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(xué)習(xí)技術(shù)的話，是很難吸引風(fēng)險投資或找到合作伙伴的。但是，對于試圖運用AI進(jìn)行醫(yī)健創(chuàng)新的公司，它們面對的風(fēng)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(yán)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(yuǎn)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?fù)鋵W(xué)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(fēng)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(biāo)。在波士頓，Partners HealthCare剛剛宣布與GE Healthcare進(jìn)行為期十年的合作，將深度學(xué)習(xí)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(jìn)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(rèn)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(xué)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(zhǔn)確。

我們怎么達(dá)到目標(biāo)？

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(xué)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(xué)習(xí)實現(xiàn)轉(zhuǎn)型呢？近來，我們在最簡單的應(yīng)用和最復(fù)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(xué)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(yán)格限制，AI是不能成功進(jìn)入醫(yī)療領(lǐng)域的。但是，謹(jǐn)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(rèn)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(xué)習(xí)能力引入醫(yī)療領(lǐng)域。該公司的研究團(tuán)隊谷歌大腦（Google Brain）與加州大學(xué)舊金山分校、斯坦福大學(xué)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(dá)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(xùn)練基礎(chǔ)上的深入學(xué)習(xí)算法，能以90％以上的準(zhǔn)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(xué)上。

“這涉及到處理大量數(shù)據(jù)的問題，機器學(xué)習(xí)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(dá)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(xué)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(jìn)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(xué)分析和健康聊天技術(shù)，并與匹茲堡大學(xué)醫(yī)學(xué)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(yù)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(xì)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(xì)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(xué)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(xué)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(xué)習(xí)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(yù)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(fēng)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(xué)伯克利分校公共衛(wèi)生學(xué)院生物統(tǒng)計學(xué)教授Maya Peterson博士則表達(dá)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(fù)雜，而且我們還沒能完全理解它們。機器學(xué)習(xí)在某種程度上過于雄心勃勃，我們卻還要去研究更加復(fù)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(xué)習(xí)，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(xué)醫(yī)學(xué)院和杜克大學(xué)醫(yī)學(xué)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(biāo)準(zhǔn)。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(jìn)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(xué)習(xí)分析平臺提供商，專注于生命科學(xué)）的首席科學(xué)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(dān)憂而導(dǎo)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(rèn)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(xué)習(xí)的鼻祖。

斯坦福大學(xué)語言學(xué)和計算機科學(xué)系的主任Chris Potts和Roam Analytics的首席科學(xué)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(xué)習(xí)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(yù)測心力衰竭的方法。

IBM沃森從2011年開始這個項目，當(dāng)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(dǎo)它醫(yī)療領(lǐng)域的相關(guān)技術(shù)，這些技術(shù)相當(dāng)復(fù)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(xí)得醫(yī)學(xué)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(jìn)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(rèn)知計算，因為它不僅僅局限于機器學(xué)習(xí)和深度學(xué)習(xí)，還能夠整合學(xué)習(xí)，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(dāng)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(jìn)

許多專家預(yù)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(rèn)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(jìn)一步發(fā)展；最后，基因信息會融入，使精準(zhǔn)醫(yī)學(xué)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(yán)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(fù)責(zé)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(dāng)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(xué)家需要著手研究，進(jìn)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(jìn)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(jìn)行免疫學(xué)研究的目的，“有些人擔(dān)心機器或AI會替代科學(xué)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(fù)責(zé)人Rajeev Ronanki說，只有三股強大力量的結(jié)合，才能推動機器學(xué)習(xí)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(dāng)這三股力量結(jié)合在一起時，Ronanki預(yù)測，CIO可以收獲一些認(rèn)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(rèn)為這種增長將會持續(xù)，預(yù)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(xué)習(xí)算法是在60年代開發(fā)，而它們的想法又來自于16世紀(jì)。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