağı öğrenme teknolojisini yerleştirir. Önceki CT ürünleri, biri donanım, raf, yatak gibi geleneksel donanım ve diğeri algoritma olmak üzere iki parçadan oluşur. Donanım, hastanın hastalıklı organlarının ham verilerini topladıktan sonra, ham verileri karmaşık algoritmalar aracılığıyla işlemesi gerekir. CT'nin etkisini göstermek için. Doğru bir BT görüntüsü elde etmek için deneyimli bir doktorun çok sayıda parametreyi ayarlamasını gerektirir, ancak bu deneyimi standartlaştırmak ve homojenleştirmek zordur.
Artık bu görevler makineye devredilebilir ve makine derin öğrenme gerçekleştirebilir. Basit bir benzetme kullanacak olursak, çok deneyimli bir doktorun uzman olabilmesi için bir hastanın farklı bölümlerinin on binlerce CT'sine bakarak birkaç yıl geçirmesi gerekir. Günümüzde bu süreç, makinenin kısa sürede derin öğrenmeye ulaşmasına ve on binlerce en iyi CT görüntü sonucunu makine öğrenimine aktarmasına olanak tanıyor, böylece makine istediğimiz hedef sonuçlara ulaşabilir.
GE Healthcare China'nın CT ürün departmanı genel müdürü Huang Yi'ye göre, derin sinir ağı öğrenme gibi yapay zeka teknolojilerinin yardımıyla CT taramalarının X-ışını dozu büyük ölçüde azaltılır ve aynı zamanda klinisyenlere doğru teşhis verileri sağlayarak görüntünün netliği artırılır.
Yazar üniversitede derin öğrenme algoritmalarına da maruz kalmıştır, aslında çözdüğü bir olasılık problemidir, basitçe söylemek gerekirse hangi özelliğin daha yüksek olma olasılığı hangi kategoriye göre sınıflandırılabilir. BT görüntülerinde, doktorların küçük lezyonları belirlemesi zordur ve makineler önceki CT görüntülerinden öğrenebilir ve tahminler vermek için olasılıkları hesaplayabilir.
APEX CT'nin yayınlanan bilgilerinden, tıbbi ekipmanın "dijitalleştirilmesi" açısından, tıbbi cihaz şirketleri, geleneksel donanım ekipmanının iyileştirilmesine odaklanmak yerine, ekipman tarafından toplanan ham verilerin nasıl işleneceğinin anahtarıdır. Ham verilerin işlenmesi, sinyal-gürültü oranını düşürmek ve faydalı bilgiler elde etmek için sinyal işlemeyi kullanmaktır.Elbette, sinyal-gürültü oranını düşürmenin birçok yolu vardır. Derin öğrenme teknolojisini ödünç almak çözümlerden biridir. Şu anda, veri gürültüsü azaltma alanı dahil olduğu sürece, Neredeyse ortak bir trend haline gelen derin öğrenme tekniklerini deneyin.
Bir baş tıp şirketi olarak, temel amacı donanım ekipmanı üretmek ve satmaktı.Günümüzde, yapay zeka, ekipmanın performansını iyileştirmek ve pazar payı için daha fazla rekabet etmek için medikal pazarda tanıtmak için donanım ekipmanına yerleştirilmiştir. Kendi dijital yeteneklerinin somutlaşmış hali.
Hastane ekipmanı varlıklarının dijital pazarı, önde gelen şirketler pazara çoktan erken girdi
Hastane toplam varlıkları içindeki tıbbi ekipman oranı gün geçtikçe artmaktadır ancak çeşitli tarihsel nedenler ve teknik darboğazlar nedeniyle hastanede mevcut tıbbi ekipmanların kullanım oranı çok düşüktür.Yönetim düzeyinin ve bu ekipmanların kullanım oranının nasıl iyileştirileceği hastanenin ekonomik verimliliğin artması için olmazsa olmazdır. Karşılaşılan sorun.
Çok gerçekçi bir durum, büyük hastanelerde MRG problemidir Hastalar iki hafta önceden randevu almalıdır.Etkinlik nasıl artırılır? Hastanenin yaklaşımı, sağlık personelinin vardiya sayısını artırmaktır. Orijinal iki vardiya üç veya dört vardiyaya açılabilir. Şangay, Pekin gibi birçok hastane ve il ve belediye hastaneleri sabah ikiye kadar açılmak zorundadır, bu nedenle sağlık personelinin çalışma yoğunluğu çok yüksektir. . Ancak sağlık personelinin iş yoğunluğu artsa bile, ancak MR için geçici olarak randevu alan hastalar gelmese de ekipman boşalır ve operasyon seviyesi büyük ölçüde azalır.
Hem medikal sektör devleri hem de internet şirketleri bu pazarı fark etti. Ancak, İnternet şirketlerinin bu "pasta" için medikal sektördeki devlerin önünde rekabet etmesi çok zor olabilir.İnternet şirketleri tıbbi donanım ekipmanı üretimine dahil olmazlar ve donanım donanımına uyumlu bir yönetim sistemi tasarlamak zor olacaktır. Baş medikal firmanın bunu yapması çok kolay.Birincisi donanım kendi üretiyor ve ilgili yönetim sisteminin tasarımında uyum sorunu yok, kendi ekipmanının "köklerini biliyor". İkincisi, tıp endüstrisi devlerinin kendileri çok fazla kaynağa sahip ve büyük hastanelerle yakın temas halindeler, bu da kendi sistemlerini tanıtmayı kolaylaştırıyor.
APM Asset Cloud Manager'ın Nesnelerin İnterneti versiyonu olan APM Büyük Görüntüleme Cihazı Nesnelerin İnterneti performans çözümü, şu anda GE Healthcare'in "dijital hastane varlık yönetimi" pazarını hızlı bir şekilde ele geçirmeyi amaçlayan önemli bir dijital tıbbi çözümdür. APM Asset Cloud Manager'ın temel sürümü iki yıl önce piyasaya sürüldüğünden beri, ülke genelinde 1.700 hastanede konuşlandırıldı ve 450.000 tıbbi ekipmanı yönetti. Devlerin devasa olmasına rağmen, eylemlerinin son derece çevik kaldığı görülebilir.
Dijital bir sağlık hizmetleri ekosistemi oluşturmak için yeni kurulan şirketleri ve devleri cezbedin
Önde gelen tıp şirketleri, dijital yeteneklerini geliştirmenin ve hastane ekipmanı varlıkları için dijital yönetim çözümleri sağlamanın yanı sıra kendi ekosistemlerini de oluşturuyor. Yazarın bakış açısından, bir ekosistem inşa etmek, bir "duvar" inşa etmek anlamına gelir. Genel olarak, bu tür bir "duvar", aynı büyüklükteki rakiplerle ilişkilidir. Tıpkı Ali'nin kendi ekolojisine sahip olması ve Tencent'in kendi ekolojisine sahip olması gibi, küçük girişim şirketleri Hayatta kalmayı seçmeniz gerekiyor ve aynısı dijital tıbbi ekosistem kuran lider şirketler için de geçerli.
Gelişimin ilk aşamalarında, yeni başlayan genç şirketler tıp sektörüne yapay zeka teknolojisini tanıttı. Bu şirketler, doktorlara referans sağlamak için belirli bir hastalık için yapay zeka tabanlı hastalık tahmin teknolojisi geliştirerek "nokta" çalışması yapıyorlar. . Ancak, bu girişimci şirketlerin teknolojiyi teşvik ederken çeşitli hastanelerdeki çalışmaları koordine etmek için çok fazla enerji harcamaları gerekiyor. Hastanenin çeşitli bölümleri birbirleriyle iletişim kuramayan bilgi adalarıdır ve orijinal hasta verileri (göğüs radyografileri, X görüntüleri gibi) dağınıktır ve etkili bir birleşik entegrasyon yoktur. Bir başlangıç şirketi bir hastaneyle işbirliği yaptığında, hastanenin çeşitli departmanlarını entegre etmek çok fazla kaynak gerektirir ve bu da başlangıç şirketinin kendi çekirdek teknolojisini sağlamasını zorlaştırır.
Başlangıç AI şirketi, doktorlara teşhis ve tedavi için referans sağlamak için beyin kanaması için yapay zeka yorumlama sistemi geliştiriyor
Buna dayanarak, medikal endüstrisindeki önde gelen şirketlerin alt katmanı etkin bir şekilde entegre etmeleri gerekiyor, çünkü önde gelen şirketler bu girişimlerin karşılaştığı ortak sorunları (hastane departmanlarının ve verilerin birleşik entegrasyonu) entegre edecek kaynaklara ve kanallara sahip. Örneğin, "GPS" (GE, Philips, Siemens) her yıl dünya çapında çok sayıda tıbbi ekipman satıyor, birçok hastaneyle işbirliği yapıyor ve geniş bir kanal yelpazesine sahip. Hastane departmanlarının birleşik entegrasyonu üzerine inşa edilmiş bir platform oluşturabilir ve Verilere göre. Diğer genç girişim şirketleri, bu platforma dayalı olarak kendi teknolojilerini geliştirmeye konsantre olabilir ve daha fazla enerji tasarrufu sağlayabilir.
Dev platformlar birbirleriyle rekabet ediyor, kazanan belirsiz
Dijital bir medikal ekosistem inşa etme açısından, büyük tıp devleri de Çin pazarında sürekli çabalar sarf ediyor GE tarafından desteklenen "Edison" platformu ve Siemens tarafından inşa edilen "Teamplay" platformu da aynı şeyi yapıyor. Bu platformların işlevi, tıp endüstrisindeki yeni yapay zeka şirketleri için olgun modüller sağlamaktır.Geliştiriciler, buna dayanarak kendi ürünlerini oluştururlar. Aynı zamanda, platform, geliştiricilerin doğrudan aramaları için birleşik bir isteğe bağlı veri arayüzü de sağlayabilir. Apple'ın mobil APP geliştirme platformunda olduğu gibi, Apple da yaygın sorunları çözmek için bir geliştirme platformu sağlar, böylece APP geliştiricileri bu platformdaki olgun modülleri kendi ürünlerini hızlı bir şekilde oluşturmak için kullanabilir.
Teamplay Ekolojik Haritası Siemens resmi web sitesinden fotoğraflandı
Tabii ki, ana şirketin hizmetleri ücretsiz olarak sağlanmamaktadır. Start-up şirketleri, ürünlerini tanıtmak ve kullanıcılara satmak için platform kanallarını kullanırlar.Elde edilen karlar ana şirket ile paylaşılmalıdır ve pay oranı esas alınır. İlgili sözleşmeler düzenlenir.
Ancak, platformlar arasındaki rekabette kimin "son gülecek" olması, nihayetinde kullanıcılar tarafından büyük ölçekte kabul edilebilecek duruma bağlıdır. Microsoft'un ilk günlerinde olduğu gibi, hala cep telefonu işletim sistemi Winphone'u geliştirmeye hazırlanıyordu, ancak ekosistem kurulmadığı, müşteriler tarafından kullanılmadığı ve APP geliştiricileri motive edilmediği için sistem yavaş yavaş ortadan kayboldu.
Yazar, lider şirketin dijital tıbbi ekolojik platformunun kimin daha büyük ve daha güçlü olacağını tahmin edemez. Bununla birlikte, platformla işbirliği sorusunu yanıtlarken, bir yapay zeka medikal şirketinden sorumlu kişi, platformun "açık" olması gerektiğini vurguladı, bu da çeşitli platformların hayatta kalması ve geliştirilmesi için etkileri olabilir. Aslında, bir platform inşa etmek zordur çünkü bu dünyada birçok farklı oyuncu vardır ve onların ilgi talepleri farklıdır. Ekolojik bir platform oluşturmak istiyorsanız açık fikirli olmalısınız, aynı zamanda platform olan insanları daha geniş formatta kabul etmeli ve yinelemelisiniz.
Çin'de Tencent de benzer bir proje platformu üzerinde çalışıyor, ancak bu platform GE'nin "Edison" platformundan ve Siemens'in "Teamplay" platformundan farklı. Aslında bu da çok iyi anlaşılıyor: Tencent bir İnternet teknolojisi şirketi iken, GE ve Siemens tıbbi donanım ekipmanları ile uğraşıyorlar ve gerçek girişimsel hastalıkların tedavisinde Tencent'in yöneticisi değiller.
Tencent, tıp ve sağlık sektöründeki şirketleri güçlendirmek için kendi İnternet teknolojisini kullanmak için daha fazlasını yapıyor. Tencent ve Novartis Pharmaceuticals örneğini ele alan Tencent, WeChat sosyal ekolojisine dayanan çevrimiçi bir ilaç tarama platformu başlattı ve WeChat mini programları aracılığıyla ilaç izlenebilirliği, hastalık bilimi popülerleştirme ve sağlık rehberliği dahil olmak üzere çeşitli hizmetler sağladı.
son sözler
Bu dijitalleşme dalgasının yardımıyla, "GPS" Büyük Üçlüsü dijital yeteneklerini aktif olarak geliştiriyor ve hepsi kendi kaynakları ve kanalları ile kendi dijital tıbbi ekosistemlerini oluşturmak istiyor. Üstelik Çin pazarındaki rekabette, United Imaging ve Neusoft gibi yerli tıbbi ekipman üreticilerine girdiler, aynı zamanda Tencent ve Ali gibi internet devleri de "pastayı paylaşmak" istediler. Birkaç şirketin farklı genleri var ve her birinin kendine özgü güçlü yanları var. Tıp alanında her şirketin nasıl bir ekoloji yaratacağı daha fazla gözlem gerektiriyor.
Bu makale Observer.com'a ait özel bir el yazmasıdır ve izinsiz çoğaltılamaz.
