火遍医药行业的新科技,背后到底隐藏着什么?

来源: 思齐俱乐部/member_siqi

 专栏作者/曹典君

 一本正经吐槽的医药行业君,擅长于将产业分析与鸡血狗血一同乱炖成一篇篇杂文。


随着科技的发展,人工智能成为2017年底的热门词。


本君参加各创业戏精演讲大赛,哦,不,创业路演大赛后发现,2017年创业项目不带AI、AR、VR,不足以论创业。


医药行业和创新科技结合新动态





可以预见,人工智能将越来越和医疗相结合。


本君认为最烂大街的可谓是图像识别领域与病理切片的拥抱。


国外包括:


用深度学习技术帮助放射科医生分析医疗影像的Enlitic

开发全新方式透视人体的新型医学成像设备的Butterfly Network

计算机辅助钼靶诊断的VisExcell

云计算辅助肺癌筛查的VoxelCloud

图像分析诊断阿尔兹海默氏病的Brainreader

 

国内各公司也不甘落后:


有将人工智能与病理图片诊断结合的Deepcare

分析影像数据做决策支持的推想科技

开发云计算辅助诊断平台的图玛森维

 

本君分析各大自媒体对影像诊断的报道可见,为了获得投资,病理切片图像识别的团队已经沦落到要靠比赛来证明自己的算法快狠准,想想也是拼了。



病理医生的收入低、培养模式不健全,导致全国病理医生极度缺乏。


据某三甲医院病理医生介绍,国内病理科医生注册人数为1万多,而按床位数和病理医生的配比,还有6-8万的缺口。


由此可见病理切片图像识别的项目启动初衷是为了解决行业人手不足的困境。

 

语义分析正努力和诊断系统应用相结合,破解医生诊断步骤的秘密。


通过数据挖掘方式筛选药物结构,寻找各有可能成药的药物开发应用已成为各小分子合成公司的高新技术亮点。


药品生产方面机器人据说已在大生产中开始应用,但是可通过一致性评价版的药品仿制药“3D打印”还没见影。

 

药品零售终端已经开始有第三方提供图像识别技术用来扫描和分析货架上的任意产品,并结合销售数据分析将促销建议回馈给客户,第三方将结合通过多个来源所获得的市场数据来进行决策,为客户提供 “实时货架分析”服务。

 

以上项目听上去很高大上,实际上还停留在数据库搭建框架,数据挖掘寻求相关性阶段。


而另有一些项目明明只停留在统计计算层面,仅是穿上“人工智能”的外套,估值又可以翻两翻了。

 

人类的思维也趋向于机器化





当机器思维人类化的同时,人类思维也在机器化。

 

2018年最火红的一本鸡汤书《原则》也提倡人类向机器学习,特别是决策的算法执行方面。

 

人类的进化是朝着“失败-学习-改进”的方向发展。


若将日常执行的系统想象成一台机器,这个机器将包括:你的设计(做事的方法);人(能帮助你的人,以及你自己);你的目标(做事的结果)。


你把结果和目标比较,如果不满意,那就不断调试,除了调试方法,也包括调试你自己,因为你也是机器的一部分。


调试之后再不停试错,直到寻求到能够解决共性问题的方法学,然后使用方法学直到遇到新的变数导致新的问题。


 


翻译成人话就是:


 选择目标

 看看你距离目标有什么障碍,有什么问题

 诊断,发掘这些问题产生的根本原因

 设计一个策略计划去解决问题

 just do it

 

看上去是不是很眼熟,本君认为此解决问题的路径就是PDCA循环的换一种表达方式。


日常工作中的工作计划POA(plan of action),销售指标确定、跟进与修订等往往都会运用到PDCA的精髓。

 

P(Plan)  —— 计划,确定方针、目标和活动计划

D(Do)   —— 执行,实现计划中的内容

C(Check)—— 检查,总结执行计划的结果,找出问题

A(Action)—— 行动,对总结检查的结果进行处理


 

无论是哪种解决问题的路径,算法目前起的作用更多是整合信息然后给出分析报告。最终做决策,修正关键情报内的错漏矛盾还得靠人类


对此,专家调查权重法也是常用的辅助决策的方法。该方法是指在信息充分披露的条件下,选择企业各方面的专家,采取独立填表选取权数的形式,然后将他们各自选取的权数进行整理和统计分析,最后确定出各因素,各指标的权数。


集合了各方面专家的智慧和意见,并运用数理统计的方法进行检验和修正,产品立项调研的专家评分就可以用此方法学。

 

但是这些动作的背后同样离不开数据。毕竟,数据驱动发展的年代早已正式来临。

 

从事件驱动到数据驱动





事件驱动,以事件营销作为产品市场发展变化的驱动力,也就指是在媒体投放某个广告或者区域执行某个事,事件执行并且通知到位,则显示效果以及数据都不会出错。


而一旦此状态触发点过多时,事件驱动在执行过程中非常容易丢失对某个过程的控制,最终结果就会显示异常。

 

数据驱动,是以数据为基础,来执行显示整个市场运营的逻辑,也就是说此时是到达目标数据指标就主动向客户显示符合数据需求的产品,不管有多少处使用到此数据,它的表现绝对一致。


这种方式的优势在于,在处理和显示逻辑正确的情况下,只要保证数据正确,那么终端所接收的信息的就完全没有问题,基本上避免了人为因素的影响。


数据驱动可以认为是多渠道营销下,特别是互联网营销在针对患者应用越来越多时非常重要的运作方式。而如何去挖掘数据,分析数据并将数据有效地运用去实现目标则是新时代下每个行业人需要深思的问题。

思齐俱乐部——医药经理人自己的俱乐部

市场、销售、医学、SFE、培训......

更多阅读:

未来3年,医药行业将何去何从?

医药代表会被人工智能所淘汰吗?