前段时间，蚂蚁阿福大规模宣传的时候，我其实有点不理解。
不是这个业务不行，而是国内也没有对手，如此规模的宣传，是否有必要。都没有假想敌，演练什么呢。
结果，没几天，OpenAI也在ChatGPT里增加了健康模式（Health），谷歌也要再次发力健康（谷歌对于健康一直念念不忘）。
那么，AI+健康，是不是好方向？有哪些机遇和难点？
1、AI健康的to B
AI在to B领域的应用，已经相对成熟了。用AI看影像，效率高、准确率高；用AI做药物研发、发现新药物，也已经是热门应用。谷歌AlphaFold也越来越出色。
所以，to B的应用是毋庸置疑的。接下来主要聊聊to C。
2、AI健康 to C 的机遇
传统医疗面临着“不可能三角”：低成本、高质量（专家水平）、高可及性（随时随地）。
AI 健康会带来一些改变。
A、专家预诊
比如之前我治疗幽门螺杆菌，第一次没经验，花了两百多挂了专家号，排队了两个小时，结果进去一分多钟就结束了。出了诊室才想起来，为什么不多问问专家。
而如果有了AI健康，那么就可以在就诊之前，先多了解一些。也许就知道其实不用挂专家号，大家的方法都差不多。
从这个角度看，AI 健康，其实是给普通人多一些预诊信息，不至于一头雾水、或者遇到一些专业名词也没时间搞清楚。一定程度解决医疗资源的错配问题，让轻症不出门，重症不耽误。
当然，这一点，和传统搜索差不多。但是，因为阿福等产品，用了更专业的数据库，所以效果会更好一些。而且多模态技术，支持看图、看片、语音输入等方式，使用便捷性也更高。
另外，有些医生，也可以基于大模型结合自己的数据，训练更专业领域的大模型，让患者先和模型交流，节省一些预诊精力。
所以，整体来说，解决了 成本+质量+高可及性的预诊。但是，对于需要实际诊疗的资源而言，影响不大。
B、个性化健康管理
这一点才是AI 健康最有机会和想象空间的。毕竟，健康和医疗还不太一样。健康是一个长期关注、维护的，而不是像疾病一样“出事儿才想到”。
市面也有不少手环之类，但传统的健康建议是通用的（“多喝水”、“少熬夜”、“没睡好”），用处不大（就像睡没睡好自己还能不知道吗）。
所以，健康对于C端用户而言，会有两个痛点：一是个性、精准；二是隐私（比如有些状况，甚至也不愿意让医生知道，而希望自己能解决）。
而AI则有机会给出个性化建议。
比如，它不再说“少吃糖”，而是说：“根据你刚才吃的那个甜甜圈和你现在的血糖反应，建议你立刻快走15分钟。
不再是通用的健身教练，而是根据你昨晚的睡眠质量，动态调整今天的训练强度。
对于模型厂商而言，痛点是数据。如何采集到用户真实的数据。
所以，仅有一个应用，是不够的。还需要有硬件端能够采集到实时的、真正的数据。这也是谷歌为什么一直希望做出可穿戴设备、记录用户健康数据的原因。
以我自己为例，如果能早一点知道腰部压力已经很大了，早点有对应的措施，也许就不会等到腰间盘突出了才想起来锻炼。
从应用场景而言，健康经营，一直是个好方向，但未必是一个好的商业赛道。
3、AI 健康的问题
A、核心壁垒
在没有AI之前，我一般会下载默沙东健康词典，有时候会对应看看问题。大部分健康医疗问题，都是有标准化数据的。
从这个角度而言，如果数据库不是排他、独享的，那么其他模型要追赶并不难。也就意味着，从能力角度，壁垒不高。
B、如何从咨询预诊跨越到诊断
大模型是概率预测，也就意味着幻觉，是一个数学问题，几乎无法避免。如果用户因为听从了AI的建议，而遭受健康损伤，该如何界定责任？
所以，大部分C端应用也只能做健康咨询，不敢也不能介入医疗诊断。
而如果不介入医疗诊断，也就意味着，还是不能解决医疗最核心的痛点。
C、商业化难点
中美健康管理是有一定差异的。美国医疗费用的高昂，导致健康管理也具备一定的商业化基础。用户愿意付费来管理健康，避免疾病的重大支出。
而国内，健康管理的意识、付费的意愿，相对都比较低。所以，付费难度较大。
D、使用频率
如果是疾病预诊、咨询，对于单个用户而言，其实是一个很低频的应用工具。低频，也就意味着商业化方式更少了。
健康管理是一个高频场景，但缺少硬件介入、缺少日常更新的数据，也会导致成为一个低频的场景。
E、用户获得感
知道不等于做到。即使一位真实医生告诉你，要减肥、要锻炼某个部位，用户未必都会听。更何况是一个AI。
也许过不了一周，用户就会关掉AI的每日提醒、互动。所以，如何设计产品，让用户真的愿意用、愿意听，更加核心。
整体而言，面向C端的AI健康/医疗，在国内，依然是叫好不叫座。其公益性的社会意义也许更大。
比如，可以帮助三四线的医生，作为他们的助理，来看病，提高医生的知识储备、以及工作效率。
对于产品而言，能在细分领域，获得用户认可、也让用户有获得感，也许比通用型，更有效。
粤ICP备14082021号
免费POC，
零成本试错
