医疗卫生是一个高度复杂、难以变革的领域。
转型必须回应对更多疗法、可扩展性、医疗卫生公平、成本、数据隐私以及医疗卫生领域人工智能的需求。
要让转型解决这些问题并具备可持续性，医疗卫生必须从管线式商业模式转向平台化模式。
几十年来，世界各地的医疗卫生服务在可及性和质量方面一直存在不均衡。尽管患者、服务提供者和支付方都在呼吁变革，医疗卫生领域总体上仍抵制外部颠覆性变革。
因此，要推动转型，我们必须首先改变思维方式。我们必须从传统的线性管线式服务模式思维转向平台模式，将纵向医疗数据、生产者和消费者汇聚起来，共同创造一种全新的医疗卫生范式，从根本上改变我们提供医疗卫生服务和推进疗法发展的方式。
为此，我坚信，梅奥诊所等医疗卫生服务提供者有责任与互补型合作伙伴携手，引领以患者为中心的转型。我们每天都与患者共同权衡医疗卫生决策中复杂的情感因素和数据驱动因素；转型不仅要解决可及性、成本和质量问题，也要回应可扩展性、公平、数据隐私以及人工智能（AI）在医学领域日益显现的作用。在梅奥诊所，我们推动医疗卫生转型的新型载体是梅奥诊所平台，它或可成为全球医疗卫生转型的蓝图。
医疗卫生平台的独特架构
医疗卫生平台不能照搬其他领域的模式。我们必须从底层开始构建医疗卫生平台，其架构必须调和看似矛盾的要求——在全面保障患者数据安全的同时，通过广泛开放数据来推动创新。
梅奥诊所平台以全新的数字化基础设施为起点，兼具灵活性与高度安全性。我们的云端平台拥有全球规模最大的纵向临床数据集之一，采用经过认证的去标识化数据进行联邦学习：我们没有像通常那样将数据发送给工具，而是反向操作，将算法工具带到去标识化数据所在之处（见下图1）。这一架构构筑了一道“玻璃墙”，让外部合作方能够访问数据以推动医疗卫生进步，同时确保数据绝不离开平台。因此，患者及其数据隐私权始终得到优先保障——这是维护患者对平台赋能的医疗卫生体系信任的关键要求。
借助平台推动创新、扩大可及性并拓展知识规模
医疗卫生平台支持汇集并协调不同的临床和非临床数据，使我们能够治疗更多人，将人和数据联系起来以创造新知识，并通过开发经过验证的新型端到端算法及其他创新解决方案来变革医疗卫生、改善护理。
在我们的实践中，医生和研究人员与谷歌、nference等外部合作伙伴携手，利用海量数据资源开发算法，帮助预测并及早识别心血管疾病、乳腺癌、胰腺癌、神经肌肉疾病以及焦虑/抑郁，旨在改变个体患者的疾病进程。我们也在开发其他人工智能应用，以减轻重复性临床和行政工作的负担。
展望未来，我们乐观地认为，应用数据、分析技术和技术手段将改善医疗卫生，使其更加普惠，让所有人都能更方便、更负担得起地获得服务。我们开发心电图人工智能算法的工作就是一个例子。我们相信，在不久的将来，只需很低的成本，智能手表或任何低成本单导联设备就能运行多种人工智能算法，监测人们是否患有15至20种无症状疾病。这样，我们就能大规模筛查人群，及早发现疾病并进行干预。另一个可推广的例子是一种算法，它能将临床医生设计复杂头颈部放射治疗方案所需的时间从17小时缩短到1小时。我们预计，未来几年，世界各地将有更多医院凭借来自我们平台的临床知识流，诊断、管理和预防复杂疾病。
让医院走近患者
从管线思维转向平台思维，也能扩大远程护理服务规模，包括我们在疫情期间依赖的居家住院模式。据估计，40%的服务提供者将在未来三年内将20%的医院床位转移到患者家中。
在新冠疫情暴发初期，我们推出了“居家高级护理”（ACH），由梅奥诊所的服务提供者全天候待命，并由当地医疗卫生合作伙伴网络定期上门，为患者在家中提供全面的医院级护理。该项目与我们的合作伙伴 Medically Home 携手，统筹居家住院护理所需的各项要素，结合技术、服务提供者网络和临床专业知识，满足每位患者的需求。通过 ACH，我们将再入院率降低了一半，这意味着患者在我们的医疗机构停留时间更短，有更多时间与家人相伴、享受生活。我们正与凯撒医疗集团和 Medically Home 合作，扩大这一护理模式的规模，并成立了广泛的“居家高级护理联盟”，推动其可持续扩展。ACH只是未来医疗卫生体验的一部分；未来将利用多种数据输入，在数字化护理与传统面对面护理之间实现无缝衔接。
借助平台改善公平性
人们有充分理由担忧，在医疗卫生平台的数据集上使用人工智能可能会加剧差异。反过来说，以符合伦理且经过验证的方式使用人工智能，并结合平台思维，则有望让全球许多服务不足的人群公平地获得医疗卫生服务。
作为梅奥诊所平台的一部分，我们建立了一套流程，对开发并实施的每种算法进行验证，确保其适合预定用途。我们与美国医疗卫生服务提供者及跨行业合作伙伴共同成立了“医疗保健人工智能联盟”，旨在制定指导原则，通过可信、透明的医疗人工智能系统，为所有人提供高质量医疗卫生服务。该联盟的一项成果是算法标签模型，用于说明开发每种算法所用的数据、算法对特定人群的效用和局限性——例如，仅使用女性数据训练的算法可能并不适用于男性。数据标注项目旨在通过增强对人工智能算法的信任和透明度，提高其可信度、公平性和包容性，并确保最终用户了解算法是否适用于预定用途（见下图2）。
从管线思维转向平台思维，为变革医疗卫生带来了巨大希望，也能提供必要的灵活性，帮助我们更好地应对下一场必然到来的卫生危机。过去两年，我们展示了平台思维在医疗卫生领域的潜力、适用性和可扩展性。如今，我们需要政府、生物技术和制药企业、非政府组织以及医疗卫生服务提供者大规模采用这一模式，并设置障碍，防止倒退回管线思维。平台思维将帮助我们预测和预防疾病，为居家患者提供医院级护理，并扩大临床知识的传播范围，让世界各地偏远地区的不同人群都能受益。这就是我们此刻共同创造的未来：平台革命终于进入医疗卫生领域。
