医健研究院 | 人工智能正在医健行业“闹革命”，你的工作要去向何方？

人工智能一词于1956年提出，半个世纪以来随着计算机技术的飞速发展，现在人工智能已经渗透到各个领域。尤其是今年当谷歌的“阿尔法狗”在人机大战中大胜之后，人工智能成为时下最火的概念。生活当中，不仅无人驾驶汽车，irobot扫地机器人，苹果智能语音助手siri和iwatch等人工智能产品已经深入我们生活的方方面面，连时下最流行的烧脑美剧《西部世界》也一个引人入胜的人工智能反抗人类的科幻故事再一次掀起了人们对人工智能的激烈讨论。

医疗健康一直是人工智能内最热的投资领域。在过去5年里，投资者已经在近190宗交易中投入了15亿美元用于创业期的医疗健康相关的人工智能公司。2010年以来，人工智能吸引超过200亿美元投资，过去四年风险投资平均每年增长62%，预计至2020年，全球人工智能市场规模将达到183亿美元，约合人民币1190亿元。不仅谷歌，IBM，苹果，微软，Facebook等巨头都在人工智能方面投入了大量的研发资金，今年9月百度推出的医疗大脑，这一基于人工智能算法、计算能力、大数据聚合的新成就，更预示着人工智能在全球正在创造一个前所未有的新高度。中国工信部去年首次发布了《中国制造2025》，并把人能智能与高端医疗设备发展纳入“十大工程”之一。

随着科学技术进步，在医疗健康领域已有不少人工智能应用成功案例，无疑也预示着它的乐观前景和无限的可能性。那么医健领域是人工智能的下一个“风口”吗？我们会不会在有生之年也有一个像《超能陆战队》里的大白一样贴心的智能机器人健康助理呢？我们有必要担心自己的工作有一天会被机器人取代吗？接下来我们一起看看几个比较热门的人工智能应用方向跟案例：

药物挖掘是人工智能应用最早且进展最快的领域。新药研发的痛点是周期长，平均为10年；费用高，每款新药研发费约15亿美元；成功率低，约5000种候选化合物中才有1种能进入II临床试验。作为投资人，我们希望能够尽快进到FDA的审批环节，但事实上，在药物进行FDA审批之前，通常需要数年的时间进行药物研究。结合人工智能技术的药物研发将会显著缩短药物研发的周期并降低成本。目前，在药物研发中，人工智能应用于药物挖掘、新药安全有效性预测、生物标志物筛选等方面。目前，已经涌现出多家人工智能技术主导的药物研发企业，例如TwoOXAR, Atomwise, Insilico Medicine, Berg Health等。借助深度学习，抗肿瘤药、心血管药、孤儿药和常见传染病治疗药等多领域都取得了新突破，也吸引了许多风投机构青睐。例如，成立于2012年的硅谷的Atomwise公司利用强大的计算能力，评估820万种化合物，并且在几天之内找到多发性硬化症可能的治疗方法 ，而研发成本仅为数千美元，研究周期仅需要几天时间。

机器学习和神经网络在医疗健康大数据分析与应用领域已经开始展示其巨大潜力。随着组学数据（基因组学、蛋白质组学、代谢组学等），全基因组关联分析和基因测序等技术的不断发展和广泛应用，科学家们开始积累巨大的数据集，这些巨大的数据是不可能通过简单通过人力来综合分析的。人工智能和深度学习的发展，有望将个性化医疗和精准医疗概念带入现实。例如，研究人员将患者肿瘤中的遗传突变与癌细胞系中的遗传突变进行比较，然后测试细胞系对治疗化合物的反应。通过分析这些数据集在哪里重叠，研究人员可以开始大规模地预测哪些药物将最好地对抗各种癌症。

人工智能系统的一大优势在于强大的自学习及深度学习能力可以帮助人类梳理大量的信息，可以协助科学家阅读文献、查询专利，并随着时间的推移不断吸收新的知识，为医生构建最新的知识库。一个极好的例子就是今年8月开始进入中国的 IBM的Watson Health。科研工作者平均每年读取200到300篇科学文章，但是，这跟每年出现研究数据的量相形见绌，使得科学家们不可能跟上大量新的相关的信息。Watson能够汲取海量信息，其中包括300多份医学期刊、200余种教科书以及近1,500万页的文字，进而能够通过对医学文献进行打分评级，迅速整理病患医疗记录，以提高科学家的工作效率；通过分析海量医学文献，确定个性化诊疗方案，助力医生为患者提供高质量、循证型癌症治疗方案。就在12月1日，IBM和辉瑞宣布在癌症治疗方面的新合作。 辉瑞将利用IBM的沃森超级计算机的力量协助癌症免疫疗法的药物发现。

随着医学成像技术的进步， 从传统的X光检查扩展到超声波、放射性核素显像、X-CT、MRI、数字化成像，以及PET-CT技术都使得医生可以借助这些新技术，来更加深入地“窥探”人体内部的病变情况。随着医学影像数据存储方式和标准化的不断进步和发展，我们已经进入了医学影像大数据时代。传统的工作方式已经无法在一定时间范围内用常规软件工具进行捕捉、管理和处理这些数据，而人工智能恰巧提供了具有更强 洞察发现力和流程优化能力来处理海量、高增长率和多样化的信息资产的新模式。IBM 的一个名为 Medical Sieve 的算法就能对于放射科及心脏科的医学影像图片进行快速的辅助分析，并给出可靠的诊断建议。这样一来，放射科医生只需要对一些疑难病症进行再次核查，工作压力就会大大降低。近日，谷歌研究人员使用机器学习来增强糖尿病视网膜病变的检测过程。他们建立了一个有 12.8 万幅图片组成的数据集并记录了 3-7 名眼科医师的评估结果，并将这些信息反馈给计算机，以指导它学习检测健康眼睛和可能有糖尿病性视网膜病变的迹象。事实证明，机器人医生的诊断结果与由 7-8 名通过职业资格考核的美国眼科专家组成的诊断结果致。?谷歌研究人员近日在“美国医学协会杂志”上发表了一篇论文，证明通过大量的眼底图像数据集训练，谷歌的深度学习算法可以以超过90％的准确度检测糖尿病性视网膜病变。

医疗本质问题就是供给问题，而供给问题之前解的决方案就是增加医疗供给。培养医生成本则非常高，因此机器辅助医生是大势所趋。英国Babylon Health公司开发的在线就诊AI系统，能够基于用户既往病史与用户和在线AI系统对话时所列举的症状，给出初步诊断结果和具体应对措施。此外，该AI系统还能提醒用户定时服药，并实时监测用户的身体状况。这样的解决方法能将病人就诊时间缩短数倍，实现医患资源的合理配置。远程病人监测也可以受益于人工智能程序，在家中为病患进行日常服务，例如急救电话，服药提醒与记录，呼叫药房以进行处方再填充，从支持互联网的家庭健康设备向云端发送数据等。纽约创业公司AiCure获得了1230万美元的A轮融资，这家公司是使用人工智能保证病人服用药物。

无疑可穿戴智能设备给用户带来完美科技体验。近年来资本、创业者或是巨头们进入可穿戴设备热度不减，甚至用狂热来形容可穿戴智能设备产业。如今，可穿戴智能设备正在作为传感器的载体，实现人、机、云端的更高级、无缝的交互。然而，目前可穿戴设备和移动医疗设备大多只能检测脉搏和血压等简单生命指标，被动地提醒患者何时吃药，但无法主动监测和记录患者行为、环境和风险因素，并给出预防措施和建议。人工智能技术与这些应用相结合，能够提供个性化的实时健康预警反馈与建议，监控个体行为，实现健康管理的目标。Novartis和Google两年前一起开发了两种“智能”隐形眼镜：一种用于患有老花眼或远视的人的自动聚焦透镜，另一种用于测量糖尿病患者的血糖水平的自动聚焦透镜。但就在11月下旬，诺华公司暂缓该项目的产业化工作，并称 “对于这些镜片的人体临床试验开始的时间为时尚早”。

医患比例差异大，设施使用率低，治疗成本高是当前医院管理方面的主要问题。在医院里，人工智能技术可用于优化医疗服务流程和医疗资源配置及使用，通过数据分析提高医护效率和质量，降低医疗成本。人工智能通过认知分析技术可以构建费用预测模型，以及医疗资源使用模式分析,包括就诊热点分布、资源使用异常检测等，为医疗资源分配和公共卫生相关政策制定提供依据。例如，医疗实时分析平台Analytics MD，该公司最近已获得了1300万美元的资金，用于加速其卫生系统人工智能软件平台的开发和交付。AnalyticsMD平台采用大型医疗保健数据集进行实时处理。使用机器学习算法，它可以呈现预测分析问题和结果，能够协助医院管理人员进行有数据支撑的管理决策。

毋庸置疑，人工智能的最热门领域之一是医疗健康行业，CBInsights将医疗健康列为人工智能中最热的领域。IDC在其《全球半年度认知/人工智能支出指南》中将诊断和治疗系统列为2016年吸引最多投资的领域之一，并表示在未来五年内，包括药物研究和发现以及诊断和治疗系统的使用案例将获得最大的发展。在五年期间，它预测医疗健康人工智能投资的年复合增长率为69.3%。

但是，以上所有研究案例目前仍处于发展初期，大量创新的科技公司也将人工智能技术深入传统医健行业的方方面。但是，人工智能要实现在医疗市场的商业化，还有很长的路要走，因为除了技术之外，还有医保、财政政策、个人隐私、体制等诸多障碍。