106家人工智能醫療企業已實現輔助診斷

　　好算法千金難求

　　機器只能從給定的數據中進行學習，所以研究人員、工程師和企業家們都為構建更大更高質量的數據庫，忙得焦頭爛額。

　　上個月，Verily與斯坦福大學醫學院和杜克大學醫學院展開合作，啟動了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。

　　這個項目旨在收集10000名參與者的數據，每個參與者將被追蹤4年，用所收集的數據建立人類健康“基線”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。

　　“如果政府愿意實現數據共享，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，那我們將一事無成。”

　　患者數據和算法的可用性是區分空頭支票和有效實踐的試金石。讓我們把目光轉向IBM的Watson Health，他們通過眾多伙伴關系積累了大量數據，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證明其有效性，公眾對其的態度也是兩極分化。

　　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 可能是在醫學領域最有前景的。”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引入到了藥物濫用障礙治療，同時IBM的研發部門正與Sutter Health展開合作，他們將基于還未充分利用的EHR數據，開發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，給了他們繼續開發運用這項技術的信心。

　　Watson副總裁兼首席策略官Shiva Kumar在Light Forum會議上表示：“我們必須大力發展醫療領域的AI技術，因為這個行業太具復雜性，不同專科之間有著很多差異。我們只得加強機器學習，使系統了解醫學語言。第一步是自然語言處理。AI已經具備充分的知識來給出醫療見解了嗎?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，吸收經驗和數據，持續推進技術開發。”

　　Kumar表示，為了實現這個目標，解決非結構化數據的問題對IBM Watson而言是首當其沖的。

　　“我們傾向于使用詞匯認知技術，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。

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

　　人工智能在醫療領域應用路徑

　　有很多專家預測，AI技術將在醫療行業掀起軒然大波。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域，其次就是借由患者健康及環境或社會因素數據可用性的提高帶來的技術發展。接下來，將基因數據整合到臨床護理管理中，將使精密醫學成為現實。

　　事實上，那些較晚涉足AI這場技術競賽的行業，可能被它影響得最深，比如制藥企業，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Lux Capital合伙人Jeff Kindler稱藥企是“創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療從業者們溝通，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，也不懂什么AI或者大數據，他們只會想著‘交給他們我就完了’，那么我們如何才能跨越這個信任鴻溝呢?”Kindler說道：“從歷史上看來，由于數據的不可用，藥企和醫療設備生產商從未涇渭分明。但是隨著AI技術的逐漸強大，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。”

　　療效是藥物開發的命門，特別是在FDA對AI技術的鼓勵之下，AI可能更容易對行業產生影響。

　　輝瑞制藥的戰略與數據創新副總裁Judy Sewards指出：“我們在一個推廣新產品需要花12年的行業中生存，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結起來?”

　　Sewards同時透露，他們與IBM Watson合作展開的免疫學研究，是將這一想法轉化為現實的舉措。“有些人可能會擔心，AI會在將來某天取代醫生和科學家，但實際上，它們更適合充當研究助理或者輔助的角色。”

　　德勤生命科學與醫療保健部門負責人Rajeev Ronanki向Becker Hospital Review表示 ，推動機器學習技術進一步發展需要三股強大力量的集結：數據的指數級增長、更快的分布式系統，和更快識別并處理數據的算法。

　　Ronanki預測，當這個三重奏得以實現時，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，可以進一步發展領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及聯合創始人 Alex Turkeltaub表示：“基本上，我們現在還一無所獲，盡管我們多多少少構想了些商業模式，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年代開發的，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：“在我們行業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。”