2018年5月4日，成立仅4年的平安好医生就成功登陆香港联交所，这标志着平安集团在医疗领域又跨出了坚实一步。

近几年，金融资产和大医疗健康成了平安集团的两大核心聚焦。在平安科技总经理助理兼智能医疗中心负责人高孟轩看来，医疗有三个“P”，第一个是谁付钱，第二个是病患，第三个是医疗机构。而平安集团在这些方面布局已十分丰富。在支付方面，平安作为一个保险起家的公司，商业保险业务就是一个支付方；在病患方面，平安集团线上有平安好医生，线下的万家诊所目前已为六万多家诊所提供软件服务。

但这些更多是从互联网角度切入医疗，怎可能满足平安集团的“野心”。

2008年，平安科技作为平安集团的全资子公司成立，为集团提供全面的技术外包服务，成为了平安集团的高科技内核。在医疗领域，平安科技着重发力智能医疗，运用AI、大数据、云等技术手段为传统医疗场景注入智能内核。

为进一步了解平安科技在智能医疗领域的布局情况，近期，亿欧大健康专访了平安科技总经理助理兼智能医疗中心负责人高孟轩。

打“组合拳”，不同医疗场景需求各异

2017年3月，“人工智能”被写入政府工作报告； 7月，国务院印发《新一代人工智能发展规划》，指出要围绕教育、医疗、养老等迫切民生需求，加快人工智能创新应用，为公众提供个性化、多元化、高品质服务；12月，工业和信息化部又印发了《促进新一代人工智能产业发展三年行动计划（2018－2020）》。

政策对智能医疗的态度显然是不断在明朗，这就使得资本和企业纷纷进入到智能医疗领域。对于智能医疗核心业务的制定，在高孟轩看来，主要要考虑医疗场景，不同的医疗场景有不同的需求。现在医疗场景主要有两个，一个是基层医院，一个是大医院。

在基层医院，面临的主要问题包括：第一，就诊压力大。据了解，目前中国一年有80亿人次就诊，其中有50％以上就诊发生在基层，一些门诊医生一天要看一百个以上的病人，高强度的工作导致医生急需减负；第二，基层医护人员的技术水平存在不足，在这个场景下，就需要有相关的技术来帮助医生进行诊断和治疗推荐。

而在大医院，更需要划分诊前、诊中和诊后三个环节，不同的诊疗环节有不同的需求。在诊前， 医院希望通过一些问诊和导诊，提高患者在诊前的就医体验。在诊中，医生面对不同患者又有不同需求。面对普通患者，医生需要借助技术来提高病理筛查的效率；而面对疑难患者，怎样通过更好的预测技术和诊断技术，提高这些病人的存活率，这才是医生需要的。在诊后的随访环节，医生需要机器人来帮助其进行简单的随访，以解决医生时间不足问题。

智能医疗，切入整个就医流程

从人工智能的应用场景来看，据亿欧智库的分法主要分为解决诊断、治疗、医疗流程辅助、健康管理、药物研发、医学科研平台这六方面。

对于一般的创业公司来说，可能在智能医疗的切入上仅仅是某一方面。影像辅助诊断领域由于痛点明确、解决方案清晰，目前已是人工智能医疗创业企业的聚焦领域。以中国第一大癌症肺癌为例，几乎60％的智能医疗创新企业都在从事与肺癌相关的智能影像辅助诊断，通过人工智能自动识别肺癌CT片子里的肺结节来对肺癌进行早筛，大大地减少了医生的工作量，不少公司对恶性肺结节的判断准确率都超过90％，大于了普通大夫的判断水平。国内的推想科技、深睿医疗、零氪科技等等都是这个领域的深度玩家。

但对于平安科技来说，平安科技是切入到了整个就医流程中。以Al为核心的“AI＋医疗保险”和“Al＋健康预警”成为了平安科技在医疗领域的核心业务。其中AI在医疗保险的应用主要体现在理赔时候的反欺诈和风控；Al＋健康预警主要包括对公共卫生监控，帮助医生进行诊断，个人健康管理及医疗协助三方面。

这是平安对比起其他公司凸显的优势。“之所以能做整个流程，一方面是平安本身体量大，另一方面对于医院来说，他们需要的是一个系统的解决方案，而不是一点工具。前期医院在尝试阶段，每一家小公司也都来，任何行业都是这样的，最后就会大浪淘沙，能够提供比较全面的整体解决方案的公司会生存下来。你如果只是一点点小工具，慢慢地这个公司就撑不下去了。”高孟轩说。

具体来说，在疾病预测方面，平安科技现在已经和政府及各级卫计委合作，进行疾病预测，这是对公共卫生资源的合理调配，如预测流感概率，对肿瘤、慢病、高血压、糖尿病做发生率的预测等，对政府工作有巨大帮助。

今年，深圳市卫计委就与平安集团签订了合作协议，双方将在健康医疗大数据的研究和应用方面展开深入合作，共同设计“3＋1”预测模型，预测居民的高血压、糖尿病、恶性肿瘤3种慢病的发生和流感指数，提高疾病预测水平。

在智能影像辅助诊断方面，CT、超声、核磁共振等目前是平安科技运用最多的智能医疗技术，让机器能像医生一样去阅读影像，寻找里面可能的病灶并进行分级。其中平安科技的“肺结节检测”和“假阳性筛查”技术相对已经成熟，今年年初，这两项技术还在国际权威评测LUNA排行榜上刷新了记录。

在实际落地方面，平安科技目前已和近百家医院达成合作项目，覆盖超30种AI疾病模型储备、2亿患者、6亿潜在筛查人群。