看病到底有多難?從近兩年的熱門新聞就可見一斑。當下，醫療市場創業者們的主流打法大體分為：掛號、在線問診、藥品電商、垂直疾病的醫療社區等。然而，“這些對原本的就醫體驗并沒有質的提升”，半個醫生創始人王超告訴小飯桌記者。

中國一直存在醫療資源緊張和浪費并存的問題。一方面，掛號、在線問診將原本就已緊張的資源遷移到線上，實際上并未擴展原有資源，反而加劇了緊張程度，而且醫生資質良莠不齊，因此看到很多求醫問藥網站將矛頭導向“賣藥”;另一方面，北京、上海等一線三甲城市醫院爆滿，而社區門診、鄉鎮醫院出現大量閑置，實際上，醫學專家認為多數小病可以在普通醫院甚至門診處理。

針對上述問題，在阿里從事數據工作的王超離職做了一款基于大數據幫用戶輕量診斷的全科醫生App---半個醫生，并獲得真格基金千萬級別的Pre-A輪投資。

“半個醫生”App頁面

用戶輸入簡單的病情描述，半個醫生提供標簽供用戶選擇，多個癥狀標簽組合一層層排查出每種可能患病的幾率，并提供疾病常識、去醫院的檢查方案、推薦藥物，模擬醫生的診斷過程，應用于小病的診斷和大病的驗證等場景。

數據來自醫生，又高于醫生

王超創業前在阿里從事過4年數據產品工作，主要用用數據分析用戶的情感、用戶行為圖譜、預測購物行為等，這份工作讓王超認識到大數據的作用，也結識了共同創業的合伙人。

合伙人黃泱在美國凱撒醫療集團有八年工作經驗，創建了凱撒南加州的醫學信息部門并研發總監和擔任首席架構師;大數據負責人瞿波是王超阿里時期的同事，有11年數據業務經驗。

選擇醫療賽道也和王超的經歷有關。他的母親身體經常出現一些“小毛病”，長期陪母親看病也使他“久病成醫”，甚至發現醫生下錯藥的情況時有發生。“醫生知道吃這種藥會把病治好，即使可能會誘發病癥。這樣的開藥方式其實明顯欠缺考慮”。

王超介紹，半個醫生的數據庫來自于政府和科研機構合作所獲得的共享數據，它們來自五千多萬抽樣數據，覆蓋過去五六年當中的診斷記錄。目前，半個醫生涉及18萬種癥狀和9千種相關聯的疾病。

“半個醫生”創業團隊

團隊研發的大數據機器學習系統基于五千多萬抽樣數據，對不同癥狀對應疾病的規律進行學習和分析，通過標簽形式呈現在半個醫生App中，多個標簽組合即可算出用戶可能患的每種病的可能，伴隨大數據的機器學習準確率可以達到70%以上并且在不斷提升。

用大數據模擬醫生腦洞

醫生望聞問切的過程大體包含：準確識別疾病癥狀、找到癥狀關聯、掌握疾病規律、對癥下藥提供科學治理藥物和方法四個步驟。實際上，這套算法相當于把醫生診斷的場景數據化。

首先，半個醫生會將患者所說的“大白話”轉換成系統可以識別的語言。例如，用戶注冊時會要求填寫性別年齡，當用戶輸入“拉肚子、拉稀、肚子痛”等關鍵詞，系統會根據算法自動彈出“反復腹瀉、間歇性腹瀉、腹瀉加重”等引導詞供用戶縮小范圍提高準確率。

然而，中國的醫療體系中全科醫生的數量和質量都令人堪憂。即使是多年經驗的醫生，也會受制于個人專業和經驗，經常因為病人的病情復雜導致誤診。“同一個病人，呼吸科醫生看到的只是呼吸系統疾病，消化科大夫看到的是消化科疾病”。

但是，一種疾病往往是多種癥狀的組合，如同一張看不見的網。于是，半個醫生依據大數據對疾病進行拆分，在產品中形成標簽供用戶選擇，不同標簽進行組合，平臺根據大數據判斷每種可能疾病的概率，幫助用戶分析疾病或者用于醫院求醫后驗證病情。

值得一提的是，半個醫生分析出可能的疾病結果后，還會針對病情提出包括疾病常識、預防知識、去醫院對應科室和檢驗項目、常用藥說明、患者年齡分布等基于大數據的分析結果。另外，還有基于LBS的附近醫院和藥店推薦。

目前，半個醫生有30人左右的團隊。在接下來的版本中會增加患者的飲食習慣、既往病史等數據，也會根據用戶連續查詢數據為用戶做出疾病的預警。

提到商業模式，王超表示，診病作為流量入口，未來在預約醫生、家庭健康管理、保險方面有很大想象空間。