106家人工智能医疗企业已实现辅助诊断

　　好算法千金难求

　　机器只能从给定的数据中进行学习，所以研究人员、工程师和企业家们都为构建更大更高质量的数据库，忙得焦头烂额。

　　上个月，Verily与斯坦福大学医学院和杜克大学医学院展开合作，启动了Baseline Project研究，收集了大量表型健康数据，从而制定明确的人体健康参考标准。

　　这个项目旨在收集10000名参与者的数据，每个参与者将被追踪4年，用所收集的数据建立人类健康“基线”图，并探寻从健康到疾病转变的玄机。

　　数据的收集形式多种多样，包含了临床、自我报告、医学图像、传感器和生物样本等等。该研究的数据库将建立在Google计算基础构架之上，并储存于Google云端平台。

　　“如果政府愿意实现数据共享，那么局面将会明朗许多，”Roam Analytics(旧金山的一家机器学习分析平台公司，专注于生命科学领域)的首席科学家Andrew Maas在Light Forum上表示：“如果私人部门愿意这样做并收集大量数据，这也很好。把数据交给我们，我们将回馈很惊人的成果。但是如果因为人们的惧怕，数据不能被有效收集，那我们将一事无成。”

　　患者数据和算法的可用性是区分空头支票和有效实践的试金石。让我们把目光转向IBM的Watson Health，他们通过众多伙伴关系积累了大量数据，为认知计算模型带来了洞悉患者健康的能力。但是由于还没有实际证据证明其有效性，公众对其的态度也是两极分化。

　　在Light Forum会议期间，同时身任斯坦福大学计算机科学系主任和Roam Analytics首席科学家的Chris Potts表示：“Watson 可能是在医学领域最有前景的。”但是其他人却不以为然，比如Social Capital的CEO Chamath Palihapitiya就称其为一个笑话。

　　但是正如我们之前报道的诸多合作所表明，这些质疑并没有影响到Watson吸纳新合作伙伴的能力。就在前两周，他们加入了MAP Health Management，将自己的机器学习技术引入到了药物滥用障碍治疗，同时IBM的研发部门正与Sutter Health展开合作，他们将基于还未充分利用的EHR数据，开发预测心力衰竭的方法。

　　IBM Watson Health实际上于2011年成立，当时他们靠机器算法拿下了Jeopardy比赛，这次成功，给了他们继续开发运用这项技术的信心。

　　Watson副总裁兼首席策略官Shiva Kumar在Light Forum会议上表示：“我们必须大力发展医疗领域的AI技术，因为这个行业太具复杂性，不同专科之间有着很多差异。我们只得加强机器学习，使系统了解医学语言。第一步是自然语言处理。AI已经具备充分的知识来给出医疗见解了吗?它能够在对话过程中给出最好的答案了吗?我们还得和病人进一步对话，吸收经验和数据，持续推进技术开发。”

　　Kumar表示，为了实现这个目标，解决非结构化数据的问题对IBM Watson而言是首当其冲的。

　　“我们倾向于使用词汇认知技术，因为它超越了机器学习和深度学习。这能赋予AI以洞察力，并能自主整合和学习。

　　“医疗行业是具有特殊性的，它受到了严密监管，很多数据都不能自由使用，所以这是一个有很多技术改进空间的领域。但是归根结底，成功与否还得取决于他们业内人士。”

　　人工智能在医疗领域应用路径

　　有很多专家预测，AI技术将在医疗行业掀起轩然大波。Allscripts Analytics首席医疗官Fatima Paruk博士向Becker’s Hospital Review透露，她预计AI首次在医疗上的应用应该在慢性病管理领域，其次就是借由患者健康及环境或社会因素数据可用性的提高带来的技术发展。接下来，将基因数据整合到临床护理管理中，将使精密医学成为现实。

　　事实上，那些较晚涉足AI这场技术竞赛的行业，可能被它影响得最深，比如制药企业，他们已然开始了变革。

　　Light Forum会议期间，辉瑞前任董事长兼CEO，现Lux Capital合伙人Jeff Kindler称药企是“创新者困局的典型例子”，因为他们的财政状况从未严峻到迫使他们改变商业模式。

　　但是AI的潜力实在是难以让人错过，尽管这意味着还得花费大量成本与医疗从业者们沟通，以寻求AI的着陆点。

　　“如果你和消费者们对话，他们不了解制药企业，也不懂什么AI或者大数据，他们只会想着‘交给他们我就完了’，那么我们如何才能跨越这个信任鸿沟呢?”Kindler说道：“从历史上看来，由于数据的不可用，药企和医疗设备生产商从未泾渭分明。但是随着AI技术的逐渐强大，操作成本和花费将得到分离，而且也不再重要，因为他们在为提高疗效而服务。”

　　疗效是药物开发的命门，特别是在FDA对AI技术的鼓励之下，AI可能更容易对行业产生影响。

　　辉瑞制药的战略与数据创新副总裁Judy Sewards指出：“我们在一个推广新产品需要花12年的行业中生存，在这期间，需要1600名科学家跟进研究，进行3600场临床试验，并涉及数以千计的患者。我们不得不思索，AI是否可以加快这一进程，使其更加智能化，将突破性药物与最需要他们的患者联结起来?”

　　Sewards同时透露，他们与IBM Watson合作展开的免疫学研究，是将这一想法转化为现实的举措。“有些人可能会担心，AI会在将来某天取代医生和科学家，但实际上，它们更适合充当研究助理或者辅助的角色。”

　　德勤生命科学与医疗保健部门负责人Rajeev Ronanki向Becker Hospital Review表示 ，推动机器学习技术进一步发展需要三股强大力量的集结：数据的指数级增长、更快的分布式系统，和更快识别并处理数据的算法。

　　Ronanki预测，当这个三重奏得以实现时，首席信息官们可以更加洞悉预期收益，从而改进人力决策。依靠AI工具以及设备和进程中的AI自动化，可以进一步发展领域深处的特异性专长。

　　Ronanki引用IDC的报告，向Becker’s表示：“我们预计AI技术将保持增长势头，用于人工智能的花费将上升到313亿美元。”

　　Roam Analytics的CEO及联合创始人 Alex Turkeltaub表示：“基本上，我们现在还一无所获，尽管我们多多少少构想了些商业模式，但是我们现在能做的也只是一般的数据统计，很难将数据整合到一起并加以管理。大多数甚至最前沿的深度算法还是上世纪60年代开发的，它们还基于17世纪的老套思路。我们必须得寻求更好的方法。”

　　辉瑞制药的Judy Sewards特别强调了一点：“在我们行业你必须要做到百分百的正确，任何闪失都与患者的生命安全息息相关。”