第799章一點小小的未來震撼
首先是降低成本。
從醫療本身講，醫療成本高有兩個重要原因。
一是藥品的研製周期長，費用太高；
二是醫務人員培養的成本太高。
現在，全球新藥大部分來自美國。
而美國一款新藥從研發到上市需要20年的時間，在這個過程中需要投入20億美元。
而美國專利法，從申請之日算起，整個專利期隻有20年。
但專利的申請，並非是藥品上市的那天才開始計算，而是要早於藥品上市十幾年。
也就是說藥品上市後，受到專利保護的年限隻有幾年。
通過我們對強生、羅氏、瑞輝等藥企的綜合調查，一款藥物能夠享受專利保護的時間，通常隻有7年。
也就是說如果新藥能順利研究出來，也隻有七年的獨家銷售以賺回成本。
所以，每一款新藥都非常貴。
而培養一名專科醫師，在美國需要13年。
在華夏，成為一名主治醫師，大專生和本科生需要10年，醫學碩士要9年，醫學博士要8年。
從投資回報的角度講，既然時間和金錢的投入都如此巨大，他們必然有高收入才合算。
那麽我們怎麽用人工智能改變醫學行業呢？
舉一個例子。
我們很自然的認為，看病要找有經驗的大夫。
他們的經驗的累積，就是一個通過病例學習的過程，而人學習再快，也快不過計算機。
一個放射科大夫一生閱讀研究的病例很難超過10萬個。
但計算機很容易就能從上百萬病例中學習。
相比醫生，計算機在診斷和做手術等方麵有三大優勢。
首先，它們漏判和失誤的可能性非常低，也就是說他們能成功發現一些醫生們忽略的情況。
其次，它們的準確率很高，而且隨著數據量（病例）的增加，提高的非常快。
最後，也是人所不具備的，這些智能程序的穩定性非常好，它們不會像人那樣受情緒的影響。
而這些智能程序的成本，通常不到人工的百分之一。
有了強大的醫療人工智能程序，再配合醫療機器人，就可以讓遠在偏遠縣城的病人，享受頂尖的醫療服務。
從而解決醫療資源不均衡的問題。
最後我們再來講一下人工智能對醫藥行業的改變。
今天，人類在癌症方麵投入的資金比阿波羅登月或者語音識別要多的多。
但為什麽癌症依然很難根治呢？
因為癌細胞是動物和人自身的細胞在複製的過程中基因出了錯，而非來自體外。
也就是說癌症是基因病，而非病毒。
今天最有效的治療癌症的方法是，使用基因技術研製出的抗癌藥來治療。
從機理上講，是找到病變的基因，並且把相應的癌細胞殺死。
不過。
不同人即使得了同一種癌症，其癌細胞病變的基因也未必相同。
因此一種抗癌藥可能對某些病人管用，但對其它病人不管用。
實際上，大部分醫生在給癌症患者用藥時，需要對患者進行基因比對，以確定是否能用某種抗癌藥。
治療癌症第二個難點，也是最根本的難點在於癌細胞本身的複製也會出錯。
這一點並不難理解，基因在複製的過程中出了一次錯，就會出第二次。
這樣一來，原本管用的抗癌藥就變得不管用了。
在抗癌藥殺死癌細胞時，未必能把所有的都殺死。
剩下哪怕隻有一個癌細胞未被殺死，它依然可以迅速繁殖，並且可能出現新的基因突變。
所以我們通常會聽到這一類故事。
某個患有癌症的親友，已經將病情控製了很長時間，突然一夜間複發，而且藥物不起作用，很快便離世了。
這裏麵的原因就是基因的變化，讓原有的抗癌藥不靈了。
由於癌細胞基因的突變和人有關，而且可能一變再變。
因此想要徹底解決問題，就需要針對不同的患者設計特定的抗癌藥，而且要根據患者癌細胞每一次新的變化研製新藥。
也就是說，隻要這個研製新藥的速度，能夠趕得上癌細胞的變化。
那麽即使不能徹底殺死所有的癌細胞，患者仍然可以長期和癌症共存。
從理論上講，這種方法是可行的。
但這樣做的成本太高。
首先，要有一個專門的研發團隊，圍繞著每一個患者進行藥品的研製，而且研發速度還要足夠快。
其次，它的耗費至少是每人10億美元。
所以這種看似可能的方法，不具備推廣意義。
<divss="contentadv">那麽出路在哪呢？”
投影屏上顯示出三個字：
大數據。
“目前我們已知的，各種可能導致腫瘤的基因錯誤不過在‘萬’這個數量級，而已知的癌症不過在‘百’這個數量級。
也就是說，即使考慮到所有可能的惡性基因複製錯誤和各種癌症的組合，也不過是幾百萬到上千萬種。
這個數量級在it領域是非常小的，但在醫學領域則近乎無窮大。
如果能利用大數據技術，在這不超過幾千萬種組合中，找到各種真正導致癌變的組合，並且對這樣每一種組合都找到相應的藥物，那麽對於所有人可能的病變都能夠治療。
針對不同人的不同病變，隻要從藥品庫中選一種藥即可。
如此一來，便可以控製癌症了。
雖然這樣成千上萬種藥總的研發成本不低，但如果分攤到全世界每一個癌症患者身上，就沒那麽高了。
同樣的道理，也適用於其它疾病。”
聽到他的話，台下原本還有些期待的眼神，很快暗淡了大半。
他們都是聰明人，雖然覺得徐良的策略可行，但真正建立這樣的數據庫，還不知道猴年馬月。
甚至他們死的那天都未必會出現。
所以期待感很快退散了。
徐良看在眼裏，也沒多解釋。
他重生之前也沒看到這一天，所以根本沒法解釋。
不過他是來講大數據的。
隻要讓大佬們明白大數據的重要性，目的就達到了。
其它都是次要的。
當然，要是台下的大佬們上了頭，主動下力氣建立這個數據庫，那全國的老百姓可享福了。
他姓徐的一定幫幫場子。
不過大概率不可能。
大佬們也講求效率和投資回報。
“根據漢華和鴻蒙必應的數據調查，美國隻有七分之一左右的臨床證明有效的藥品，最終能通過‘食品藥品監督管理局’全部審批流程，並最終上市。
剩下七分之六的藥品，雖然在小範圍內使用時，對一些病人確實有很好的療效。
但在使用到大量患者身上時，平均的效果並不顯著，因此被‘食品藥品監督管理局’否決。
所以，如果我們能找到特定人群，就可以讓這些‘廢藥’重新被利用。
在未來，可能一種疾病會有不同的藥品醫治，而不同的人會有不同的特效藥。
但想要實現這個目標，就需要國家出麵，組建麵向全國的藥品數據庫。
相信等這個數據庫真正建成後，我國的醫療支出會顯著降低，人均壽命會有極大的提升。
即便是癌症，也不再是絕症。”
看著台下有些分神的大佬們，徐良準備給他們來一點小小的未來震撼。
“說到醫療，我們再講一點題外話。
人類是否可以長生不老？”
此言一出，大佬們臉色瞬間變了。
眼神直勾勾的看了過來。
站在台上徐良都能清晰的看到他們放大的瞳孔，感受到那驟然變得急促的呼吸。
越是地位高，越是擁有巨額財富的人，就越是渴望壽命。
這也是古代那麽多皇帝追求長生的原因。
“之前我們說癌症，人類即使解決了癌症，也不過將平均壽命延長4年。
治療癌症的意義並沒有大眾想象的大。
而人類長壽麵臨的最大挑戰是衰老問題。
隻要人們活的足夠長，最後都會麵臨阿爾茲海默症的困擾，無一例外。
根據麻省理工學院的研究，再過去十年裏，全世界癌症、艾滋病、心髒病和中風的死亡率都在下降，但阿爾茲海默症導致的死亡率卻上升了40%。
所以想要延長壽命的關鍵就是找到衰老基因。
怎麽找？
大數據和人工智能最根本的解決辦法。
我們可以運用解決癌症的方法，來研究衰老基因，找到真正的致病機理後，通過基因修複編輯技術來改變它。
雖然現在看起來，這個辦法還不具備現實意義。
但我相信隨著大數據和人工智能的發展，這個目標會離我們越來越近。”
頓了一下。
“今天我的演講就到這裏，很感謝各位的聽講，謝謝。”
首先是降低成本。
從醫療本身講，醫療成本高有兩個重要原因。
一是藥品的研製周期長，費用太高；
二是醫務人員培養的成本太高。
現在，全球新藥大部分來自美國。
而美國一款新藥從研發到上市需要20年的時間，在這個過程中需要投入20億美元。
而美國專利法，從申請之日算起，整個專利期隻有20年。
但專利的申請，並非是藥品上市的那天才開始計算，而是要早於藥品上市十幾年。
也就是說藥品上市後，受到專利保護的年限隻有幾年。
通過我們對強生、羅氏、瑞輝等藥企的綜合調查，一款藥物能夠享受專利保護的時間，通常隻有7年。
也就是說如果新藥能順利研究出來，也隻有七年的獨家銷售以賺回成本。
所以，每一款新藥都非常貴。
而培養一名專科醫師，在美國需要13年。
在華夏，成為一名主治醫師，大專生和本科生需要10年，醫學碩士要9年，醫學博士要8年。
從投資回報的角度講，既然時間和金錢的投入都如此巨大，他們必然有高收入才合算。
那麽我們怎麽用人工智能改變醫學行業呢？
舉一個例子。
我們很自然的認為，看病要找有經驗的大夫。
他們的經驗的累積，就是一個通過病例學習的過程，而人學習再快，也快不過計算機。
一個放射科大夫一生閱讀研究的病例很難超過10萬個。
但計算機很容易就能從上百萬病例中學習。
相比醫生，計算機在診斷和做手術等方麵有三大優勢。
首先，它們漏判和失誤的可能性非常低，也就是說他們能成功發現一些醫生們忽略的情況。
其次，它們的準確率很高，而且隨著數據量（病例）的增加，提高的非常快。
最後，也是人所不具備的，這些智能程序的穩定性非常好，它們不會像人那樣受情緒的影響。
而這些智能程序的成本，通常不到人工的百分之一。
有了強大的醫療人工智能程序，再配合醫療機器人，就可以讓遠在偏遠縣城的病人，享受頂尖的醫療服務。
從而解決醫療資源不均衡的問題。
最後我們再來講一下人工智能對醫藥行業的改變。
今天，人類在癌症方麵投入的資金比阿波羅登月或者語音識別要多的多。
但為什麽癌症依然很難根治呢？
因為癌細胞是動物和人自身的細胞在複製的過程中基因出了錯，而非來自體外。
也就是說癌症是基因病，而非病毒。
今天最有效的治療癌症的方法是，使用基因技術研製出的抗癌藥來治療。
從機理上講，是找到病變的基因，並且把相應的癌細胞殺死。
不過。
不同人即使得了同一種癌症，其癌細胞病變的基因也未必相同。
因此一種抗癌藥可能對某些病人管用，但對其它病人不管用。
實際上，大部分醫生在給癌症患者用藥時，需要對患者進行基因比對，以確定是否能用某種抗癌藥。
治療癌症第二個難點，也是最根本的難點在於癌細胞本身的複製也會出錯。
這一點並不難理解，基因在複製的過程中出了一次錯，就會出第二次。
這樣一來，原本管用的抗癌藥就變得不管用了。
在抗癌藥殺死癌細胞時，未必能把所有的都殺死。
剩下哪怕隻有一個癌細胞未被殺死，它依然可以迅速繁殖，並且可能出現新的基因突變。
所以我們通常會聽到這一類故事。
某個患有癌症的親友，已經將病情控製了很長時間，突然一夜間複發，而且藥物不起作用，很快便離世了。
這裏麵的原因就是基因的變化，讓原有的抗癌藥不靈了。
由於癌細胞基因的突變和人有關，而且可能一變再變。
因此想要徹底解決問題，就需要針對不同的患者設計特定的抗癌藥，而且要根據患者癌細胞每一次新的變化研製新藥。
也就是說，隻要這個研製新藥的速度，能夠趕得上癌細胞的變化。
那麽即使不能徹底殺死所有的癌細胞，患者仍然可以長期和癌症共存。
從理論上講，這種方法是可行的。
但這樣做的成本太高。
首先，要有一個專門的研發團隊，圍繞著每一個患者進行藥品的研製，而且研發速度還要足夠快。
其次，它的耗費至少是每人10億美元。
所以這種看似可能的方法，不具備推廣意義。
<divss="contentadv">那麽出路在哪呢？”
投影屏上顯示出三個字：
大數據。
“目前我們已知的，各種可能導致腫瘤的基因錯誤不過在‘萬’這個數量級，而已知的癌症不過在‘百’這個數量級。
也就是說，即使考慮到所有可能的惡性基因複製錯誤和各種癌症的組合，也不過是幾百萬到上千萬種。
這個數量級在it領域是非常小的，但在醫學領域則近乎無窮大。
如果能利用大數據技術，在這不超過幾千萬種組合中，找到各種真正導致癌變的組合，並且對這樣每一種組合都找到相應的藥物，那麽對於所有人可能的病變都能夠治療。
針對不同人的不同病變，隻要從藥品庫中選一種藥即可。
如此一來，便可以控製癌症了。
雖然這樣成千上萬種藥總的研發成本不低，但如果分攤到全世界每一個癌症患者身上，就沒那麽高了。
同樣的道理，也適用於其它疾病。”
聽到他的話，台下原本還有些期待的眼神，很快暗淡了大半。
他們都是聰明人，雖然覺得徐良的策略可行，但真正建立這樣的數據庫，還不知道猴年馬月。
甚至他們死的那天都未必會出現。
所以期待感很快退散了。
徐良看在眼裏，也沒多解釋。
他重生之前也沒看到這一天，所以根本沒法解釋。
不過他是來講大數據的。
隻要讓大佬們明白大數據的重要性，目的就達到了。
其它都是次要的。
當然，要是台下的大佬們上了頭，主動下力氣建立這個數據庫，那全國的老百姓可享福了。
他姓徐的一定幫幫場子。
不過大概率不可能。
大佬們也講求效率和投資回報。
“根據漢華和鴻蒙必應的數據調查，美國隻有七分之一左右的臨床證明有效的藥品，最終能通過‘食品藥品監督管理局’全部審批流程，並最終上市。
剩下七分之六的藥品，雖然在小範圍內使用時，對一些病人確實有很好的療效。
但在使用到大量患者身上時，平均的效果並不顯著，因此被‘食品藥品監督管理局’否決。
所以，如果我們能找到特定人群，就可以讓這些‘廢藥’重新被利用。
在未來，可能一種疾病會有不同的藥品醫治，而不同的人會有不同的特效藥。
但想要實現這個目標，就需要國家出麵，組建麵向全國的藥品數據庫。
相信等這個數據庫真正建成後，我國的醫療支出會顯著降低，人均壽命會有極大的提升。
即便是癌症，也不再是絕症。”
看著台下有些分神的大佬們，徐良準備給他們來一點小小的未來震撼。
“說到醫療，我們再講一點題外話。
人類是否可以長生不老？”
此言一出，大佬們臉色瞬間變了。
眼神直勾勾的看了過來。
站在台上徐良都能清晰的看到他們放大的瞳孔，感受到那驟然變得急促的呼吸。
越是地位高，越是擁有巨額財富的人，就越是渴望壽命。
這也是古代那麽多皇帝追求長生的原因。
“之前我們說癌症，人類即使解決了癌症，也不過將平均壽命延長4年。
治療癌症的意義並沒有大眾想象的大。
而人類長壽麵臨的最大挑戰是衰老問題。
隻要人們活的足夠長，最後都會麵臨阿爾茲海默症的困擾，無一例外。
根據麻省理工學院的研究，再過去十年裏，全世界癌症、艾滋病、心髒病和中風的死亡率都在下降，但阿爾茲海默症導致的死亡率卻上升了40%。
所以想要延長壽命的關鍵就是找到衰老基因。
怎麽找？
大數據和人工智能最根本的解決辦法。
我們可以運用解決癌症的方法，來研究衰老基因，找到真正的致病機理後，通過基因修複編輯技術來改變它。
雖然現在看起來，這個辦法還不具備現實意義。
但我相信隨著大數據和人工智能的發展，這個目標會離我們越來越近。”
頓了一下。
“今天我的演講就到這裏，很感謝各位的聽講，謝謝。”