2018年平安集團年報顯示的總收入為10821.46億元，歸屬於母公司的淨利潤為1074.04億元。據平安智慧城市聯席總經理兼首席戰略官高孟軒所言，其中的百億元將被劃分於研發支出項，穩步發展之中尋求突破。
這些資金流向了哪裡？平安智慧城市是其重要支流，“智慧城市”的競賽需要源源不斷的投入，才有可能在人工智慧時代先下一城。
營收增幅的極速上升給2019年疲軟的AI市場打了一陣鎮定劑。財報顯示，2017年金融科技與醫療科技業務收入為5488萬元，這一數字在2018年變化為7748萬元，增幅達44.2%，遠超過研發支出項11.0%的增幅。
平安集團收入狀況，隨著上升的是日益增長的收入增長背後的原因值得推敲。兩年時間，平安在智慧醫療佈局的足跡貫穿於巨集觀的城市調控與微觀的單個病種，人工智慧與資訊化是這一佈局的重要支撐。
“未來的醫院將是資料化與智慧化的融合。”高孟軒在採訪中總結道，“平安智慧醫療正向這一目標走去。”
資訊化夯實根基，人工智慧厚積薄發
從整體上看，平安在大健康領域的成就與其佈局方式不無關係。
一方面，平安智慧醫療將目光置於醫院管理，在院外著力搭建智慧醫聯體，在院內輔助醫院智慧化管理；
另一方面，針對醫院本職的患者治療與管理業務，平安智慧醫療也在著力於用AI輔助診療，促進醫療服務的智慧化轉型。
顯而易見，平安智慧醫療的最終目標在於解決醫療資訊孤島化與醫療資源缺乏、錯置兩個問題。
平安智慧醫療佈局從上圖資料來看，平安智慧醫療涉及的客戶包括衛健委等醫療衛生監管單位、院長（醫院管理）、專科主任（輔助診斷等）、患者（隨訪等）。而打入醫院資訊化系統是平安智慧醫療的關鍵一步。
源源不斷的資金注入科技研發，因此平安智慧醫療無需因投資而發愁。但對於人工智慧等前沿技術而言，資金並非是通用的財富，因為患者資料是不可交易的。所以，平安助力下的醫院互聯互通便顯得尤為重要。
一個成功的例子是2019年4月中旬平安智慧城市·智慧醫療與中南大學湘雅二醫院國家代謝性疾病臨床醫學研究中心的合作，雙方在會上釋出了共同研發的智慧醫聯體遠端病房系統，藉助於平安的技術打造包含三甲醫院與基層醫院常態化聯絡的智慧醫聯體，其核心是打通各個醫院層級之間的資料壁壘，實現更有價值的遠端醫療服務。
通過“遠端查房”和“遠端科室會診”等系統應用，上級醫院還能實現對基層醫院的教學延伸，帶動基層醫院學科建設，提高整體臨床醫療水平，為患者提供醫療便利。
慢病管理也被羅列其中，糖尿病患者可先在基層醫院完成常規檢查及資料錄入，智慧醫聯體將根據患者狀況迅速準確地分發至全國各級醫院的專科醫療服務流程中，並以此建立一個通過規範化治療對糖尿病患者進行全病程綜合管理服務平臺，從而逐步搭建出符合我國國情的規範化、標準化代謝性疾病醫治指南，以提升基層診療質控水平。
目前，糖尿病平臺管理患者500餘人，月活躍率70%以上。患者對平臺的依賴程度呈上升趨勢，對糖尿病的認知也得到大幅提升。
全方位醫院智慧管理凸顯AI價值
智慧醫聯體服務於醫院間關係，而院內管理同樣可圈可點。平安智慧醫療於2018年開始了醫療資訊化產品佈局，將旗下基於AI賦能的CDSS系統送至超過50家基層醫療機構。
在前文展示的應用場景，遠在長沙的周廣智主任可方便調閱河南患者的病案，這也意味著伏身基層的系統逐漸展露頭角，成為平安智慧醫療打造智慧醫聯體中的關鍵一環。
在設計系統時，平安智慧醫療的研發人員尤其注重醫生在實際使用時的操作習慣，以確保該系統是對醫生現有流程的優化。
比如，在醫生問詢病情環節，常規情況下，醫生在聽取患者主訴後，會在思考之後向患者提供建議。而有了AI輔助的CDSS系統，可根據患者主訴的情況進行可行性分析，並將結果可能性以視覺化的方式向醫生展示。
針對用藥，這套系統會在醫生確診的基礎上，給出可用藥物、劑量、劑型、頻次等，醫生的工作變成“選擇題”，減少了醫生無謂的精力消耗，對患者病情判斷的準確率也同步提高。
AI輔助科研也是熱門方向，醫療AI頭部企業都瞄向了擁有科研需求的醫學專家，嘗試通過AI輔助醫者進行臨床驗證、資源調取。
高孟軒告訴動脈網記者：“一流醫院的醫者對科研工具的需求日益劇增。業內的大資料處理、結構化成為阻礙不少醫者從事研究的門檻，這既需要專業知識儲備，又需要大量精力付出。同時，研究人員還需瞭解近期文獻釋出集中的領域，以及被採納的概率如何，比如DNA的研究是否增多，哪一位點的基因擁有了怎樣的發展。”
“平安智慧醫療的知識圖譜並非簡單地把儲存文字資訊，而是將資訊結構化，並注入相應的知識節點，為點與點間的節點建立已有的聯絡，挖掘潛在關聯。舉例來說，一位醫者想要了解某一藥物是否有可能作用於某一基因，若他使用平安的知識圖譜，該AI系統會根據關鍵詞從知識圖譜中尋找相應聯絡，如果某一文獻中提到了這一聯絡，系統就會調出相應論文，否則則說明藥物與基因之間沒有聯絡。”
據動脈網瞭解，平安已經建立了藥品庫、疾病庫、處方庫、風險因子庫和醫療資源庫這五大知識庫，涵蓋了50萬的概念，500萬個關係，已是整合完整的知識體系，是全球最大的中文醫學知識圖譜，並以此為基礎建立了首個精準語義理解的醫學智庫——AskBob，可為使用者提供一站式的精準語義醫學知識庫查詢及智慧化臨床決策支援。
AI助力醫療深入患者就診全流程
若將平安在智慧醫療中的佈局鋪陳展開，未免會因為元素太多而過於複雜。因此，我們以診前、診中、診後三個階段進行劃分，探討平安的AI技術在智慧醫療中的價值支撐。
在診前環節，平安智慧醫療主要擁有智慧分診導診、智慧疾病風險預測兩個產品。
智慧分診導診是典型的AI應用場景，以其落地清華長庚醫院的“智慧小庚”為例，這款由醫院與企業共同研發的導診機器人提供了分診、導診、患教問答、隨訪服務，覆蓋診前、診後醫療場景。
其中，“智慧小庚”的智慧分診可通過患者描述的症狀推薦就醫科室；智慧導診能自動回答就診流程、科室位置、醫院或醫師的工作時間、醫保政策、醫院概況五大類醫院導診常見問題；智慧患教問答，能自動回答高血壓、糖尿病的基本科普知識問答，並且還能查詢藥品資訊，包括藥品適應症、用法用量、禁忌、副作用、特殊人群用藥等藥品科普問題；智慧隨訪能根據患者病史智慧推薦隨訪方案，自動發起隨訪，智慧回答患者提問，進行疾病預測和診後健康記錄，針對慢性病人群進行診後管理。
智慧疾病風險預測系統則是基於大資料及AI機器學習技術構建。該系統從大量的特徵中挖掘疾病風險因子，現已覆蓋了心腦血管、糖尿病、呼吸系統疾病等30種慢性病及其併發症的預測模型，從350多萬體檢及電子病歷資料中自動篩選疾病風險因素，採用機器學習方法建立智慧疾病預測模型。
以預測心腦血管類疾病為例，AI不到一週就可以得出多種心腦血管疾病的預測結果，涵蓋冠心病、腦卒中、房顫、心衰和心梗等病狀。
在診中環節，平安智慧醫療的AI產品落足於疾病的篩查、診斷、治療、質控等環節。在用於篩查、診斷的影像方面，該產品現已擁有針對多種模態下的數千種診斷模型，40餘種治療模型，覆蓋人體九大系統。
眼科因其大需求、廣範圍而成為AI入駐的第一方陣。在這一領域，平安智慧醫療的智慧眼部篩查平臺通過對數十萬張眼底資料進行學習分析，針對糖網病變等眼科常見疾病的敏感性已達95%以上，其老年性黃斑變性模型可以自動定位玻璃膜疣並進行相關定量分析。
針對更前沿的OCT影像，平安智慧醫療與美國光視（Optovue）共同研發了一款OCT眼底疾病智慧診斷系統，從開始OCT檢查到患者掃碼獲得智慧篩查報告，整個過程可以在三分鐘內完成。
以復旦大學附屬眼耳鼻喉科醫院牽頭，上海市一院和十院共同參與的多醫學中心臨床前試驗結果顯示，該系統可以出色完成OCT影像質控任務，精準識別絕大多數常見眼底病灶。
運用NLP技術，平安智慧醫療知識圖譜能運用於診中與診後環節。診中環節如CDSS系統中的智慧診斷，在診後則帶入了隨訪市場。
診後的運用主要有患者教育與智慧隨訪兩個方向。針對患者教育，高孟軒表示：“我們的知識圖譜收錄了7000多萬的問答題庫，均由專家進行稽核。患者可以通過家庭醫生的APP諮詢如‘糖尿病患者是否可以吃西瓜？’、 ‘這兩種藥能否一起服用？’等問題，這些問題平時難以找醫生進行諮詢，一些基層的醫生也不一定知道答案，網路搜尋的結果則是五花八門。而平安的智慧醫療平臺可為其提供權威解答。”
智慧隨訪也可通過這一系統進行，“5G時代將更好地推動這一電子版家庭醫生的發展，物聯網將幫助我們更好地利用可穿戴裝置的資料。通過手環，AI能瞭解到患者的呼吸狀況；通過面部識別，AI能瞭解到患者的機體平衡。這些資料將被全部記錄下來，生成風險評估報告給予患者的醫生。”高孟軒解釋道。
通過這一評估報告，醫生將瞭解患者醫從性的程度。如肥胖症患者常常拒絕服藥，感測器顯示運動不足，AI便會為這一患者打上“醫從性差”的標籤，護士便可精準關照，以提升醫從性，提升慢病管理效果。
我國擁有眾多優秀的醫生，只要能根據其需求提供有效的工具，醫生的價值就會得到質的提升。
時至今日，各類醫療創新產品雖已滲透醫院的各個場景，但對於醫學這一複雜學科，以產品為核心的設計理念依舊難以打破醫學與科技間的掣肘，尤其是AI、3D列印等技術，仍需要大量的科研支援，才能改善現有的窘境。
故此，平安智慧醫療與各地衛健委、中國信通院、中國研究型醫院學會、清華大學、中國醫學科學院醫學資訊研究所等機構及科研院所達成合作協議，其目的是從社會這一巨集觀角度出發改善健康產業。
2018年12月，平安智慧醫療聯合清華大學公共健康研究中心釋出了城市健康指數。該指數可基於各地區的健康醫療大資料平臺，從既有資料中挖掘相關資訊，全面評估城市健康狀況。
指數共涵蓋3大維度80項指標，在綜合反映一個城市的生活方式、自然環境狀況，和醫療資源分配情況的同時，還可重點監測近40種主要疾病的發病情況；除此之外，該指數實現所有指標與各地大資料平臺實現實時聯動、動態更新，能夠為城市健康管理提供最及時的決策支援。
傳染病預測便是這一指標的實際運用之一，疾控中心需要更迅速更準確的模型及更迅捷的資訊處理速率對流感等傳染病指數進行優化，以推測流感等傳染病發病週期，及時排程床位、疫苗、醫護人員等資源，為疾控中心提供決策支援，為“群體健康”提供保障。
目前，平安智慧醫療與深圳市疾控中心、重慶市疾控中心進行合作。在過往與重慶市疾控中心的合作過程中，重慶監測資料顯示，應用流感、手足口病的人工智慧預測模型可以提前一週預測傳染病發生情況，流感和手足口病的人工智慧預測模型的準確率均達到86%以上，高發季預測準確率可達到90%以上；應用慢阻肺智慧篩查模型，可大幅減少篩查成本，提高篩查效率。該模型的準確率達到92%。
譬如，對於監管單位而言，醫療質控這一工作，傳統質控模式環節繁多、質控資料的收集於處理、缺乏智慧資訊化管理工具，在如何更客觀、真實、高效反應日常實際工作等情況面臨諸多挑戰。
在“雲質控”理念的前提下，上海市臨床病理質量控制中心、上海市放射診斷質控中心在平安智慧醫療的協作下，將逐步轉變為“線上、自動、實時、動態”的數字化、網路化、智慧化全新模式。
這意味著，平安智慧醫療正在用自己的方式為AI開拓全新的商業模式，從巨集觀出發，為各類疾病預測提供決策建議，這未嘗不是一條可行之路。
平安智慧醫療AI技術的獨特價值
相比於與其他企業，平安智慧醫療歸屬於平安體系，這給予了它創新商業模式的可能，並有望聯動保險行業革新。
隨著現代醫療體系的不斷完善，人的壽命明顯增長，治療用藥支出明顯增加。因此，落後賠付條款下的精算體系已經搖搖欲墜，保險公司亟需更精確的模型來對保險定價進行指導。另一方面，當保險服務模式成型，如何獲得新客戶，打造新險種，同樣需要資料與技術的支援。
這是一個雙贏的內部合作。平安體系為平安智慧城市提供了資金、資料、渠道支援，基於其研發資金支出併成穩定支付方，而平安智慧城市所打造的模型反之為平安保險提供顧問服務，並協助平安打造醫療生態圈。
所以，平安智慧醫療發展科技的價值不僅在於向政府和醫療機構賦能，還在於為平安最傳統的保險業務提供資料、模型支援。在這種模式下，其AI產品無須急於從院方、患者處獲得支付，只需專注於研發與市場鋪陳即可。
匯聚這些優勢，平安智慧城市已經在醫療走出了距離，但從資訊化、人工智慧智慧共同出手的也並非平安一家，BAT等網際網路巨頭也前赴後繼，智慧城市是大勢所趨。
最終，平安智慧城市是總就是走出純粹“輔助”的路線，還是能在智慧城市中獨當一面？一切還需要時間去慢慢證實。