智慧医疗领域 – 左手医生开放平台系统产品拆解分析

Nydia王小样儿 2024-08-13 11:06:03

首先带大家了解一下左手医生：作为互联网医疗健康领域早期创业者，从2016年发布的第一版医疗知识图谱就获得了数千万的天使轮融资，2022年与医药实体业务相结合发布了数字化CDMO产品。总融资超过1.3亿人民币（数据来源：爱企查），服务500+企业客户（数据来源：官方网站）。

底层能力强大，具备出色的大数据信息处理能力，可以支持复杂业务场景。依据AI大数据模型训练打造出数字分身，医疗决策，医学文本处理，知识问答等多种类型、智能医生，智能导诊，体检报告解读，对话生成病例等多种应用。

接下来从战略定位、智慧医疗的价值、优势分析、交互体验、难点与方案几个方面具体拆解和分析。

一、战略定位

根据他们的产品可以看出，他们主要还是以AI大模型为核心能力，以公立医院为主要客户（在目前公布出的客户群体中公立医院占比较高）的问答交互型智慧医疗产品。

1. 公立医院（作为其产品的主要客户群）在采购产品的时候可能主要注重的特性

前提：满足主要需求。

安全合规——政策要求，数据存储（一方面要考虑到数据的安全性私密性，一方面需要考虑到公立医院的用户比较多，处理系统的压力和并发）
行业解决方案能力——当有环境因素影响业务流程或者影响到系统时，响应的敏捷度和提供解决方案的迅捷性、准确性、可用性。
同级别行业企业成功案例 ——着重在于功能的成熟度、打磨的精准度。
产品与现行系统业务流程的一致性及拓展能力。

至于产品功能的便捷程度、用户体验、风格是否符合自由体系的调性，作为其不确定项着重在于决策人的主观意愿。

2. 那么在以AI大数据模型为核心能力的前提下，应该如何构建竞争优势呢？

1）专业的精准度

继续发挥AI大模型的优势，不断提升自身在专业的精深度，并不断提升自己在专业知识领域的品牌知名度。

2）市场占有率

可以采取多种运营方式，比如利用我们提供专业底层能力的优势加强与第三方甚至是竞品公司的合作，比如互联网门诊、智慧预约等企业；也可以自己不断拓展自有客户，提供全流程服务。尽量在市场里铺开自己的业务，一方面提升自己的知名度和营收能力，另一方面也可以不断在实践中反复打磨自己的产品。

3）交叉学科专业精准度

医疗领域也会涉及很多细分领域，对专业性的要求都很高，无论是医生角度、药品角度、病种角度、医用器械角度、检查器械等等，如果对各细分领域都具备相当高的专业度，并经过实践的考验，一方面为自己深入到目标领域打下了很好的基础，提高了自己的专业能力和成功概率，一方面打开了知名度，无论是找客户还是找合作都会有不错的机会。

4）行业标杆客户

在自己的目标领域中找到一个行业标杆客户，首先是行业和场景要足够有特点，符合自己的业务场景，以点带面进行品牌推广。

5）关键节点布局

当各个领域都具备专业的知识储备以后，就可以有充分的先决条件选择下一步发力点。

二、数字时代的智慧医疗

数字时代的智慧医疗有相当大的发展空间，在医疗的各细分领域比如门诊、急救、药房、监测设备、养生等各个环节都可以发挥很好的作用。

在门诊环节（不止公立医院、也有民办医院和各类大型连锁医馆）可以做的事情比如线下的数字化预约挂号、缴费、检查结果及发票打印。这种不单指可以在手机小程序、公众号或者APP上进行医院、科室医生查询，网上预约挂号缴费退费等操作，还有线下各医院里已经摆放的各种硬件机器，各类报告查询打印机器、发票打印机器、以及取号缴费一体化机器，可以在机器上操作取号，个人报告查询以及签到、缴费等一系列操作，目前甚至已经普及到了各中小城市。

我们已经可以发现，现在的缴费环节中都已经直接抵扣了医保的部分，甚至个人账户中有余额时也会直接抵扣，而不需要从自己其他账户出，说明大部分都已经完成了跟第三方平台的对接。跟随政策的不断变化，比如以北京为主要试点城市的家庭共享医保账户，也紧随政策需要设定相应规则，都需要各研发平台有敏锐迅捷的反应力。

包括目前正在研发试点的在线远程问诊，也需要不断精深和细化规则，充分考虑到患者医生使用场景的同时，规范化问诊流程，尽量辅助提高诊断的准确性，这对采购的软件会有极大的要求。

急救场景中，我们需要考虑到患者的急迫性，由于不同病种会造成不同需要急救的后果，且病人需要急救的时候多数会很慌张，这提醒我们，在可以稍缓或者等急救车前来的途中，我们可以帮助患者做哪些急救措施或者判断，或者提供在日常生活中就可以用到的那些绝对专业的常识。

购药场景中，一方面是药品的供应链，从原料、药品加工厂、到销售全流程环节中智慧医疗都可以参与进来，大幅提升加工的规范性、准确性，也极大的节约了各链路成本；

另一方面在ToC的药店采买时，有些用户知道自己进来买什么药，直接提供给对方即可，如果在线上场景购买处方药时还需要专业医师的判断开方；

当有些患者不知道自己买什么药时还要提供问询服务，辅助客户查问病情，结合实际情况再提供具体的购药或者是处理建议，都需要专业医疗知识的辅助，除了具体的医师以外，更需要的就是智慧医疗的参与。

监测场景中，可以分为不同的视角可群体，比如（ToC）用户视角，佩戴的健康监测产品如智能手表、智能手环、血糖仪、血压仪等，（ToB）医院视角，院内的辅助诊疗仪器如心电图、呼吸机等等，在生产过程中都可以加入智慧医疗进行生产或监控管理控制。

当然在做（ToC）用户视角健康监测产品时要充分的对用户群体从各个角度进行调研，并做好相关的用户心理研究，否则市场可不一定会买单。在这个新品层出不穷、专家一词成为糊弄学欺骗学的时代，很难让产品从一众信息里脱颖而出，造成的后果就是市场并不买单。

养生场景中的内容就多得很，无论饮食、运动、心理健康，人生活的社会环境中各个方面都可以进行养生，而且灵活度高，无论是开店、开课、做单品、自媒体传播或者获得资格后做私人健康管理师都可以。

但如何做好养生，哪些才是真正的养生，如何让别人知道、相信你做的事情是真正的养生，从各个方面都应该体现出来让用户感知到这是一个专业为人体健康努力的品牌。

所以说智慧医疗的发展空间潜力巨大，立足点正确的前提下，也是为人民做贡献的很好的事业。

三、左医的优势分析

左医具备专业性强、入局早，灵活性高的特点。

在2016年入局，18年占领市场并获得了相当多的客户，在20年发布主动医疗产品雏形，22年发布数字化CDMO产品。

CDMO引于百度AI解释：能够通过利用大数据、云计算和人工智能等新兴技术来提高生产效率和质量控制，从而提供更高水平的服务。

数字化CDMO企业通过使用物联网(IoT)设备来监测生产过程中的温度、湿度、压力等参数，实现实时数据采集和分析。这种技术的应用帮助CDMO企业优化生产流程、降低成本并提高产品质量。此外，数字化CDMO还体现在个性化医疗服务上，根据客户的具体需求以及药物的特性，提供更加定制化的服务。这种趋势在癌症治疗领域尤为显著，因为癌症患者需要根据其基因、肿瘤类型和治疗历史等因素进行个性化治疗。

由此可见，左医通过训练AI知识图谱进行早期入局，不断强化AI医疗领域大模型，提高其专业度，在AI医疗细分领域也在加强知识的维护和训练，已经在与实体业务相结合。不断发挥自身大数据医疗模型的优势，扩大知识面，并在行业内的应用实践中打磨自身产品，提高各医疗知识领域的专业度。

四、交互体验

整体左医系统的内容上专业性也是很高的，各知识中甚至附上了引用的链接，提升了产品的用户可信度，当有专业人士使用发现其可能存在的问题时也便于排查和后续维护。

具体使用上每个步骤和环节都有告知提醒，便于用户理解下一步操作，但均为西医指导思想，其实在急救的某些方面尤其是内脏（除意外外伤）领域中医层面也有很多医疗方案可以尝试。

但是在具体页面的操作上也发现了一些瑕疵（如下按操作顺序）：

第一个是用户操作细节的问题，与原机操作系统习惯的适配，一般苹果系统操作输入法中选择「完成」即可直接上屏，本系统操作为收起输入法。收起意味着不但改变了当前用户的页面「消息发送」位置，增加了额外的操作动线，也需要用户再次选择系统内的「发送」才能发出消息。作为纯工具型功能，主要思想应该是减少用户的不必要操作，缩短用户的行动路线，另外要考虑到现有的软件产品已经给用户培养的一些习惯，根据不同操作系统进行区分，比如苹果手机的「发送」按钮可以设置在最右，其他可收起的「附加」功能可以放在输入框中或者右数第二的位置。
回复等待过程偏长，十秒起步。当有复杂问诊需求时经常需要等十秒以上。对一些紧急需要高频率发问的场景十分不友好。
系统不是十分流畅，多数情况下会伴随卡顿。这种情况甚至出现在已经没有发送任何消息，只是上翻其他回复的知识内容时出现。这种情况会让一些不明所以的用户思考这个系统的专业性和准确性。

我个人会对这个系统提两点比较小的优化建议，比如第一点：知名专家回复的时候可附带「分享」动作，用于分享给系统内的其他好友，一方面可以在需要帮助或者是紧急场景中可以用于多人共同查看解决方案，协同采取紧急措施；

另外一方面也可以提升本系统的交互率和使用好感，让一些没有成为自己用户的群体也在使用自己的产品，提升路人的好感度，多数人对自己熟悉的东西都会有一些天然的好感，也助于自有品牌的推广。

其实在测试过程中可以发现其AI回复的问题中是带有复制功能，意味着本身就考虑到分享知识的场景了，至于为何在医生AI回复时没有分享或者复制的操作也是一个值得思考的问题。

第二个甚至可以收集患者当前定位提供最近正在营业、且符合该病情紧急状况救治条件的医院或分院位置。这种既可以用在医院的急救场景中，也可以用在连锁医院场景。

五、难点与方案

AI大模型有个天然的难点就是「信息量大、真假难辨」

方案：

专业的知识团队把控数据源。
先获取全量有可信度的知识源，训练其整合分析及应答能力；其次保证数据安全合规的前提下，获取已有知识源不断地实践结果，在作为知识投入训练，形成闭环。
多维度、大规模、高频次、高质量验证。

另外呢，就是「数据量大、检索时间长」

方案：

优化存储结构
简化检索路径

这是一个不断优化的过程，一方面尽量降低各维度知识的耦合度，一方面精细化检索的逻辑和维度，也是一种方式可以达到简化检索路径的效果。

专业做AI大模型知识时会有个缺点就是替代性强，需要不断探索其他可能性。因为各行业都在保障自有知识体系，无论是医疗行业的厂商还是互联网大厂，也都布局了这一领域，GPT发展以后尤其如此。当然作为AI大模型的能力厂商也要根据不断变化的市场情况来调整自己的迎战方案。

建议方案：

扩大自身优势，使其在医疗各知识领域都具备高精尖水平。
依据自身优势，形成定制以「人」为主方案，并拓展周边产品。

思考：目标客群的付费意愿及付费能力？根据生物CDMO龙头：药明生物的2023年报显示，报告期内营收170.3亿元，同比增长了11.6%，净利润35.7亿元，同比为负增长-21.5%。在营收有增长，净利润却为负增长的前提下这说明至少他的投入成本是增大了的，在这种情况下是否还愿意为厂商提供的产品付费，这取决于产品为其提供的价值以及在他们业务中占据的比例，这需要我们不断厘清自身的定位和目标收入。

方案：