场景有可能是这样的。珍妮的母亲久久地坐在窗前，脸上露出从未有过的失落。珍妮上班后，智能窗户每隔15分钟监测一次母亲的情绪变化，并传输给虚拟医生。午后，虚拟医生发现母亲的情绪数据波动过大，一边劝母亲到床上休息，一边向珍妮的手机拨出预警电话。

随着医疗健康大数据的不断完善，人工智能技术的不断成熟，智能产品不断迭代，AI+健康管理注定将引发一场健康领域的新变革。

政策信号明晰 行业越来越热

“目前健康管理是热门产业之一。”上海交通大学国家健康产业研究院院长鲍勇告诉《经济》记者，主要原因在于，政治战略信号明显、企业积极性高、民众需求有前景、盈利模式基本显现等。

《“健康中国2030”规划纲要》提出，到2020年，健康服务业总规模将达到8万亿元。“目前来看，健康服务业很有可能达到10万亿元的规模。大家都在抢占这块巨型蛋糕。”鲍勇指出，在政治信号、经济信号、发展信号的激励下，原来从事房地产、医药行业的人都在向健康管理行业转型。

AI公司在医疗健康领域的探索也不曾松懈。2013年，IBM与MD安德森癌症中心合作，用Watson辅助医生开展抗癌药物的临床测试。据资料显示，2016年，IBM Watson健康应用还涵盖了如糖尿病等慢病、大健康、医疗影像、体外检测、精准医疗、机器人、疾病研究治疗等领域。在国内，阿里健康、百度医疗、科大讯飞等企业都在医疗健康领域有所布局。

从2014年创办北京健康有益科技有限公司之始，学医出身的李宇欣就面临一个抉择：医疗还是健康。创业时，她之所以选择健康管理，一方面，因为它与人们日常生活方式、疾病预防、疾病康复息息相关，也与国家重预防的政策导向颇为一致;另一方面，伴随着智能时代的来临，健康管理将延伸到人们生活的各个角落，而医疗只是很小的一部分。“更重要的是，医疗与人的生命息息相关，对新技术成熟度要求高，而且容错率极低。”

与李宇欣不同，经纶世纪创始人兼CEO余中是一个地地道道的IT人。早在2010年回国创业之前，余中就曾帮助医疗机构搭建IT系统。“由于医疗健康行业的独特性，从深层进行改变难度极大，医疗健康行业必须经历一个从信息化到智能化、从赋能到变革的过程。”

近年来，网络巨头在医疗健康领域投入很大，但收效甚微。余中认为，光有IT思维远远不够，医疗的IT革命必须以医疗为核心，把IT当成赋能医疗健康管理服务的工具。

AI如何顺应人性?

就像人们愿意为纯净的水、清新的空气、有机食品付出更多的金钱，越来越多的人意识到天下没有免费的健康。人们日常的健康管理，即便不花费金钱，也要付出机会成本。

“食疗方案最大的机会成本就是自律，也就是改变原来错误的生活方式。在调理的过程中，建立一套正确的生活方式。”从理财师转做健康管理师的刘立新这样说。

“健康管理的过程需要人们长期拿出时间、精力、金钱，这也导致愿意为此付费参与而坚持下来的人少之又少。”多年从事健康管理工作的北大医疗怡健殿健康管理中心总经理王昱这样告诉《经济》记者。“未来我们需要创新健康管理模式，寻找更经济的风险管控方法，让健康保险公司、高风险人群和健康人群意识到健康管理的益处。”

健康管理反人性的地方就是用一根尺子去衡量所有人，它挑战了人们惯有的生活习惯。AI反而能够顺应人性。

“举例来说，天生喜欢熬夜的人很难早睡。AI了解到这一信息后，将为这类人群制定不同的健康管理方案。基于大数据的AI能够实现千人千方案，并融入到生活中，让你无法察觉。”实现这一点，需要具备两个条件：一是打通所有的健康监测、评测数据;二是需要所有的智能穿戴设备、智能家居升级改造。李宇欣对记者畅想，在智能时代，当一个人坐在沙发上叹息“我腰疼”，沙发听懂后，便给主人送来靠垫，或者通过分析各种监测数据，提示主人身体哪里出了问题，并建议其是否需要就医。在网络时代，这一设想还无法实现。所以，我们感受不到智能产业升级的步调。“我们希望能跟所有的产业互动，包括手机、家居厂商、医疗设备，甚至是智能汽车、机器人等。在硬件升级迭代的过程中，我们输出AI底层技术，嵌入这些终端中，而不只是做一款智能手表、音响、水杯等小众产品。”李宇欣这样告诉记者。

传统的健康管理做得并不成功，原因在于没有实现真正的智能化，而只是简单地让客户重复那些“管住嘴，迈开腿”的教条。如果有较好的AI评估与干预指导体系，让健康管理客户有较强的认知，得到及时的评估和反馈，实时看到身体的变化情况，再用智能化的方式对其进行指导、激励，甚至适当施加压力，让看似“反人性”的健康管理变得更容易接受。

然而，上述设想的实现，离不开医疗健康大数据的支撑。

获取数据之困

AI离不开数据的喂养，为了获取高质量的医疗健康大数据，医疗健康科技企业也是各显神通。

大数据是珍贵的资源。数据来源分为两种，一是存量数据，二是增量数据。余中认为，让AI学习在医疗健康服务中产生的数据，不断地追踪数据，让数据回到服务中形成闭环，才是AI最有生命力的地方。

从单个医院或体检机构获取数据无法保证数据的可持续性。在余中看来，合法合规、可持续地获取高质量数据的途径是跟医疗行业学会、协会合作，在搞科研和做课题的过程中采集数据，更好地理解、处理和分析挖掘数据，打造核心的技术和平台。

“这种打法一开始没有可观的经济效益。”医疗科技企业在数据采集、清洗、治理、分析等过程中，相对而言是不小的、持续的投入。尽管有一些国家项目经费的支持但也是杯水车薪。余中带领团队从2013年开始，专注参与医疗健康大数据的科研，建立完整的医疗健康知识库与标准数据库。“5年多的积累，我们获取的并不只是数据，而是通过对数据的清洗、分析、标准化，打造出一套医学的知识体系。”这也是余中在创业之初就期望做的事情——开发一个独特的基于AI的“虚拟医生”，帮助医生做疾病智能辅助诊断，全流程慢病管理、专家治疗系统等，最终也为千千万万家庭提供人工智能家庭医疗健康服务。

然而，计算机视觉、深度学习等在医学上的应用还有很长的路要走。最大的问题是需要大量的病例数据给计算机学习。“有科技公司和我们合作，主要在医学影像学辅助诊断方面，但目前AI读片的综合检查诊断能力还不成熟，距离替代医生诊断还有很长的道路要走。尽管目前AI技术应用于健康管理对我们来说还十分有限。但随着技术成熟，应用前景十分广阔。”王昱这样告诉记者。

由于各种原因，医疗和健康数据分散在各个医疗机构里，形成大量的信息孤岛，无法统一。王昱建议，由国家有关机构出面，成立一个有公信力的第三方机构，让病人自愿把数据存储在这个医疗健康大数据平台上，或许能解决这一难题。

盈利模式尚不明晰

健康管理前景无限，但想要盈利又是另外一回事。

个人健康管理服务是阿里健康四大业务之一(其余三个业务分别为健康产品销售和电商业务、产品追溯平台、智慧医疗)。据阿里健康财报显示，截至2018年3月31日财年，健康产品销售营收占比87.98%，而创新业务占比仅为4.02%。这是否意味着健康管理服务尚无成熟的盈利模式呢?

目前健康管理运营依然以单位和个人支付的健康体检为主，包括健康评估和健康促进等后续健康管理服务尚未完全普及。王昱认为，很大一部分原因在于支付体系不完善。健康管理服务模式源自健康保险公司，通过以健康促进来管控风险，从而延缓或降低客户重大疾病发生率，客户能够保持健康状态，同时能够降低保险公司的赔付支出。由于目前国内没有很好的数据模型来评价健康管理的成本和收益，健康保险公司目前很少介入除健康体检之外的健康管理服务。由于高风险人群的健康管理成本较高，在短期内对于保险公司是增加了一大笔支出，所以，较少有保险公司开展以健康管理为主的业务，这也导致健康管理业务开展比较慢。

AI公司的盈利模式已日渐清晰，但是单纯的健康管理从C端盈利较难。盈利更多地要从B端切入，从B端向C端延伸提供包括健康管理的综合医疗健康服务。例如，过去企业并不重视员工的健康管理。现在越来越多的企业有健康意识，愿意拿出一部分资金开展企业员工的健康管理服务，也有企业愿意与保险公司合作，为员工提供相应的包括医疗、健康保障与健康管理服务。“目前我们已为企业提供收费的员工健康管理综合服务，也与保险公司合作，为他们提供医疗健康大数据及AI辅助智能疾病诊疗与健康管理服务。”余中这样告诉记者。

健康管理行业仍是“赚政府的钱”。鲍勇认为，目前有一部分体检纳入医保，但仍是针对特定人群的特定疾病的体检，如老人、儿童、女性两癌筛查等。然而，这并非长久之计。随着功能医学的日益成熟，民众应是支撑整个市场的主力军。

鲍勇经过两年多的调研发现，在健康产业中只有不到三分之一的企业能够盈利。“原来很多做得不错的企业倒闭了。一方面，是企业经营出现问题，另一方面也是因为整个产业成熟度不够。”

产业叠加下管理不应松懈

滴滴顺风车乐清事件令人反思。在新技术不断渗透到传统领域的当下，对企业家的管理能力有着更高的要求。同时，市场监管与第三方评价体系也不应缺位。

从历史发展规律来看，产业相互融合、叠加是势不可挡的趋势。科技的多点延伸产生各种可能性，利弊皆有。李宇欣认为，AI+健康管理有两大潜在风险：一是如何保护数据隐私。也就是说，数据平台在为用户提供更精准体验的同时，更要注意保护消费者的隐私。二是健康管理更多的是对生活方式进行指导，如果涉及医疗端，平台应提示用户到医院接受专业的诊断和治疗。

今后，健康管理行业健康发展要从以下四方面来做：第一，尽快立法，为市场秩序混乱的初期指明方向。第二，健康管理行业亟待规范。如月子会所的收费缺乏标准，民营医院管理较乱，亟待加强规范管理。第三，人才光靠高校培养还不够，建议国企、协会、医学学会行动起来，弥补高校人才培养不足的问题。第四，依托行业协会，构建健康管理行业的评价体系，从而对企业进行监管、评价，促进健康管理行业健康发展。

王昱也建议，健康管理对风险因素的评估应与专科医学会合作，运用专科学会已经建立起来的一些疾病诊断和致病高危因素作为健康风险评估标准，以此建立健康风险因素模型，判断健康风险，实现有效的健康风险管理。

事实上，AI+健康管理前景可期，但也任重道远。