人工智能顛覆的醫療：我們可以活到150歲？

　　醫療信息數據孤島

　　但工作還遠沒(méi)有結束。就像不同專(zhuān)科的醫生，擁有不同的知識結構一樣，不同疾病數據也需要不同的算法模型。“人工智能帶來(lái)的盈利方式和競價(jià)排名會(huì )不同，人工智能要解決B端(包括藥企、保險公司等)數據分析、產(chǎn)品研發(fā)、質(zhì)量提升的需求。”移動(dòng)醫療創(chuàng )業(yè)者杏樹(shù)林CEO張遇升認為。

　　因為關(guān)系到健康和生命，新技術(shù)在醫療層面應用格外謹慎。任何一項醫療上的應用，哪怕是軟件、算法，其可靠性、有效性的認定都要經(jīng)歷漫長(cháng)的臨床試驗，并且獲得注冊證許可——在這點(diǎn)上，可以說(shuō)與互聯(lián)網(wǎng)思維背道而馳。

　　實(shí)際上，即使是Watson，在A(yíng)I顛覆醫療上也才剛剛開(kāi)始。Gartner分析師Tom Austin評論稱(chēng)，IBM給自己設定的目標很宏大，但可能需要花費數年的時(shí)間，以及昂貴的成本。

　　截至目前，IBM已在Watson腫瘤機器人的研發(fā)上投入600億美金，至今仍在虧損。IBM 認知關(guān)懷COO王泰峰就透露：“單影像訓練投入就超過(guò)40億美金。”

　　高額投入主要在于獲取訓練醫療人工智能的醫療數據。僅僅是在2016年，為培養，IBM分別斥資收購了醫療數據公司 Truven、醫療影像與臨床系統提供商 Merge Healthcare Inc。這些公司擁有大量醫療數據，比如賬單記錄、病歷、X射線(xiàn)和MRI(磁共振成像)圖像等。收購這些公司花費了IBM超過(guò)40億美元，相當于IBM 2016年單季度凈利潤的兩倍。

　　并且這是一個(gè)長(cháng)期行為。盡管IBM在投入數百億美金之后，擁有1 億份患者病歷，3000 萬(wàn)份影像數據以及 2 億份保險記錄，數據總量超過(guò) 60 萬(wàn) TB，覆蓋人數約 3 億。但這些，在中國每年80億就診人次面前，簡(jiǎn)直是小菜一碟。

　　對中國本土的醫療AI公司，醫療信息孤島同樣長(cháng)期存在，更是加大了醫療數據的獲取難度。李政就坦言，目前百度缺少大量的數據來(lái)訓練百度醫療大腦，這需要大量的患者病例。“百度不缺線(xiàn)上的醫療數據，但院中數據還是需要通過(guò)機構合作來(lái)獲得。”

　　這是因為，醫療問(wèn)題太過(guò)復雜。雖然普通病、常見(jiàn)病的種類(lèi)、癥狀以及檢測的指標等，理想狀況下，可以像AlphaGo一樣算清所有變化。但問(wèn)題是，醫療因為是發(fā)生在人身上的事情，就讓這個(gè)問(wèn)題復雜了許多，它與AlphaGo下棋完全不是一回事——究竟是哪些因素導致的疾病，并不是所有都可以用數據顯示清楚的;它無(wú)法察言觀(guān)色，無(wú)法在人的言談舉止中捕捉對診斷可能起關(guān)鍵作用的隱藏信息。而這些隱藏信息，恰恰可能是確診的關(guān)鍵。

　　此外，AI醫療應用全世界都會(huì )面臨一個(gè)相同問(wèn)題：訓練AI需要大量醫療數據，但醫療數據因為涉及患者隱私而非常敏感。英國《每日郵報》報道，獲得了200萬(wàn)份私人醫療記錄的DeepMind，其中包含病人的完整醫療史和是否被診斷患有艾滋病、抑郁癥、毒品或酒精上癮及墮胎等信息，引發(fā)了不少的爭議。

　　終極愿景：利用AI人類(lèi)活到150歲?

　　現在，在A(yíng)I醫療浪潮涌來(lái)之際，盡管還有種種問(wèn)題，人們還是不禁猜測，會(huì )不會(huì )有一天，AI機器人真的全面替代了醫生?

　　而更大膽的說(shuō)法，來(lái)自“973”首席科學(xué)家、碳云智能創(chuàng )始人王俊，他說(shuō)，有了生命科學(xué)大數據，加上人工智能最終可以實(shí)現人們對于健康的前瞻性管理，達到生命程序給每一個(gè)人設定的極限150歲。

　　因為所在行業(yè)為基因檢測緣故，王俊的話(huà)讓外界不少人付之一笑，但不可否認的是，科學(xué)進(jìn)步不斷突破我們想象的禁區，人類(lèi)壽命也前所未有地延長(cháng)。

　　其實(shí)，這些理想并不是剛剛出現，至少可以追隨到上世紀五六十年代。

　　20世紀50年代，IBM就開(kāi)始開(kāi)發(fā)醫療硬件和軟件，比如人工心肺機、聽(tīng)力受損的信號處理等。60年代就開(kāi)始鉆研醫療數據采集，同時(shí)還對影像信息訪(fǎng)問(wèn)的計算機自動(dòng)化有所涉獵，這與沃森如今的領(lǐng)域有很強關(guān)聯(lián)。

　　1972年，由利茲大學(xué)研發(fā)的AAPHelp是資料記載當中，醫療領(lǐng)域最早出現的人工智能系統。這個(gè)系統基于貝葉斯理論開(kāi)發(fā)，主要用于腹部劇痛的輔助診斷以及手術(shù)的相關(guān)需求。

　　隨后，又產(chǎn)生了不少新的成果。比如，INTERNIST I 于1974年由匹茲堡大學(xué)研發(fā)問(wèn)世，主要用于內科復雜疾病的輔助診斷。這套系統在當時(shí)被認為極具價(jià)值，并于80年代在其基礎了開(kāi)發(fā)了CADUCEUS和QMR系統，開(kāi)始了商業(yè)化嘗試。1976年，斯坦福大學(xué)研發(fā)了MYCIN，用于血液感染疾病的輔助診斷。

　　事情并沒(méi)有預期的那么順利。在隨后很長(cháng)一段時(shí)間里，和人工智能在其他領(lǐng)域的遇冷一樣，醫療領(lǐng)域當中的應用并沒(méi)有取得特別明顯的突破。人們所期待的機器替代人看病的場(chǎng)景并沒(méi)有出現，反而越來(lái)越多的看到人工智能在醫療領(lǐng)域當中應用時(shí)的局限性。

　　那么，AI醫療時(shí)代什么時(shí)候到來(lái)呢?或許，如同OMAHA基金會(huì )理事長(cháng)、大數據專(zhuān)家涂子沛所說(shuō)：“如果有一天患者敢吃人工智能醫生開(kāi)的藥，AI就成功了。”

　　相關(guān)鏈接：

　　11家AI醫療創(chuàng )業(yè)公司吸金39億元人民幣

　　目前，人工智能在醫療中的應用已大大超過(guò)智能診斷的范疇，包括基因檢測、新藥研發(fā)、輔助決策等多個(gè)領(lǐng)域都在引入深度學(xué)習的技術(shù)。

　　根據CBinsight、crunchbase數據，目前全球有11家人工智能方面的醫療創(chuàng )業(yè)公司值得關(guān)注——總體來(lái)看，這11家公司基本是在過(guò)去三年內成立的，來(lái)自美國、中國、加拿大、英國、韓國等多個(gè)國家，總計融資5.612億美金(約39億人民幣)iCarbon獨占鰲頭，以2億美金排名榜首。

　　NO.1 Freenome

　　創(chuàng )始人：Gabe Otte，28歲，11歲進(jìn)入蘋(píng)果實(shí)習，17歲參與了第一代iphone的研發(fā)，隨后在康奈爾大學(xué)研究計算機、生物、化學(xué)等領(lǐng)域。2014年與Charles Roberts一起創(chuàng )辦了freenome。Charles的履歷用我國創(chuàng )業(yè)者常用的說(shuō)法，是一名成功的“連續創(chuàng )業(yè)者”。

　　方向：“液體活檢”，通過(guò)血液當中DNA的檢測來(lái)診斷和治療癌癥。

　　融資：種子輪，550萬(wàn)美金

　　NO.2 Cloudmedx

　　創(chuàng )始人：Tashfeen Suleman，早年在微軟工作了近6年，2014年創(chuàng )辦CloudMedx

　　方向：應用機器學(xué)習技術(shù)為醫療臨床提供輔助診斷決策，幫助醫療機構提高質(zhì)量安全、降低成本。據了解，他們已經(jīng)服務(wù)超過(guò)500萬(wàn)病人，并實(shí)現了盈利。

　　融資：種子輪，660萬(wàn)美金