用AI帮助医院进行数据决策，AnalyticsMD是如何实现的？
随着人工智能在各领域的应用逐步展开，动脉网将（微信：vcbeat）对海内外AI+医疗健康领域就典型案例、投融资情况、产业内布局作出系列报道，供业内投资人、创业者参考。
本篇为读者介绍的是一家提供医院智能决策分析系统技术的初创公司，该公司专注于解决急诊室、手术室等系统的运营挑战，使用实时数据追踪、分析、预测和优化医院业务。
人工智能的未来是创造具有深度学习（Deep Learning）能力的机器算法。传统的人工智能系统只是基于人工编程，而像谷歌DeepMind公司会教计算机像人类一样去思考问题，对数据进行深度的分析，从而能够解决更多实际问题，这在医疗健康领域体现得尤为突出。
收集庞大复杂的医疗数据，通过独特算法对大数据的进行分析，给医院管理者、医生以及护士输出辅助性的决策信息，可以帮助医疗机构在医疗效果、病人安全、成本优化以及医院系统管理效率上得到提升。众多的创业者，瞄准此机遇，试图搭借人工智能这趟快车提高病患和医院之间的看病效率，AnalyticsMD就是其中的先行者。
AnalyticsMD是一家提供医院智能决策分析系统技术的初创公司，成立于2013年，总部位于加州帕罗奥图，由Mudit Garg、Brent Newhouse以及Ian Christopher三位创始人共同创办，团队具有丰富的医疗健康以及大数据处理领域经验。
创始人兼CEO Mudit Garg曾在Mckinsey&Company医疗保健部门工作，是个资深的技术工程师。在创立AnalyticsMD之前，也有过一段成功的创业记录，创建了Vdopia公司，是印度最大的在线视频网站之一。Mudit Garg深信科技可以帮助我们更快地解决实际的问题，为生活带来便利。
Brent Newhouse毕业于斯坦福大学商学院，与Mudit Garg曾共同就职于McKinsey & Company，主要从事商业分析以及研究，对于新的商业模式有独到的理解和敏锐的嗅觉。
从McKinsey & Company离职后，在谷歌担任商业营运及策略助理，两年的工作经验让他负责AnalyticsMD的CSM时，在商业模式和策略上更能准确找到合适的洞察和切入点。
作为团队的技术大咖，Ian Christopher在罗彻斯特大学是就是个典型的学霸，主要研究机器的深度学习算法，获得过Rush Rhees奖学金，以及ICPC竞赛2010年的冠军，先后在谷歌和微软从事软件工程师工作。
从2011年9月开始，花了三个月的时间开启一个自动为专利分类的数字项目，使用一些机器学习技术（NN，SVN等）自动为专利分类，这与AnalyticsMD的数据处理智能算法有共通之处。Ian Christopher的丰富的经验正是AnalyticsMD走向人工智能化道路需要的。
面对传统医院管理方式效率低下，大量资源被浪费的现状，AnalyticsMD专注于解决急诊室、手术室等系统的运营挑战，使用实时数据追踪、分析、预测和优化医院业务。
在美国，每年在医疗上的开支接近3万亿美元，占GDP比例超过18%，不过更为痛心的是7500亿美元是浪费的，比如一个手术室即使不做手术，成本也是5000美元/小时，医疗资源浪费是一个顽疾。因此如何提高医疗服务效率是政府头痛的事。
最重要的是，医改牵一发动全身，2010年签署的奥巴马医改法案(ACA)，其中提出的一项措施便是，进行支付方式改革，以按价值付费代替传统的按服务项目和服务数量付费，而且据估计，到2020年，将近80%的美国医院将采取按价值付费的医疗模式。改革后的支付方式在成本控制、服务质量、服务效率上要求更高，这无疑驱动了市场对于提高治病效率以及服务质量医疗新技术的渴望。
那么另一方面，医院的实际就诊体验又如何呢？由于没有智能的医疗健康系统，经常会出现病人在急诊室门口等待几小时却无人医治，或者医护人员和病床资源空闲时，却无人可医的情况。联合创始人Brent Newhouse解释道，团队初创时就果断捕捉到“医院急诊室”这一入口，为医院做大数据分析整理，方便患者及时准确就医，缩短就医等待时间，同时，医院也大大提高服务效率和资源利用率。
不仅是普通的连锁医院，顶尖的医疗机构，比如雪松西奈医疗中心、斯坦福儿童医院、梅奥诊所，甚至已经实施计算机化医生医嘱输入系统（CPOE）数字化程度很高的卡米诺医院，管理者和前线的医护人员每天依然要数面对数以千计的诸如怎么配备人员、手术室占用时间预估等问题，因此整个管理和看病流程效率很低，对医生的经验要求很高。
而目前AnalyticsMD开发符合HIPAA标准的Saas系统已经广泛用于旧金山的医疗机构，它从美国政府医疗网站收集详细数据，美国所有接受医疗保险以及医疗补助基金的医疗机构数据都汇聚于此。利用实时分析的saas平台分析这些数据，可输出辅助性的推荐信息，帮助医院管理者、医护人员决策。
如何将得到的庞大数据进行分析，输出直观和具有参考指导意义的结果，减少医疗资源的浪费，是考验AnalyticsMD的一道难题，也是其差异化竞争的优势所在。
AnalyticsMD帮助医院建立saas系统有两个目的。第一可以让医院的管理者时时掌握目前的工作状态和进度，做出更好的选择，不落后于其他同行。另一个目的就是提高病人和医护人员看病的质量和效率，比如医护人员和病床之类的资源可以在空出来的第一时间被利用，防止出现那种病人在急诊室门口无人医治的情况。还有，只要使用了AnalyticsMD开发的系统，利用系统分析的数据，就可以得到类似如何让病人避免遭遇治疗瓶颈的建议等。
以往，能否减少医疗开支决定因素在于前线的医务人员、临床医生以及护士，他们的经验是决定成本和服务水平的关键。现实情况是，他们得不断地处理一个又一个的紧急病例，根本没有时间去研究繁多的病例图表来提高效率。
有了AnalyticsMD开发系统自带的DecisionOS之后，情况就有了变化。从医院自身的EMR系统提取大数据（兼容大部分主流医院的EMR系统，数据经过加密处理符合HIPAA），通过机器算法处理，系统自动分析、监测和预估，给临床医生提供最合理的建议，帮助他们在合适的时间内给病人提供最合适的治疗和服务。
医生不需要再去反复研究那些繁杂的病例报告等数据。结果是，无论在病人的安全性、满意度和医疗成本控制上，都有效得到解决。
通过大规模的机器学习预测，经过分析后的一些指标，如病人的停留时间和数量，可视化的数据将提供给医护人员更多辅助。根据每家医院服务病人的相关数据，分析出如病房或手术室不足等问题的原因，从而帮助管理者优化医院的资源配置。
市场是巨大的，投资者的嗅觉也是敏锐的。在医疗领域的投资也从之前的可穿戴设备、远程医疗，转移到数字疗法以及专注于医疗效率提升的初创企业上。从2013年春季初创开始，就受到非营利性孵化器StartX 的关注。
2014年12月，AnalyticsMD已经获得YC 12万美元投资，2015年4月份，又获得Fenox Venture Capital、FundersClub、Safa Rashtchy三家机构投资。截止2015年5月，已经募集到超过72万美元的投资。
如何做到数据分析的实时反馈呢？其核心是DecisionOS——不断演进的智能算法系统。通过大范围且完整的数据收集，比如电子病历系统、出住院登记系统、床位传感器数据、紧急电话数据，甚至外部的天气、季节性疾病以及当地可能对医疗决策有影响的热门事件，精密的算法分析后，首先能够第一时间了解和判断医院的运营情况，如果发现问题，系统能够迅速地分析造成的原因，同时给出最佳的优化和处理建议，方便管理者可进行资源的调整和重新配置。在内部测试中，预测结果的准确度基本上都在90%以上。
DecisionOS分析出来的辅助性决策或者预警性信息会通过手机短信或者电话的形式发送到医生以及护士的手机上，方便他们及时调整策略。
在收费上，AnalyticsMD根据医院不同的医疗项目，核算出业务功能的计算复杂程度，核定后按照季度收费的方式。由于saas系统无需其他硬件成本，加密处理后的数据安全性高，对于提升医院运营效率效果明显，技术的进步带来的是实在的便利。
在未来的医疗保健领域，AnalyticsMD必须要在成本上做好控制，才能大范围的被采用，以最低的成本达成最好的预测和分析效果，这才是企业的发展之道，其他的都是噪音。
欢迎个人转发到朋友圈
网站、公众号等转载请联系授权
liu.d@vcbeat.net
动脉网，“未来医疗”服务平台
投稿：tg@vcbeat.net
授权：xi.n@vcbeat.net
动脉网所刊载内容之知识产权为动脉网及/或相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。
关注动脉网官方微信号：vcbeat或长按二维码