第七百九十九章一点小小的未来震撼
第799章一点小小的未来震撼
首先是降低成本。
从医疗本身讲，医疗成本高有两个重要原因。
一是药品的研制周期长，费用太高；
二是医务人员培养的成本太高。
现在，全球新药大部分来自美国。
而美国一款新药从研发到上市需要20年的时间，在这个过程中需要投入20亿美元。
而美国专利法，从申请之日算起，整个专利期只有20年。
但专利的申请，并非是药品上市的那天才开始计算，而是要早于药品上市十几年。
也就是说药品上市后，受到专利保护的年限只有几年。
通过我们对强生、罗氏、瑞辉等药企的综合调查，一款药物能够享受专利保护的时间，通常只有7年。
也就是说如果新药能顺利研究出来，也只有七年的独家销售以赚回成本。
所以，每一款新药都非常贵。
而培养一名专科医师，在美国需要13年。
在华夏，成为一名主治医师，大专生和本科生需要10年，医学硕士要9年，医学博士要8年。
从投资回报的角度讲，既然时间和金钱的投入都如此巨大，他们必然有高收入才合算。
那么我们怎么用人工智能改变医学行业呢？
举一个例子。
我们很自然的认为，看病要找有经验的大夫。
他们的经验的累积，就是一通过病例学习的过程，而人学习再快，也快不过计算机。
一个放射科大夫一生阅读研究的病例很难超过10万个。
但计算机很容易就能从上百万病例中学习。
相比医生，计算机在诊断和做手术等方面有三大优势。
首先，它们漏判和失误的可能性非常低，也就是说他们能成功发现一些医生们忽略的情况。
其次，它们的准确率很高，而且随着数据量的增加，提高的非常快。
最后，也是人所不具备的，这些智能程序的稳定性非常好，它们不会像人那样受情绪的影响。
而这些智能程序的成本，通常不到人工的百分之一。
有了强大的医疗人工智能程序，再配合医疗机器人，就可以让远在偏远县城的病人，享受顶尖的医疗服务。
从而解决医疗资源不均衡的问题。
最后我们再来讲一下人工智能对医药行业的改变。
今天，人类在癌症方面投入的资金比阿波罗登月或者语音识别要多的多。
但为什么癌症依然很难根治呢？
因为癌细胞是动物和人自身的细胞在复制的过程中基因出了错，而非来自体外。
也就是说癌症是基因病，而非病毒。
今天最有效的治疗癌症的方法是，使用基因技术研制出的抗癌药来治疗。
从机理上讲，是找到病变的基因，并且把相应的癌细胞杀死。
不过。
不同人即使得了同一种癌症，其癌细胞病变的基因也未必相同。
因此一种抗癌药可能对某些病人管用，但对其它病人不管用。
实际上，大部分医生在给癌症患者用药时，需要对患者进行基因比对，以确定是否能用某种抗癌药。
治疗癌症第二个难点，也是最根本的难点在于癌细胞本身的复制也会出错。
这一点并不难理解，基因在复制的过程中出了一次错，就会出第二次。
这样一来，原本管用的抗癌药就变得不管用了。
在抗癌药杀死癌细胞时，未必能把所有的都杀死。
剩下哪怕只有一个癌细胞未被杀死，它依然可以迅速繁殖，并且可能出现新的基因突变。
所以我们通常会听到这一类故事。
某个患有癌症的亲友，已经将病情控制了很长时间，突然一夜间复发，而且药物不起作用，很快便离世了。
这里面的原因就是基因的变化，让原有的抗癌药不灵了。
由于癌细胞基因的突变和人有关，而且可能一变再变。
因此想要彻底解决问题，就需要针对不同的患者设计特定的抗癌药，而且要根据患者癌细胞每一次新的变化研制新药。
也就是说，只要这个研制新药的速度，能够赶得上癌细胞的变化。
那么即使不能彻底杀死所有的癌细胞，患者仍然可以长期和癌症共存。
从理论上讲，这种方法是可行的。
但这样做的成本太高。
首先，要有一个专门的研发团队，围绕着每一个患者进行药品的研制，而且研发速度还要足够快。
请收藏本站：https://www.tk2.org。笔趣阁手机版：https://m.tk2.org
首先是降低成本。
从医疗本身讲，医疗成本高有两个重要原因。
一是药品的研制周期长，费用太高；
二是医务人员培养的成本太高。
现在，全球新药大部分来自美国。
而美国一款新药从研发到上市需要20年的时间，在这个过程中需要投入20亿美元。
而美国专利法，从申请之日算起，整个专利期只有20年。
但专利的申请，并非是药品上市的那天才开始计算，而是要早于药品上市十几年。
也就是说药品上市后，受到专利保护的年限只有几年。
通过我们对强生、罗氏、瑞辉等药企的综合调查，一款药物能够享受专利保护的时间，通常只有7年。
也就是说如果新药能顺利研究出来，也只有七年的独家销售以赚回成本。
所以，每一款新药都非常贵。
而培养一名专科医师，在美国需要13年。
在华夏，成为一名主治医师，大专生和本科生需要10年，医学硕士要9年，医学博士要8年。
从投资回报的角度讲，既然时间和金钱的投入都如此巨大，他们必然有高收入才合算。
那么我们怎么用人工智能改变医学行业呢？
举一个例子。
我们很自然的认为，看病要找有经验的大夫。
他们的经验的累积，就是一通过病例学习的过程，而人学习再快，也快不过计算机。
一个放射科大夫一生阅读研究的病例很难超过10万个。
但计算机很容易就能从上百万病例中学习。
相比医生，计算机在诊断和做手术等方面有三大优势。
首先，它们漏判和失误的可能性非常低，也就是说他们能成功发现一些医生们忽略的情况。
其次，它们的准确率很高，而且随着数据量的增加，提高的非常快。
最后，也是人所不具备的，这些智能程序的稳定性非常好，它们不会像人那样受情绪的影响。
而这些智能程序的成本，通常不到人工的百分之一。
有了强大的医疗人工智能程序，再配合医疗机器人，就可以让远在偏远县城的病人，享受顶尖的医疗服务。
从而解决医疗资源不均衡的问题。
最后我们再来讲一下人工智能对医药行业的改变。
今天，人类在癌症方面投入的资金比阿波罗登月或者语音识别要多的多。
但为什么癌症依然很难根治呢？
因为癌细胞是动物和人自身的细胞在复制的过程中基因出了错，而非来自体外。
也就是说癌症是基因病，而非病毒。
今天最有效的治疗癌症的方法是，使用基因技术研制出的抗癌药来治疗。
从机理上讲，是找到病变的基因，并且把相应的癌细胞杀死。
不过。
不同人即使得了同一种癌症，其癌细胞病变的基因也未必相同。
因此一种抗癌药可能对某些病人管用，但对其它病人不管用。
实际上，大部分医生在给癌症患者用药时，需要对患者进行基因比对，以确定是否能用某种抗癌药。
治疗癌症第二个难点，也是最根本的难点在于癌细胞本身的复制也会出错。
这一点并不难理解，基因在复制的过程中出了一次错，就会出第二次。
这样一来，原本管用的抗癌药就变得不管用了。
在抗癌药杀死癌细胞时，未必能把所有的都杀死。
剩下哪怕只有一个癌细胞未被杀死，它依然可以迅速繁殖，并且可能出现新的基因突变。
所以我们通常会听到这一类故事。
某个患有癌症的亲友，已经将病情控制了很长时间，突然一夜间复发，而且药物不起作用，很快便离世了。
这里面的原因就是基因的变化，让原有的抗癌药不灵了。
由于癌细胞基因的突变和人有关，而且可能一变再变。
因此想要彻底解决问题，就需要针对不同的患者设计特定的抗癌药，而且要根据患者癌细胞每一次新的变化研制新药。
也就是说，只要这个研制新药的速度，能够赶得上癌细胞的变化。
那么即使不能彻底杀死所有的癌细胞，患者仍然可以长期和癌症共存。
从理论上讲，这种方法是可行的。
但这样做的成本太高。
首先，要有一个专门的研发团队，围绕着每一个患者进行药品的研制，而且研发速度还要足够快。
请收藏本站：https://www.tk2.org。笔趣阁手机版：https://m.tk2.org