用人工智能（AI）將一家創(chuàng)業(yè)公司與其它企業(yè)區(qū)別開來的日子已經(jīng)過去了。如今，如果一家科技公司沒有使用一些機器學習技術(shù)的話，是很難吸引風險投資或找到合作伙伴的。但是，對于試圖運用AI進行醫(yī)健創(chuàng)新的公司，它們面對的風險依舊很高。在醫(yī)療產(chǎn)業(yè)，錯誤的算法意味著生與死的差異，因此圍繞流行科技的炒作在這里比其他行業(yè)將遭受更嚴苛的考驗。

過去五年中，美國采用人工智能的數(shù)字醫(yī)療公司數(shù)量急劇增加。2017年，CB Insights跟蹤了逾100個以AI為重點的醫(yī)療公司，并注意到自2015年1月以來，其中有50家公司已完成了首輪對外融資。該領(lǐng)域的融資事件從2012年的不足20起增長到到2016年的近70起。這些公司的AI技術(shù)在醫(yī)療領(lǐng)域涉及的運用包括影像診斷、遠程患者監(jiān)控、藥品開發(fā)、腫瘤研究等。一些主要的AI科技公司，像Ayasdi（曾基于拓撲學數(shù)據(jù)分析建立了一個機器智能平臺），還有很多新興AI公司，如H2O和Digital Reasoning Systems，都投身于醫(yī)療領(lǐng)域。該領(lǐng)域因此也吸引了包括Khosla Ventures和Data Collective在內(nèi)的頂級風險投資公司的目光。

106家醫(yī)療保健領(lǐng)域的新興AI科技公司（來源：CB Insights）

最近的一項調(diào)查還發(fā)現(xiàn)，超過半數(shù)的醫(yī)院計劃在五年內(nèi)引入人工智能，其中35％計劃在兩年內(nèi)完成該目標。在波士頓，Partners HealthCare剛剛宣布與GE Healthcare進行為期十年的合作，將深度學習技術(shù)整合到自己的網(wǎng)絡(luò)中。 AI的應(yīng)用將不僅僅局限于改進臨床醫(yī)生的工作流程和更快地處理用戶反饋。

在醫(yī)院接受調(diào)研的美國醫(yī)生們認為，AI技術(shù)可能對人口健康、臨床決策支持、診斷工具和精密醫(yī)學的影響最大。此外，AI可以幫助藥物開發(fā)、臨床試驗等都變得更快、更便宜準確。

我們怎么達到目標？

但美國媒體指出，把所有的信念都傾注到AI上的時代還沒有來臨。Roam Analytics首席科學家兼聯(lián)合創(chuàng)始人Andrew Maas表示：“人類大腦的前景非常強大”；“計算機的評估能力是強大的，但它的水平還不足以得到我們的信任。”

所以，我們什么時候才能看到醫(yī)療產(chǎn)業(yè)通過機器學習實現(xiàn)轉(zhuǎn)型呢？近來，我們在最簡單的應(yīng)用和最復雜的診斷任務(wù)上都能看到這種技術(shù)的身影，它既可以自然語言處理或圖像識別的形式出現(xiàn)，又能做到用強大的算法處理幾十年醫(yī)學研究積累的數(shù)據(jù)庫。但是，AI如果不能戰(zhàn)勝一系列額外的挑戰(zhàn)，比如監(jiān)管障礙，與傳統(tǒng)醫(yī)院IT系統(tǒng)的兼容性，以及在獲得關(guān)鍵醫(yī)療數(shù)據(jù)方面的嚴格限制，AI是不能成功進入醫(yī)療領(lǐng)域的。但是，謹慎并不意味著人們應(yīng)該停止創(chuàng)新，數(shù)字健康的利益相關(guān)者意識到，想要全面挖掘AI的真正潛力，他們還需要戰(zhàn)略合作伙伴，以及對統(tǒng)計數(shù)據(jù)的清醒認識。

盡管挑戰(zhàn)很多，但各家創(chuàng)新企業(yè)在醫(yī)療AI領(lǐng)域絲毫不敢怠慢。例如，Google于近期宣布，已將其經(jīng)過試驗和真實用戶測試的機器學習能力引入醫(yī)療領(lǐng)域。該公司的研究團隊谷歌大腦（Google Brain）與加州大學舊金山分校、斯坦福大學一起，收集了數(shù)百萬患者隱去身份后的醫(yī)療大數(shù)據(jù)。

不僅如此，谷歌CEO桑達爾.皮查（Sundar Pichai）本月在Google I /O開發(fā)者論壇上說，2016年谷歌推出了Tensor計算中心，并把它描述為一個以AI為基礎(chǔ)的大數(shù)據(jù)中心。

“Google將所有的人工智能力量都納入了Google.ai，”皮查說，“Google.ai將重點關(guān)注三個方面：研究、工具和基礎(chǔ)設(shè)施，還有應(yīng)用型AI。”

2016年11月，Google研究人員在JAMA發(fā)表論文稱，Google建立在大量眼底圖像訓練基礎(chǔ)上的深入學習算法，能以90％以上的準確度檢測出糖尿病性視網(wǎng)膜病變。皮查說，他們正在努力將AI應(yīng)用到病理學上。

“這涉及到處理大量數(shù)據(jù)的問題，機器學習具有獨一無二的解決這個問題的能力，”他說，“所以我們建立了神經(jīng)網(wǎng)絡(luò)，檢測癌癥擴散到相鄰的淋巴結(jié)上的癥狀。雖然還處于早期階段，但我們的神經(jīng)網(wǎng)絡(luò)表現(xiàn)非常好，有高達89％的精確度。其中有很多假陽性的結(jié)果，我們請教了相關(guān)病理學家，他們可以改善機器的診斷能力。”

蘋果公司則是在最近收購AI公司Lattice，該公司曾開發(fā)了一套用于醫(yī)療的算法。

微軟也在進入這個領(lǐng)域，幾個月前推出了醫(yī)療NExT計劃，將人工智能、云計算、研究和行業(yè)合作伙伴關(guān)系融合在一起。該計劃包括基因組學分析和健康聊天技術(shù)，并與匹茲堡大學醫(yī)學中心建立了合作伙伴關(guān)系。

我們在很多創(chuàng)業(yè)公司那里看到了各式各樣的AI，從Ginger.io的行為健康監(jiān)測和分析平臺，即Sensely虛擬助理，到Ava公司的應(yīng)用程序和可穿戴設(shè)備，還有Clue能夠預測不能生育年齡的技術(shù)。除此之外，還有最近創(chuàng)建的Buoy Health，它設(shè)計了一種醫(yī)療專用的搜索引擎。Buoy的數(shù)據(jù)來自超過18,000份臨床論文，涵蓋500萬患者，囊括1700種癥狀。除了癥狀檢查之外，Buoy首先詢問你的年齡、性別和癥狀，然后針對性地詢問下一個更詳細的問題。大約兩三分鐘之后，問題會越縮越小，情況也越來越細致。最后它能夠為用戶提供潛在癥狀列表，以及患者下一步的選擇。

另一個很有前景的領(lǐng)域是醫(yī)學影像。2016年11月，以色列的AI影像分析公司Zebra Medical Vision宣布推出新平臺。這個平臺允許人們通過互聯(lián)網(wǎng)從任何地方上傳和接收他們的醫(yī)療影像分析。Zebra于2014年建立，目的是讓電腦自動分析醫(yī)學影像，診斷包括骨骼健康和心血管疾病在內(nèi)的各種疾病。該公司已經(jīng)穩(wěn)步建立了一個影像數(shù)據(jù)庫，結(jié)合深入學習技術(shù)，算法來自動檢測和診斷病癥。另一家推出同類產(chǎn)品的以色列公司是AiDoc，該公司剛籌得700萬美元。

但無論技術(shù)公司的規(guī)模和功能如何強大，患者數(shù)據(jù)可及性的問題使算法在診斷或預測方面取得的成績與人們的理想仍有差距。這就是為什么那么多公司還處于實驗階段。

風險投資公司8VC的首席執(zhí)行官Joe Lonsdale說：“最難的一點在于一開始就能擁有數(shù)據(jù)。”

加州大學伯克利分校公共衛(wèi)生學院生物統(tǒng)計學教授Maya Peterson博士則表達了更加冷靜的觀點。她表示：“現(xiàn)實世界中，數(shù)據(jù)之間的關(guān)系很復雜，而且我們還沒能完全理解它們。機器學習在某種程度上過于雄心勃勃，我們卻還要去研究更加復雜的問題。這并不樂觀。”

好的算法難以構(gòu)建

機器只能從為其提供的數(shù)據(jù)中學習，所以研究人員，工程師和企業(yè)家都在忙于為機器提供更大、更高質(zhì)量的數(shù)據(jù)庫。

上個月，谷歌母公司Alphabet旗下的Verily啟動了Project Baseline研究，與斯坦福大學醫(yī)學院和杜克大學醫(yī)學院合作，收集了大量表型健康數(shù)據(jù)，以期制定出一套明確的人類健康參考標準。Project Baseline旨在收集來自約10,000名參與者的健康數(shù)據(jù)，每個參與者將被追蹤四年。這些數(shù)據(jù)將被用來制定人類健康的“基線”圖，深入了解健康向疾病的轉(zhuǎn)變過程。獲得的數(shù)據(jù)將以多種形式呈現(xiàn)，包括臨床數(shù)據(jù)、影像數(shù)據(jù)、自我報告及行為數(shù)據(jù)，以及從傳感器和生物樣本上獲得的數(shù)據(jù)。該研究的數(shù)據(jù)存儲庫會建立在谷歌計算基礎(chǔ)架構(gòu)上，并安置在谷歌云平臺上。

“政府如果能夠進行數(shù)據(jù)質(zhì)量管理和數(shù)據(jù)共享，就會帶來很大改變，”Roam Analytics（一家位于舊金山的機器學習分析平臺提供商，專注于生命科學）的首席科學家Andrew Maas說。“私人企業(yè)想這樣做，并愿意收集大量數(shù)據(jù)，那很好。如果給我們這些數(shù)據(jù)，我們能夠在一年里做出驚人的結(jié)果。但是，如果因為人們的擔憂而導致數(shù)據(jù)無法收集，我們什么都做不了。”

患者數(shù)據(jù)的可及性和計算能力是理想與現(xiàn)實之間存在差距的重要原因。IBM沃森通過眾多合作伙伴關(guān)系積累了大量數(shù)據(jù)，輸入其所謂能夠更深入理解患者健康狀況的認知計算模型。由于實際結(jié)果尚未完全呈現(xiàn)，輿論對IBM沃森的看法趨向兩極。有人覺得這算得上是機器學習的鼻祖。

斯坦福大學語言學和計算機科學系的主任Chris Potts和Roam Analytics的首席科學家稱，沃森“可以說是醫(yī)療保健領(lǐng)域最有希望的企業(yè)”。其他人對此卻不怎么有信心——Social Capital的CEO Chamath Palihapitiya稱沃森為“一個笑話”。

這種不確定性似乎并沒有阻礙沃森發(fā)展新的合作伙伴。就在本月，沃森加入了MAP Health Management，把他們的機器學習技術(shù)用于治療藥物濫用。IBM研究部門正與Sutter Health合作，以未充分利用的EHR數(shù)據(jù)為基礎(chǔ)，開發(fā)預測心力衰竭的方法。

IBM沃森從2011年開始這個項目，當時這臺機器贏了Jeopardy游戲，使公司對這項技術(shù)用于實踐充滿信心。

“我們必須教導它醫(yī)療領(lǐng)域的相關(guān)技術(shù)，這些技術(shù)相當復雜，它們根據(jù)專業(yè)的不同而變化，而且在世界的每個地方都不一樣。我們必須讓系統(tǒng)習得醫(yī)學用語。”沃森健康副總裁兼首席策略官Shiva Kumar說， “第一步是自然語言處理的能力，比如在參與對話時能給出最好的回答。接著就是培養(yǎng)與病人對話的能力，讓它進一步吸收知識，不斷向前發(fā)展。”

Kalsar還解釋說，為了做到這一點，IBM沃森必須解決非結(jié)構(gòu)化數(shù)據(jù)的問題，“我們打算使用詞匯認知計算，因為它不僅僅局限于機器學習和深度學習，還能夠整合學習，洞察更深刻的東西。”

“醫(yī)療產(chǎn)業(yè)是獨一無二的：它受到高度監(jiān)管，還有大量不能使用的數(shù)據(jù)。當然同時也有很多未開發(fā)的資源，”他說，“所以，這是一片很多技術(shù)都可以一展拳腳的領(lǐng)域。但到最后，治療的成功與否仍舊掌握在醫(yī)生手里。”

如何前進

許多專家預測，AI能夠在醫(yī)療領(lǐng)域掀起波瀾。

Allscripts Analytics的首席醫(yī)療官Fatima Paruk博士認為，AI將首先應(yīng)用于慢病管理；隨著以患者為中心的健康數(shù)據(jù)的可用性越來越高，以及環(huán)境和社會經(jīng)濟因素的發(fā)展，AI也會跟著進一步發(fā)展；最后，基因信息會融入，使精準醫(yī)學變成現(xiàn)實。

AI能夠?qū)δ切┰诩夹g(shù)上早已非常落后的制藥公司產(chǎn)生巨大影響。這些制藥公司如今也開始尋求改變了。Lux Capital的合伙人，輝瑞公司的前董事長兼首席執(zhí)行官Jeff Kindler將制藥公司稱為“創(chuàng)新者困境的典型代表”，因為他們從未遭受過嚴重的財務(wù)危機，因此也沒有動力轉(zhuǎn)變商業(yè)模式。但是，AI發(fā)展的速度和潛力巨大，制藥公司也無法拒絕其吸引力，這些醫(yī)藥領(lǐng)域的利益相關(guān)者需要更多的溝通，來了解到底怎樣運用AI。

效率是藥物開發(fā)的關(guān)鍵，特別是對于那些正卡在FDA的創(chuàng)新企業(yè)來說，他們可能會讓AI的能力變得更強大。輝瑞負責數(shù)字戰(zhàn)略與數(shù)據(jù)創(chuàng)新的副總裁Judy Sewards表示：“我在一個需要花12年才能推出一種新產(chǎn)品的行業(yè)工作，12 年相當于三個總統(tǒng)任期，或者說三屆世界杯的時間。在那段時間里，1600名科學家需要著手研究，進行3600次涉及數(shù)千名患者的臨床試驗。我們考慮的是AI能不能加快這一進程，使其更智能化，將突破性藥物與相應(yīng)的患者需求連接起來？”

Sewards表示，“使這樣的設(shè)想成為現(xiàn)實”正是他們與IBM 沃森進行免疫學研究的目的，“有些人擔心機器或AI會替代科學家和醫(yī)生，但實際上它們更像是研究助理或者幫手。”

德勤醫(yī)療負責人Rajeev Ronanki說，只有三股強大力量的結(jié)合，才能推動機器學習向前發(fā)展，這三股力量是：數(shù)據(jù)的指數(shù)級增長，更快速的分布式系統(tǒng)，和更智能的能夠處理和理解數(shù)據(jù)的算法。當這三股力量結(jié)合在一起時，Ronanki預測，CIO可以收獲一些認知方面的洞見，以強化人類決策的能力，提高基于AI的參與工具性能，以及設(shè)備和流程中的AI自動化水平，提升領(lǐng)域相關(guān)的專業(yè)能力。他引用一段IDC報告的內(nèi)容，稱：“我們認為這種增長將會持續(xù)，預計在機器智能方面的投入將增加到313億美元。”

“今天我們所處的位置基本是零，”Roam Analytics的首席執(zhí)行官兼共同創(chuàng)始人Alex Turkeltaub表示，“我們多多少少想出了一些商業(yè)途徑，最多只能使用碩士生水平的統(tǒng)計數(shù)據(jù)。因為要把數(shù)據(jù)放在一起并同時要處理監(jiān)管問題是非常困難的。大多數(shù)最前沿的深入學習算法是在60年代開發(fā)，而它們的想法又來自于16世紀。我們必須找出更好的方法。”

就像輝瑞公司的Judy Sewards所指出的：“在這個行業(yè)，你必需有百分之百的確定性，因為一旦犯錯，有些患者可能就要為此付出生命。”

來源：健康點