six

对医疗保健和制药行业的影响

我出生在离印度最南端大约 75 英里的一个村庄，并在那里长大。我的父母在社会上有相当好的地位，我们在成长过程中没有面临任何经济挑战。因此，我个人在成长过程中不必为高质量的医疗保健而奋斗。然而，我看到了医疗基础设施，或者说缺乏医疗基础设施的情况。因此，当谈到医疗创新时，我有一种使命感。

多年来，由于疫苗、诊断、药物和外科手术的进步，医疗保健领域取得了多项突破。很难忽视这些成就。来源:https://www . medpagetoday . com/infectiousdisease/public health/17594

正如你所想象的，医疗保健和制药行业的创新和改进将对全球许多人的福祉产生重大影响。我们将讨论这一领域的创新背景，并涵盖量子计算可能促进重大改进的以下领域:

药物发现
最后一英里药品配送
癌症诊断

术语最后一英里用于指代分销网络的最终目的地。在这种情况下，它指的是为新兴市场的农村人口提供高质量医疗保健的能力。

这些例子并不是可以从量子计算中受益的医疗保健用例的详尽集合。然而，他们应该将该技术的潜在利益带入生活。

创新集会

了解医疗保健和制药价值链中的痛点，以发现新兴技术的机会至关重要，如如人工智能 ( AI )、区块链和量子计算。在过去的几年里，人工智能已经以前所未有的规模得到了测试和应用，以解决其中的一些问题。IBM 对其沃森支持的医疗保健功能颇有微词。

然而，要在全世界实现无缝、经济高效和包容性的医疗保健，还有许多工作要做。即使在美国和英国等发达经济体，医疗保健也是消费者(患者)希望看到重大转变的一项服务。

有几个创新趋势，如使用 Babylon 等应用程序的远程咨询，使用 IBM Watson 的临床决策支持，或使用人工智能应用程序的药物发现。IBM Watson 试图创造出机器人医生 T2，但是他们面临着巨大的挑战，因为他们的方法缺乏重点。

由于可穿戴设备、物联网 ( 物联网)和物联网数据分析的融合，现在可以即时做出几个健康决定。这些工具还帮助保险公司为客户支付的保费定价。

另一方面，制药供应链也在大声呼吁更多的创新。供应链效率低下、不透明，并且由于缺乏治理和控制，假货泛滥。

这并不是说我们在医疗保健方面没有取得长足的进步。艾滋病患者的预期寿命现已接近正常预期寿命。小儿麻痹症在印度被成功根除。再生医学专注于再生、修复或替换受损细胞的方法。它可以帮助患有骨关节炎的人，骨关节炎是一个日益严重的问题，预计 11 年内将有 30%的成年人患有骨关节炎。这样的进步不胜枚举，但在医疗保健和医药领域仍有许多事情要做。来源:https://www . weforum . org/agenda/2019/05/health care-technology-precision-medicine-breakthroughts/

在我的风险投资 ( 风险投资)基金绿岸资本，我们遇到了有潜力创造巨大影响的医疗保健企业。技术可以将医疗保健带到亚洲和非洲等新兴市场的最后一公里。它可以帮助制药公司比以前更容易地模拟试验结果，并缩短药物上市时间。技术可以帮助更快、更准确地识别癌症等遗传疾病。

每当我看到一份资金申请，上面有解释一个突破性医疗机会的卡片，我就充满了希望。这就是医疗保健如此特殊的原因。我们不断寻求完善我的基金的投资理念。我们一致同意的一个方面是，健康和财富是我们不能忽视的两个行业。我相信医疗保健领域的创新和投资可能会产生最大的社会影响。在接下来的章节中，我们将看到医疗保健为技术带来的机遇。

艾医生

这一切都始于 2011 年 2 月，当时 IBM 的沃森在一个名为《危险边缘》的电视节目中与节目中的顶级演员本·詹宁斯和布拉德·鲁特竞争。在那之前，计算机最多能做的是回答有非常直接和真实答案的问题。历史上，计算机很不擅长处理在解释和回答过程中涉及微妙的问题。

在《危险边缘》节目中，IBM Watson 将不同来源的信息放在一起，并从中解读出答案。在这之前，被开发来执行类似人类的交互的程序被认为是聪明的算法。然而，IBM Watson 改变了这一过程。沃森被数以百万计的书籍、百科全书、小说和任何其他可用的参考文本所喂养。

每次提出一个问题，沃森都会找出一系列可能的答案，以及每一个答案的一组证据。使用自然语言处理来评估证据的质量。根据证据的质量和相关性，对答案进行排序。有几个算法同时执行相同的练习。随着越来越多的算法对一个答案进行排序，该答案的可信度也会增加。结果，沃森给出了问题的答案。

几年前，当我在普华永道工作时，我们正在评估 IBM Watson，以提供监管和法律问题的答案。这个想法是将数以百万计的法律和法规文本输入 IBM Watson。在训练沃森一段时间后，IBM 称之为“沃森去上学”，它可以投入商业使用。

我有机会也有责任成为董事会的一员，在普华永道的评估过程中评估 IBM Watson。我们当时面临的最大挑战之一是 IBM Watson 要理解法律和监管语言。这个想法是理解应该考虑到与用户的自然语言对话。

在一段时间内，沃森将通过提问的过程接受法律和监管专家的训练。当沃森回答问题时，培训师会对答案提供反馈。这个过程重复几次后，沃森应该会学习并随着时间的推移提供更准确的答案。

这正是 IBM 对医疗保健的愿景。来自医疗记录、研究、临床试验信息、医学书籍和其他参考资料的数据被输入 IBM。在会诊的时候，医生将与病人面谈，医疗评估将由 IBM Watson 协助进行。

由于患者提供了关于他们健康的信息，顾问将使用 IBM Watson 来查阅大量的信息。IBM Watson 将使用其拥有的广泛知识库来查找与患者诊断相关的信息。顾问然后可以参考该信息来评估患者并提供健康建议。

IBM Watson 的愿景是将其作为人工智能医生，为肿瘤患者提供治疗。然而，多年来，该系统的性能并没有达到预期。IBM 有超过 13，000 个医疗保健客户在尝试该解决方案。尽管如此，沃森的准确性一直低于预期，导致医院客户流失。这也导致 2018 年认知技术收入下降 6%。来源:https://seeking alpha . com/article/4212897-Watson-failing-deliver-IBM

IBM Watson 准确率低的主要原因是缺乏高质量的专业数据。IBM 在医疗保健领域追求一个非常广泛的用例。因此，沃森引擎的数据来源广泛而浅薄。然而，为了提高人工智能的准确性，数据需要既窄又深。需要应用领域的高质量数据，以使其成为人工智能的可行模型。

这项工作选择的两个医疗保健领域是肿瘤学和基因组学。这两个领域对人工智能来说都是复杂的领域，医学术语是一个需要克服的主要障碍。2018 年，由于所有这些挑战导致的负面公关，IBM Watson 的领导层发生了变化。沃森的健康主管 Deborah DiSanzo 离职，由 John Kelly 接任，他当时是负责认知解决方案和 IBM 研究的高级副总裁。

在医疗保健中使用人工智能的努力也有成功的故事。根据 Highland Oncology Group 的一家诊所的评论，Watson 在客户预筛查流程中的表现提高了 78%。然而，由于量子机器学习固有的建模自然的能力，它可以更好地帮助医疗保健领域。

2019 年 7 月，埃森哲成功获得其第二项量子计算美国专利。这项专利是针对他们的“量子计算机器学习模块”，该模块训练人工智能模型根据任务的适用性在经典和量子计算模块之间进行选择。来源:https://patents.justia.com/patent/10095981

埃森哲利用量子方法在分子比较方面取得了重大突破。他们与名为 Biogen 和 1-qpit 的公司合作，创建量子计算模型，提高诊断和药物发现过程的效率。

最后一英里保健

最近，我采访了阿姆里塔大学人工智能/量子研究的负责人，我于 2003 年从那里毕业。她向我解释了机器学习在医疗保健领域的使用案例，更重要的是在新兴市场的背景下。我们还讨论了量子机器学习如何帮助将能力提升到一个全新的水平。

阿姆里塔大学坐落在距离南印度哥印拜陀市 20 公里的一个名为 Ettimadai 的村庄。Ettimadai 是这所大学工程学院的所在地。我的教授 B. Rajathilagam 博士，20 年前教过我数据库管理系统 ( DBMS )和面向对象编程，现在是领导 AI 和量子机器学习研究。

对她来说，一个关键的标准是研究工作的成果。在我们的谈话中，她一直在强调通过她的研究工作对社会产生影响的重要性。因此，我们花了一些时间讨论她的博士生和硕士生试图解决的问题。

阿姆里塔大学的管理层已经接纳了 101 个主要由部落居民居住的村庄。这些村庄大多没有医院，最近的医院至少有 20 公里远。在印度的这些地区，提供“最后一英里”医疗保健一直是一个相当大的挑战。

提供最后一英里医疗保健包括以下步骤:

持续监测健康状况
托管数据的云
识别个人及其数据
对数据执行诊断
提供即时补救

并且该过程可以重复。技术如何帮助实现这些步骤？

监控健康状况可以是自动的或手动的。可以有一名医生定期访问这些村庄，进行基本测试并以电子方式记录结果。该过程还可以通过使用物联网的诊断设备实现自动化。

健康状况的自动捕捉也可以使用无人驾驶摄像机来完成。深度学习图像识别算法可用于识别贫血、抑郁和脱水等问题的症状。这种能力可以通过量子机器学习来增强，量子机器学习可以在不同的健康状况下提供不同置信度的诊断结果。

量子图像处理 ( QIP )丰富了现有图像处理技术的能力。使用经典的信息处理技术需要大量的计算资源。当使用 QIP 完成这一操作时， N 位信息的存储发生在 log(2N) 量子位中。听起来很有前途的两种图像处理方法是量子傅立叶变换 ( QFT )和量子小波变换 ( QVT )。使用量子位存储成像信息的额外优势是，它们可以利用叠加等属性。

每个村庄的中心办公室可以安装一些基本的诊断设备。村民可以进入办公室，使用国民身份证(Aadhaar)识别自己，并使用该设备。该设备会将详细信息发送到云托管服务器，并为村民提供一个标识符。

一旦数据上传，机器学习算法将帮助人类医生进行远程诊断和开药。药品将按规定分发到这些村庄。使用量子退火过程可以使这种分布过程变得有效。

让我们假设在 101 个村庄中，大约有 50 个村庄各有 5 种疾病。有 2500 种不同的健康状况需要治疗。比如说，每种情况平均需要两种药物来治疗。在这些假设下，将需要分发 5000 种药物(2500*2)。

每天采购和分发这么多药物的后勤工作绝非易事。并非所有这些药物都来自同一个供应商。在计算向这些村庄运送药物的最佳方式时，道路状况、天气状况和疾病的严重程度都需要考虑在内。

还记得我们在第二章 中讨论过的旅行商问题——量子计算——讨论要点。这是量子计算的一个极好的模型用例，也是解决涉及几个相关变量的物流问题的一种方法。在这种情况下，缺乏基础设施造成的摩擦是建模的一个重要变量。

绝热量子退火炉可以用来解决这个问题。路况、天气状况和疾病的严重程度都可以模拟到 annealer 中。分发药品的最佳解决方案将从退火炉的最低能量级解决方案中得出。

退火炉的能量空间将通过添加所有现实世界的问题来创建。患病人数增加的一个村庄与其受疾病影响的邻近村庄之间的相关性是建模的另一个重要因素。当所有这些变量都被编码时，我们会看到一个有波峰和波谷的能量空间。

然后，我们使用量子隧道穿越这一能源景观。在这个过程中，不需要爬上顶峰就能识别出低谷。最后由系统的最低能级给出最优解。

同样真实的是，所有这些分配都可以通过雇佣一个低技能劳动力团队来手动实现。在劳动力廉价的印度更是如此。然而，对于一个可以在印度和世界其他地方复制的可扩展模型来说，将几种新兴技术的力量结合起来是至关重要的。

在加纳，医疗用品最近通过无人机分发，准确率达到 100%。在一个大的商业环境中扩大规模的成本使得它在现阶段不可持续。然而，随着无人机技术成为主流，医疗保健的最后一英里交付将是主要的用例之一，驱动这些无人机的智能可以由量子计算机驱动。

我们需要整合一整套技术来实现这一目标。

用于数据捕获的物联网
用于数据完整性和患者身份管理的区块链
用于诊断的机器学习(经典的和基于量子的)
模拟药物分布的量子退火程序
无人驾驶飞机分发药品

阿姆里塔正在研究其中的许多领域。他们正在与医疗设备提供商合作，在地面上建立基础设施。他们的研究人员正在研究软件算法，这些算法将有助于从诊断到无人机智能的几个用例。

我对我的教授感激不尽，因为他让我看到了这些技术融合的可能性。在西方，我们经常生活在泡沫中，无法思考这些可以大规模解决的基本问题。然而，当我们设法做到这一点时，我们看到跨越时刻在世界各地发生。当这些村庄的医疗保健通过技术成为可能时，它可以成为世界其他地区效仿的案例。

癌症诊断和治疗

我们在上一节中简要地提到了量子机器学习在疾病诊断和治疗中的应用。让我们多花一点时间来理解量子计算可以产生深远影响的一些领域。

人类一直在努力治愈疾病，几个世纪以来，医疗保健和医学的进步已经战胜了许多疾病。一种我们仍未掌握的疾病是癌症。数十亿美元正被投入到肿瘤学领域；识别和治疗癌症。也有一些关于开发某些类型癌症疫苗的倡议。

然而，识别和治疗癌症的过程并不容易。世界上大约有 200 种癌症。

癌细胞存在于我们身体的大多数部位，但只有当这些细胞快速生长并控制身体中的健康细胞时，它们才会成为问题。这可能会达到正常细胞无法在人体内发挥其功能的水平。导致细胞变得“癌变”的因果触发器仍然没有被完全理解。

癌症有几种潜在的原因。如果一个健康的人持续暴露在致癌物质中，可能会引发癌细胞。其他原因包括暴露于辐射、吸烟和缺乏体育活动。当这些外部因素之一触发细胞的癌变行为时，受试者开始看到症状。

触发因素的不同性质、不同类型的癌症以及它们表现为症状的方式使得及时诊断更加困难。癌细胞聚集在一起形成肿瘤。肿瘤的大小、肿瘤的状态(恶性或非恶性)和转移状态决定了要提供的治疗种类。

转移表明癌症从身体的一个部位扩散到另一个部位。癌症发生的身体部位和癌细胞扩散的速度是治疗中要考虑的因素。

印度博帕尔技术专家研究所发表的一篇研究论文确定了一种使用 Shor 算法识别癌症治疗的方法。该方法提出在数据集上递归地使用 Shor 算法来识别癌症类型。数据集包括肿瘤大小、转移状态和节点状态(恶性或非恶性)。

Shor 的算法用于分析数据并识别癌症的阶段。接下来是聚集聚类，对结果进行逻辑分组。使用量子算法的这一过程已被证明比传统的癌症识别和分类方法快得多。传统方法需要几个小时才能得到结果，而这种方法只需几秒钟就能得到结果。来源:https://www . omics online . org/open-access/quantum-computing-based-technology-for-cancer-disease-detection-system-jcsb . 1000095 . pdf

前述方法使用 Shor 算法来实现癌症类型的分类和识别。然而，患者对治疗的要求是多样和复杂的，范围可以从手术到化疗。这更多的是一个优化问题，将取决于患者是否会从特定类型的治疗中受益。

优化问题可以通过量子退火解决。诊断中涉及的因素、患者的属性以及受癌细胞影响的身体部位将需要在能量空间中建模。目前的过程包括通过数百个变量来确定一个杀死癌细胞而不影响健康细胞的最佳方案。

系统的最低能量状态将确定癌细胞的治疗计划。使用量子计算还可以提供所有选项及其适用性的整体视图，以及相关的置信度。

药物发现

药物研发是新药被发现、测试并推向市场的过程。制药公司将一种新药推向市场的成本约为 26 亿美元。这个过程需要几年时间，经过几个阶段的临床试验才能获得监管机构的批准。

这一过程的结果是，超过 90%的候选药物在上市途中失败。疾病类型、生物标志物和行业等不同因素会影响药物研发过程的成功。有些领域成功率较低。根据几项研究，肿瘤学的成功率约为 5%。来源:https://www.ncbi.nlm.nih.gov/pubmed/29394327

有几种尝试使用机器学习来预测临床试验的结果，以便缩短药物上市的时间。这些尝试之一集中于模拟健康细胞和癌细胞在不同糖水平和氧水平下的行为。

健康细胞和癌细胞的行为差异由它们的脂质、酶和蛋白质谱数据来证明。这些数据有助于彻底改变药物发现过程。这个领域采取试错法的时间太长了，需要一种更科学的方法。

几家初创企业正寻求让这一过程更好地适用于制药行业。他们混合使用基于经典和量子计算的机器学习。Benevolent AI 是一家总部位于伦敦的初创公司，它从几项临床试验和患者记录中获取数据，并对它们之间的关系进行建模。

自然语言处理技术用于为科学家在药物发现过程中提供见解。该算法使用正在研究的疾病的几个维度的数据，疾病的症状，涉及的蛋白质和正在提议的药物。

利用这一情报，企业可以缩短药物研发周期，比传统方法更快地将药物推向市场，从而为制药业节省数十亿美元。

量子机器学习可以使用的另一个关键领域是蛋白质建模领域。人体由数十亿个细胞组成，蛋白质是这些细胞的重要组成部分。蛋白质的结构及其折叠机制对于理解细胞的行为至关重要。

50 多年前，诺贝尔奖获得者科学家 Anfinsen CB 首次揭示了蛋白质折叠。我们在理解蛋白质在我们的功能中的重要性方面取得了巨大的进步。我们已经确定蛋白质折叠与阿尔茨海默病、糖尿病和帕金森病有关。

蛋白质是由氨基酸组成的，当这些积木组合在一起时，它们可以呈现不同的形状。异常的蛋白质折叠会导致几种疾病。此外，随着年龄的增长，身体努力阻止错误折叠的蛋白质产生。这解释了为什么随着年龄的增长，我们对疾病的免疫力越来越差。

有几种模拟蛋白质行为的尝试。然而，这是一个具有挑战性的过程，因为它取决于氨基酸的极性以及它们如何与细胞中的水环境相互作用。模拟蛋白质行为对我们理解疾病至关重要。

经典计算机还不能非常成功地做到这一点。像旧金山的 XLabs 这样的公司正致力于利用量子计算解决这个基本问题。

Biogen 与 1-qpit 和埃森哲合作，确定治疗多发性硬化症、阿尔茨海默氏症和帕金森氏症等神经退行性疾病的潜在解决方案。一旦确定了工业解决方案，患有这些疾病的患者将受益最大。

埃森哲获得了两项量子计算专利，他们已经在创造试点，一旦产业化，就可以大规模解决药物发现问题。其中一项专利(专利号 10095981)专注于使用多态量子优化引擎的解决方案。引擎根据要解决的任务调用不同的量子设备。引擎调用的设备可以是退火炉、模拟器或基于门的量子计算机。

授予埃森哲的另一项量子计算专利(专利号 10275721)是一个机器学习模块，它能够根据任务的性质将任务路由到经典或量子设备。

多态量子优化引擎用于开发突破性的基于量子的分子比较解决方案。这种解决方案有望成倍地加快药物研发。请参阅以下资源了解更多信息:

我们已经讨论了机器学习的应用和好处，以及在医疗保健中使用量子计算可以实现的规模。在下一节中，我们将了解区块链可以解决的一些问题。然而，我们将再次看到，当谈到这两种技术的商业应用时，几乎没有任何碰撞点。

医疗保健领域的区块链

在谷歌上简单搜索一下区块链在医疗保健领域的应用，你会得到一大堆信息。然而，区块链的许多应用似乎根本不需要区块链。这些应用中的大部分都可以用传统的 DBMS 来执行。区块链将在已经困难重重的价值链中带来额外的开销和可扩展性挑战。

话虽如此，区块链技术以其目前的形式可以在医疗保健的一些领域发挥作用。如果它的一些技术限制得到解决，它会更有用。区块链有潜力的关键领域之一是健康保险。我没有在金融服务一章中详细讨论保险，但我是相信区块链将比银行更有助于转变保险业的人之一。

保险

我们中的许多人都经历过向保险公司索赔的艰难时期。如果保险公司在条款和条件中发现漏洞，不支付客户的索赔，这对客户来说是苛刻的。在我生命中的大部分时间里，我尽可能地避免保险，因为我真的认为这更麻烦。然而，当我有了家庭，我必须确保他们都有健康保险。

这并没有让我的保险经历变得更好。几年前，我妻子生病了，我打电话给我的健康保险公司。注册时，我们已经提交了她的详细健康信息，疾病与她过去的任何状况都没有关系。我们甚至听取了顾问的意见，认为它们不是相关的条件。然而，保险公司拒绝支付索赔，因为他们认为这种情况并不新鲜。

由于我们当时的重点是让她得到治疗，我们只是在没有保险的情况下完成了这个过程。如果这个过程花费了我们更多的钱，或者如果这发生在经济能力较弱的人身上，就会有生命受到威胁。对整个家庭来说，这是一次痛苦的经历。

从那以后，我一直受到保险公司或中间人的不良行为的影响，他们出售与他们的其他服务打包在一起的保险。感谢所有这些令人大开眼界的经历，我相信这是一个必须使用智能合同的领域。我可以看到几种技术的应用融合在一起，使健康保险发挥作用。

我换了一家医疗保险公司，希望能找到更好的服务。我现在用活力，他们更注重技术。他们设法创造了一个生态系统，向他们提供关于他们客户的信息。例如，我的 Fitbit 和我妻子的 Apple Watch 都与 Vitality 应用程序相连。我每月的保费是由这些智能设备发送给 Vitality 的数据决定的。如果我花了一个月的时间进行大量的活动，我的保险费就会降低，反之亦然。

这是一个很好的开始，保险公司提供了一个透明的框架来收取保费。当客户真正需要时，他们可以通过在索赔流程中构建无缝流程和体验来进一步保护客户。该过程可能如下所示:

在注册我的保险时，我向保险公司提供我的健康信息。
他们向我的医生核实了这一信息。
智能合同是为保险的两个方面创建的:
- 计算保险费的框架。
- 解除索赔的一套明确的规则。
这家保险公司使用智能设备收集客户的数据，并定期发送给他们。
保险公司可以利用这些数据来为保险费定价。
如果智能设备在任何时候识别出必须释放保险索赔的场景，它应该无缝地发生。
例如，如果来自我的可穿戴设备的数据确定我生病了，并且如果这没有被登记为预先存在的状况，那么需要有一个自动释放索赔的过程。
索赔过程可以由保险公司触发(而不是由客户去追踪他们)。
触发之后，客户可能必须批准发布索赔，并确认可穿戴设备在正确的时间发出红色警报是正确的。

在索赔过程中不应该需要保险公司的任何人工干预。他们可以人为地制造有利于保险公司的主观性。借助物联网集成的实时数据捕捉，他们可以更加主动地对待客户。因此，他们可以实时响应索赔场景，甚至无需客户去追他们。

通过健康保险的适当数字化，受益的不仅仅是客户。保险公司可以使用从这些物联网设备中捕获的健康数据来创建一些见解。这些数据可以通过机器学习模型进行处理，然后预测客户未来可能容易出现的任何健康问题。这可以帮助他们警告客户潜在的未来状况。

对保险公司来说，更有用的是他们能够使用这些健康数据，并为客户的未来保险费定价。如果客户的可穿戴设备显示不活动增加、睡眠减少、工作时间延长、用水量减少以及心跳不规律，这可能表明客户生病的风险更高。

假设通过可穿戴设备捕获的数据表明客户心脏病发作的风险增加了。保险公司可以就此与他们联系，并主动确保客户了解他们的健康状况。如果这一警告被客户忽视，那么保险公司可以指示它将增加他们的保费。

类似地，假设一位客户声称可以治愈一种疾病。如果他们治疗后的健康数据被保险公司捕获，这可能表明客户正在恢复健康。在这种情况下，数据可以用来减少客户的保费，从而奖励良好的习惯和行为。

在所有这些场景中，智能可用于优化客户将支付的保费金额。在这些场景中，区块链的好处是以合同方式构建保费金额，并在智能增加的情况下释放索赔金额。

另一个新兴的用例是面部识别技术的使用。商汤科技是世界上最大的人工智能初创公司，在四年内从一项研究发展成为一家价值 45 亿美元的公司。他们在保险业中有趣地使用了面部识别技术。如果客户提出索赔，他们将接受面谈。

人工智能引擎在面试过程中扫描客户的面部，并根据面部表情提供诚信评分。这个完整性分数用于决定声明是否真实。一个即兴创作是创建一个智能合同，如果诚信得分超过阈值，就会触发索赔支付。

区块链的关键应用之一是不可变的可追溯性。在全球范围内，由于缺乏供应链中的可追溯性和握手机制，假药已经成为一个蓬勃发展的行业。现在让我们看看如何使用区块链来解决这个问题。

药品供应链

我们讨论了 quantum 机器学习如何帮助药物发现过程，并降低制药行业的成本和上市时间。然而，该行业今天所依赖的供应链需要一个重大的改变。在几个新兴经济体尤其如此，在这些国家，假药每年给制药业造成数十亿美元的损失。

普华永道的一份关于假药的报告称其为最有利可图的非法市场，每年获利超过 1500 亿英镑。更令人担忧的数字是数以百万计的人因服用这些假药而死亡。在发达市场，大约 1%的药品是假药，但在非洲等市场，这一数字高达 70%。

得益于数字经济，近期全球范围内都在进行造假。根据世界卫生组织的数据，大约 50%的网上销售的药品是假药。打击假冒药品的斗争已经广泛展开，但只取得了零星的成果。

尽管药物安全研究所、美国美国食品药品监督管理局和世卫组织等组织做出了努力，但仍有许多工作要做。制药公司努力投资打击假药，因为他们已经被高昂的药物研发和监管成本所累。因此，保持毒品市场的清洁不在他们的优先考虑之列。

因此，我们仍然有一个繁荣的药品伪造市场。在 50，000 多个销售药品的在线网站中，95%没有监管机构的批准和行业标准。结果，假药市场被大公司和组织归类为一个负担不起的弱点。然而，每年有超过 45 万人死于无效和假冒的疟疾药物。任何导致每年这么多人死亡的因素都需要有组织地解决。普华永道报告中的以下图表突显了假药带来的利润:

图 1:与假药市场相关的统计数据。来源:https://www . strategy and . PwC . com/report/fake-pharma ceuticals

一些机构和制药行业提出的解决这个问题的方法是大规模序列化，并在整个供应链中跟踪药物。批量序列化包括在药品包装上使用条形码。药品及其相应的代码在生产时集中注册。然后在供应链的几个步骤中扫描条形码，以确保他们看到的是同一种药物。

然而，挑战在于这些系统中的许多已经被伪造者破解。结果，只有一小部分伪造企图被条形码和大规模序列化解决了。我们需要一个更好的、更难破解、更安全的解决方案来解决这个行业的问题，并与假药展开一场有组织的战斗。

正如本章前面提到的，我在印度南部的一个村庄里长大。在我生命中的大部分时间里，我已经看到了不完善的医疗保健带来的负面影响。印度可以说是假药的全球中心。关于印度及其在假药市场中的角色，以下是一些值得了解的统计数据:

就消费量而言，印度制药行业是世界第三大行业
然而，全世界 35%的假药来自印度
印度向世界上 200 多个国家出口毒品

不用说，为了世界和印度的利益，印度的药品供应链需要认真整顿。

在第 14 章、采访 IBM 合伙人 Dinesh Nagarajan中，当我们讨论区块链的应用时，我们看到供应链是其关键的行业用例之一。区块链可以成为食品、制药和商品等行业的优秀跟踪机制。我看到世界各地有几家初创企业在利用区块链框架的跟踪功能。

总部位于美国的初创公司 Chronicled 建立了一个名为 MediLedger 的医疗保健区块链联盟。区块链将用于注册和跟踪药物在其供应链中的每一个环节。该分类账的一个关键原则是，只有制造商可以创建和附加标识符到药物上。如果药品的标识符在其供应链的其他任何地方被调整，它就会被区块链标记为假的。

至少在美国,药品供应链安全法案 ( DSCSA )正在强制制药公司拥有可互操作的系统，可以帮助追踪供应链中的药品。使用区块链可以确保这种互操作性是现成的，而不必通过昂贵的系统和流程集成工作来开发。

在这一领域使用区块链的优势如下:

财团必须遵守的规则可以预先约定，并编码到区块链中。
没有一个实体可以改变供应链的细节。
区块链允许条目，不允许删除。因此，分类账中的每一笔分录都要经过审计和跟踪。
控制的分散性质，以及前面的功能，使它很难篡改。

MediLedger 联盟使用零知识证明 ( ZKPs )来实施治理和控制，而无需各个节点(公司)相互共享详细数据。ZKP 是一个简单的框架，允许区块链上的某人提供适当水平的信息，以证明他们满足某个条件。

例如，如果我向银行申请贷款，银行将需要访问我的信用评分。对于 ZKP，银行可能只需要我的信用评分在一个范围内，就可以决定我的贷款请求。在 ZKP 模型中，有一个证明者(我)和一个验证者(银行)。我应该能够让银行相信我提供给他们的信息是完整和真实的。但是，不应与银行共享更多信息。

在我们生活的世界里，我们生成的每一点数据都被谷歌、脸书或亚马逊等科技巨头用来为我们提供更好的服务。他们还将数据转售给第三方并从中获利。在这种情况下，ZKP 是确保用户控制这些服务提供商使用的数据的最佳方式。

回到我们的医疗保健例子，像 MediLedger 这样的系统可以提供适当水平的信息透明度，以挫败伪造企图。与此同时，在运输敏感药物的地方，信息不太容易被各方获得。区块链在药品供应链中还处于早期阶段，但该技术在大多数供应链用例中看起来很有前景。

现在让我们进入区块链的下一个用例，即记录保存。以安全可靠的方式存储患者记录至关重要。确保患者拥有自己的数据也许同样重要。让我们在下一节中详细讨论这一点。

医疗保健数据交换

医疗保健领域最大的挑战之一是高质量数据的可用性(或者说缺乏可用性)。在医疗保健价值链的许多环节，获取患者的健康信息有助于做出更好的决策。真实世界的健康数据有助于研究、健康咨询和药物发现的质量。

有很多方法可以为所有的研究创建模拟的数据。然而，它通常不能很好地代表真实的患者健康数据。在过去，我总是愿意放弃我的健康数据用于研究。每次有健康审查过程，我被要求选择是否可以使用我的数据，我都会回答“是”。

然而最近，我开始对数据隐私和安全问题变得有点谨慎。在与医疗机构共享我的数据时，还有一个需要谨慎的重要原因。我坚信自我主权身份。因此，我相信当我的数据在某处被使用时，它需要以某种形式归于我。

没有一个系统能把这三者结合起来，即隐私、安全和自我主权身份。如果有一种机制，我可以匿名分享我的医疗保健数据，用于研究或健康咨询目的，我可能会更愿意这样做。

除了安全之外，我还希望能够追踪我的数据在哪里被使用，以及第三方使用我的数据赚了多少钱。需要有一个预先商定的机制，这样我就可以从分享我的数据中获得金钱上的好处。

Ponemon Institute 对 503 名受访者进行的一项调查发现，其中约 86%的受访者曾因错误识别患者而出现医疗问题。80%的受访者认为，通过生物识别技术积极识别患者身份可以增加医院的现金流。来源:http://promos . HC pro . com/pdf/2016-national-report-misidentificati on-report . pdf

有几家公司正在尝试使用区块链解决数据共享、版权和知识产权市场的问题。医疗数据共享变得更加有趣和具有挑战性。HealthVerity 和 Doc.ai 等公司利用区块链充当医疗保健数据的市场。

通过这个市场，个人可以允许他们的数据用于特定的研究。因为这项研究通过医学突破获得回报；这项计划的好处在数据提供商之间分配。研究使用的数据保存在临时空间中，直到研究完成，然后被删除。

虽然区块链目前是由这些创业公司发起的，但计划是像以太坊生态系统一样进化生态系统。这将有助于真正分散个人数据的所有权和管理权。在这种模式下，任何想出售数据的人都可以把数据放到市场上。想要这些数据的第三方可以出价购买并利用这些数据。区块链网络可以验证交易并提交给链。参与验证的节点可以因此获得奖励。

随着这种数据共享的分散治理过程的扩大，医疗保健市场将成为主流。现在让我们来看看智能合同是如何让医学研究更有效率的。

研究治理

在第 8 章、对治理的影响中，我们看到了区块链如何在世界各地被用于政府的有效运作。原则上，区块链框架可以用于任何在启动流程之前就合同条款达成一致的情况。随着流程的进展，每当合同条款得到满足，就会触发一系列操作。

在跟踪区块链上的这些合同义务时，每一步进展都可以打上数字时间戳。可以根据这些合同义务启动和执行服务级别协议。然而，使用区块链进行智能治理的最重要的方面是，可以消除契约决策中的人类偏见。

长期以来，医疗保健研究一直是一台运作效率低下的机器。医疗保健研究中的一些低效问题包括:

研究的目标和成功标准通常事先没有达成一致
在整个研究过程中缺乏里程碑式的设计
研究人员会受到人类偏见的影响，可能会在试验中途改变标准
阴性结果一般不会公布
跨医疗保健系统的互操作性很难实现，因此，数据源和集成可能是一个挑战
对研究步骤的审计追踪经常丢失，因此更难从历史信息中找出经验教训
实时了解大多数关键利益相关者无法获得研究的情况

面对所有这些棘手问题，医疗保健研究迫切需要一种解决方案来实现运营效率。当我们考虑以下步骤时，区块链可以对此有所帮助:

一项研究中的所有关键利益相关者都被注册为区块链上的一个节点
研究的条款、成果以及成果的成功标准都是事先商定的
理解所有中间里程碑，并商定指示性时间表
就研究活动的成功和失败的出版政策达成一致
识别来自多个系统的任何数据来源/共享需求，并且或许可以作为区块链中的 Oracle

将所有这些达成一致并纳入区块链的好处是巨大的。之前突出显示的每个摩擦点都可以得到解决，并且可以近乎实时地无缝管理和监控流程。然而，将医疗数据加载到区块链上并非没有挑战。

医疗保健数据比大多数其他信息更敏感，任何被发现的违规行为都会带来严重的法规影响。因此，数据可能必须以统一和相关的方式共享。但是使用这些数据的第三方不应该能够识别拥有这些数据的病人。另一个挑战在本质上更具政治性。

制药公司历来抵制变革。在美国，从纸质记录转向电子记录需要颁布一项重要法规(HITECH Act)。因此，他们如何将区块链作为一种大规模的技术范式还有待观察。与其他技术不同，区块链要有意义，生态系统中的大多数关键利益相关者必须在链上。

因此，如果制药行业中有很大一部分人不想采用区块链，其他参与者就越来越难以利用这项技术产生任何影响。

结论

我可能在医疗保健章节讲述了更多的故事，因为我可以亲身体验许多医疗保健场景。该领域在世界不同地区有几个难点。发达国家专注于提高现有流程的效率，如患者身份识别、记录保存、数据共享和隐私。另一方面，新兴经济体有更根本的问题需要解决。

新兴经济体在向民众提供基本医疗保健方面存在最后一公里的问题。能够大规模提供及时、有效的医疗保健可能是当今人类面临的最大问题。在非洲、亚洲和拉丁美洲等地区，有数百万人无法获得基本的医疗保健。

当我们专注于带来创新理念以改变医疗保健时，解决发达市场和新兴世界的问题至关重要。挑战的规模非常大，仅仅使用个别技术和提供零碎的解决方案是不够的。

能够用更准确的诊断和治疗计划来治疗癌症等疾病是医疗保健能力的重大飞跃。蛋白质行为的建模可以帮助我们创造药物，解决退行性神经疾病，如阿尔茨海默氏症。量子计算可以为药物发现过程带来的效率可以将试验周期从十多年缩短到几年，有效地节省数十亿美元。

需要使用解决数据价值链中所有接触点的技术。需要物联网和数据采集医疗设备来接收患者的健康数据。这些信息必须安全可靠地存储在系统中。因此，使用这些数据来创建智能洞察非常重要。诊断和治疗决策将需要基于使用机器学习的这种智能来做出。整个过程可以在区块链上跟踪，同时提供适当的透明度和隐私水平。仍然有协议级别的改进，链上和链下设计需要克服使用区块链的监管挑战。然而，随着技术的成熟和一些架构解决方案的发展，数据法规应该不再是医疗保健的绊脚石。

在写这本书的过程中，我和世界各地的医疗专家进行了交谈。影响最大的一次讨论是我对我的教授 B. Rajathilagam 博士的采访。也许，我与它有更多的关联，因为我在那些村庄里和周围度过了四年的生活。也许它更鼓舞人心，因为它是一个医疗保健应用程序。但最重要的是，也许这就是我们可以帮助拯救生命并在日常生活中看到切实成果的地方。

医疗保健创新将继续激励我，我希望我们看到越来越多令人兴奋的技术能够改变人们的生活。

我们一直在努力

apachecn/AiLearning