​平安健康CTO贺立权:AI赋能医疗健康服务,助力打造中国版管理式医疗模式

2024-09-19 23:41 来源:网络 点击:

平安健康CTO贺立权:AI赋能医疗健康服务,助力打造中国版管理式医疗模式

平安健康资深副总裁兼首席技术官贺立权

9 月 11 日 -14 日,由钛媒体与 ITValue 共同主办的 2024 ITValue Summit 数字价值年会在三亚举行。此次峰会主题为 "Ready For AI",交流经验教训,交叉行业思考,推动创新交易,以创新场景为基础,共同探索 AI 驱动下数字经济时代的全新机遇,共同打造一场数字经济时代的 AI 创新探索盛宴。

大会上,平安健康资深副总裁兼首席技术官以 " 医「芯」守护,智享健康 " 为主题进行了分享。自 2014 年平安健康成立至今,始终对新技术保持敏感,持续建设、探索和提升医疗 AI 技术及应用,技术赋能业务发展也经历了三个阶段。

贺立权介绍称,1.0 阶段是规则引擎来做奠基,彼时利用 CDSS 系统解决方案,实现了诊疗标准化,2.0 阶段是借助深度推理实现飞跃,基于推理和神经网络技术,进一步提升了疾病诊疗覆盖率,3.0 阶段基于大模型技术打造的多模态医疗大模型 " 平安医博通 " 全面赋能业务场景。

在医疗 AI 技术的赋能下,公司战略业务付费用户数超 1770 万,家医会员权益用户数超 1400 万,年人均使用频次超 4 次,主动服务覆盖率达 100%。

而从平安健康整体发展而言,从成立到上市再到实现盈利,公司在医疗健康领域创业 10 年,也在 AI 路上走了 10 年。

目前,平安健康左手是巨量有医疗健康服务需求的金融和企业客户,右手通过标准化流程和质控体系整合管理大量服务商,中间通过家庭医生和养老管家串联,最终在平安集团 " 综合金融 + 医疗养老 " 战略引导下,目标是打造中国版管理式医疗模式样本。

在这一模式之下,平安健康要为庞大客群提供优质的 " 三到 " 服务,即到线服务、到店服务、到家 / 企业服务,单纯依靠人力难以实现,平台大力投入数字化技术研发和应用,以期通过医疗 AI 辅助,实现战略愿景。

以下为平安健康CTO贺立权演讲内容,经钛媒体整理:

大家下午好,我所从事的是严格监管的医疗健康行业,平安健康作为真正在医疗健康领域内创业 10 年的公司,在 AI 这条路上也走了 10 年,过程有痛苦,也有快乐。

我今天的分享希望回答三个直击灵魂的问题——为什么要做?应该怎么做?做成以后效果怎么样?

平安健康躬身入局打造中国版管理式医疗

平安健康是平安集团旗下 30 多家子公司中的一家,专注于医疗健康。公司成立于 2014 年,第一阶段花 4 年时间完成了港股上市,期间,我们招募了自有医生。当时线上问诊的医生大多数是兼职,回复不及时、不标准的情况很多,我们要解决这个问题。

2018 年至 2022 年,我们内部也在反思和计算,专注于 C 端的业务模式带来了很多客户,但是可能花费二、三十年的时间,商业价值也难以兑现。在这 4 年的时间,我们完成了战略转型,转向 B 端。

过去两年时间是我们企业经营的第三个阶段,今年年中,公司盈利上岸。

我们的战略不断深化,具体来看,平安集团在最初入局医疗领域时布局了 10 多家公司,最终要实现 " 综合金融 + 医疗养老 " 的医疗养老生态圈。

平安健康的左手是巨量有医疗健康服务需求的金融和企业客户,右手通过标准化流程和质控体系整合管理大量服务商,中间通过家庭医生和养老管家串联,最终在集团战略引导下,打造中国版管理式医疗模式,为庞大客群提供优质的 " 三到 " 服务,即到线服务、到店服务、到家 / 企业服务。

完成业务搭建和资源串联之后,我们在深入思考如何实现的问题。

严肃医疗场景下的AI探索三阶段

平安集团有非常庞大的用户群,包括 2.3 亿 + 个人用户、5.6 万 + 企业客户,平安健康也有 1770 万 + 战略付费客户,同时在过去 10 年还积累整合了数十万家服务机构资源,包括医院、体检机构、诊所、药店、细胞存储等等。怎么做到这如此大规模的客户都享受到优质的 " 三到 " 服务,单纯依靠人力难以实现,所以投入 AI 技术,通过医疗 AI 辅助,实现战略愿景。

通过 AI 赋能,平安健康解决了医疗质量、医疗安全与医疗效率的三角困境。

在医疗健康领域,质量和安全永远是第一位,我们对涉及质量和安全问题的态度是 " 一票否决 ",之后才讲效率。在这样的基调之上,我们用整整 10 年时间走完了三个阶段。

1.0 阶段是规则引擎来做奠基,彼时利用 CDSS 系统解决方案,平安健康整理了平台上 80% 的疾病数据,以及国家甚至国际临床指南、经典案例,再将这两部分数据灌入系统,形成了大约 3000 多条种常见病知识库、1100 多条中西医专家诊疗路径、超过 30000 个临床决策树,实现了诊疗标准化,覆盖度超过 80%、好评率超过 98%、跑通率超过 94%。

但是受制于技术能力,二叉树规则引擎之下,新的问题产生,如果有未录入的新疾病或诊断问题进入,会无法解决。整个平台的技术发展也进入了第二阶段。

2.0 阶段是借助深度推理实现飞跃,基于推理和神经网络技术,我们通过灌注积累的问诊语料,形成了 5 大医疗知识库。当时,平台会给医生派发任务,即每天需要从当日问诊量中挑选 50 条或 100 条问诊语料做标注,再交由 AI 去深度学习,我们的神经网络也就此形成。通过这个阶段,我们的覆盖度提升至 85% 以上,精度超过 90%,覆盖量达到 14 亿 +。

其中最重要的是,我们将平台积累的所有咨询、问诊的脱敏数据跑了一遍,发现有些真实问题没法解决,比如有女性用户提问 " 吃了西瓜会不会影响怀孕?" 神经网络对这个问题束手无策。平台技术开始进入第三阶段。

3.0 阶段基于大模型技术的多模态医疗大模型全面革新了业务。基于此前形成的 5 大医疗库,在平安集团赋能之下做了多模态医疗大模型 " 平安医博通 ",又在这一大模型上做了 " 外挂 ",将业务流程细化切分,做对应的小模型,最终形成了 12 个业务模型群,赋能真实的业务场景。在安全伦理方面,进一步深化出 10 道安全防线,确保模型安全合规。

5 大医疗库在国内来说比较领先,覆盖了 3.7 万种疾病、42 万条疾病术语、22 万 + 种药品、50 万医院资源、14 亿 + 次的问诊数据,等等。

这个库的一个重要意义在于,我们看到的是数据库,但这背后链接的是服务。比如在心理咨询项目中,咨询过程如果出现相关的心理方面问题,我们会建议与专业心理咨询师进一步线上沟通,甚至告诉用户线下几公里范围内就有执业信息咨询师。这就是我们的服务库和多模态大模型的联动。

医疗AI模型"平安医博通"赋能提效全流程服务

在平安医博通多模态医疗大模型中,我们的第一层是切分业务流程,包括咨询、诊断、诊疗、服务,在这之下还有 L2、L3、L4 层,每一层都有一个外挂小模型,包括咨询、解读、诊断、情绪监控等等。

在平安集团乃至整个保险行业,涉及保费核算体检报告都十分重要。我们以体检报告解读来举例,在平安集团相关的 3000 多家体检机构中,平安健康覆盖了 98% 以上,面对千万份的体检报告,我们能做到准确识别国家卫健委标准生产的 936 项体检指标数据,通过识别和组合,得出相关疾病趋势,还能进一步生成超过 2000 多套健康管理方案。

第二个例子是平安健康平台的自动健康档案。作为平台,我们希望用户能够留存,我们有体检报告,另外还要依靠建立健康档案。用户可以将其他平台或机构的咨询问诊记录和医疗文书拍照上传,大模型来识别整理,我们对医疗文书的识别率在 90% 以上,剩下的 10% 交由平台后方的专业团队做校对。最终我们能够实现三分钟内给出准确、完整的解读结果,为用户提供个性化个人趋势分析。以此为基础依据,为用户匹配医疗健康方案或者保险方案。

针对非常庞大的慢性病患者,也更方便通过生活方式的干预,结合医疗手段来实现疾病闭环管理。尤其在血糖异常领域,可以添加 AI 定时打卡提醒,由 AI 来评估饮食结构和具体的摄入量。平安健康与国家慢病中心合作,已经管理了大约 150 万糖尿病患者。

质控方面,我们平台上 14+ 亿次问诊,通过 AI 完成了全面的在线问诊质控,重症锁屏识别标签超过 5 万条,AI 自动生成的电子病历,经人工检验,甲级率达到 99.8%,而国家的要求是 90% 以上,用药处方质控方面合规准确率达到 100%。AI 发挥了重要作用,切实保障医疗服务质量。

效率提升方面,AI 介入后,业务切片化,基本能够做到 90% 多的精度,节约很多医生的时间,可以让他们专注于做诊断,同时实时提供医学知识辅助,以平安家医为例,目前已实现助力家医服务效能提升约 30%。

我们有这样的机会,是因为我们有非常丰富的场景,同时也正好具备能力来实现,并且目前来看,我们的医博通大模型效果也不错。但是,距离达到真正的临床级别,还是有很长的路要走。

结合我自己做医疗 AI 多年的经历,第一,我想在此发出倡议,悲观的人可能正确,但是乐观的人永远前行,我建议各个行业的从业者都躬身入局去试一试,不要在岸上看,因为 AI 技术背后的一些风险就作罢,要找具体的场景去尝试;第二,我们技术出身的人也要改变观点,要考虑技术能否生产价值,这是活下去的前提;第三,大模型一定有前景,行业的大模型一定会最先跑出来并跑通商业模式,找一些不容易被替代、相对复杂的场景,就会非常有机会。

谢谢大家。

(本文首发于钛媒体 App)