引言
云杉是一系列围绕掌上医学的初创公司中的一家。你甚至不能将它称为“远程医疗”：这一术语已出现一段时间，其通常意味着实时的、网络电话式的视频互动，而新服务正在重新思考基于智能手机、移动网络和云基AI的医学。掌上医学公司一对一医患服务和医疗问答都将自己称为“医生中的优步”，它们都已募集到超过万美元的资金。
其他应用程序可以收集血压和心电图读数，并将它们发送给心脏病专家。用于检查眼睛的应用程序正变得和“眼科医师在你面前用专业设备对你进行测试”一样精确，可能过不了多久，瓦尔比·派克眼镜公司就能通过你的手机为你提供专业眼科检查。随着医生使用数据和AI的频率越来越高，他们将能够比现在更快、更准确地诊断疾病，这也有可能大大降低医疗成本，使得人们更加健康。美国国际商用机器公司的沃森AI技术正在展示与医生一起工作的可能性，它能够通过询问患者问题来帮助医生做出准确的诊断。它已经在克利夫兰诊所和少数其他医疗机构进行了测试。录入沃森系统的医学研究和案例研究词汇多达数百万，远远超出任何医生的认知。
（医学信息每5年便会翻一番；81%的医生表示他们每个月用于阅读医学期刊的时间为5.5个小时，甚至更少。医生们最多只能了解最新文献中的一小部分。）当患者出现异常情况的时候，医生和沃森能够进行数据交互以缩小诊断范围。这不仅有助于患者得到更好的治疗，还有助于医生更快地诊断，减少研究时间。克利夫兰诊所副首席信息官威廉·莫里斯说：“我们感觉它在解决医生过度疲劳的问题上很有潜力，也对医生陷入数据困境、缺乏综合知识的问题有所帮助。”
随着时间的推移，像沃森这样的AI系统将能够在持续阅读、学习更多医学知识的同时了解患者，从而为使用它的医生提供更准确的答案。医院的人都需要学习收集患者的数据，以及如何将这些数据转化为更优质的关怀看顾。彩色基因组公司的拉拉吉说：“作为一名计算机学家，我认为AI技术能有效帮助医生。他们依赖于决策树，因而我们将其设计得十分简单，使其简单易懂。我们在医学院里加载AI软件，但之后，它会在一系列有限的信息输入和复杂性的基础上做出决定。”
现在的机遇与优势在于，医生与AI系统携手并进，他们所能接触的数据和医学知识是单凭人力所永不能达到的。拉拉吉说：“与其说医生像拥有稀缺的一技之长的人，不如说他们更像数据从业者。”数据和AI结合在一起能够帮助机器人“学习”把工作做得更好。在医疗保健行业，机器人已经能够参与像眼部手术这样精细的环节。毫无疑问，在某些类型的手术中，机器人最终会比人做得更好。它们比人更精确，也不需要休息。人类医生并不会从手术室里被淘汰，相反，他们将成为机器人的合作者。如果编程机器人能够模仿最优秀的外科医生，那么许多小诊所将受益。
超过家公司已经积极参与了医疗机器人市场的各个方面，为许多应用程序制造高度专业化的设备。达·芬奇手术系统机器人于年获得了美国食品和药物管理局的批准进入市场，这种机器人旨在帮助外科医生进行微创手术，它甚至可以精准地剥开葡萄皮。当然，其中一些机器人需要时间来加以完善、获得接纳。例如，赛达西斯是强生公司开发的机器人，它能够在麻醉师不在场的情况下为常规手术提供麻醉并实施监测。年，它在经历大量安全试验后获得了美国食品和药物管理局的批准进入市场。它可以大大降低麻醉成本，使用赛达西斯进行麻醉的费用约为美元，而人类麻醉师的费用约为美元。
然而，正如你可能想象的那样，人类麻醉师们对此纷纷抱怨，医院不再购买这一机器人。在年，强生不得不停止生产赛达西斯。大多数大众药物都是不精确医学的缩影。《自然》显示，美国总收入排名前十的药品中，有效率的范围为4%～25%。对于某些药物而言，如降低胆固醇的他汀类药物，有效率只能达到2%。你可以这样思考：要获得美国食品和药物管理局的批准，制药公司必须证明药物是安全的并且适用于大多数人。但你并不是大多数人，你只是你。如果说一种抗癌药会加重一半人的病情而拯救另一半人的生命，那么它是无法获得批准的。
但是数据+AI的个性化医疗能够在患者用药前了解他们的基因构成，那么患者得到救治的概率将大大提升，到时候药物开发和审批的理念就完全不同了。凯文·凯利在《必然：了解将塑造我们未来的12种技术力量》一书中写道：“N=1（只适用于个人的药物试验）的试验在科学上可能是无效的，但事实证明它对个人而言非常有效。从许多方面来说，它都是理想的试验，因为它所测试的变量X是针对你在特殊时间段里的身体和精神状态而言的。谁在乎这种治疗对其他人是否有效呢，你想知道的只是它对你会有什么影响。而N=1试验正解决了这一问题。”正如你可以想象的那样，N=1试验需要与美国食品和药物管理局相适应。
该机构的任务是测试适用于一般人群的药物。看上去，美国食品和药物管理局的整个运作过程需要经历彻底的变革。尽管如此，如果研究人员能够在患者服用药物之前便通过数据了解药效，那么更多药物将通过审批，从而降低药物开发的成本。新型药物将不再具有这样的举证责任，同时，如果开发成本较低，那么即使只有很小的潜在市场也是有利可图的。小型初创药物制造商将有机会快速地为专业化市场开发新药，并成功击败“大制药厂”。最终，医疗保健行业的期望是数据+AI能够针对每个人定制药物。基因数据能够帮助医生找出对特定患者起作用的合成物，之后制药公司便能够为该患者制造一次性药物，而非制造和销售大众药物。
即将涌现的大量遗传和健康数据将对保险业产生巨大影响。在某种程度上，美国关于全面健康保健的政治争论是错误的。政策制定者应当制定针对个体的个性化保险。如你所想，这可能会遭遇很多问题。所有能够帮助医生预测你何时会生病的数据，也可以帮助保险公司预测你未来的健康状况。如今的保险业运转得很好，因为来自相对健康人群的保险费能够补贴支付给病人的高额保费。但如果保险公司能够精确地预测确保你健康所需的费用，那么它便可以根据金额向你收取保费。那应该意味着，关爱自己且几乎没有疾病遗传倾向的人，应该据此缴纳非常低的保费。
吸烟、不运动、基因预示未来可能患病的人需要支付更多费用。一些人的健康保费远远少于另一些人，这可能看起来十分不公平，如何处理好这一问题是政策制定者们需要努力思索的。还有一个需要与保险同时把握的问题：个性化的、预防性的、去规模化的药物应当以更低的成本保证更多人的健康，因为它能在早期轻易地发现癌症、心脏病等疾病，那时候这些病症还较易处理。你公布给保险公司的健康数据越多，你的保费就应当越低，因为数据越多，卫生专家便越有可能提前阻止疾病的发生。是的，这是一个重大的隐私风险，但我们每个人都需要权衡这个风险与我们为医疗健康和保险支付的费用。
不愿意公开自己数据的人最终将支付更多费用，比那些患了病但愿意公开数据的人还要多。这要求我们每个人做出权衡。医疗保健正在从模拟物转向数字化。虽然要复杂得多，但这与音乐等从有形载体（黑胶唱片、盒式磁带）转向数字化（CD、下载文件和现在的流媒体）并没有多大差别。长期以来，聚焦在医生、放射科医师和其他专家的大脑中的关于医学的知识正在转变为数据。医疗保健的全部重点正在从提升医疗条件以保持人体健康，转变为在出现症状之前预防疾病。而且它正在经历去规模化，从扩大大众市场规模的方式，转变为缩小规模、针对个人市场的方式。所有的这些都为通过技术改造根深蒂固的医疗模式提供了大量机会。
结语
时间追溯到5年左右，那时我甚至很少考虑医疗初创公司，而今天，医疗保健已成为我们公司最激动人心的投资领域之一，我们正在看到创新型公司不断将医疗保健产品推向市场。以下是我观察到的一些机遇。个性化健康科技：为了帮助糖尿病患者控制疾病，利沃戈打造了一款像智能手机那样便于使用的无线装置，患者可以通过云连接到利沃戈软件，如果必要的话还可以使用人工服务。仅在美国就有约万糖尿病患者的市场，更不用说全世界还有数亿人患糖尿病，而这只是一种疾病。