文 | 颜璇

来源 | 智能相对论（ID：aixdlun） 

“看病难，看病贵”，相信每个去过医院的人都深有体会。尤其是城镇低收入群体和农村居民的医疗负担更为沉重，一旦某个人患了重大的伤病，其全家都会陷入极度焦虑的状态。即使有了医保，大多数人还是会感叹：生不起病了。

如今，人工智能技术迅速崛起，被广泛应用在各行各业，医疗领域更是重要的应用场景之一。据统计，到2025年，世界人工智能市场的总值将达到1270亿美元，其中，医疗行业将占据AI市场的1/5。

在这样的大背景下，人工智能能不能解决当前医疗“大病致贫”的问题就成为了非常值得探讨的话题。

AI+医疗募捐可行吗

因为生活条件不好，健康保护不到位，穷人往往是越穷越生病，小病靠抗，大病靠天，纪录片《急诊室故事》里也表现了一个农民工在车祸后面对巨额手续费时的无奈。

面对这样的情况，慈善募捐似乎是一个可行的办法。但是，自知乎大V“童瑶”骗捐15万，再到朋友圈刷屏的“罗一笑，你给我站住”，别有用心的人利用平台诈捐让人们对互联网慈善的信任度一跌再跌。除此之外，还有慈善组织的善款流向不透明等问题也在挑战着人们的善意。《中国青年报》的一项调查也显示，虽然47.4%的受访者曾通过网络平台参与过捐款，但仅28.5%的受访者信任网络捐款中的慈善组织或募捐个人，62.4%的受访者担忧在网络募捐中存在诈捐、骗捐的潜在风险。由此可见，慈善募捐正面临着严重的“信任危机”。

所以，设计和实现慈善智能捐助服务平台，打造一个透明、公正的慈善募捐环境就显得尤其重要了。在这里，我们也可以提出几点畅想。

首先，我们可以将AI募捐系统与医院诊疗系统连接起来，获得患者的医疗数据，建立智能筛查项目，利用机器学习来审核患者是否需要接收医疗募捐。

也就是说，医院接收病人后，AI通过患者的医疗数据预估出医疗费用，再进行数据挖掘和智能分析，构建患者和家属的需求结构模型，挖掘患者的与身份、工作生活状态关联的对于募捐的需求，然后在征求患者同意后主动地为其在平台上发起募捐。

其次，我们可以用AI的大数据和AR识别来建立医疗募捐的诚信体系，正如《黑镜》中人们通过AR人脸识别，可以看到对方的实时评分。我们的身份信息将与社会信用评分系统相连接，如果募捐人曾出现过不诚信行为，则会记入个人诚信记录。

同时，我们还可以搭建个人的数据处理和信息决策平台，AI对分散在各个医疗系统的数据进行收集、整理、分析。通过完善的数据积累，辅助有善心的人进行决策分析，为人们的募捐提供更加科学和精准的依据。

由AI来主导医疗募捐可能会改变未来慈善的形态，但是，在这个过程中，仍然有几个问题值得我们深思——智能慈善的基础究竟是道德和善意还是科技呢？如果以科技为主导，AI会不会陷入算法的窠臼，被少数人“挟持”呢？

如何平衡科技和道德？比如今日头条的算法，总是会推荐同一种内容。那面对形形色色的病人，AI是不是也会为公益人推荐同一类“被资助者”，这类人条件相仿，比如同样的经济困难，同样的身患癌症，甚至从事同样的工作。在AI冷冰冰的筛选中，患者的尊严、好心人的善意似乎都被“格式化”了。

我们相信，总有一天，AI+医疗募捐会变得更加透明和公正，甚至更有温度，但是在短期内，正如互联网募捐被许多不法之徒利用，在法律法规和监管系统尚未完善的情况下，AI医疗募捐免不了被钻空子。

如何降低医疗支出

医疗保健的账单大概是世界上最不合理的支出之一了。医院里所有的医疗服务都是按项目付费，消费者为医疗服务买单，却可能毫无疗效。即便如此，患者也很难主动去要求降低医疗成本，没有人会在医院为了挂号费、药费和手术费和医生讨价还价。更令人介意的是，我们把钱交给医院，却不知道这个钱会以什么样的比例流向医疗的哪些环节中。

面对这样的现状，智能相对论行业分析师颜璇就如何降低医疗支出的问题提出了以下两点：

1.“货比三家”不吃亏

美国杜克大学的彼得·于贝尔长期积极地倡导应该向患者全面公开医疗价格的信息。但是公开信息就能降低人们的医疗成本吗？公开信息只是第一步，后续的环节才是最重要的。而在这个降低医疗费用的链条中，AI可以起到非凡的作用。

对于一个特定患者需要支付的实际自付费用究竟是多少？可能连一个专业的医生都无法“铁口直断”。在医疗价格透明化后，首先，人工智能可以建立医疗价格的数据库，进行深度学习，把握医疗中所有的项目和服务信息，对每个医疗环节和资金流向一清二楚，从而分析出项目的实时价格以及给患者带来的实际经济负担。

其次，明码标价的最大好处是，人们可以“货比三家”。在医疗方面，国际上已经有了这样的例子——俄克拉何马市手术中心的网站可以让患者在全国范围内进行比较，找到更好的服务提供商，这个中心的做法也引来了其它医疗中心的竞相模仿。

但能力有限的患者也只能通过某个网站平台去比较少数几家医院的性价比，比如美国的HealthcareBluebook网站只能计算某一特定地区的医生和医院服务的平均费用，再以邮政编码的方式提供当地的“公允价格”。

在未来，如果人工智能可以介入医疗服务的“比价”过程，则可以扩大比价的范围，通过强大的计算能力在全球范围内进行搜索，从而找到最优惠的医疗服务。跨国公司康安途就通过深度挖掘约2700万篇科研论文和各类资料，将各国的新药进展、医疗价格、医保覆盖率等指标进行了分析，建立了全球医疗信息大数据库，为患者提供性价比最优的医疗咨询方案。

2.少拿高科技来说事

在医疗支出上，有很多不必要的医疗程序带来了额外的消费，最常见的就是医疗影像。现实生活中，我们往往是看病三分钟，各种检查却要耗费一整天，其中，有多少扫描是必须的呢？在2014年，全球医疗影像设备的市场规模就高达320亿美元。

而智能相对论分析师颜璇也大胆地预估，在以后，另一个不加抑制的“浪费”估计就是以AI为主导的各种高科技疗法了（毕竟机器人想做手术不是一天两天了）。

在如今，就有一些未经证实的高科技疗法消耗着患者的金钱。比如机器人手术和质子束放疗。实际上，这两种高科技操作都还没有数据来证明其比传统疗法更适用于临床。

以机器人手术为例，医院购买手术机器人的费用极其高昂，有名的“达芬奇”机器人每台售价约为60万至250万美元，如果租赁使用，年租金在10万至17万美元之间，这还不包括手术的一次性专用耗材的费用。而面对如此高昂的设备，患者的治疗费用必定是便宜不了的。

即使价格高昂，还是有许多人信赖这些高科技，认为其是更精准的治疗技术。所以，在更有力的数据出现之前，避免被高科技的名头所蛊惑，恐怕是患者保住钱包的关键。

不只是费用，还有医疗体验

在我国，慢性病已成为我国城乡居民疾病死亡的主要原因，城市和农村慢性病死亡的比例高达85.3%和79.5%，许多贫困县的慢性病死亡比例也已达到了60%。对于慢性病的危害，我们可以设计更多的多元产品，满足不同层级消费者的偏好和需求，比如全球范围内的医疗旅游。

医疗旅游除了寻求更佳的治疗方案外，也可以在一定程度上减少医疗成本，阿拉斯加州最大的医疗保险机构蓝十字蓝盾医保联合会为降低医疗成本会将患者空运到西雅图去做手术，比如全膝关节置换术，即使算上交通开支，西雅图的价格还是便宜了一半。

目前欧美、日韩等国家的医疗产业已经渐成垂直化的市场，比如英国以肝移植享誉世界，韩国医美整形赫赫有名、美国重症治疗十分突出等，而泰国、印度、则以其经济低廉的价格和高效的药物治疗吸引了大批患者。据印度工业联合会的一份报告称，在医疗方面，印度的收费一般是欧美国家的1/10。

低廉的价格不代表医疗水平的滞后，相反，印度大部分私立医院的条件并不比欧美的医院差，甚至还有所超越。印度的埃斯科特医院曾在一年中完成4200例心脏手术，死亡率只有0.8%，感染率只有0.3%，而在发达国家，同样的手术平均死亡率达到1.2%，感染率则是1%。

这就反映出慢性病患者具有了医疗价格的谈判能力，能够选择医疗旅游这一方式来降低医疗成本，而以大数据和AI为创新技术手段，在助力医疗旅游中的旅游体验上，可能具有较大的发展空间。

首先，AI可以利用人脸识别等技术为某个地区的人提供某个国家的医疗系统的准入资格，为患者提供世界级的医疗健康体系。除此之外，医疗旅游往往是国际性的，医患关系的语言沟通往往会成为最大的问题，而利用AI的翻译功能和聊天机器人的设定，可以在这类特殊的医患沟通场景中提供便利。

其次，医疗旅游也包括了健康体检、美容、抗衰老之类的“轻医疗”，因此AI驱动轻医疗体验的平台也大有发展空间。智能相对论行业分析师颜璇曾在文章《看脸的时代，AI医美为什么没有成为风口》里提到，“从需求角度来看，渴望“变美”的客户有较强的意愿和能力去寻求优质的整形资源，甚至于为了“美丽”不计成本，据统计，20%的潜在消费人群表示只要安全，价格不是问题。”AI在美容外科、皮肤科、牙科等都能起到作用。所以，打造一个AI平台，提升医美体验也是一个值得期待的事情。

最后，在裹挟了医疗保健目的的旅途中，AI还可以整合和分析患者的医疗信息，制作个性化的医疗旅游计划。总部位于美国西雅图一个出游计划门户网站Utrip，就可以通过人工智能算法把数百万旅游目的地、活动和餐馆进行组合分类，一旦系统了解到用户的首选目的地，就可以利用用户的旅游偏好，给出每日行程和时间安排的建议。

对于AI降低医疗支出，即使我们有着无限的憧憬，但在短期内还是很难实现的，因为在医疗领域，任何新技术的落地都要伴随着昂贵的医疗账单，比如胰岛素疗法刚出世时，即使在糖尿病上疗效极佳，其费用却比传统治疗方法贵上几成。所以，利用科技来解决民生问题，让技术真正地为人民服务恐怕还有很长的路要走。

【完】

智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。