马素锋：是不是很美，有什么问题吗？都没有，谢谢刘杰。最后一块的演讲由我和大家来分享一下，医学数据往深走可以做什么事，我今天可能更集中在一个病，其实有一点我特别想要跟大伙儿一个概念，在医药领域谈到数据谈到什么？到最后我甚至都觉得不存在一个医药领域，落下来的都是哪个病，具体这个病什么样，有什么病人，有什么医生，他到底怎么做决策，都有一个单独的市场，今天更关注的是一个，就是脑卒中，都有哪些数据，都能做什么事。

医疗是一个特别大的需求，就是整个决策，所谓的智能这件事，我们如果看一下其实任何一个疾病，都会有这么几个不同的阶段，在每个阶段我们都会说如果我有数据可以做什么，黄色星号这儿，在今天临床，在今天整个医疗都非常需要有数据的支持，有更智能的支持，因为有一件事，三十年，无论是从国家，无论是从药企，投入非常巨大，目的是想把中国临床的水平提高，有一个结论，三十年下来这样的提高没有什么成效，我们临床水平并不是特别高，实际上所有期待说智能化，未来数据产生的这些东西，能够帮助我们临床水平提高，这是特别大的一步。我看到说得病这件事，有很多数据都可以看到，政策上智能医疗是国家战略非常重要的一块，我们前一阵找过医生说，来测一下医生未来用这些东西的，他们怎么看，今天不到三分之一的医生对这些概念有了解，对这些东西已经很期待，他们知道未来可以帮他们什么东西，我觉得客观环境也是，都是说非常好再准备往前走。现在起步了，过去两年各位都听到了各种非常大的说法，医院数据拿过来我们帮你处理一下，目前这样的公司融资都已经七八个亿了，大家看到医疗行业未来大有可为。真的要做这件事，其实困难非常大，医疗行业的数据是最缺的，其实到今天，在中国我都不知道我跟一个医生宣传了某个产品之后，他做的决策是什么，没有任何数据能告诉我这一点，我都不知道他这样做完之后，到底哪个患者会用我的药，用不同的药，用不同的方案，我不知道，所以今天收到的数据，我只知道这家医院上个月进货进了五百箱这个药，具体卖出去多少说实话我不知道，因为中间可能有退货，我们在谈精准营销，我们跟医生说了很多东西，根本不知道产生了什么效果。我要想分析真正患者在这个过程中有什么，我想把病历拿出来这都是违法的，即使在医院里边，也有医生的病历，也有影像科的影像，还有各种各样的资料，医生内部都没有整合，所以数据这个问题实际上在今天基本是一个无解的问题，我们需要的东西又非常多，关于人的方方面面，所以这是第一个挑战，未来怎么走。

其实整个这件事当数据限制你的时候，我们谈算法说实话就很难，再谈深度学习，真正的智能，我觉得更是路漫漫再看，当这个事真的能够实践中，能够帮医生，我觉得这条路我们只是继续前行。医疗数据都会帮助哪些东西，我们今天说医疗数据有在某些地方，尽管我拿不到，其实医院的病历、各种检查结果这就是，但是一个人的健康，你的遗传因素，各种基因的信息，其实还有跟健康很相关的环境，这个气候，你的心态，你的生活环境，你的生活状态，都有影响，到最后这些数据说我都能收来，会是一个非常大的工程。拿来之后你会说我怎么整合，怎么分析，大概才谈得到，这是后面的挑战。于是我们看到说现在也在收很多，关于医疗我试着解释一下，这是各种能有的数据，我相信在这个行业有谁说这些都可以全拿到。总的这两点未来在这方面要有进展，一定要能够克服，第一个就是说整个数据能够整合，第二个就是对接，因为真正的智能化永远不是一堆死的数据做出一堆模型来说的事，一定要是能够不断地进化、学习，我觉得第二个难点更多的是说未来这一块怎么数据打通，这是一个更大的挑战。

所以有很多的困难，但医疗智能真的是很需要的，所以我们也是问医生说，大伙儿认为这个事能不能来？所有医生都说可以的，我们说有几个很大的问题该怎么来解决，前面一块就是应用场景，什么样的场景你希望怎么用，我们看到大多数的医生第一个是工具，帮我做监测，帮我把这些东西用好，帮我把药的名词都呈现好，医生的诉求一定是这样先要帮我，这是很符合现实的，其他的帮我做完之后帮我审，看看我给病人开的药对不对，看看我这个处理是不是合规，看看我这个会不会有什么风险，看到的是说前面帮我把事情做好，后面帮我审，实际上机器这两个都能做，就是我们一般理解的机器人医生。现在90%的医生说患者没问题，用这些东西患者不会有任何的问题，更重要的说找谁收钱，医生说第一肯定不是找我收钱，或者找患者，或者找医院，但是有一个很好的实际上大多数人说你是可以收钱的，还不错了，可以往前走。

这一块分享的是脑卒中，脑卒中这个病很大，其实这是脑梗，各位可能都听说过，每年1600万患者，这个病很急，住院三小时黄金期，到医院赶紧做，要不然会瘫会死，后面稳定了之后出院一生都要带病生存，这是非常大的问题。我们试着在做什么？在住院一般都是两周，在这个过程中有很多预防要做，然后就是出院之后这一辈子各种各样的防，防什么？防未来复发的风险，智能化这件事支持医生决策，我们所有的都是在做风险的预判。第一个数据收集到一个非常大量的脑卒中数据，超过百万患者，在各种状况下的各种治疗、各种的复发，我们自己建立了一个系统，能够把闭环的学习功能打通。然后拆出来各个决策点，对每一个决策点我们想做的，就是这个决策整个算法模型构建、学习的过程，到最后风险预判评估，然后提出的决策参考，基本上把这个过程打通。举个例子，比如说一个挑战，这是急性期送到概念，如果满足溶拴的条件去做溶拴，我们国家平均的致残率70%，如果做溶拴致残率10%都不到，这是一个双刃剑，这个药剂量大了基本上脑出血的风险会增加，剂量小了这个事等于没做。我们找到了从整个数据看不同病人的哪些因素，和整个做下来的结果，可以做到针对每一个具体的患者，我们会有一个更精准的，对他出血获益风险的判断，给医生做参考，第一要干什么，第二如果溶的话多大的剂量可以出血少获益大。我们就把每一个患者的动态血压做到不同的类别，然后告诉你他的血压管理怎么去做，这就是我们试着在实践说把整个事往前推。

我们谈到数据大，用处不止一个，这是我们另外一个方案，也是从这套数据里拎出来说住院治疗这方面信息比较全的，拉出来三十万，我们来看一下回答市场部的问题，一个患者从进院检查确诊治疗，到出院整个的这个过程都做了什么，这样大的数据，涉及到这几个情况，在这个过程中只想说肾衰这个问题，到底哪些因素会影响医生治疗决策的选择，这个数据是建立在18万实际决策的基础上，我们进行各种数据的挖掘和分析，来判断到底有哪些因素，这时候拿着它我们可以看到非常清晰的，所有的这些到最后普通的患者用到哪个药，到底哪些因素是影响他到最后用这个药的原因。你看到的医生实际在做某一个决策的时候，是哪一个所谓的医学信息会影响到他对这个患者最终的用药选择，是在这儿，我们会把这些列出来，所以什么东西影响？于是你看到的很多时候，其实做不做到最后一个很重要的影响，这人看着有钱没钱，这个结果会直接影响到医生抗衰怎么做。第二个大的影响因素是说住院的时候，脑卒中有一个NIHSS评分，这和得分没有关系，是这个医院做了没做，这是医院的规范化，于是反倒是找出来影响最大的两个因素和病没关系，一是这家医院管理流程有没有规矩，第二个是医生怎么看待他的患者，我们得到的答案是95%的病人说，我从来不考虑，医生在这儿让我做检查，让我做什么我做什么，记住这个回答无论病人在什么样的收入区间，包括百分之百我听医生，医生竟然给我们漏掉了那么一个机会，人家家庭月收入哪个医生真的知道，这是一种观念，我觉得这些都是挖出来给药企在说，我们跟医生在沟通的时候，不光要讲你在病上，医生想法对他决策的影响也要关注。甚至像这个，入院48小时都不能走，下肢一定有问题，即使在这样的问题下，第一影响还是这家医院操作规范不规范，你看到实际大样本数据出来，我们还看到什么？同样记住南京市、南通这样的医院，做房颤患者的血栓预防是很重要的，同样是三甲医院，我们看到一家医院是96%给患者全做，另外一家只有7%在给患者做，到最后的结果说医生水平不行，其实都不错，整个系统规范执行规则不同会造成这么大的影响。你说我们对整个应用，像这个基于医学数据能够对现实世界的应用做出科学评估，我们只要要求医生在填写病历的时候把流程都写清楚，到最后造成的结果就是整个患者获益指标显著提高，这是多少药都很难做到这样的患者显著获益。

还有一个今天越来越说真实世界研究，这一块做的很多了，各个领域都有很多，我也就不再多讲了。实际上可以看到，我们在实际数据对市场的洞察、智能医疗、现实世界研究这三个方面，延伸出来可以做很多东西，我也很期望当把药企的营销数据和实际行为相结合，未来探索的东西要比今天做到的要多得多，我觉得医药行业对数据集合真的是必要的，需要做的事，无论从营销到医学很多问题，由于数据的缺乏都还没有做，今天听到其他行业各种探索，都想有一天用到这里面去，像脑卒中一个病一年就四千亿，很大的，所以值得跳进来，我觉得未来各种方法在这个行业都大有作为的，这就是我今天给大伙儿的分享，谢谢。

正好也12点了，我们下去用饭，下午准时开始，谢谢大家！