隨著AI技術(shù)的發(fā)展，想靠著這個技術(shù)，標榜自己與眾不同的時代，已是過去式。大眾對于AI已經(jīng)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(fēng)投或者合作伙伴，對這種機器學(xué)習(xí)技術(shù)，不感興趣。

　　但是，想要用AI技術(shù)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(guān)于醫(yī)療AI時，我們應(yīng)當以如何心態(tài)去看待，他們現(xiàn)在的應(yīng)用集中在哪些?關(guān)于這些問題，筆者梳理和編譯了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(shù)的數(shù)字醫(yī)療公司如雨后春筍般涌現(xiàn)。 CB Insights今年跟蹤報道了106家主打AI技術(shù)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(xiàn)了一些新的獨角獸，如 iCarbonX以及腫瘤為重點的 Flatiron Health。

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

　　在最近一次調(diào)研中發(fā)現(xiàn)，有半數(shù)以上的醫(yī)院，5年內(nèi)引入AI技術(shù)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(xué)習(xí)技術(shù)整合到他們的網(wǎng)絡(luò)中來。然而AI在醫(yī)療上的應(yīng)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(shù)專家和斯坦福大學(xué)的醫(yī)生。在會議期間，曾在醫(yī)保及醫(yī)療補助服務(wù)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(chǎn)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(chǎn)力的，我認為這才是數(shù)據(jù)和機器學(xué)習(xí)的落腳點。”

　　醫(yī)院調(diào)研的受訪者表示，AI技術(shù)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(xué)上影響較大。即便在藥物開發(fā)上，AI也可以使數(shù)據(jù)收集和試驗進度更快更精準，并縮減成本。但是現(xiàn)在也還未到將我們?nèi)可砑叶佳涸贏I上的時候。

　　Roam Analytics的首席科學(xué)家及聯(lián)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。”

　　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(zhuǎn)型呢?最近，我們已經(jīng)見識到了AI應(yīng)用在了從最簡單的手機app到最復(fù)雜的診斷任務(wù)，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(xué)研究數(shù)據(jù)庫等的方方面面。

　　如同醫(yī)療行業(yè)的其他技術(shù)一樣，進入這個行業(yè)會面臨監(jiān)管障礙、與傳統(tǒng)醫(yī)院IT系統(tǒng)的互操作性問題，以及獲取關(guān)鍵醫(yī)療數(shù)據(jù)方面的障礙等諸多挑戰(zhàn)，AI技術(shù)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?shù)膽B(tài)度進行創(chuàng)新。數(shù)字醫(yī)療從業(yè)者們已經(jīng)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(guān)系，還需要高質(zhì)量的數(shù)據(jù)，并對統(tǒng)計數(shù)據(jù)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(shù)難點還并不在于創(chuàng)新過程中遇到的監(jiān)管障礙、關(guān)鍵數(shù)據(jù)獲取等挑戰(zhàn)。

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

　　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(shù)據(jù)中心。

　　“Google現(xiàn)在已經(jīng)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(jié)晶，他們都專注于使AI能造福每個人。”Pichai表示，“Google.ai將重點關(guān)注三個方面：研究、工具和基礎(chǔ)設(shè)施，以及應(yīng)用型AI。”

　　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(jīng)過大量眼底圖像數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)算法，可以在診斷糖尿病性視網(wǎng)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(yīng)用到病理學(xué)上。

　　他說：“病理學(xué)涉及到龐大的數(shù)據(jù)問題，然而機器學(xué)習(xí)已經(jīng)做好準備去解決它。我們構(gòu)建了神經(jīng)網(wǎng)絡(luò)，來檢測癌癥是否擴散到了相鄰的淋巴結(jié)。這個工作還處于早期階段，不過它已經(jīng)顯示出了能將準確度從73%提升至89%的能力。當然我們?nèi)孕枰璧氖?，我們的診斷也存在很多誤報，不過這個問題我們已經(jīng)交諸病理學(xué)家來解決，他們能夠提高診斷準確性。”

　　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(yīng)用算法的技術(shù)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(guān)系整合到了一起。此項計劃包含了基因組學(xué)分析和健康聊天機器人技術(shù)的項目，并與匹茲堡大學(xué)醫(yī)學(xué)中心建立了合作伙伴關(guān)系。

　　幾周前，微軟和數(shù)據(jù)連接平臺供應(yīng)商 Validic建立了合作伙伴關(guān)系，將患者參與度納入到了 HealthVault Insights研究項目中。

　　將患者數(shù)據(jù)應(yīng)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(xiàn)在已經(jīng)見識到了各種各樣的AI應(yīng)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(shè)備和各種APP，再到Clue公司最近推出的生育預(yù)測窗口。另外一個典型是Buoy Health最近推出的醫(yī)學(xué)專用引擎，Buoy的數(shù)據(jù)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(shù)據(jù)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(lǐng)域就是醫(yī)學(xué)成像。去年11月，以色列的機器學(xué)習(xí)成像分析公司Zebra發(fā)布了新平臺，使人們可以通過互聯(lián)網(wǎng)隨時隨地上傳和接收他們的醫(yī)學(xué)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(xué)圖像，診斷從骨科到心腦血管疾病等多種疾病。該公司現(xiàn)在已經(jīng)穩(wěn)步建立了自己的數(shù)據(jù)庫，并結(jié)合深度學(xué)習(xí)技術(shù)，以開發(fā)算法來實現(xiàn)自動醫(yī)學(xué)診斷。另一家以色列的同類型公是AiDoc，這家公司剛剛?cè)谫Y了700萬美元。

　　然而，不論一家科技公司規(guī)模多大或者技術(shù)有多先進，只有將患者數(shù)據(jù)應(yīng)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(xué)習(xí)階段。

　　風(fēng)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(shù)據(jù)。”

　　加州大學(xué)伯克利分校公共衛(wèi)生學(xué)院的生物統(tǒng)計學(xué)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(shù)據(jù)和醫(yī)療分析論壇期間說道：“真實世界的數(shù)據(jù)都很復(fù)雜，而我們還沒有完全理解他們之間的聯(lián)系。在探索更加復(fù)雜的領(lǐng)域中，機器學(xué)習(xí)在某種程度上過于野心勃勃了，這可能不是一件好事。”