本文以阿爾茲海默癥為例，深度解析AI+慢病商業模式，一起來看看~

阿爾茲海默癥的前世今生

阿爾茨海默癥無法治愈，且只有在患者死亡后才能確診，一旦罹患該病，隨著時間的發展，對疾病的最佳治療效果會逐漸降低，大多數人在確診后會隨時間而惡化。

專家已詳細說明了人們的能力如何從正常功能發展到晚期阿爾茨海默病的“階段”。

• 第 1 階段：無損傷
• 第 2 階段：極輕微的認知能力衰退
• 第 3 階段：輕微認知能力衰退
• 第 4 階段：中度認知能力衰退
• 第5 階段：稍嚴重的認知能力衰退
• 第 6 階段：嚴重認知能力衰
• 第 7 階段：極嚴重的認知能力衰退

根據相關研究，對阿爾茨海默癥的診斷依賴于消除過程、主觀分析和一些實驗室檢查。消除過程是通過記憶評估和評估任何潛在的行為變化，以及實驗室測試和腦成像來完成的。有一些藥物可以幫助患者控制記憶喪失，例如Aricept、Namenda和Excelon，但它們并不能會扭轉記憶喪失的根本問題，只能延緩其發病進程，輔助其生活自理。但是放射學的新研究表明，AI可能是早期發現阿爾茨海默病的關鍵，它可以保留一些記憶功能長達六年之久。

阿爾茲海默癥作為一種常見的、原因未明的神經系統退行性疾病，已經嚴重影響了現代社會中老年人的身心健康。它臨床表現為認知和記憶功能不斷退化，日常生活能力進行性減退，并伴隨各種精神癥狀和行為障礙。

一般依據是隱襲性起病，進行性智能衰退，記憶障礙、認知障礙與精神癥狀明顯，神經功能缺失癥狀輕微和典型影像學改變。/目前，阿爾茨海默病的診斷仍然依靠排除法，即先根據臨床表現做出癡呆的診斷，然后對病史、病程、體格檢查和輔助檢查的資料進行綜合分析，排除特殊原因（例如梅毒）引起的癡呆后，才能得出AD的臨床診斷。

然而，確診AD有賴于腦組織病理檢查。

市場巨大，診斷困難

目前，全世界大約有5000萬人罹患癡呆癥，這個數字將近每20年翻一番。然而，到目前為止，逆轉這種疾病的藥物臨床試驗均失敗了。

國際老年癡呆協會發布的數據顯示：2013年，全球老年癡呆人數為4400萬，其中50%-75%為阿爾茨海默病患者。2015年，全球新增990萬名癡呆患者，平均每3秒新增1人。在全球范圍內，2015年護理老年癡呆產生的總費用預計為8180億美元，與2010年相比，增加了2140億美元。

到2030年，這一數字將增加到1.52億。每3秒鐘就有一個人患上癡呆癥，目前每年的癡呆癥費用估計為1萬億美元，到2050年這一數字將翻一番。

目前，中國阿爾茨海默病患者人數已居世界第一。2014年的調查數據顯示，中國有90%的阿爾茲海默癥患者未經過診斷治療。

雖然目前沒有方法可以在疾病晚期階段阻止該疾病的惡化，但有證據表明，如果疾病發現的早，阿爾茨海默癥是可以通過藥物治療和控制的，能夠幫助患者改善認知功能、延緩臨床病程10-15年。

發達國家中每位阿爾茲海默癥患者平均每年耗用33000美元。早期的診斷和診斷介入，可使患者顯著延后入住看護機構，平均每年可凈節省10000美元的費用。/這是一個巨大的市場，更是一個挑戰。

臨床醫生面臨的一個關鍵挑戰是，大多數病人被明確診斷時疾病已處于晚期。研究人員希望新的人工智能技術能夠通過提供早期預警系統來改變這種狀況。

阿爾茨海默病是由粘稠的淀粉樣斑塊和tau蛋白聚積造成的，這些斑塊和tau蛋白阻止了神經元相互交流。當記憶喪失、情緒波動、個性改變等癥狀出現時，就很難治療了。

目前，治療阿爾茨海默病的方法有限，我們所能做好的就是預防。

一個人甚至可以開始改變生活方式，這可能會延遲阿爾茨海默病的開始階段，甚至完全阻止它。

據阿爾茨海默病協會稱，將癡呆癥的發病時間延遲五年，可以將死亡人數減半，每年將挽救大約30，000人的生命。

預診斷產品

患者開始出現認知能力下降的癥狀，他們才會接受檢查。而我們對阿爾茨海默病了解得越多，就越能清楚地認識到，這種疾病的發生要早于我們之前的認知。研究表明，阿爾茨海默病在患者表現出癥狀的十多年前就開始損傷人的大腦。而這可能就是我們需要開始治療的時機，以獲得有效藥物的最佳治療效果。

目前國內各大醫院的神經內科、精神科、老年科的記憶障礙門診均可對阿爾茨海默病進行診斷。其中，常規診斷程序包括病史回顧、體格檢查、癡呆篩查測試（量表評估）、腦神經系統檢查及實驗室檢查（如血生化及CT、MRI、PET/SPECT等腦部掃描檢查）等。

常見的發診斷方法是一種常用工具叫做正電子發射斷層掃描（PET），主要原理是通過掃描測量大腦中特定分子（如葡萄糖）的水平來判斷癥狀嚴重程度的。葡萄糖是腦細胞的主要燃料來源，細胞越活躍，消耗的葡萄糖就越多。隨著腦細胞的病變和死亡，葡萄糖消耗逐漸減少，最終沒有葡萄糖。

其他一些類型的PET掃描，旨在尋找與阿爾茨海默病有關的蛋白質，但葡萄糖PET掃描更常見且更便宜，尤其是在較小的醫療機構和發展中國家，因為它們還被用于癌癥分期。/因此，放射科醫生多使用這些掃描試圖通過尋找大腦中（額葉和頂葉中）降低的葡萄糖水平來檢測阿爾茨海默氏癥。但問題是，由于該疾病是一種緩慢的進行性疾病，因此葡萄糖的變化非常微妙，難以用肉眼觀察。

阿爾茨海默氏病患者腦部的PET掃描（圖片來源：National Institute on Aging）

隨著人工智能技術的發展，科學家們有了將機器學習與PET掃描相結合以更早、更可靠地診斷早期阿爾茨海默病的想法。

腦神經方面的疾病涉及的學科很多，十分復雜，在罕見病和老年疾病方面, 從兒童多動癥到老年癡呆，有著巨大的未滿足的臨床需求。

人工智能方法可能會產生重大影響，有助于引導人們走上正確的治療途徑。用于更早、更好地診斷阿爾茨海默病。

面對日益增加的老齡人口，急切需要一款能用計算機算法來精準診斷的工具。/目前，市場是還沒有一個獲得批準的阿爾茨海默病的診斷工具，如今，第一個目標明確的軟件已經上路。

中國深圳有一家是做人工智能AD分析的公司，腦博士（銥硙科技），這家公司已經獲得了幾輪融資，目標直指老年癡呆癥的世界第一個獲批的診斷工具。

腦博士（銥硙科技）已經在應用人工智能中的機器學習（Machine Learning）來診斷阿爾茨海默?。ˋD），利用幾年的數據，超過幾千名AD患者的腦電圖，并且開發了自己的算法。

這一應用在腦科學方面的合作，將把人工智能的技術，在更多的患者上應用，促進開發新的軟件，來通過分析腦電圖來精準區分阿爾茨海默病和Lewy體癡呆（LBD）。

我為什么這么熟悉呢？是因為我去面試過這家公司！

在面試之前我是對于整個醫療慢病管理的解決方案進行分析過的，所以這篇文章寫的全面一點。

關于技術

阿爾茨海默病的難點在于，當所有的臨床癥狀出現并且我們可以做出明確診斷時，太多的神經元已經死亡，基本上已經難再逆轉。而如果這一算法能夠做到提前診斷，在神經科醫生開始試圖將記憶低下患者視為阿爾茨海默病的癥狀時，可以使用該算法幫助他們更快地獲得所需要的治療。

阿爾茨海默病的最明顯跡象是大腦中β淀粉樣蛋白斑塊的積累，但最近，科學家將某些代謝變化與阿爾茨海默病聯系起來。專家表示，雖然人們善于發現疾病的特定生物標志物，但代謝變化代表了一個更加全球化和微妙的過程。

因此，雖然醫生可能會看到不同圖像發生變化的跡象，但人們需要花費很長時間才能在足夠長的時間內在足夠多的患者中繪制出這些變化及其微妙模式，然后確定哪些變化預示著阿爾茨海默癥的出現。但這正是人工智能的目標。

人工智能應用于醫學影像，主要是通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助醫生更快地獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注、三維重建、靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。

利用人工智能（特別是機器學習）算法對患者的量表、影像學等數據進行分析并構建輔助鑒別診斷系統是當前智慧醫療研究和產業化的核心任務之一。

深度學習（deep learning）是近年來機器學習中新興的一種性能優越的技術，它對數據進行表征學習，建立啟發于人腦視覺皮質的學習方式來解釋數據，已被廣泛應用于圖像、文本、語音等數據的處理和分析，并取得了很大的成果[5]。

深度學習模型具有高效、強大的自動表征能力，能夠幫助醫生快速建立更科學的鑒別診斷模型；且與高水平醫療機構資源相互融合，可以極大地提高優質醫療資源向基層醫療機構的輻射作用，提高基層醫院的鑒別診斷水平。

深度學習中的卷積神經網絡（convolutional neural networks, CNN）對訓練樣本數量及原始圖像質量的要求相對較低，較適用于病例難以收集的各種疾病的應用研究。目前關于AD和bvFTD的輔助診斷研究相對較少，我們使用結構磁共振成像（structure magnetic resonance imaging, sMRI）數據建立一個基于卷積神經網絡的AD-bvFTD模型應用于AD和bvFTD的輔助鑒別診斷，以提高其診斷正確率。

我相信這種算法具有很強的臨床相關性，“然而，在我們能夠做到這一點之前，我們需要在更大，更多樣化的患者隊列中驗證和校準算法，最好是來自不同大陸和各種不同類型的設置?！?，如肺結節檢出使用薄層高分辨 CT 而不是厚層數據。在AI 具有應用潛力的基礎上，盡可能覆蓋不同廠家、參數、圖像質量及疾病種類。

更多樣化的數據集上測試和校準這一算法以及數據預處理和構建AD-bvFTD分類模型：

這種算法開始獨立學習哪些特征對于預測阿爾茨海默病的診斷非常重要，哪些不是。通過在ADNI數據集上進行訓練、對比、測試以及最后的結果分析，研究人員發現，開發用于早期預測阿爾茨海默病的深度學習算法在100％靈敏度下達到82％的特異性，并在病人得到最終診斷之前平均75.8個月——相當于六年，做出了正確的疾病預測。

淺談盈利與閉環

該文章將盈利模式重點從慢病管理角度分析，慢病管理在我們的分析框架中多處出現，既可以作為醫療行業痛點來導入流量，又可以作為流量變現方式（是服務電商之一），還可以作為藥品電商、遠程醫療等變現模式中增強客戶粘性的重要手段。這是因為慢病是移動醫療主要病種，慢病管理是針對慢病病人的全程健康管理，貫穿于就醫全程（就醫全程包括預防、診斷、治療、康復），與其他環節相輔相成，移動醫療企業通過慢病管理可以構建針對個人的大數據，形成個性化的持續治療，是移動醫療中沉淀流量的重要手段。

慢病管理定義：以人的健康需求為中心，利用互聯網手段對慢性病患者進行全程疾病管理服務，具體包括：采集慢病患者相關數據，根據數據等提供健康和診療建議。我們將慢病管理定義為一種服務，單純賣可穿戴設備和賣藥等是慢病管理服務的相關產業鏈，不在我們定義的范圍內，也難以享受慢病管理的估值。

行業競爭激烈，低成本整合資源形成閉環的企業可能更優，所有能采集數據，擁有患者健康數據入口的都可能成為參與者，潛在競爭對手眾多慢病管理行業競爭激烈，智能設備（體征數據）、藥品電商（用藥數據）、遠程醫療（診療數據）、醫患平臺（診療數據）、患者病歷平臺（檔案數據）等等能采集數據和產生數據的入口都可能切入到慢病管理，成為潛在競爭對手，相連的智能診斷設備采集到的數據是數據源頭，掌握數據源頭后可以為自己所用，也可以為其他平臺導流。

這固然是最好的采集數據的方式，但是采集數據對智能設備的研發要求和資金要求都較高，無應變能力的企業很可能會在投入大量錢財物后因為產品升級而面臨淘汰，因此掌握數據源頭是一把雙刃劍。

其中獲取用戶、采集數據的方式有 8 大流量入口：移動醫療設備、O2O 平臺、問診/預約就醫/健康管理系統 APP、家庭健康服務平臺、第三方檢測中心、遠程會診中心、高端新型醫療服務機構、腦科醫院群、養老院。

智能設備（體征數據）、藥品電商（用藥數據）、遠程醫療（診療數據）、患者病歷平臺（檔案數據）是常見的慢病管理數據入口，除此以外，以下也可能成為競爭對手。

如果醫保不支付情況下，真正做成熟閉環服務的少，多是做某一個環節，這是因為政策不支持，做完整閉環投入大行業參與者雖然較多，但國內做完整閉環的較少，要么采集數據，要么分析數據，很少做完整閉環。

閉環是指符合上述慢病管理的全部核心要素（采集準確和連續的數據，進行數據分析，并能將數據的診療建議反饋給患者）大多數慢病平臺都只能做其中一個環節，其他環節都在不斷擴展中，這與慢病管理缺少付費方，而投入又相對較大有很大關系。

自身搭建所有資源做完整閉環投入大，做數據最原始的采集需要做體驗較好的硬件，這對研發水平和人員技術要求很高，要做出醫療級的診斷設備沒有強大的技術支撐和積累是難以實現的。

做數據持續采集和診療反饋，必須有醫生的督促和協助，在無付費方和醫生動力不足情況下，移動醫療企業要尋找到合適的醫生資源，需要對醫生做出一定的激勵，資金和精力投入都較大。遠程醫療只允許 B2B 端，電子病歷并未成為個人產品。目

前遠程醫療尚不能直接通過 B2C 實現，這決定了慢病管理企業想提供后段治療級別的服務，需要跟線下醫療機構合作，才能給患者提供完整的服務，同時電子病歷現在并未成為個人產品，各個醫療機構之間存在信息孤島，個人的數據并不完整。

在這些因素影響下，做個人完整閉環存在一定的瓶頸。? 較看好保險合作模式，如保險不支付，較看好能低成本整合相關資源完成閉環的企業在產品質量保證情況下，誰能先獲得保險青睞，誰就能批量獲得用戶，得到醫生支持，從而走在行業前列，

我之一家公司的的案例《養老創業復盤》，就充分說明了這一點，因此，慢病管理中我們較看好與保險或政府合作的模式，有了支付方，推進就會更容易。在保險尚不能作為支付方情況下，做數據閉環才能對客戶形成最大粘性，互聯網是一個相對開放的平臺，無需所有資源自建，數據和流量之間可以相互導入，醫生資源也可以相互導入。

在醫保不支付情況下，在慢病管理這樣高投入低收益的起步期行業中，存活時間夠長、有效用戶積累越多、能堅持到最后，才能笑到最后，慢病有很多病種，不同病種的痛點和盈利模式都存在很多差異，歸納出在自費情況下更可能勝出的模式共性是：低成本整合相關資源完成閉環，盈利模式。

可能有技術或醫生資源更可能成為整合者而勝出，在中國，誰能低成本整合資源？前面已經論述，保險介入慢病管理是較優的盈利模式，誰能結合保險，就更能低成本整合相關資源形成閉環。

那么在自費情況下，現有的模式中誰更可能勝出呢？

因為有多種病種、多種盈利模式，很難說誰最后可能勝出，我們在此對自費情況下慢病管理可能勝出的模式進行探討。我們仍然將慢病管理分為采集數據和數據反饋提供服務這兩個環節。

這兩個環節都是可以相互影響相互促進的，有的企業可能在采集數據上占據先發優勢，聚集大量用戶，從而吸引后段優質醫療服務與其合作，通過技術的投入能降低整合后端資源的成本；有的可能在數據反饋提供醫療服務環節做得好，吸引采集數據硬件企業來導入流量，從而節省硬件研發上的投入。每一個環節都可以成為移動慢病管理的突破口，但是在每一個突破口上，我們盡量尋求可能勝出的企業。

用采集數據方面，較看好“產品優+渠道優”或者醫療資源豐富企業 以下這三個采集數據方式，難以說哪個更優，但是每種方式中，我們都較看好有相關優勢的企業。

從患者入口直接采集數據：難度大，較看好產品設計領先和渠道型企業，行業勝出者將核心受益，可以 C2B 反向議價，去議價其他環節的資源自建數據包括讓患者錄入數據或者直接軟硬件結合通過傳感方式錄入，因為多數慢病患者以老年人為主，錄入數據相對較麻煩，是逆人性的，除非有特殊的強制辦法，比如類似 開處方，否則很難讓患者堅持手動錄入數據，因此軟硬件結合通過傳感器便捷的從人體采集數據大概率會成為未來直接采集數據的主流方式。

用硬件采集數據，對硬件等要求較高，拼技術、拼銷售渠道，目前低端硬件的競爭較為激烈，獲客成本越來越高，但是高端軟硬件競爭（采集數據準確、順人性設計并且與云平臺實現便捷對接的硬件）相對較少，硬件產品更新速度快，需要技術和資金持續投入。

從未來趨勢看，構建每個人的大數據需要考慮綜合因素，目前各個進入者的數據采集模式不同、不相互共享就會形成各自為局的信息孤島，而從服務方來看，醫療服務資源有限，不可能和多家企業合作。因此未來在數據采集上必然要走向相對統一的格局，雖然目前多數參與者入場，但是未來這個行業經歷激烈競爭后，行業集中度將提高，硬件數據采集的贏家更可能從產品設計領先、銷售渠道優良的企業中產生。

誰掌握數據入口，誰就相當于搶占了數據的源泉，一旦產生了用戶規模，就可能利用 C2B 形成反向議價力，對于產業鏈的后段比如服務、軟件公司等形成較強議價力和整合能力。但是目前行業競爭格局尚不穩定，大多數企業的技術和產品都是同質化，即使有產品，在掌握數據入口后，還要非常依賴后續的醫生服務，才能對用戶形成閉環管理，從而形成粘性。

從患者入口做數據整合：整合競爭激烈，誰能提供更好的診療服務，整合能力可能更強很多企業不生產硬件，不直接采集數據，不能掌握數據源頭，地位相對被動，但是它們也可以通過整合其他平臺數據進入慢病管理，問題是被整合者多數也是屬 于移動醫療產業，自身有數據后發展慢病管理水到渠成，慢病管理企業對數據采集企業的議價力更多的取決于他能不能在后續提供更好的服務，與采集數據的企業實現雙贏。

從醫生切入，通過醫生間接導入患者，讓醫生配合去做相關硬件或者 App 的推廣，患者順應性更高，醫生如果同時提供相應醫療服務，則對患者的粘性更強。從國內發展情況看，患者入口已成紅海，難以發揮核心競爭力，從醫生或醫院作為切入口成了很多企業介入慢病管理的較佳選擇，以此作為切入口，在醫療資源上有較多積累的企業可能更容易勝出。

利用數據反饋提供服務方面，較看好有“醫療級智能算法”和醫療資源豐富企業 通過前期采集數據的行為，將流量導入到慢病管理平臺后，能否讓患者持續保持粘性和數據測量，核心在于慢病管理平臺能否提供精準及時的診療服務。

可以將此環節具體拆分為數據分析（是否智能和醫療級決定了患者使用是否便利，是否能夠節省大量人工成本以及后面整合醫生的難易度）、遠程給予咨詢（醫生或藥師提供的非醫療級服務）、線下醫生就診或者通過 B2B 就診（醫生提供的醫療級服務）。

即給予診療建議的方式有四種：分析數據后給出智能診療建議；醫患之間的咨詢建議；B2B 遠程醫療（目前 B2C 暫不允許）；整合線下醫療資源與患者實現對接。

智能建議需要大數據測算符合醫療級標準，擁有核心算法并優先通過醫療認證，可以有效降低人工成本，并在后段整合醫生更容易（可以參見 Natali 的ECG 模式），形成核心競爭力。但是中國目前并未出臺醫療級智能建議的標準，所以智能建議尚處在萌芽和邊緣的地帶。

咨詢建議在整個慢病管理中承擔了很重要的中介作用，可以通過電話或者遠程視頻實現，連接患者與高端醫療資源，提高患者依從性（比如 Omada 方式，通過遠程干預和提醒，可以提高患者依從性），提高就醫效率（比如 Natali 的ECG 模式中，醫生會遠程給予老年人相應建議，84%的人通過遠程咨詢后不需去醫院，6%建議去醫院經過簡單治療，10%人需要住院，大大提高效率）。

值得指出的是提供咨詢建議的角色可以是藥師、社區醫生、家庭醫生等，此類醫療資源的人力成本要低于聘用高級職稱醫生或者?？漆t生，通過這些連接患者與高端醫療資源，可以有效節省醫生成本，并且也能黏住用戶，因此擁有此類醫療資源較多的企業可以在咨詢建議這個環節中占據一定優勢。

整合醫療資源與患者實現診療對接應該是有粘性但也很難的手段，中國醫療資源本身就較為稀缺，另一方面醫療機構集中度比較低，并且多是公立醫療機構，全部自建難度較大，有能力整合屬地化的醫療資源讓患者實現對接的企業將在慢病管理中更占優勢。

總結

慢病管理本質是人的數據管理，包括采集準確并且連續的數據，并能分析數據，對數據結果給出診療建議，所有能誕生健康數據的廠家都有切入到慢病管理的可能性，所以行業競爭對手頗多，那么誰最后最可能勝出。

在產品質量保證情況下，誰能先獲得保險或者政府支持，誰就能批量獲得用戶，得到醫生支持，從而走在行業前列。

因此，慢病管理中我們看好與保險或政府合作的模式，有了支付方，推進就會更容易。

在保險尚不能作為支付方情況下，做數據閉環才能對客戶形成最大粘性，我們探討在自費情況下最終可能勝出的模式共性是：低成本整合相關資源完成閉環，有較好的盈利模式，能形成客戶強大粘性的企業。

從模式上看，期待保險介入后慢病管理模式走向成熟，如果醫保不支付，在自費情況下，各個移動慢病管理公司都是在各個環節尋求突破口，延續第三節，我較看好能低成本整合各類資源對患者形成閉環管理的企業。

但是誰最可能勝出，我們認為互聯網企業是一個開放的平臺，只要你在某一方面做到足夠優秀，都可以去吸引其他資源集聚從而降低成本，但關鍵是你能否在你細分的突破口發揮自身優勢做到行業前茅。

我們歸納的幾種未來可能勝出的模式中，其實細分下來就分為兩種：

• 一種是從患者入口直接采集數據，較看好產品設計領先和渠道型企業，行業勝出者將核心受益，可以 C2B 反向議價，去議價其他環節的資源，通過技術的投入能降低整合后端資源的成本。
• 一種是擁有醫療級智能算法（可以節省人力）、醫療服務資源較為豐富（自有或者能整合）的企業，能夠低成本完成布局，也能通過服務牢牢黏住用戶，更有可能勝出。

#專欄作家#

Rolia，微信公眾號：pmsummit，人人都是產品經理專欄作家。前?？挡┦柯摵蟿撌既思娈a品總監，涉及智慧醫療領域需求產品化5年，致力于智慧醫療領域產品體驗設計以及新商業模式研究。

本文原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議