醫(yī)療人工智能實(shí)現(xiàn)輔助診斷，未來發(fā)展?jié)摿薮?/h1>
隨著AI技術(shù)的發(fā)展，想靠著這個(gè)技術(shù)，標(biāo)榜自己與眾不同的時(shí)代，已是過去式。大眾對(duì)于AI已經(jīng)不陌生，而且在生活中能實(shí)實(shí)在在感受到。時(shí)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(duì)這種機(jī)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(gè)熱點(diǎn)，其熱度下降得很快，因?yàn)樵卺t(yī)療行業(yè)，一個(gè)算法的錯(cuò)誤，往往意味著生與死的差別。
關(guān)于醫(yī)療AI時(shí)，我們應(yīng)當(dāng)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，動(dòng)脈網(wǎng)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(shí)候
在過去的五年當(dāng)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(bào)道了106家主打AI技術(shù)的醫(yī)療公司，報(bào)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(bào)道對(duì)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(dú)角獸，如 iCarbonX以及腫瘤為重點(diǎn)的 Flatiron Health。
醫(yī)療人工智能已實(shí)現(xiàn)輔助診斷，慢性病管理和制藥等領(lǐng)域潛力巨大
從虛擬護(hù)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(huì)在改善臨床醫(yī)生工作流程和加快保險(xiǎn)理賠上止步。
為期兩天的Light Forum會(huì)議剛剛閉幕 ，該會(huì)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(huì)議期間，曾在醫(yī)保及醫(yī)療補(bǔ)助服務(wù)中心任職行政管理人員的Andy Slavitt表示：“當(dāng)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(rèn)為這才是數(shù)據(jù)和機(jī)器學(xué)習(xí)的落腳點(diǎn)。”
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(yàn)進(jìn)度更快更精準(zhǔn)，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(shí)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(huì)期間表示：“人類的大腦依舊是功能強(qiáng)大的決策官，盡管計(jì)算機(jī)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(gè)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(shí)到了AI應(yīng)用在了從最簡單的手機(jī)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(shí)別，到依靠強(qiáng)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(jìn)入這個(gè)行業(yè)會(huì)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(gè)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(yán)謹(jǐn)?shù)膽B(tài)度進(jìn)行創(chuàng)新。數(shù)字醫(yī)療從業(yè)者們已經(jīng)開始意識(shí)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(duì)統(tǒng)計(jì)數(shù)據(jù)有一個(gè)清醒的認(rèn)識(shí)。
隨著醫(yī)療行業(yè)對(duì)AI認(rèn)識(shí)的漸漸成熟，其實(shí)最大的技術(shù)難點(diǎn)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(shí)別的消費(fèi)級(jí)機(jī)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(tuán)隊(duì)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(jì)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(huì)上所表示的，這個(gè)科技巨頭的行動(dòng)還遠(yuǎn)不止此，去年他們成立了Tensor計(jì)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(gè)部門是諸多團(tuán)隊(duì)和努力的結(jié)晶，他們都專注于使AI能造福每個(gè)人。”Pichai表示，“Google.ai將重點(diǎn)關(guān)注三個(gè)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(zhǔn)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(jī)器學(xué)習(xí)已經(jīng)做好準(zhǔn)備去解決它。我們構(gòu)建了神經(jīng)網(wǎng)絡(luò)，來檢測(cè)癌癥是否擴(kuò)散到了相鄰的淋巴結(jié)。這個(gè)工作還處于早期階段，不過它已經(jīng)顯示出了能將準(zhǔn)確度從73%提升至89%的能力。當(dāng)然我們?nèi)孕枰璧氖牵覀兊脑\斷也存在很多誤報(bào)，不過這個(gè)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(zhǔn)確性。”
除開Google，另一個(gè)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(gè)月前，他們推出了醫(yī)療 NExT計(jì)劃，將AI、云計(jì)算、研究以及行業(yè)合作伙伴關(guān)系整合到了一起。此項(xiàng)計(jì)劃包含了基因組學(xué)分析和健康聊天機(jī)器人技術(shù)的項(xiàng)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(tái)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(xiàng)目中。
將患者數(shù)據(jù)應(yīng)用到真實(shí)診斷中
巨頭公司們?cè)诎l(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(shí)到了各種各樣的AI應(yīng)用形式，從 Ginger.io的行為健康監(jiān)測(cè)和健康分析平臺(tái) 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(cè)窗口。另外一個(gè)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(xiàn)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(huì)要求用戶輸入年齡、性別和癥狀等篩選條件，然后在細(xì)分?jǐn)?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(xiàng)。
另一個(gè)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(jī)器學(xué)習(xí)成像分析公司Zebra發(fā)布了新平臺(tái)，使人們可以通過互聯(lián)網(wǎng)隨時(shí)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(dòng)識(shí)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(shí)現(xiàn)自動(dòng)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(jìn)，只有將患者數(shù)據(jù)應(yīng)用到真實(shí)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(huì)議期間表示：“最初的難點(diǎn)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(jì)學(xué)教授Maya Peterson則給出了更為明晰的觀點(diǎn)。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(shí)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(jī)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。”
好算法千金難求
機(jī)器只能從給定的數(shù)據(jù)中進(jìn)行學(xué)習(xí)，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(gè)月，Verily與斯坦福大學(xué)醫(yī)學(xué)院和杜克大學(xué)醫(yī)學(xué)院展開合作，啟動(dòng)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(biāo)準(zhǔn)。
這個(gè)項(xiàng)目旨在收集10000名參與者的數(shù)據(jù)，每個(gè)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(jī)。
數(shù)據(jù)的收集形式多種多樣，包含了臨床、自我報(bào)告、醫(yī)學(xué)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(jì)算基礎(chǔ)構(gòu)架之上，并儲(chǔ)存于Google云端平臺(tái)。
“如果政府愿意實(shí)現(xiàn)數(shù)據(jù)共享，那么局面將會(huì)明朗許多，”Roam Analytics(舊金山的一家機(jī)器學(xué)習(xí)分析平臺(tái)公司，專注于生命科學(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?yàn)槿藗兊膽峙?，?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(shí)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(rèn)知計(jì)算模型帶來了洞悉患者健康的能力。但是由于還沒有實(shí)際證據(jù)證明其有效性，公眾對(duì)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(jì)算機(jī)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(yī)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就稱其為一個(gè)笑話。
但是正如我們之前報(bào)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(jī)器學(xué)習(xí)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(yù)測(cè)心力衰竭的方法。
IBM Watson Health實(shí)際上于2011年成立，當(dāng)時(shí)他們靠機(jī)器算法拿下了Jeopardy比賽，這次成功，給了他們繼續(xù)開發(fā)運(yùn)用這項(xiàng)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(yī)療領(lǐng)域的AI技術(shù)，因?yàn)檫@個(gè)行業(yè)太具復(fù)雜性，不同專科之間有著很多差異。我們只得加強(qiáng)機(jī)器學(xué)習(xí)，使系統(tǒng)了解醫(yī)學(xué)語言。第一步是自然語言處理。AI已經(jīng)具備充分的知識(shí)來給出醫(yī)療見解了嗎?它能夠在對(duì)話過程中給出最好的答案了嗎?我們還得和病人進(jìn)一步對(duì)話，吸收經(jīng)驗(yàn)和數(shù)據(jù)，持續(xù)推進(jìn)技術(shù)開發(fā)。”
Kumar表示，為了實(shí)現(xiàn)這個(gè)目標(biāo)，解決非結(jié)構(gòu)化數(shù)據(jù)的問題對(duì)IBM Watson而言是首當(dāng)其沖的。
“我們傾向于使用詞匯認(rèn)知技術(shù)，因?yàn)樗搅藱C(jī)器學(xué)習(xí)和深度學(xué)習(xí)。這能賦予AI以洞察力，并能自主整合和學(xué)習(xí)。
“醫(yī)療行業(yè)是具有特殊性的，它受到了嚴(yán)密監(jiān)管，很多數(shù)據(jù)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(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(yīng)用路徑
有很多專家預(yù)測(cè)，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(yù)計(jì)AI首次在醫(yī)療上的應(yīng)用應(yīng)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?cái)?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(hù)理管理中，將使精密醫(yī)學(xué)成為現(xiàn)實(shí)。
事實(shí)上，那些較晚涉足AI這場(chǎng)技術(shù)競(jìng)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(huì)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?yàn)樗麄兊呢?cái)政狀況從未嚴(yán)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(cuò)過，盡管這意味著還得花費(fèi)大量成本與醫(yī)療從業(yè)者們溝通，以尋求AI的著陸點(diǎn)。
“如果你和消費(fèi)者們對(duì)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(huì)想著‘交給他們我就完了’，那么我們?nèi)绾尾拍芸缭竭@個(gè)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(shè)備生產(chǎn)商從未涇渭分明。但是隨著AI技術(shù)的逐漸強(qiáng)大，操作成本和花費(fèi)將得到分離，而且也不再重要，因?yàn)樗麄冊(cè)跒樘岣忒熜Ф?wù)。”
療效是藥物開發(fā)的命門，特別是在FDA對(duì)AI技術(shù)的鼓勵(lì)之下，AI可能更容易對(duì)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?cè)谝粋€(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(yàn)，并涉及數(shù)以千計(jì)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(jié)起來?”
Sewards同時(shí)透露，他們與IBM Watson合作展開的免疫學(xué)研究，是將這一想法轉(zhuǎn)化為現(xiàn)實(shí)的舉措。“有些人可能會(huì)擔(dān)心，AI會(huì)在將來某天取代醫(yī)生和科學(xué)家，但實(shí)際上，它們更適合充當(dāng)研究助理或者輔助的角色。”
德勤生命科學(xué)與醫(yī)療保健部門負(fù)責(zé)人Rajeev Ronanki向Becker Hospital Review表示 ，推動(dòng)機(jī)器學(xué)習(xí)技術(shù)進(jìn)一步發(fā)展需要三股強(qiáng)大力量的集結(jié)：數(shù)據(jù)的指數(shù)級(jí)增長、更快的分布式系統(tǒng)，和更快識(shí)別并處理數(shù)據(jù)的算法。
Ronanki預(yù)測(cè)，當(dāng)這個(gè)三重奏得以實(shí)現(xiàn)時(shí)，首席信息官們可以更加洞悉預(yù)期收益，從而改進(jìn)人力決策。依靠AI工具以及設(shè)備和進(jìn)程中的AI自動(dòng)化，可以進(jìn)一步發(fā)展領(lǐng)域深處的特異性專長。
Ronanki引用IDC的報(bào)告，向Becker’s表示：“我們預(yù)計(jì)AI技術(shù)將保持增長勢(shì)頭，用于人工智能的花費(fèi)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(jì)，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(jì)60年代開發(fā)的，它們還基于17世紀(jì)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(qiáng)調(diào)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)。”
下載文檔
