人工智能究竟离医疗健康领域有多远？

水瓶123zxc456

人工智能发展趋势图
作为认知计算能力早期采用者，医疗、生命科学占了主导地位。
基于大数据，通过认知计算，预计医疗领域未来演进方向，以及可能影响未来进步和采用率的因素、从而获取宝贵的经验，指导药物研发、个体健康、医生的临床决策等；
可在强有力的硬件支持下，通过合适的算法进行数据挖掘，从而通过深度交互提升对于医疗行业的洞察力、发现新的潜在价值机会，应用前景巨大；
提供无偏见的决策支持，以期可达到计算机层面的对于通用知识的探索。


人工智能前景巨大，据埃森哲分析，预计在 2026 年 AI 可以解决大约 20％未满足的临床需求


上图是哈佛商业评论调查的 10 种有前景的人工智能应用的价值，并据其统计到 2026 年为止它们每年可为美国医疗保健节省高达 1500 亿美元
目前，各大科技公司、科研机构、药企以及各大初创公司纷纷布局大数据及人工智能。现有的涉足人工智能在医疗健康的领域的公司大致可以分为以下三类：
大型科技公司，如 IBM，Google 及 Mircosoft 等；
大型药企，如 Roche，GSK 等；
针对人工智能在医疗领域具体应用方向的各类型初创公司，如以医疗信息合成及汇总为主要方向的 BioSymetrics 以及刚成立人工智能研发公司 Consortium.AI 等。


针对人工智能在医疗领域运用上的各类型初创公司
目前，AI 在医疗领域的运用上，各大药企及大多数初创公司多主要针对建立完善的数据库，并通过与科技公司合作利用现有的人工智能技术指导药物研发、医疗技术革新、提高诊断水平等。三者相互合作，弥补不足，共同推进了人工智能技术在医疗健康行业的运用。


据埃森哲分析，至 2026 年 10 大 AI 在医疗健康领域的综合分类应用市场价值
就现阶段而言，不难发现，对于人工智能在医疗领域的运用上，其决定权仍在于大型科技公司，取决于其对于人工智能技术探索和研发。
因此，本文主要梳理了大型科技公司开展的人工智能技术在医疗健康领域运用情况；并结合最新的报道，针对现阶段国内外，人工智能在医疗健康领域的运用的关键点进行系统地讨论。
大型科技公司表现如何？
与 Amazon、Microsoft 主要将健康数据用于营销的方向不同，作为大型科技公司巨头，IBM 与 Google 以不同的理念领跑整人工智能在医疗健康领域的研究、运用。
Google DeepMind
Google 于 2014 年收购英国科技公司 DeepMind Technologies，重命名为 Google DeepMind，负责构建业界最佳的通用学习算法。谷歌主要通过其云基因组学和 API 在深入研究医疗保健方面已经取得了一定的进展。
该系统并非为特定目的而生成，而是作为一种更加开放式的方法，用于 " 深度学习 " 功能如何利用传入信息。因此，它可以应用于许多领域以帮助识别人眼可能无法检测的模式。
以 Google 在印度开展的监测糖尿病视网膜病变以预测心血管疾病为例，在医疗保健领域，DeepMind 已被用于自动分析测试结果以发现疾病的早期迹象。
目前 Google Healthcare AI 主要专注于保护人类生命的行业的效率如何，因此涉及领域为预防性护理及其改善现有医疗保健流程的能力，帮助医生更早对疾病进行诊断，从而让医生走上富有成效的道路，并能帮助医生稀缺地区的患者得到专业的诊断。
此外，通过与强生公司合作，致力于建立一个能够将机器人、数据分析、可视化等功能相结合的手术平台。该举措也预示着人工智能在医疗健康领域中，大型的科技公司与大型药企之间的强强联合，留给初创公司的空间变小。
IBM Watson
IBM 对于人工智能在医疗领域的运用，主要依靠其大型计算机 Watson。IBM 设计 Watson 的最初目的是击败 Jeopardy 智力竞赛节目中的两位冠军，经过 5 年的设计和测试，它能够令人信服地完成。
现在，IBM 与来自各个领域的 300 多家公司合作，包括 Twitter，Wellpoint（医疗保险）和 Chatterbox（儿童技术），以便为自己的目的使用 Watson 的自然语言处理功能；同时，尤其在医学研究和诊断领域，这些伙伴关系都处于持续增进状态。
目前，IBM 专门为 Watson 创建了一个业务，并将开发三个新领域：大数据可视化，分析制药行业的见解和研发。
在 Watson 与 Memorial Sloan-Kettering 癌症中心配对后，癌症治疗方法正在迈出重要的一步。 Watson 的 NLP 功能与 Chatterbot 玩具配合使用，以帮助与学习说话的幼儿互动，也有助于儿童的发展。
然而，近期 《波士顿环球报》旗下的 STAT 根据 IBM 内部文档对其认知计算项目 Watson 在健康信息方面应用情况进行报道。该报道称 Watson 曾经被宣传为癌症研究未来的最新迹象，然而，其实际运用效果远远低于预期。


STAT 对 IBM Watson 提供 " 危险且错误 " 癌症治疗方案进行了报道
从该项报道中我们发现，在 IBM 在对 Watson 的训练过程中，需要通过研究人员对医疗指南进行解读，并人工进行知识图谱（Knowledge Graph）构建，采用模拟数据。其花费时间巨大，且无足够的硬件及算法支持更大体量的数据处理。
目前，除了进行算法的迭代更新外，数据的来源、数量、以及硬件设备也极大的限制了医疗大数据的运用。结合上述内容及报道，以下就人工智能在医疗领域运用上重要节点进行讨论。
人工智能在医疗领域运用上需突破的关键点
一、数据是一切的基础
人工智能是基于对大量数据正确的运算与处理，因此，拥有数据就拥有市场主动权。
换言之，医疗大数据的核心价值集中在医院临床信息系统所收集的数据。通过临床大数据的整理和深度挖掘，可以反映出患者健康状况，患者用药情况，医生的诊疗行为，对于政府制定政策进行医保控费，药企研发营销，保险公司产品设计等，都能起到帮助决策的作用。
在商业市场中，目前如 GSK 等各大药企，除了拥有自己的数据库外，还瞄准高校、各研究机构及政府手中的数据库，以期在药物研发、临床试验等方面占得先机。


GSK 瞄准的布里斯托大学的数据库（the MR-Base）
目前，国内的数据资源主要集中在医疗机构，以医院临床信息系统所收集的数据为主。同时，中国医疗结构，使得依靠地市级医疗机构为主的大数据开发价值更大，也便于实现。
原因有三点：
地市级医疗资源相对丰富，三甲医疗资源和基层医疗资源都能有效互补；
就患者的就诊行为来看，本地化就诊比例较高，区域属性明显；
作为买单方——医保，是地市级管理。
然而，现在中国医疗健康大数据水平参差不齐，" 数据孤岛 " 数据共享难的问题突出，数据的商业价值开发还有很大的阻碍，加之医院共享数据的动力较低，归根到底，在现有的以药养医的医疗体制下，医院不开发数据对其影响不大，但若开放数据，必然会导致患者分流和医院收入透明度增加，从而影响医院和医生的收入。
二、硬件基础决定上层建筑
现有的大数据处理系统运行速度受其硬件限制明显。需要让机器在某种程度上具备接近自然智能、或具备真正自然智能的新的方法，来推动人工智能在 " 智慧 " 层面的发展，更好的对庞大的数据进行深入处理，进行决策推导、知识探索。
而目前，神经拟态计算就是这样一种神奇的技术，这门工程学开创于上世纪。在近 40 年的发展中，神经拟态芯片屡有新作，尤其是最近 10 年，随着 IBM、惠普、高通等电子硬件巨头的加入，神经拟态领域开始呈现加速赛跑的热闹场面。
在去年 11 月初，英特尔研究院便完成了 Loihi 测试芯片的制造和封装，并已经开始对其进行开机和验证。我们很高兴地发现，测试芯片总体可以发挥 100% 的功能，有充足的运行空间和极少量的缺陷。我们在真正的芯片上成功地运行了之前在模拟器上完成的小规模演示，当然在运行速度上也提高了几个量级。我们在类似于 " 世界，你好 "（HelloWorld）1 的实例应用已经可以从多个角度识别一个 3D 物体，其结构类似于哥伦比亚大学的 COIL-20 案例。
依据实验室的测量结果，该应用仅使用了不到 Loihi 的 1%，它在几秒钟内便学习了训练集，功耗只有几十毫瓦。今年 3 月份，英特尔创建了神经拟态研究社区，推进了 Loihi 测试芯片。


微软最新研发的 Loihi 测试芯片
硬件的提升，将直接绕开限制目前大数据处理的物理连接困境，减少建设成本，增加大数据运算速度，促进人工智能在大数据时代的发展，提升未来价值洞察力，提升药物研发速率、个体化医疗的实现。
三、算法的优化对于医疗大数据及人工智能的开发及应用 " 添砖加瓦
作为医疗大数据运用及人工智能中重要的一环，绝大多数医疗信息公司都致力于算法的更新。
尽管算法是大数据运用及医疗人工智能的基础，不能忽视；但是，更为重要的是如何使得运算更加高效，并且更能贴近实际，避免 IBM 类似的错误。同时，寻找最有算法本身也是可以基于算法而实现的，因此，相较于优秀的数据来源，以及更加完善的硬件支持，更优秀算法起到的作用是添砖加瓦。
未来路在何方 ?
早在 2015 年，Accenture、财新等联合发布的《中国医疗信息化行业公市场梳理报告》中提出，针对医疗大数据及人工智能可以拥有的商业模式：
（1）通过医疗软件 / 云服务 / 数据共享向医院和医疗机构以及政府、社保机构收费：智慧城市 / 智慧医疗等项目建设；
（2）通过数据挖掘，获得有关药品器械流通信息、疾病谱分布、临床大数据信息，可以向药企和器械企业收费，也可以通过分析临床数据帮助医生科研，从而向医生或者医院进行收费；
（3）通过健康管理疾病预防、医保控费、为医保产品设计通过数据向保险端收费；
（4）帮助医生多点执业，对患者进行个性化健康管理。
随着近年来的发展，以上仍是我国市场主要的商业模式，但上述几点方向，其基础是在于对于更加完善的数据库的投资、硬件的开发、升级，以及算法的迭代更新。
因此，今年 7 月 23 日，秦勇博士（IBM Research China）在北大的演讲中提到，尽管现在对于 Watson 在医疗行业的运用中，仍存在一定问题，但对数据库建设、硬件、软件等条件的投资和开发，将更好地从全局把控医疗数据和人工智能的运用，引导后期包括医药研发、个性化医疗在内的医疗行业发展方向，这也是近年来 IBM 健康重点的投资、研究方向。
参考文献
[ 1 ] Artificial Intelligence in Healthcare.
[ 2 ] 10 Promising AI Applications in Health Care.
作者：LinE
经授权由医业观察转载。本文仅代表作者本人观点，与医业观察立场无关。部分图片来源于网络，如有侵权，请联系小编删除。欢迎联系小编，小编微信：medwoodheart
/xz ] ] >