隨著AI技術的發(fā)展，想靠著這個技術，標榜自己與眾不同的時代，已是過去式。大眾對于AI已經不陌生，而且在生活中能實實在在感受到。時至今日，科技公司們也很難找到哪家風投或者合作伙伴，對這種機器學習技術，不感興趣。

但是，想要用AI技術來革新醫(yī)療保健行業(yè)，比起其他行業(yè)，其門檻明顯更加高昂，即使蹭著AI這個熱點，其熱度下降得很快，因為在醫(yī)療行業(yè)，一個算法的錯誤，往往意味著生與死的差別。

關于醫(yī)療AI時，我們應當以如何心態(tài)去看待，他們現在的應用集中在哪些?關于這些問題，動脈網梳理和編譯了mobihealthnews最新的深度文章，以饗讀者。

還未到將全部身家押在AI上的時候

在過去的五年當中，采用各種AI技術的數字醫(yī)療公司如雨后春筍般涌現。 CB  Insights今年跟蹤報道了106家主打AI技術的醫(yī)療公司，報告指出自2015年1月以來，其中有50家公司開展了首輪公開募股。報道對象公司的交易量從2012年的20次，上升到了2017年的60次。2017年還出現了一些新的獨角獸，如  iCarbonX以及腫瘤為重點的 Flatiron Health。

醫(yī)療人工智能已實現輔助診斷，慢性病管理和制藥等領域潛力巨大

從虛擬護士到藥物發(fā)現，CB Insights梳理了106家人工智能企業(yè)

在最近一次調研中發(fā)現，有半數以上的醫(yī)院，5年內引入AI技術的打算，另外有35%的醫(yī)院打算在近兩年就引入。近日，波士頓的Partners  HealthCare也宣布與GE  Healthcare展開為期十年的合作，將深度學習技術整合到他們的網絡中來。然而AI在醫(yī)療上的應用，絕不會在改善臨床醫(yī)生工作流程和加快保險理賠上止步。

為期兩天的Light Forum會議剛剛閉幕  ，該會議匯聚了眾多企業(yè)CEO、醫(yī)療信息技術專家和斯坦福大學的醫(yī)生。在會議期間，曾在醫(yī)保及醫(yī)療補助服務中心任職行政管理人員的Andy  Slavitt表示：“當前我們正著手解決的是生產力問題。我們需要照顧到那些資源短缺的人們，而不是一味追求商業(yè)模式和過多繁雜的問題，或者總嘗試發(fā)明新工具，這是不能夠真正改善生產力的，我認為這才是數據和機器學習的落腳點?！?/p>

醫(yī)院調研的受訪者表示，AI技術可能在人群健康狀況、臨床決策支持、診斷工具和精密醫(yī)學上影響較大。即便在藥物開發(fā)上，AI也可以使數據收集和試驗進度更快更精準，并縮減成本。但是現在也還未到將我們全部身家都押在AI上的時候。

Roam Analytics的首席科學家及聯合創(chuàng)始人Andrew Maas在Light  Forum與會期間表示：“人類的大腦依舊是功能強大的決策官，盡管計算機也有著不可限量的前景，但是目前它們的可靠程度，還不足以讓我們完全信任?！?/p>

蘋果、谷歌以及微軟，這些巨頭正在做什么?

每個人都為AI魅力所傾倒，但是還要多久，我們才能看見它為醫(yī)療行業(yè)帶來真正意義上的轉型呢?最近，我們已經見識到了AI應用在了從最簡單的手機app到最復雜的診斷任務，其形式也從自然語言或圖像識別，到依靠強大的算法處理幾十年積累的醫(yī)學研究數據庫等的方方面面。

如同醫(yī)療行業(yè)的其他技術一樣，進入這個行業(yè)會面臨監(jiān)管障礙、與傳統醫(yī)院IT系統的互操作性問題，以及獲取關鍵醫(yī)療數據方面的障礙等諸多挑戰(zhàn)，AI技術想要在這個行業(yè)里立足生根，不越過這些高峰是不可能的。

但是這并不是讓我們停止創(chuàng)新，而是懷著更嚴謹的態(tài)度進行創(chuàng)新。數字醫(yī)療從業(yè)者們已經開始意識到，要解鎖AI的真正潛力需要建立戰(zhàn)略合作伙伴關系，還需要高質量的數據，并對統計數據有一個清醒的認識。

隨著醫(yī)療行業(yè)對AI認識的漸漸成熟，其實最大的技術難點還并不在于創(chuàng)新過程中遇到的監(jiān)管障礙、關鍵數據獲取等挑戰(zhàn)。

就在本月中旬，Google方面宣布，他們已經將自己本用于翻譯和圖像識別的消費級機器學習技術，應用到了醫(yī)療領域。他們的研究團隊Google  Brain將與斯坦福大學、加州大學舊金山分校等知名學府展開合作，旨在從數以百萬計的患者身上獲取數據。

如同Google的CEO Sundar Pichai在前兩周的Google I/O  開發(fā)者大會上所表示的，這個科技巨頭的行動還遠不止此，去年他們成立了Tensor計算中心，Google稱之為AI-first數據中心。

“Google現在已經把所有的AI工作歸攏到了Google.ai，這個部門是諸多團隊和努力的結晶，他們都專注于使AI能造福每個人?！盤ichai表示，“Google.ai將重點關注三個方面：研究、工具和基礎設施，以及應用型AI?！?/p>

去年11月，Google的研究人員在JAMA上發(fā)表了一篇論文，表明Google經過大量眼底圖像數據訓練的深度學習算法，可以在診斷糖尿病性視網膜病變上，具有90%以上的高準確性。Pichai透露他們正在積極將AI應用到病理學上。

他說：“病理學涉及到龐大的數據問題，然而機器學習已經做好準備去解決它。我們構建了神經網絡，來檢測癌癥是否擴散到了相鄰的淋巴結。這個工作還處于早期階段，不過它已經顯示出了能將準確度從73%提升至89%的能力。當然我們仍需要警惕的是，我們的診斷也存在很多誤報，不過這個問題我們已經交諸病理學家來解決，他們能夠提高診斷準確性?！?/p>

除開Google，另一個例子就是蘋果公司最近也收購了一家名為 Lattice的AI公司，該公司有著開發(fā)醫(yī)療應用算法的技術背景。

微軟自然也不甘落后，幾個月前，他們推出了醫(yī)療  NExT計劃，將AI、云計算、研究以及行業(yè)合作伙伴關系整合到了一起。此項計劃包含了基因組學分析和健康聊天機器人技術的項目，并與匹茲堡大學醫(yī)學中心建立了合作伙伴關系。

幾周前，微軟和數據連接平臺供應商 Validic建立了合作伙伴關系，將患者參與度納入到了 HealthVault Insights研究項目中。

將患者數據應用到真實診斷中

巨頭公司們在發(fā)力，初創(chuàng)企業(yè)們也是各顯神通，我們現在已經見識到了各種各樣的AI應用形式，從 Ginger.io的行為健康監(jiān)測和健康分析平臺  Sensely的虛擬助理，到 Ava等公司推出的可穿戴設備和各種APP，再到Clue公司最近推出的生育預測窗口。另外一個典型是Buoy  Health最近推出的醫(yī)學專用引擎，Buoy的數據庫涵蓋了18000份臨床文獻和17000余種病情，患者樣本逾500萬人。

除了癥狀檢索以外，Buoy首先會要求用戶輸入年齡、性別和癥狀等篩選條件，然后在細分數據后決定接下來的問題，從而不斷縮小搜索范圍，大約使用兩三分鐘后，問題越來越具體，并為用戶提供可能的病癥列表和接下來的選項。

另一個十分具有前景的領域就是醫(yī)學成像。去年11月，以色列的機器學習成像分析公司Zebra發(fā)布了新平臺，使人們可以通過互聯網隨時隨地上傳和接收他們的醫(yī)學掃描分析。

Zebra成立于2014年，致力于開發(fā)算法，使電腦自動識別醫(yī)學圖像，診斷從骨科到心腦血管疾病等多種疾病。該公司現在已經穩(wěn)步建立了自己的數據庫，并結合深度學習技術，以開發(fā)算法來實現自動醫(yī)學診斷。另一家以色列的同類型公是AiDoc，這家公司剛剛融資了700萬美元。

然而，不論一家科技公司規(guī)模多大或者技術有多先進，只有將患者數據應用到真實診斷中才是王道，這也是噱頭和有效算法之間的分水嶺。所以也就不奇怪，為什么還有那么多公司還處于AI摸索學習階段。

風投公司8VC的CEO Joe Lonsdale在斯坦福的 Light Forum會議期間表示：“最初的難點就在于創(chuàng)建數據?！?/p>

加州大學伯克利分校公共衛(wèi)生學院的生物統計學教授Maya  Peterson則給出了更為明晰的觀點。她在近期舊金山舉行的HIMSS大數據和醫(yī)療分析論壇期間說道：“真實世界的數據都很復雜，而我們還沒有完全理解他們之間的聯系。在探索更加復雜的領域中，機器學習在某種程度上過于野心勃勃了，這可能不是一件好事?！?/p>

好算法千金難求

機器只能從給定的數據中進行學習，所以研究人員、工程師和企業(yè)家們都為構建更大更高質量的數據庫，忙得焦頭爛額。

上個月，Verily與斯坦福大學醫(yī)學院和杜克大學醫(yī)學院展開合作，啟動了Baseline  Project研究，收集了大量表型健康數據，從而制定明確的人體健康參考標準。

這個項目旨在收集10000名參與者的數據，每個參與者將被追蹤4年，用所收集的數據建立人類健康“基線”圖，并探尋從健康到疾病轉變的玄機。

數據的收集形式多種多樣，包含了臨床、自我報告、醫(yī)學圖像、傳感器和生物樣本等等。該研究的數據庫將建立在Google計算基礎構架之上，并儲存于Google云端平臺。

“如果政府愿意實現數據共享，那么局面將會明朗許多，”Roam  Analytics(舊金山的一家機器學習分析平臺公司，專注于生命科學領域)的首席科學家Andrew Maas在Light  Forum上表示：“如果私人部門愿意這樣做并收集大量數據，這也很好。把數據交給我們，我們將回饋很驚人的成果。但是如果因為人們的懼怕，數據不能被有效收集，那我們將一事無成?！?/p>

患者數據和算法的可用性是區(qū)分空頭支票和有效實踐的試金石。讓我們把目光轉向IBM的Watson  Health，他們通過眾多伙伴關系積累了大量數據，為認知計算模型帶來了洞悉患者健康的能力。但是由于還沒有實際證據證明其有效性，公眾對其的態(tài)度也是兩極分化。

在Light Forum會議期間，同時身任斯坦福大學計算機科學系主任和Roam Analytics首席科學家的Chris Potts表示：“Watson  可能是在醫(yī)學領域最有前景的?！钡瞧渌藚s不以為然，比如Social Capital的CEO Chamath Palihapitiya就稱其為一個笑話。

但是正如我們之前報道的諸多合作所表明，這些質疑并沒有影響到Watson吸納新合作伙伴的能力。就在前兩周，他們加入了MAP Health  Management，將自己的機器學習技術引入到了藥物濫用障礙治療，同時IBM的研發(fā)部門正與Sutter  Health展開合作，他們將基于還未充分利用的EHR數據，開發(fā)預測心力衰竭的方法。

IBM Watson  Health實際上于2011年成立，當時他們靠機器算法拿下了Jeopardy比賽，這次成功，給了他們繼續(xù)開發(fā)運用這項技術的信心。

Watson副總裁兼首席策略官Shiva Kumar在Light  Forum會議上表示：“我們必須大力發(fā)展醫(yī)療領域的AI技術，因為這個行業(yè)太具復雜性，不同?？浦g有著很多差異。我們只得加強機器學習，使系統了解醫(yī)學語言。第一步是自然語言處理。AI已經具備充分的知識來給出醫(yī)療見解了嗎?它能夠在對話過程中給出最好的答案了嗎?我們還得和病人進一步對話，吸收經驗和數據，持續(xù)推進技術開發(fā)。”

Kumar表示，為了實現這個目標，解決非結構化數據的問題對IBM Watson而言是首當其沖的。

“我們傾向于使用詞匯認知技術，因為它超越了機器學習和深度學習。這能賦予AI以洞察力，并能自主整合和學習。

“醫(yī)療行業(yè)是具有特殊性的，它受到了嚴密監(jiān)管，很多數據都不能自由使用，所以這是一個有很多技術改進空間的領域。但是歸根結底，成功與否還得取決于他們業(yè)內人士?！?/p>

人工智能在醫(yī)療領域應用路徑

有很多專家預測，AI技術將在醫(yī)療行業(yè)掀起軒然大波。Allscripts Analytics首席醫(yī)療官Fatima Paruk博士向Becker’s  Hospital  Review透露，她預計AI首次在醫(yī)療上的應用應該在慢性病管理領域，其次就是借由患者健康及環(huán)境或社會因素數據可用性的提高帶來的技術發(fā)展。接下來，將基因數據整合到臨床護理管理中，將使精密醫(yī)學成為現實。

事實上，那些較晚涉足AI這場技術競賽的行業(yè)，可能被它影響得最深，比如制藥企業(yè)，他們已然開始了變革。

Light Forum會議期間，輝瑞前任董事長兼CEO，現Lux Capital合伙人Jeff  Kindler稱藥企是“創(chuàng)新者困局的典型例子”，因為他們的財政狀況從未嚴峻到迫使他們改變商業(yè)模式。

但是AI的潛力實在是難以讓人錯過，盡管這意味著還得花費大量成本與醫(yī)療從業(yè)者們溝通，以尋求AI的著陸點。

“如果你和消費者們對話，他們不了解制藥企業(yè)，也不懂什么AI或者大數據，他們只會想著‘交給他們我就完了’，那么我們如何才能跨越這個信任鴻溝呢?”Kindler說道：“從歷史上看來，由于數據的不可用，藥企和醫(yī)療設備生產商從未涇渭分明。但是隨著AI技術的逐漸強大，操作成本和花費將得到分離，而且也不再重要，因為他們在為提高療效而服務?！?/p>

療效是藥物開發(fā)的命門，特別是在FDA對AI技術的鼓勵之下，AI可能更容易對行業(yè)產生影響。

輝瑞制藥的戰(zhàn)略與數據創(chuàng)新副總裁Judy  Sewards指出：“我們在一個推廣新產品需要花12年的行業(yè)中生存，在這期間，需要1600名科學家跟進研究，進行3600場臨床試驗，并涉及數以千計的患者。我們不得不思索，AI是否可以加快這一進程，使其更加智能化，將突破性藥物與最需要他們的患者聯結起來?”

Sewards同時透露，他們與IBM  Watson合作展開的免疫學研究，是將這一想法轉化為現實的舉措?！坝行┤丝赡軙?，AI會在將來某天取代醫(yī)生和科學家，但實際上，它們更適合充當研究助理或者輔助的角色?！?/p>

德勤生命科學與醫(yī)療保健部門負責人Rajeev Ronanki向Becker Hospital Review表示  ，推動機器學習技術進一步發(fā)展需要三股強大力量的集結：數據的指數級增長、更快的分布式系統，和更快識別并處理數據的算法。

Ronanki預測，當這個三重奏得以實現時，首席信息官們可以更加洞悉預期收益，從而改進人力決策。依靠AI工具以及設備和進程中的AI自動化，可以進一步發(fā)展領域深處的特異性專長。

Ronanki引用IDC的報告，向Becker’s表示：“我們預計AI技術將保持增長勢頭，用于人工智能的花費將上升到313億美元?！?/p>

Roam Analytics的CEO及聯合創(chuàng)始人 Alex  Turkeltaub表示：“基本上，我們現在還一無所獲，盡管我們多多少少構想了些商業(yè)模式，但是我們現在能做的也只是一般的數據統計，很難將數據整合到一起并加以管理。大多數甚至最前沿的深度算法還是上世紀60年代開發(fā)的，它們還基于17世紀的老套思路。我們必須得尋求更好的方法。”

輝瑞制藥的Judy Sewards特別強調了一點：“在我們行業(yè)你必須要做到百分百的正確，任何閃失都與患者的生命安全息息相關?！?/p>