“看病難，看病貴”，相信每個去過醫院的人都深有體會。尤其是城鎮低收入群體和農村居民的醫療負擔更為沉重，一旦某個人患了重大的傷病，其全家都會陷入極度焦慮的狀態。即使有了醫保，大多數人還是會感嘆：生不起病了。
如今，人工智能技術迅速崛起，被廣泛應用在各行各業，醫療領域更是重要的應用場景之一。據統計，到2025年，世界人工智能市場的總值將達到1270億美元，其中，醫療行業將占據AI市場的1/5。
在這樣的大背景下，人工智能能不能解決當前醫療“大病致貧”的問題就成為了非常值得探討的話題。
AI+醫療募捐可行嗎
因為生活條件不好，健康保護不到位，窮人往往是越窮越生病，小病靠抗，大病靠天，紀錄片《急診室故事》里也表現了一個農民工在車禍后面對巨額手續費時的無奈。
面對這樣的情況，慈善募捐似乎是一個可行的辦法。但是，自知乎大V“童瑤”騙捐15萬，再到朋友圈刷屏的“羅一笑，你給我站住”，別有用心的人利用平臺詐捐讓人們對互聯網慈善的信任度一跌再跌。除此之外，還有慈善組織的善款流向不透明等問題也在挑戰著人們的善意。
《中國青年報》的一項調查也顯示，雖然47.4%的受訪者曾通過網絡平臺參與過捐款，但僅28.5%的受訪者信任網絡捐款中的慈善組織或募捐個人，62.4%的受訪者擔憂在網絡募捐中存在詐捐、騙捐的潛在風險。由此可見，慈善募捐正面臨著嚴重的“信任危機”。
所以，設計和實現慈善智能捐助服務平臺，打造一個透明、公正的慈善募捐環境就顯得尤其重要了。在這里，我們也可以提出幾點暢想。
首先，我們可以將AI募捐系統與醫院診療系統連接起來，獲得患者的醫療數據，建立智能篩查項目，利用機器學習來審核患者是否需要接收醫療募捐。
也就是說，醫院接收病人后，AI通過患者的醫療數據預估出醫療費用，再進行數據挖掘和智能分析，構建患者和家屬的需求結構模型，挖掘患者的與身份、工作生活狀態關聯的對于募捐的需求，然后在征求患者同意后主動地為其在平臺上發起募捐。
其次，我們可以用AI的大數據和AR識別來建立醫療募捐的誠信體系，正如《黑鏡》中人們通過AR人臉識別，可以看到對方的實時評分。我們的身份信息將與社會信用評分系統相連接，如果募捐人曾出現過不誠信行為，則會記入個人誠信記錄。
同時，我們還可以搭建個人的數據處理和信息決策平臺，AI對分散在各個醫療系統的數據進行收集、整理、分析。通過完善的數據積累，輔助有善心的人進行決策分析，為人們的募捐提供更加科學和精準的依據。
由AI來主導醫療募捐可能會改變未來慈善的形態，但是，在這個過程中，仍然有幾個問題值得我們深思——智能慈善的基礎究竟是道德和善意還是科技呢?如果以科技為主導，AI會不會陷入算法的窠臼，被少數人“挾持”呢?
如何平衡科技和道德?比如今日頭條的算法，總是會推薦同一種內容。那面對形形色色的病人，AI是不是也會為公益人推薦同一類“被資助者”，這類人條件相仿，比如同樣的經濟困難，同樣的身患癌癥，甚至從事同樣的工作。在AI冷冰冰的篩選中，患者的尊嚴、好心人的善意似乎都被“格式化”了。
我們相信，總有一天，AI+醫療募捐會變得更加透明和公正，甚至更有溫度，但是在短期內，正如互聯網募捐被許多不法之徒利用，在法律法規和監管系統尚未完善的情況下，AI醫療募捐免不了被鉆空子。
如何降低醫療支出
醫療保健的賬單大概是世界上最不合理的支出之一了。醫院里所有的醫療服務都是按項目付費，消費者為醫療服務買單，卻可能毫無療效。即便如此，患者也很難主動去要求降低醫療成本，沒有人會在醫院為了掛號費、藥費和手術費和醫生討價還價。更令人介意的是，我們把錢交給醫院，卻不知道這個錢會以什么樣的比例流向醫療的哪些環節中。
面對這樣的現狀，智能相對論行業分析師顏璇就如何降低醫療支出的問題提出了以下兩點：
1. “貨比三家”不吃虧
美國杜克大學的彼得·于貝爾長期積極地倡導應該向患者全面公開醫療價格的信息。但是公開信息就能降低人們的醫療成本嗎?公開信息只是第一步，后續的環節才是最重要的。而在這個降低醫療費用的鏈條中，AI可以起到非凡的作用。
對于一個特定患者需要支付的實際自付費用究竟是多少?可能連一個專業的醫生都無法“鐵口直斷”。在醫療價格透明化后，首先， 人工智能可以建立醫療價格的數據庫，進行深度學習，把握醫療中所有的項目和服務信息，對每個醫療環節和資金流向一清二楚，從而分析出項目的實時價格以及給患者帶來的實際經濟負擔。
其次， 明碼標價的最大好處是，人們可以“貨比三家”。在醫療方面，國際上已經有了這樣的例子——俄克拉何馬市手術中心的網站可以讓患者在全國范圍內進行比較，找到更好的服務提供商，這個中心的做法也引來了其它醫療中心的競相模仿。
但能力有限的患者也只能通過某個網站平臺去比較少數幾家醫院的性價比，比如美國的HealthcareBluebook網站只能計算某一特定地區的醫生和醫院服務的平均費用，再以郵政編碼的方式提供當地的“公允價格”。
在未來，如果人工智能可以介入醫療服務的“比價”過程，則可以擴大比價的范圍，通過強大的計算能力在全球范圍內進行搜索，從而找到最優惠的醫療服務。跨國公司康安途就通過深度挖掘約2700萬篇科研論文和各類資料，將各國的新藥進展、醫療價格、醫保覆蓋率等指標進行了分析，建立了全球醫療信息大數據庫，為患者提供性價比最優的醫療咨詢方案。
2. 少拿高科技來說事
在醫療支出上，有很多不必要的醫療程序帶來了額外的消費，最常見的就是醫療影像。現實生活中，我們往往是看病三分鐘，各種檢查卻要耗費一整天，其中，有多少掃描是必須的呢?在2014年，全球醫療影像設備的市場規模就高達320億美元。
而智能相對論分析師顏璇也大膽地預估，在以后，另一個不加抑制的“浪費”估計就是以AI為主導的各種高科技療法了 (畢竟機器人想做手術不是一天兩天了)。
在如今，就有一些未經證實的高科技療法消耗著患者的金錢。比如機器人手術和質子束放療。實際上，這兩種高科技操作都還沒有數據來證明其比傳統療法更適用于臨床。
以機器人手術為例，醫院購買手術機器人的費用極其高昂，有名的“達芬奇”機器人每臺售價約為60萬至250萬美元，如果租賃使用，年租金在10萬至17萬美元之間，這還不包括手術的一次性專用耗材的費用。而面對如此高昂的設備，患者的治療費用必定是便宜不了的。
即使價格高昂，還是有許多人信賴這些高科技，認為其是更精準的治療技術。所以，在更有力的數據出現之前，避免被高科技的名頭所蠱惑，恐怕是患者保住錢包的關鍵。
不只是費用，還有醫療體驗
在我國，慢性病已成為我國城鄉居民疾病死亡的主要原因，城市和農村慢性病死亡的比例高達85.3%和79.5%，許多貧困縣的慢性病死亡比例也已達到了60%。對于慢性病的危害，我們可以設計更多的多元產品，滿足不同層級消費者的偏好和需求，比如全球范圍內的醫療旅游。
醫療旅游除了尋求更佳的治療方案外，也可以在一定程度上減少醫療成本， 阿拉斯加州最大的醫療保險機構藍十字藍盾醫保聯合會為降低醫療成本會將患者空運到西雅圖去做手術，比如全膝關節置換術，即使算上交通開支，西雅圖的價格還是便宜了一半。
目前歐美、日韓等國家的醫療產業已經漸成垂直化的市場，比如英國以肝移植享譽世界，韓國醫美整形赫赫有名、美國重癥治療十分突出等，而泰國、印度、則以其經濟低廉的價格和高效的藥物治療吸引了大批患者。據印度工業聯合會的一份報告稱，在醫療方面，印度的收費一般是歐美國家的1/10。
低廉的價格不代表醫療水平的滯后，相反，印度大部分私立醫院的條件并不比歐美的醫院差，甚至還有所超越。印度的埃斯科特醫院曾在一年中完成4200例心臟手術，死亡率只有0.8%，感染率只有0.3%，而在發達國家，同樣的手術平均死亡率達到1.2%，感染率則是1%。
這就反映出慢性病患者具有了醫療價格的談判能力，能夠選擇醫療旅游這一方式來降低醫療成本，而以大數據和AI為創新技術手段，在助力醫療旅游中的旅游體驗上，可能具有較大的發展空間。
首先，AI可以利用人臉識別等技術為某個地區的人提供某個國家的醫療系統的準入資格，為患者提供世界級的醫療健康體系。 除此之外，醫療旅游往往是國際性的，醫患關系的語言溝通往往會成為最大的問題，而利用AI的翻譯功能和聊天機器人的設定，可以在這類特殊的醫患溝通場景中提供便利。
其次，醫療旅游也包括了健康體檢、美容、抗衰老之類的“輕醫療”，因此AI驅動輕醫療體驗的平臺也大有發展空間。 智能相對論行業分析師顏璇曾在文章《看臉的時代，AI醫美為什么沒有成為風口》里提到，“從需求角度來看，渴望“變美”的客戶有較強的意愿和能力去尋求優質的整形資源，甚至于為了“美麗”不計成本，據統計，20%的潛在消費人群表示只要安全，價格不是問題。”AI在美容外科、皮膚科、牙科等都能起到作用。所以，打造一個AI平臺，提升醫美體驗也是一個值得期待的事情。
最后，在裹挾了醫療保健目的的旅途中，AI還可以整合和分析患者的醫療信息，制作個性化的醫療旅游計劃。 總部位于美國西雅圖一個出游計劃門戶網站Utrip，就可以通過人工智能算法把數百萬旅游目的地、活動和餐館進行組合分類，一旦系統了解到用戶的首選目的地，就可以利用用戶的旅游偏好，給出每日行程和時間安排的建議。
對于AI降低醫療支出，即使我們有著無限的憧憬，但在短期內還是很難實現的，因為在醫療領域，任何新技術的落地都要伴隨著昂貴的醫療賬單，比如胰島素療法剛出世時，即使在糖尿病上療效極佳，其費用卻比傳統治療方法貴上幾成。所以，利用科技來解決民生問題，讓技術真正地為人民服務恐怕還有很長的路要走。
京公網安備 11010502049343號