106家人工智能醫(yī)療企業(yè)已實現(xiàn)輔助診斷

　　好算法千金難求

　　機器只能從給定的數(shù)據(jù)中進行學習，所以研究人員、工程師和企業(yè)家們都為構(gòu)建更大更高質(zhì)量的數(shù)據(jù)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(shù)據(jù)，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(shù)據(jù)，每個參與者將被追蹤4年，用所收集的數(shù)據(jù)建立人類健康“基線”圖，并探尋從健康到疾病轉(zhuǎn)變的玄機。

　　數(shù)據(jù)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(shù)據(jù)庫將建立在Google計算基礎(chǔ)構(gòu)架之上，并儲存于Google云端平臺。

　　“如果政府愿意實現(xiàn)數(shù)據(jù)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(lǐng)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(shù)據(jù)，這也很好。把數(shù)據(jù)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(shù)據(jù)不能被有效收集，那我們將一事無成。”

　　患者數(shù)據(jù)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(zhuǎn)向IBM的Watson Health，他們通過眾多伙伴關(guān)系積累了大量數(shù)據(jù)，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(jù)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(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(zhì)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(shù)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(shù)據(jù)，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(shù)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(lǐng)域的AI技術(shù)，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(tǒng)了解醫(yī)學語言。第一步是自然語言處理。AI已經(jīng)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(jīng)驗和數(shù)據(jù)，持續(xù)推進技術(shù)開發(fā)。”

　　Kumar表示，為了實現(xiàn)這個目標，解決非結(jié)構(gòu)化數(shù)據(jù)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(shù)，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(shù)據(jù)都不能自由使用，所以這是一個有很多技術(shù)改進空間的領(lǐng)域。但是歸根結(jié)底，成功與否還得取決于他們業(yè)內(nèi)人士。”

　　人工智能在醫(yī)療領(lǐng)域應用路徑

　　有很多專家預測，AI技術(shù)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(lǐng)域，其次就是借由患者健康及環(huán)境或社會因素數(shù)據(jù)可用性的提高帶來的技術(shù)發(fā)展。接下來，將基因數(shù)據(jù)整合到臨床護理管理中，將使精密醫(yī)學成為現(xiàn)實。

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

　　Light Forum會議期間，輝瑞前任董事長兼CEO，現(xiàn)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(shù)據(jù)，他們只會想著‘交給他們我就完了’，那么我們?nèi)绾尾拍芸缭竭@個信任鴻溝呢?”Kindler說道：“從歷史上看來，由于數(shù)據(jù)的不可用，藥企和醫(yī)療設備生產(chǎn)商從未涇渭分明。但是隨著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。”

　　療效是藥物開發(fā)的命門，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(zhàn)略與數(shù)據(jù)創(chuàng)新副總裁Judy Sewards指出：“我們在一個推廣新產(chǎn)品需要花12年的行業(yè)中生存，在這期間，需要1600名科學家跟進研究，進行3600場臨床試驗，并涉及數(shù)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(lián)結(jié)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(zhuǎn)化為現(xiàn)實的舉措。“有些人可能會擔心，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。”

　　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(shù)進一步發(fā)展需要三股強大力量的集結(jié)：數(shù)據(jù)的指數(shù)級增長、更快的分布式系統(tǒng)，和更快識別并處理數(shù)據(jù)的算法。

　　Ronanki預測，當這個三重奏得以實現(xiàn)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(lǐng)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(shù)將保持增長勢頭，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(xiàn)在還一無所獲，盡管我們多多少少構(gòu)想了些商業(yè)模式，但是我們現(xiàn)在能做的也只是一般的數(shù)據(jù)統(tǒng)計，很難將數(shù)據(jù)整合到一起并加以管理。大多數(shù)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(diào)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(guān)。”