人工智能有望彻底改变医疗行业，为那些能够快速适应新的护理交付模式的人们带来成功。
随着计算机软硬件的快速发展，人工智能已经成为几乎每一项医疗信息新技术不可或缺的部分。对于这样的趋势，有人感到欢欣鼓舞，而有人深感不安。
对人工智能的不安也许在一定程度上是合理的，这完全取决于观察者对于包含大量数据的丰富算法融入到医疗护理、病人治疗护理等复杂但高度个性化的医疗实践中是充满热情还是忧心忡忡。现阶段，研究人员已经开始将一些获得良好治疗结果的试运行项目进行商业化部署，例如诊断工具、临床决策支持系统和工作流程优化辅助工具，但这样的产品必须得到临床医生的信任，尤其是那些质疑这些算法所依据的数据的完整性和存在潜在偏见的医生们的信任。
所幸的是，越来越多的人工智能产品显示出了令人震惊的结果，使得一些医生们开始使用它们。越来越多的医疗机构渴望有能力利用更直观的工作流程获得众多同行的知识数据和数百万患者的案例。
今年4月23日到25日，由Partners HealthCare主办的世界医疗创新论坛（WMIF - World Medical Innovation Forum）在美国波士顿举行。在此次会议上，数量惊人的人工智能创新成果被展示了出来，这些有潜力改变医疗行业未来的人工智能项目仿佛在提醒我们：无论是个人或是机构，无论处在医疗行业产业链上的任何位置，一旦触及到人工智能领域，行业里的任何事情都会开始变化—而这也许很快就会到来。
从解释实验室测试结果，简化体外受精流程，提供个性化的癌症护理，到实时视频监测手术过程或帮助气胸的诊断，蓬勃发展的人工智能研究社区的创造性和独创性是令人震惊与振奋的。如果这些成果实现规模化并加以适当实施，随着时间的推移，每一个人工智能相关的成果也许可能拯救数百上千人的生命。当然，人工智能对医疗系统的承诺不是根据能够拯救多少人的生命来衡量的。从医生如何接受培训到他们如何做出决定以及如何提供护理，机器学习，深度学习，神经网络，自然语言处理以及人工智能生态系统的所有其他组件都可以彻底改变医疗系统的版图。
因此，Partners personal Medicine的IT执行总监Samuel Aronson 告诉我们，“越来越多的情况有可能真正改变医务工作者对患者的护理方式，现在围绕着开放源码的医疗创新平台，已经进行了大量的尝试。这个创新平台是用以更廉价、更高效的方式构建、确保、验证、部署、共享（相关的人工智能应用）并最终跨医疗机构来连接这些应用。我们现在真正关注的是与临床过程转变有关的最后一步，在医疗行业中更广泛地推广应用算法的问题。”
▲ Partners personal Medicine的IT执行总监Samuel Aronson
1
将AI带入医疗行业的挑战和机遇
在为期三天的会议中，参会人员的共识是人工智能革命已经在其他行业进行得如火如荼，因为几乎每一场会议都会提及自动驾驶汽车。同时，像苹果，亚马逊，优步和谷歌这样的消费技术巨头如何将智能手机，搜索功能，应用程序和其他产品集成到智能手机中的情况几乎同样频繁被提及。 “在消费领域，如果您拔出智能手机并在照片中搜索对象，则可以识别数千种不同的对象，”Partners Health的首席数据科学家 Keith Dreyer博士解释说， “但我们不认为是人工智能实现了这些，我们看到的只是一部更智能的手机。 其实当人工智能工作时，你不会再称它为人工智能了。” 很明显，由于需求旺盛和竞争激烈，这些领域的人工智能创新正在以惊人的速度发展，成为消费者渴望便利和按需服务的生活方式的首选平台。
在医疗行业，由于其行业独特的特点，人工智能应用分不同的情况。许多连续护理团队都迫切希望看到数据驱动的医疗流程给他们现在提供的医疗服务带来变化。另外，对于那些新的临床医生，尽管他们也许并不认同最近的关于医疗相关数据爆炸的言论-每一个决定都变成了不确定性的雷区，但医疗机构一定对他们应该考虑的海量数据信息中可能缺少的内容感到遗憾。因为，似乎无论有多少数据可用，都很难确定屏幕上的信息是否是完整的，是否是最新的以及是准确的。再加上广泛实施的基于结果的医疗报销结构，同时对于医疗文档要求的时间和注意力日益增加和决策出错时法律行动的威胁永久存在，充分利用人工智能所提供的优势，将一些算法智能引入医疗流程似乎是天作之合。
但是，由于医疗行业的使命不同，医疗行业的结构与背景与那些纯粹由利润驱动的人工智能行业龙头在其用户大会和商业展会上展示的复杂的产品对应的环境是完全不同的，其科技文化也是如此。我们知道，很难想象可以找到一个 “医疗行业3.0”操作系统那样的软件产品，可以在午夜信息系统更新期间强制安装到每个医疗机构的工作流程中。
尽管美国卫生以及公共服务部（HHS-Health and Human Services）和医疗IT技术协调办公室（ONC- Office of the National Coordinator?for Health Information Technology (ONC)?）已经尝试通过认证电子病历技术计划（CEHRT）为医疗IT系统采用相同的一套核心供应商的核心健康IT功能，帮助提高促进系统之间的互操作性（Interoperability）。但是这个过程需要花费数年的时间，要知道2015年的版本甚至要到2019年才会开始部署使用 - 这样的滞后在其他行业几乎不可想象。所以，Dreyer博士预测道：“完成人工智能无处不在的过程需要很长时间。”
▲ Partners Health的首席数据科学家 Keith Dreyer博士
同时，他并不是唯一一个对人工智能能够掌控的速度持保留态度的人。Aronson也说到，“因为每天都有大量的工作，所以许多医疗机构缺乏采用新工作流程的‘激活能量’。每个人都非常繁忙，因此当你谈论将人工智能或任何其他技术引入医疗机构时，临床医生不得不合作来定义新的工作流程，并且他们必须在实施之前验证新的流程 - 通常还是逐个站点进行验证。如果他们的时间完全被日常工作占据，他们通常很难花时间在这些新的技术上，即使他们知道实施完成这些技术流程后会要节省他们的时间。”
▲ Change Healthcare的首席执行官Neil de Crescenzo
“没有时间还不是唯一的问题”，Change Healthcare的首席执行官Neil de Crescenzo 补充道，“除了技术激活的问题之外，一些医疗机构并没有资源来实施这些新的技术，即使他们可以腾出时间，他们根本没有内部的专业知识来实现它。与此同时，我们看到过去几年机构规模激增，许多[卫生系统]现在都有五十甚至一百个门诊办公室。随着那些新扩展的医疗网络努力在不同的社区之间建立信息共享，这些社区可能会使用十几个或更多不同的电子医疗病历系统。统一这种零散的环境通常是最重要的，许多组织还没有准备好迈出下一步。为了开始思考如何在所有这些分散的医疗诊所、医院中一致地部署人工智能和机器学习，医疗机构需要成为一个成熟的组织。 现在，这些机构很多都还很不成熟。”
他补充说，“许多这些医疗机构可以从与提供现成人工智能服务和全面平台的技术公司合作中受益，而这些平台几乎不需要客户进行额外开发。我们看到的是他们要求我们开始为他们提供服务，而不是教他们如何使用或者建立服务，也许只有一段时间 - 也许在五年或十年内，他们会想要把它变成他们自己的服务平台。但是现在，如果他们要利用人工智能可以带来的优势，他们将不得不把它交给其他人去做那些现在看来他们没有时间和技能去做的事情。 对于许多医疗机构来说，将这些繁重的工作外包给专门的业务合作伙伴获得人工智能的好处，可能将是一个充满前景的道路，同时避免不必要的投资支出。”
的确，由于基于价值的医疗报销覆盖范围变化，消费者态度的改变以及临床工作人员职业倦怠的蔓延导致医疗机构无法专注开发自己的解决方案，迫切需要投资工具和解决方案以帮助组织重新给他们的“激活能量”并享受为病人医疗服务的快乐。因此，市场分析师预测人工智能产品有巨大的增长机会：最近的一份研究报告和市场报告预测到2022年医疗人工智能行业的年复合增长率（CAGR）将达到60％。仅在2018年第一季度，数据分析和临床决策支持工具（其中许多包括机器学习或人工智能组件）吸引了将近12亿美元的投资，这些投资者迫切希望投资突袭下一个“独角兽”公司，让其脱颖而出。在这样一个狂热的环境中，随着非传统的参与者进入市场，几乎所有医疗IT厂商和全世界各地的开发者似乎都在提供一个人工智能驱动的产品。
▲ Health Catalyst首席执行官Dan Burton
我们应该认识到大多数医疗IT产品具备人工智能的功能只是一个时间问题，而 对于这种未来的技术发展事态无需过度慌张。医生和其他护理人员不应该对于被无所不知且永远不会放假的机器人同事淘汰被抱太大的恐惧。Health Catalyst首席执行官Dan Burton表示：“有时候我们讨论人工智能和机器学习时会谈论极端情况。要么是‘我们根本不会再有任何医生 - 它只是机器，’或者走向另一种极端-‘这很糟糕，我们不应该使用机器。’当然，真相几乎总是在中间的某个地方。”
▲ Partner Health首席学术官Anne Klibanski博士
对此，Partner Health首席学术官Anne Klibanski博士表示，“不确定性，甚至恐惧，是对人工智能所承诺的基本革命性概念的自然回应。但如果我们回顾第一次工业革命的历史，就会发现同样的主题：机器会毁掉一切；工作将会消失；人们的生活将会从此被改变。而当我们开始探索遗传学和基因学时，就有很多很多的人表达出了我们拥有这样的知识时对于人类的意义的很大关注。”自蒸汽时代以来，人类社会的经历已经发生了一定的变化，而且大多数人会认为，总体而言，这一进展是一个积极的发展。即使在基因组测绘后的短短几年内，科学已经大幅度加速 - 不一定要从根本上改变这些基因，而是为数十个以前无法治愈或诊断的疾病的患者和家庭带来新的希望。
2
使用人工智能来削减支出，改善患者体验
在医生和护理团队的工作流程中，人工智能会增强使用临床思维不可替代的价值；而在行政和业务方面，人工智能则有很大的希望去消除一些长期折磨医疗机构，患者，保险公司和护理交付流程的棘手问题。
但如何实施人工智能并获得实现令人满意的实施结果，与会者纷纷表示诀窍是开发可信，准确的算法，广泛部署相关应用以解决现实医疗中的主要问题。
▲ Optum Ventures合伙人A.G. Breitenstein
Optum Ventures合伙人A.G. Breitenstein强调，“许多问题领域已经产生了巨大的财务浪费，在患者护理方面存在严重不足。人工智能在某种程度上已经在帮助解决问题，但它并不伟大。例如，病人利用互联网搜索病情寻找Google医生的帮助，然后他们被搜索发现的互联网内容吓倒了自己。这其实是关于急诊室过度使用和初级医疗服务利用不足，价值500亿美元的问题的一部分。解决这个问题的方法并不一定是告诉人们应该接受初级医疗服务而不选择是急症室；而是在当病人们坐到他们的计算机前开始进行互联网搜索时就影响他们， 使用更好的算法在第一时间内为他们提供更多的临床验证，在他们寻找答案的地方提供更严格的数据。”
另外，使用人工智能来预防药物不良事件，提醒医疗人员病情恶化，根据人群健康管理编程风险对患者进行分类，支持慢性病管理，确定转移性癌症并预测肾功能下降只是数百例预测性人工智能在生命科学使用案例中的一小部分。生命科学领域里，如何使用人工智能解决整个研发生态系统发展中的问题是共同的讨论主题。
▲ GNS Healthcare首席执行官Colin Hill
“至少有五万亿美元浪费在了当患者没有得到正确的药物，或者他们没有进入正确的护理管理计划，或者他们没有得到正确的手术或医疗设备时。” GNS Healthcare首席执行官Colin Hill认为人工智能有可能帮助挖掘出浪费在药物医疗治疗上花费中的一部分。“这是一个惊人的浪费，当然也是一个巨大的机会，可以通过降低疾病进展速度，减少住院治疗和优化治疗效果的基础来改变治疗的结果。”他说，“精准医疗将是人工智能的‘最重要的应用’， 如果我们能够更好地将医疗干预与个体患者相匹配，我们可以改善结果并降低护理总成本。其中一部分需要发现和开发新药。这也意味着发现生物标志物可帮助将患者分层为有反应和无反应的亚群。我们需要了解什么对谁有用，潜在的机制是什么，生物系统如何运作以及干预措施如何影响。机器学习对于这个过程是至关重要的，因为它帮助我们克服一些我们认为知道的东西，并呈现比人类通常能够发现的更多见解。” 
▲ Picnic Health首席执行官Noga Leviner
Picnic Health首席执行官Noga Leviner补充说，“基因组数据和电子医疗记录数据对于该过程至关重要。基因学和电子医疗病历是人工智能的完美用例。 你有大量的数据，但你也有一些不理想的噪音数据。算法在剔除那些噪音数据时，会表现的比人类更加出色。随着我们对越来越多类型的数据进行分层，那些单单使用自己大脑的医生会发现他们的诊断将没有同时使用人工智能算法的诊断一样准确。”
另外，Change Healthcare的Neil de Crescenzo表示，人工智能将医疗行业管理人员从日常琐碎工作中释放出来，可以削减更多的成本。“我不确定有人确切知道有多少人在保险公司和医疗机构从事资源利用率管理方面工作，但是估计至少有10万人。如果他们每年的平均薪水约为8万美元，花费80亿美元来管理利用率看起来不是个太明智的选择。如果我们保守估计，使用人工智能来释放这些人30%的时间去处理其他事情呢？他们中的许多人是护士或其他临床医生或护理人员 - 这样就可以直接节省了24亿美元，更不用说在不增加医护人员的情况下将更多临床经验带回给患者的节省。”
▲ MGH＆BWH临床数据科学中心研究战略和运营总监Katherine Andriole博士
MGH＆BWH临床数据科学中心（CCDS - Center for Clinical Data Science）研究战略和运营总监Katherine Andriole博士认为例如患者日程安排，供应链管理以及预订手术室或测试设备等常规任务完全能够从人工智能的自动化中受益。 “磁共振成像（MRI）扫描仪是一种非常昂贵的设备，让它闲置就像把钱扔到水里一样，有很多的时候我们想要的病人进行MRI，但事实证明他们的身体是不能够进行此项检查的”，她说道，“我们现在唯一能够做的就是在进行MRI之前给病人打电话。有时病人不知道情况或者提供了错误的信息，也有时我们根本没有真正与病人联系，但我们仍然保留了病人们的检查预约。为什么我们不能在病人被安排MRI检查之前就识别可能有禁忌症的患者？如果我们使用人工智能来预测问题，而不用浪费资源和时间在患者 - 医护人员双方的关系上，那么我们将为每个人创造更好的体验。”
Breitenstein很认同改善患者体验是医疗服务机构不能忽视的必要条件，特别是当医疗机构正在走出医院，进入门诊机构，零售诊所，智能手机或家庭的时候。“原来的医院是人们走向死亡的最后一站。但当我们开始考虑将医院模式转变为以健康管理为中心的模式时，医院的核心角色开始分崩离析，这使得全新的健康环境成为抢先护理的全新动力”，她说，“我们不必等待病人生病并再次出现。疾病通常可以通过算法预测，我们可以在病人进入急诊室之前进行干预或建议病人去看专科医生。提供灵活的医疗护理服务并能够尽早发现并预防一些对患者生活质量影响较大、花费昂贵的疾病，可能有助于改变那些由于与医疗机构频繁打交道从而导致医疗费用增加的消费者对于医疗机构的态度。说实话，大众对医疗系统的满意度与他们对监狱系统的满意度差不多。除此之外，每次出现问题时，我们都会让人们自掏腰包支付差不多1000美元或1200美元。因此，我们发现最有可能改变的地方之一就是减少消费者的挫折感。我们需要迈向一个更加按需定制的系统以用于支付，安排医疗访问以及更多的自主操作的医疗系统体验。特别当一群对于信息技术非常关注的年轻人群体开始变老，并且开始他们第一次疾病经历时，它将推动很多变革。人工智能可以帮助我们实现这一目标。”
3
用人工智能创造一条新的道路走向成功
最后，随着人工智能越来越深入地融入这些机会领域，医疗服务机构将不得不对他们的技术和患者进行互动的方式进行一些改变。Klibanski说，“人工智能将成为医生需要知道的基本核心课程，然而短短几年前，生物统计学和数据分析还被认为是医生应该学习的新技能。他们需要知道要信任什么，不信任什么。他们需要真正了解他们被要求做什么。没有这些能力，他们要么相信一切，要么拒绝一切，而我们需要他们在两者之间。”
Health Catalyst的Burton同意这样的观点，“找到信任和否定的中间基础对于确保临床决策支持工具是否达到最佳效果至关重要。当这些工具的用户发现最佳平衡时，影响可能会非常惊人。例如临床决策支持工具可以告诉放射科医生如何诊断，但每位诊断医师都根据他们独特的经验和培训情况稍微区别使用信息，这可能会导致在复杂病例中出现分歧，或者在发生不寻常的陈述时需要咨询同事。然而通过输入经过10万或20万名以上病人训练得到的算法能够将诊断改善到什么程度？也许有50,000名病人的特征略有不同，给医生们提出了第三种选择，但我们可能会想到这一点吗？这就是将临床医生的决策力量与技术带来的规模结合在一起的原因。”
将人工智能的结果集成到与同事咨询讨论中可能只是改变临床实践基础的第一步。Klibanksi甚至暗示，随着人工智能开始揭示遗传学，生物系统和应用于患者的干预之间的新型关联，整个医学教育体系可能会进行改造。“我们一直训练初级保健医生，专科医生以及不同领域和不同学科的亚专科医生。一切都以器官或针对疾病为中心。但是，一旦我们对疾病和疾病途径有了非常广泛的或许不同的理解，我们可能会考虑以完全不同的方式来培训医生。一些传统学科可能无法准确匹配未来五年或十年或二十年内处理疾病的方式。” 
▲ Pure Storage全球医疗保健技术战略副总裁Joshua Gluck
Pure Storage全球医疗保健技术战略副总裁Joshua Gluck说，“无论是开发自己的工具还是购买平台或服务，医疗机构都需要重新评估与传统技术提供商的合作伙伴关系，以获得成功所需的基础架构规模级别。找到一个能够真正支持这些发现并以创新方式进行创新的战略合作伙伴非常重要。 医疗服务机构不仅需要与数据，教科书和机构内同事进行不同的互动，拥有基础架构和数据平台来扩展数据量，构建不同的数据集，结合起来生成行业见解也非常重要。你可以在短时间内做到这一点，但需要使用一定的数据量和必须集成的系统数量来支持这些工作流程和管道，特别是在基因学领域……如果你不重新思考这些结构的工作方式，结果就是将无法扩展。”
当然，Partners HealthCare的Aronson也表示，承诺改革其组织内部基础设施以及采用创新工作流程和建立不断发展的关系，可能是某些特定的医疗机构走向成功之路的特征。“我们面前有两个不同的未来，”他说。 “一个未来是我们会采用这些非常强大的工具，根据传统的商业模式来开发这些工具。这确实代表了一个巨大的跳跃，因为我们将获得新的基础设施。但是一旦发生这种情况，我们只会在新的自有系统上达到新的高度从而取代旧的系统。到时，创新的速度将再次放缓。另一个未来取决于每个人投入大量的资金和部署开放商业模式所需的努力。”
Aronson承认这些模型可能更加复杂，会让参与其中的企业风险更高，但医疗行业利益相关方现在有机会决定哪个未来会取胜。 “我确实相信他们也会有更好的商业利润，如果我们能够弄清楚这一点，我们将能够在彼此的工作之上进行创新，能够尽可能多地使用开放数据，并且开始思考一个真正不断学习的医疗系统。 未来取决于谁在这些领域里以及他们的决定是什么，这也取决于尽可能多的人站出来倡导开放，创新的模式。 可能需要更多时间才能到位，并且需要大量资金，但我确信这样可以为人类带来惊人的好处。”
文：WinstonLing
编辑：HLR，田雨，韩东池

参考：https://healthitanalytics.com
本篇作者：Winston Ling
毕业于国防科技大学计算机系，2017年于美国范德堡大学获得MBA学位。现在美国从事数字医疗的创投相关工作，致力于信息技术与医疗行业的整合，对行业分析和相关技术前沿有浓厚兴趣，长期关注中美医疗科技的市场动态。
欢迎转发，转载请参照“转载须知”。
投稿或应聘，请将简历发送到
[email protected]
精选内容
美柏路演
继续阅读
阅读原文