当AI+医疗走出医院 如何帮助患者了解病情现状与预测病情走向

　　医疗健康领域产业链极长，上一篇猎豹用户研究中心的AI医疗专题报告《AI医疗发展现状市场扫描 应该如何对症“下药”？》介绍了AI+医疗在医院场景中进行辅助诊断的价值和前景。

　　本篇内容集中在院外场景，AI赋能健康管理领域。当患者走出医院，AI技术如何连接医生与患者，如何帮助患者了解病情现状与预测病情走向。

　　Part.1 健康管理行业简析

　　中国大健康产业市场规模巨大，2017年就已达6.2万亿元，近年环比增速均在10%以上。大健康产业包括医药、健康养老、医疗、保健品和健康管理服务。健康管理仅占大健康的2.6%，但年度产业规模依然可以达到接近1800亿元的水平。同时健康管理与医疗、医药、养老产业交叉紧密。

　　当前医疗资源不足，导致患者走出诊室后，医生难以获得患者情况，患者也不能及时了解病情进展，医生和患者对健康管理的需求同样迫切，在慢性病领域尤其明显。随着技术进步，可携带的医疗级别传感器获取人体数据方便且比较精准。智能便携传感器的边缘计算框架延迟低，近乎实时反馈，患者和医生有条件第一时间获知情况变化。

　　基于患者的真实世界研究和医疗大数据，更多的疾病动力学模型和人群生理病理模型被开发出来，推动了个性化医疗解决方案的执行，千人千面的精准医学成为可能。

　　在慢性病人群规模上，除了人口老龄化带来的影响，当前部分慢性病也有年轻化的趋势。健康报与丁香园在2019年初发布的报告显示，年轻人在肠胃、睡眠等方面均有不同程度的问题或困扰。80后已经开始普遍关注健康、健身等知识内容。普通人关注的健康知识top3的是饮食营养、锻炼健身、家庭用药，都是与院外健康管理息息相关的。

　　慢性病种类众多，且康复治疗阶段、治疗药物复购等行为多发送在院外，院外的日常生活习惯和环境对病情发展影响大，借助家用医疗器械监测病情是慢性病人群的常见措施。

　　以典型的慢性病糖尿病为例，2017年糖尿病患者已达1.14亿人，受生活环境和生活习惯影响，预计到2045年将达到1.54亿人。2017年糖尿病患者直接医疗开支占全国医疗开支的13%，达1734亿。

　　Part.2 慢性疾病院外是重点

　　从宏观角度，WHO结合发展中国家卫生系统和人群健康状况提出了慢性病创新照护框架（Innovative care for chronic conditions framework，ICCC）。患者不仅需要得到贯穿时间、环境和卫生服务提供者有计划的综合照护外，还需要自我照护技能。

　　考虑到国内医生资源缺口严重，在社区和家庭环境中难以直接获得医生的指导建议。从微观角度，医生需要及时知晓患者在院外的身体情况和心理情况，结合患者历史用药和个体差异，提供有差异化的用药指导与生活习惯建议。

　　这时，基于AI技术和专业医学知识的慢病管理就可以发挥重要作用。借助各类可穿戴设备的传感器监控患者体征指标、医疗大数据沉淀的患者历史、AI对大量真实世界病历研究形成的慢性疾病生理指标或代谢模型，一旦有异常数据超过阈值，医生将可以远程对病情进行分级管理，及时对患者进行干预治疗、提出或优化治疗方案，实现慢性病全程动态管理监督。患者也可以根据健康管理AI的反馈，加强自我管理与监督。从医生端和患者端同时建立有效的系统化、个性化的慢病信息管理，提高医疗资源的高效利用，并最终改善或提高患者的健康程度。

　　除了以手表手环形式监测心率的智能可穿戴硬件，血压仪、血糖仪、血氧仪等都已经有数字化、可便携、有AI辅助诊断且（部分）通过NMPA认证的产品上市。

　　这几年基于生物传感器，能够监测呼吸、心率、发声等人体信号的纹身式电子皮肤，已经在清华大学、MIT媒体实验室、斯坦福大学等等的实验室中取得了不少突破，比如斯坦福大学鲍哲南教授[3]最新研制成功的可穿戴无线皮肤传感器BodyNet，不需要电池，工作原理类似于ID卡：利用无线射频识别技术RFID，从服装接收器吸收能量，为传感器供电，然后从皮肤读取数据并发送回接收器。BodyNet将被用在医疗方面，如监测患有睡眠障碍的患者夜间睡觉质量，呼吸心跳肌肉等表现；或长期观测心脏病患者日常生活中的心脏表现。