近日，在复旦大学上海医学院(原上海医科大学)90周年校庆系列活动之际，丁香园创始人、董事长李天天受邀出席，为该校医学生做了一场关于未来医疗的讲座。

在演讲中，李天天提到“未来医疗是ACID。”ACID的提法是一语双关，其英文单词释义是“酸的; 酸性的; 酸味的“，这恰恰也代表了他对未来医疗的看法。

人们对于酸的记忆，一点都不陌生。比如柠檬、未成熟的橘子、醋。

李天天认为的未来医疗是酸的，拆解来看包括：A、C、I、D。

A指的是app，就是各位手机的应用，它这个APP跟你用的天气、看新闻的没有任何区别。

除了APP之外还有一类设备也叫APP，即智能硬件设备，智能手表和手环。

无论是App软件还是智能硬件设备，它都能采集到一些最初级的数据。但是你会发现这些数据都是孤立的，每家自己测自己的、每个设备自己测自己的，很难把这些数据进行融合、打通，这个造成的问题就是数据孤岛。如果有一种APP让我们所有的健康数据能够打通，跨平台、跨系统、跨硬件，那数据使用更有价值了。

两年前，大家都在谈App、谈可穿戴设备，现在已经很少有人在谈这个话题了，现在大家所关注的是通过采集到的这些数据怎样综合应用，服务于患者。

C，Connected Health，它要解决的问题就是前面说的数据孤岛。如今，在移动医疗领域，早已脱离了早期单个APP或单个设备单打独斗的局面，而是把更多的数据传到后端。将这些数据用统一的标准采集、存储、分析、传输、分享，通过一个人身上不同设备采集到的数据更全面的了解个人的身体情况、病理情况、生理情况、健康情况，血压、血糖、血氧、体重，这些经过处理之后的数据就是一个人的数字化图库。

而这个完整的数字化图库能够将医疗机构、连锁药房、家庭医生、社区医生等连接起来，可以让不同行业的参与者共同参与到整个大的生态圈中，彼此连接，让数据可以无缝流动，最后给患者提供一个完整的解决方案。

在C的阶段不但数据得到了连接，而且数据具有了临床诊断的意义。

如果你戴了一款智能手表，它会告诉你每天走了多少步，每天消耗了多少卡路里，当我把这个数据打印出来给医生看，医生是看不懂的，因为它跟疾病是没有直接关联的。

医生会跟很多患者说：你要迈开腿管住嘴，多运动多管理，每天走1万步好还是6000步好？医生也说不出来，因为没有临床的数据，那你就只能笼统的跟患者说一些健康故事。

他认为，在不远的将来大部分数据的采集是可以由患者自己在家里来完成，而且完成之后采集到的数据是可以帮助医生进行临床的诊断和治疗。不再是原来每天走多少步，爬多少台阶，消耗多少卡路里。

这种有临床的意义的数据会给我们的生活带来哪些改变呢？我们拿最常见的计步软件来举例。比如我今天走了12345步，在朋友圈中排名第一。甚至系统还会提示给我鼓励，“击败了全国91%的用户，加油加油，每天一万步强壮中国人。”

但当有临床数据的时候我们看到的结论是不一样的，我今天走了12345步，设备引擎在运动过程中注意到我的最高心率超过了154次每分钟，而高血压的患者是不建议剧烈运动的，心率必须要控制140以下。

这种有临床意义的医疗数据可以通过我们随身的设备可以采集到，给到我们提醒那将是一个跨时代的变化，不再是原来的简单的健康提醒，而更多的是一种基于你的身体状况的临床指针。

虽然我们把很多的数据变成临床价值的数据，但环境数据是缺失的，什么叫环境的数据？简单的讲我们今天所处的环境，温度、湿度、有没有风、是否干这些都是我们的环境，这种环境也会影响我们的健康。因为人并不是一个孤立的，跟外界隔绝的生存方式，我们跟外界的很多环境要发生彼此的交互，这些因素也会影响我们的身体。

从C到I又是一个新的变化，I叫IOT，IOT的全称叫Internet of things，翻译过来叫物联网。

物联网一点都不陌生，但医疗的物联网做得并不多，因为你需要把屋子里居住的环境中的数据进行采集，能够机动检测室内的温度、一氧化碳的浓度等等。

当环境的数据被采集的时候，它给我们带来的帮助还会有新的变化。当我们没有环境数据的时候，我们给高血压患者做建议，你翻来覆去发现，高血压的患者内容就这些，多运动、多锻炼、少吃油、少吃盐、迈开腿管住嘴。

你说两个月患者听了，说三个月患者烦了，六个月患者直接就屏蔽你了，因为你做不到个性化。可是当我们能够把环境的数据整合起来以后，情况不一样了。今天寒潮来了室外的温度已经到零下10度了，我们注意到你室内的温度只有14度，这个温度偏低，因为你是高血压的患者，会导致小血管收缩，让高血压的情况变得严重，所以我们建议你室内的温度保持在18度以上。

我们最近又发现你在网上买了红烧肉的佐料，你不能吃红烧肉，红绕肉太油了。当我能把网购的数据拿到，网购也是一种环境数据。这种数据如果能跟电商的平台打通，特别是生活类的电商平台打通，我觉得将会带来全新不同的视角，你在上面采购的水果、蔬菜、日常的饮食都会被数据分析师进行系统的分析判断，给你编号，来预测你的信息。

如果我们还来做健康方面的管理，效果也巨大。我们可以知道患者在什么时候可能会造成血糖、血压的互动，我们提前发预警，提前告诉他，他可能红绕肉就不做了，这个就是环境数据给我们带来新的不同。

我们有了这么多的数据，把医疗的数据、环境的数据采集到，可是最后数据到Action之间需要有一个环节，这个问题就是谁来干预，那就是我今天讲的最后一个层级就是D，这个D是什么？

D就是医生，可不完全是医生，我把这个doctor后面加了一个词，doctor-machine。

既有医生也有人工智能，也有机器学习。人工智能的时代已经到来，其实阿法狗战胜李世石是个非常了不起的成就，你会看到人工智能深度学习的趋势已经不可阻挡了。

我们现在看到machine在肿瘤领域的诊断和治疗的方案，已经越来越接近专家的水平了。而且我认为在不远的将来machine一定会给出更加客观、符合科学依据的建议，让医生来参考。比如，IBM machine，它就已经具备了自学的功能，它会读一些医学文献，当然读得对不对，不一定，最后还需要医生来帮助他校正。它读过数百万册的医学文献，一开始是从肿瘤领域深入的，肿瘤医生帮助训练machine最后的诊断能力和开出治疗方案的权威性、专业性，其实还是收到了一定成效。

Machine能不能代替肿瘤医生呢？machine从来自己不敢这么说，它说我们的目的是为了加强、扩展、加速人类的经验，它从来不敢说我要代替医生，一旦这么说就没有医生教它了，医生知道我把你教会了，你就把我干掉了。

未来会不会出现一个大白那种机器人，我认为是可能的，但是会有先决条件。那这些条件是什么？从最开始只是底层的最简单的传感器APP逐渐连接到各种医疗的机构、服务的平台，然后把外界的数据移进来，最后生成算法，在医生的帮助下，由机器来完成对人类的一些健康的干预、指导。

在这样的环境下，作为一家商业公司，丁香园是怎么去实现的？

据李天天介绍，第一，挑选领域，并不是所有的领域都适合用移动医疗的技术来实现。移动医疗最火的时候是从2011年开始，当时很多的媒体、投资人给移动医疗非常高的期望。当时他说了一句话，移动医疗，“医疗有时移不动？”结果好多人对我说的这句话非常不爽，认为我给行业泼了冷水，可是到今天我还是会讲“医疗有时移不动”，并不能试图从移动互联网解决所有的医疗问题，场景不对。

我一直认为对于疑难的、复杂的、罕见的疾病，需要多学科协作的，不适合移动医疗的方式来解决，但是基础的、常见的、多发的这些疾病是非常容易用移动医疗的方式解决。

糖尿病在中国有1.05亿患者，除了这个1.05亿之外，还有1.5亿是糖代谢出现异常的人，还没有到诊断标准，但是已经快了，这两种加起来2个多亿的人群。

通过一台智能血糖监测仪，患者可以在家里自主测血糖，然后将血糖数据通过微信传输到后台。丁香园后台的医生会根据病人的血糖变化来提供指导干预。

慢病管理工作团队最忙的时候，就是在中国传统假日即将到来前，特别是中秋节，因为发现这期间大量患者的血糖开始出现剧烈波动，原因就是患者吃了一块月饼，很少的量，就能让血糖瞬间飙升。如果患者出现血糖异常，就会告诉他怎么去用药、怎么去调整。

一年半的时间，丁香园服务了15000多名糖尿病患者。2018年丁香园的慢病管理会在全国铺开，预计将服务10万名糖尿病患者。

今年，丁香园联合了杭州大拿科技、湖南湘雅二医院，共同推出了一款皮肤病人工智能诊断系统。皮肤病有两千两百多种，在这个领域丁香园的合作目前只做了一个病，红斑狼疮。

患者拍一张面部皮损图片上传到后台，系统可以判定用户患红斑狼疮的概率有多高。丁香园来帮助大拿科技、湘雅二医院进行数据的收集、分析，把所有的结果进行校对，对这些结果优化算法，目前该系统的诊断准确率能够达到92%。

目前该项目对患者端还没有完全开放，更多的还是通过医生教导、处方建议、临床推广来帮助医生提高效率，提高临床诊疗的标准。

所以对于医疗领域的人工智能我会有些基本的认知，今天借个时间跟各位分享：

第一，诊疗好做、诊断好做、治疗不好做，原因是治疗数据污染太厉害了。

第二，图片好做，文本难做。图片好做是因为很多的算法非常成熟，文本很难是它有一个语义理解的过程，而这个语义理解的过程之所以有巨大的挑战，是因为在任何一个国家的语言，不光是中国人，含义都博大精深，真正了解一个人的真实想法，通过语义是很难的。

计算机最喜欢干的事是就是“YES、NO”，没有第三个选项。可是我们很多这种生活的场景，并不是这样来选的。比如说计算机问你，你有犯罪记录吗？计算机期待的回答是有或者没有。可是你没有回答有没有，你反问计算机一句：“违章停车算吗？”那他就不知道怎么回答了。因为首先计算机要去知道违章停车不是犯罪，他得知道这个事实，如果他不学这个知识他就永远不知道。

第三，医生到底会不会？李天天本人也是一位受过训练的医生，专业神经内科的医生。无论从感情来讲，还是从对行业理解来讲，他很难认可医生被替代掉的话。

他想了好多理由，比如说医学是有温度的，医生要传递感情，而机器人是不能传递的；或者说一些复杂的、疑难的需要多室科协同操作的手术，也很难让机器人来替代。

随着人工智能的技术更新，他的看法发生了改变，认为有一些医生会被取代掉，比如影像科医生和病理科医生。

这两类医生的共同点是不直接接触患者，这里说的影像医生是指看片子的医生。而现在病理AR的准确率高达99%，不仅一天能看几百张片子，也可以24小时不休息、这点医生是做不到。

即使如此，AR的进入，也是医生的辅助工具而已，最终的诊断做手术还是和医生来交道。但凡不接触临床的，不直接接触患者的，只是看片、读片的医生，真的有可能会被替代。

移动医疗最大的优势是采集数据，最佳的使用场景是在基础医疗服务而他最擅长的是皮肤这种整体连续的医疗服务。数据+服务可以实现商业闭环，我们的目的也是做最值得信赖的医疗健康服务。