106家人工智能醫療企業(yè)已實(shí)現輔助診斷

　　好算法千金難求

　　機器只能從給定的數據中進(jìn)行學(xué)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(zhì)量的數據庫，忙得焦頭爛額。

　　上個(gè)月，Verily與斯坦福大學(xué)醫學(xué)院和杜克大學(xué)醫學(xué)院展開(kāi)合作，啟動(dòng)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(gè)項目旨在收集10000名參與者的數據，每個(gè)參與者將被追蹤4年，用所收集的數據建立人類(lèi)健康“基線(xiàn)”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、醫學(xué)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(shí)現數據共享，那么局面將會(huì )明朗許多，”Roam Analytics(舊金山的一家機器學(xué)習分析平臺公司，專(zhuān)注于生命科學(xué)領(lǐng)域)的首席科學(xué)家Andrew Maas在Light Forum上表示：“如果私人部門(mén)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(wú)成。”

　　患者數據和算法的可用性是區分空頭支票和有效實(shí)踐的試金石。讓我們把目光轉向IBM的Watson Health，他們通過(guò)眾多伙伴關(guān)系積累了大量數據，為認知計算模型帶來(lái)了洞悉患者健康的能力。但是由于還沒(méi)有實(shí)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(huì )議期間，同時(shí)身任斯坦福大學(xué)計算機科學(xué)系主任和Roam Analytics首席科學(xué)家的Chris Potts表示：“Watson 可能是在醫學(xué)領(lǐng)域最有前景的。”但是其他人卻不以為然，比如Social Capital的CEO Chamath Palihapitiya就稱(chēng)其為一個(gè)笑話(huà)。

　　但是正如我們之前報道的諸多合作所表明，這些質(zhì)疑并沒(méi)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(xué)習技術(shù)引入到了藥物濫用障礙治療，同時(shí)IBM的研發(fā)部門(mén)正與Sutter Health展開(kāi)合作，他們將基于還未充分利用的EHR數據，開(kāi)發(fā)預測心力衰竭的方法。

　　IBM Watson Health實(shí)際上于2011年成立，當時(shí)他們靠機器算法拿下了Jeopardy比賽，這次成功，給了他們繼續開(kāi)發(fā)運用這項技術(shù)的信心。

　　Watson副總裁兼首席策略官Shiva Kumar在Light Forum會(huì )議上表示：“我們必須大力發(fā)展醫療領(lǐng)域的AI技術(shù)，因為這個(gè)行業(yè)太具復雜性，不同專(zhuān)科之間有著(zhù)很多差異。我們只得加強機器學(xué)習，使系統了解醫學(xué)語(yǔ)言。第一步是自然語(yǔ)言處理。AI已經(jīng)具備充分的知識來(lái)給出醫療見(jiàn)解了嗎?它能夠在對話(huà)過(guò)程中給出最好的答案了嗎?我們還得和病人進(jìn)一步對話(huà)，吸收經(jīng)驗和數據，持續推進(jìn)技術(shù)開(kāi)發(fā)。”

　　Kumar表示，為了實(shí)現這個(gè)目標，解決非結構化數據的問(wèn)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(shù)，因為它超越了機器學(xué)習和深度學(xué)習。這能賦予AI以洞察力，并能自主整合和學(xué)習。

　　“醫療行業(yè)是具有特殊性的，它受到了嚴密監管，很多數據都不能自由使用，所以這是一個(gè)有很多技術(shù)改進(jìn)空間的領(lǐng)域。但是歸根結底，成功與否還得取決于他們業(yè)內人士。”

　　人工智能在醫療領(lǐng)域應用路徑

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

　　事實(shí)上，那些較晚涉足AI這場(chǎng)技術(shù)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(kāi)始了變革。

　　Light Forum會(huì )議期間，輝瑞前任董事長(cháng)兼CEO，現Lux Capital合伙人Jeff Kindler稱(chēng)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(shí)在是難以讓人錯過(guò)，盡管這意味著(zhù)還得花費大量成本與醫療從業(yè)者們溝通，以尋求AI的著(zhù)陸點(diǎn)。

　　“如果你和消費者們對話(huà)，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(huì )想著(zhù)‘交給他們我就完了’，那么我們如何才能跨越這個(gè)信任鴻溝呢?”Kindler說(shuō)道：“從歷史上看來(lái)，由于數據的不可用，藥企和醫療設備生產(chǎn)商從未涇渭分明。但是隨著(zhù)AI技術(shù)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(wù)。”

　　療效是藥物開(kāi)發(fā)的命門(mén)，特別是在FDA對AI技術(shù)的鼓勵之下，AI可能更容易對行業(yè)產(chǎn)生影響。

　　輝瑞制藥的戰略與數據創(chuàng )新副總裁Judy Sewards指出：“我們在一個(gè)推廣新產(chǎn)品需要花12年的行業(yè)中生存，在這期間，需要1600名科學(xué)家跟進(jìn)研究，進(jìn)行3600場(chǎng)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(jìn)程，使其更加智能化，將突破性藥物與最需要他們的患者聯(lián)結起來(lái)?”

　　Sewards同時(shí)透露，他們與IBM Watson合作展開(kāi)的免疫學(xué)研究，是將這一想法轉化為現實(shí)的舉措。“有些人可能會(huì )擔心，AI會(huì )在將來(lái)某天取代醫生和科學(xué)家，但實(shí)際上，它們更適合充當研究助理或者輔助的角色。”

　　德勤生命科學(xué)與醫療保健部門(mén)負責人Rajeev Ronanki向Becker Hospital Review表示 ，推動(dòng)機器學(xué)習技術(shù)進(jìn)一步發(fā)展需要三股強大力量的集結：數據的指數級增長(cháng)、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(gè)三重奏得以實(shí)現時(shí)，首席信息官們可以更加洞悉預期收益，從而改進(jìn)人力決策。依靠AI工具以及設備和進(jìn)程中的AI自動(dòng)化，可以進(jìn)一步發(fā)展領(lǐng)域深處的特異性專(zhuān)長(cháng)。

　　Ronanki引用IDC的報告，向Becker’s表示：“我們預計AI技術(shù)將保持增長(cháng)勢頭，用于人工智能的花費將上升到313億美元。”

　　Roam Analytics的CEO及聯(lián)合創(chuàng )始人 Alex Turkeltaub表示：“基本上，我們現在還一無(wú)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(kāi)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(diǎn)：“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(guān)。”