作者:Stewart Southey
作為一名執(zhí)業(yè)醫(yī)生,如果我不接受循證醫(yī)學,就會被認為是玩忽職守??茖W方法的嚴謹性已經(jīng)將醫(yī)療保健從放血和鉆孔的時代轉變?yōu)榻裉斓臋C器人手術和基因組學,我們應該心懷感激。預期壽命變得更長,天花已被根除,麻醉的發(fā)明意味著我們在進行截肢手術的時候不再需要對病人進行捆綁或者求助于大瓶白蘭地。
然而,正如我們在推薦任何治療方法之前都需要良好的臨床證據(jù)一樣,我們也需要經(jīng)濟上的證據(jù)證明它在經(jīng)濟上是值得的。由于可提供的干預措施如此之多以及醫(yī)療保健支出是一種有限的資源,因此非常重要的是,我們必須評估要采用哪些措施。無論是外科手術、藥品、高科技產(chǎn)品甚至是軟件,納稅人還是個人投保人都應該知道他們的貢獻不會被輕率地浪費。
英國National Institute for Health and Care Excellence(NICE)和National Institute for Health Research (NIHR)都在積極開展這項工作。醫(yī)療保健技術評估涉及多個類別,包括藥品、醫(yī)療器械、診斷技術、外科手術或健康促進活動。
目前,這都不適用于區(qū)塊鏈技術。
在過去的幾年中,數(shù)十億美元已投入到許多醫(yī)療保健區(qū)塊鏈初創(chuàng)企業(yè)中?,F(xiàn)在,ICO(初始代幣發(fā)行)的季節(jié)實際上已經(jīng)結束(并且忽略騙局的話),我們都在耐心等待看到承諾得到實現(xiàn)。
幾乎所有發(fā)布的白皮書都聲稱,他們的解決方案將通過降低成本、提高數(shù)據(jù)完整性、增強隱私以及創(chuàng)建完全透明和可審計的加密真實記錄來使醫(yī)療保健領域受益。
每個利益相關者都有自己的興趣。毫無疑問,投資者想知道他們的回報是什么。保險公司和醫(yī)院集團希望為其股東創(chuàng)造一個健康的利潤。患者(對此應該認為這就是全部)需要得到不同的結果。他們并不關心自己的醫(yī)生是在莎草紙上寫下筆記還是在計算機上跟蹤這些信息,而是關注獲得高質量治療的速度、護理成本以及知道他們的數(shù)據(jù)很安全,并且可以方便地使用。
決定產(chǎn)品價值的市場范式依賴于購買者對所獲得效用的評估。在全球范圍內,用比特幣轉賬的成本可能低于通過匯款機構匯出等值法幣的費用——這可能會影響個人去選擇前一種方法而不是后一種方法。同樣的原則同樣適用于醫(yī)院管理人員決定購買哪個IT系統(tǒng)。
然而,在醫(yī)療保健領域,消費者不是客戶(至少不是直接客戶)?;颊咭资軅Γ揽酷t(yī)療保健系統(tǒng)為他們做出正確的決定。因此,處方者和采購者有責任確保對使用的技術進行良好的證據(jù)留存。
區(qū)塊鏈解決方案的哲學目標是理想主義的,似乎有很大的優(yōu)點。使醫(yī)療保健民主化,賦予患者權力,確保數(shù)據(jù)完整性和確保藥品的來源都是崇高而有價值的目標。
正如醫(yī)學界已經(jīng)確定了判斷創(chuàng)新的證據(jù)水平一樣,負責提供醫(yī)療保健服務的決策者也應該以基于證據(jù)的方式評估技術——并考慮患者相關的問題。
隨著保險市場的發(fā)展,我們看到從按服務付費模式向基于價值的醫(yī)療轉變。當然,我們必須將這項測試應用于所有的醫(yī)療保健支出嗎?
如果我們想要看到醫(yī)療保健的四重目標(改善患者體驗、提高人口健康水平、降低人均成本和減少員工倦怠)實現(xiàn),循證醫(yī)學和循證管理必須齊頭并進才能成功。
沿著這些方向,我們需要定義我們如何衡量區(qū)塊鏈的有用性。
-這項技術能否改善患者體驗?讓病歷變得更容易使用,通過簡化服務縮短等待時間以及基于區(qū)塊鏈的處方這些承諾是否會變成現(xiàn)實?
-提高了數(shù)據(jù)完整性是否會減少醫(yī)療錯誤并降低死亡率?
-了解藥物的來源是否可以減少假藥的不良影響并改善整個健康經(jīng)濟,從而使患者受益?
-實施解決方案的投資回收期、內部收益率、凈現(xiàn)值(或者用于定義投資回報率的任何指標)怎么樣?如何將節(jié)省的資金重新部署供患者使用?
-由于醫(yī)生不再是管理系統(tǒng)的奴隸,不用因此打斷或干擾他們治療患者,是否會減少醫(yī)生離開或自殺的情況?
這項技術剛剛起步,這一點非常重要。概念驗證試驗正在逐漸變暖。
麥肯錫最近發(fā)表了一篇文章,表示區(qū)塊鏈存在“奧卡姆剃刀”(譯注:如果其他方面不分伯仲,簡單的解決方法則最好)問題。在開拓階段之后,有太多的假設沒有出現(xiàn)足夠的解決方案。這是生命周期中出現(xiàn)的一種現(xiàn)象還是技術解決方案在尋找問題?
這取決于你想要衡量什么。
如果還沒有實現(xiàn)大規(guī)模的組織采用,可以用不成熟的技術還沒有準備好迎接黃金時期加以解釋。然而,另一種觀點認為這些實施已經(jīng)錯過了“哲學位置”。區(qū)塊鏈是為了消除中間人,并共享共同的信任經(jīng)紀基礎設施。這與部署競爭對手的IT解決方案并需要大規(guī)模采用競爭模型是完全不同的。區(qū)塊鏈是一種共享經(jīng)濟——所有參與者都擁有并使用網(wǎng)絡。
無論是傳福音者還是世界末日先知,我們在醫(yī)學中學到的是基于證據(jù)的決策是我們所擁有的最好的決策。在沒有證據(jù)的情況下,我們根本就什么都不知道。
雖然健康的利潤可以滿足新的健康代幣的利益相關方和投資者,但真正的問題是我們是否提供了一個解決方案,其價值主張在四個方面都要比現(xiàn)在的方案更好。
因為它畢竟是關于健康的問題。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。