從健康應用和疾病預防、到延緩衰老和遠程醫療，人工智慧正在革新醫療價值鏈

疾病預防，健康與療養，延緩衰老，技術輔助，人工智慧在醫療領域發展得如火如荼。風險資本在計算機視覺、機器學習、機器人等人工智慧驅動的前沿醫療技術的投資從 2012 年的 3000 萬美元增長到了 2016 年的 8 億 920 萬美元。

編譯 | 張震 藤子

作者 | PETER ZHEGIN、EVGENIYA KONOVALOVA

來源 | venturebeat

William J. Mayo 是一位內外科兼長的美國醫生，也是梅奧醫學中心（Mayo Clinic）創始人之一。他曾說，「醫學的作用是預防疾病，延長壽命。醫學的最佳效果就是不再需要內科醫生。」人工智慧應用的長足進步，醫學研究的趨勢前景均表明，我們正在朝著醫學的目標和最佳效果邁進。

對於下一次的技術革新，各個醫療機構都嚴陣以待。2014 年，相比較平均 3.3% 的跨行業投資，醫療提供商將利潤的 4.2% 投入到 IT 行業，而對電子醫療記錄的滲透從 2012 年的 40% 增長到了 2017 年的 67%。從其智能機器的保有量來看，醫療行業在數據獲得方面有望成為增長最快的行業之一。Cisco 估計 從 2015 到 2020 年，機對機連接（machine-to-machine connections ）的複合年增長率 (Compound Annual Growth Rate , 簡稱 CAGR) 將達到 30%，高於汽車 29% 的連接增長率。

投資者對醫療方面的另一個變革同樣也給予了關注，並增加了對其的投資。風險資本在計算機視覺、機器學習、機器人等人工智慧驅動的前沿醫療技術的投資從 2012 年的 3000 萬美元增長到了 2016 年的 8 億 920 萬美元。

醫療研究與機器學習

通過對醫療人工智慧生態系統的學術和投資研究，我們發現，Mayo 的願景正在逐步實現。疾病預防，健康與療養，延緩衰老，醫生的技術輔助均發展得如火如荼。

疾病的預防對醫療專家而言是再普通不過的概念。如今，機器學習為其注入了新的動力，使其煥發了新的活力。PubMed 文獻資料庫數據顯示，涉及機器學習的預防研究活動多於不涉及機器學習的研究活動。

從事預測與預防的人工智慧醫療初創公司在不斷增長。從行業資料庫中選擇的 218 家醫療人工智慧新創公司中，就有 54 家對病人進行預測。其中，有 44 家公司是在 2010 年之後成立的。

Jvion 和 HBI Solutions 等公司向醫療機構提供病人水平預測和風險評分。Ocuvera 等公司通過識別病人的死亡傾向，預防醫院的手術事故。

在整個醫療價值鏈中，健康方面也對預防在醫學的作用表現出與日俱增的興趣。在整個醫療價值鏈的核心部分，健康是增長最快的部分。

研究者對健康部分的關注與創業者的興趣不謀而合。在 218 家人工智慧醫療初創公司中，有 21 家從事健康應用的開發。

初創公司投資數據顯示，年輕的初創公司偏向於健康應用的研發。大約 95% 的人工智慧健康初創公司在 2010 年以後成立，而解決手術相關問題的初創公司在 2010 年以後成立的只有 57%。

健康應用可以使用健康人群的數據，這些數據通過進入市場的新型設備收集，數據量可以說是無窮無盡。越多地獲取健康人士的數據，就越能洞悉更多的問題。傳統的醫療所使用的數據極為有限，只是通過病例和嚴重病例的抽樣調查獲取。

疾病預防從研究轉向了細胞和基因方面，力圖根除危險疾病的根源。機器學習對這些研究課題同樣有促進作用。

人工智慧新創公司的數據顯示，從事細胞和基因研究的新創公司的成立有小幅增加。例如，Human Longevity, BenevolentAI, Recursion Pharmaceuticals 以及其它至少 7 家公司是在 2010 年到 2017 年成立的。

根據 Mayo 的預想，醫療研究者和公司創始人通過與衰老做對抗，平滑修復，進而延長壽命。在美國，相比對主要致死原因的研究，對衰老的醫療研究增長極為迅速，也是過去 6 年增長最快的研究領域之一。

衰老不再被當做傳統上的疾病看待，而是成了技術創新的研究目標，在整個生命周期沒有所謂關鍵的時期（如病人病情的急劇惡化) 和發展。對人們生活中數據的收集可能有利於衰老的研究。

所積累的數據，數據收集技術的革新再加上機器學習，共同來對抗衰老問題。例如，技術可以檢測衰老是否加速，更加準確地評估生物年齡，然後據此選擇相應的治療。BioageLabs 和 Insilico Medicine 公司採用機器學習發現了抗衰老藥物。

對修復的研究興趣同樣高漲。因為需要長期的努力，重複的工作和不間斷的反饋，修復也在受益於人工智慧的發展。12 家新創公司正在修復領域大展拳腳，如從事腦功能障礙修復的 Intendu, 從事病人關節更換的 Peerwell。

幫助而非取代醫生

從上面的例子可以看出，在科技的作用下，醫學從治療疾病正向預防疾病轉變。通過調整基因，檢測疾病早期的癥狀，改變人們的行為，這一點完全可以實現。目前，人工智慧技術只參與一部分危險疾病的研究與治療。

在未來，可能所有的疾病都能實現預防，不再需要醫生。但是，通過採用機器人和演算法在消除疾病之前就能代替所有的醫生嗎？經過我們的觀察，人們對這個目標並沒有很高的興趣，人工智慧助力的醫療技術只是希望幫助醫生，更好地為病人提供治療。

通過研究 35 家在醫療中採用計算機視覺的公司，我們得到的一個結論是，這些公司的目標是幫助專家而非取代他們。例如，BayLabs 所開發的技術是為了「簡化視頻記錄，編輯，分享的程序」，Mindshare Medical 的目標是通過醫學成像「助力臨床醫師，提供醫療服務」，Oxford Heartbeat 幫助臨床醫生「準確規劃和演示血管內血管支架的移植」。

遠程醫療也是助力醫療專家而非取代他們。在一個有 4 億人無法獲得基本醫療服務的世界，遠程醫療可以幫助醫生在效率提高，富有地區需求減少的情況下仍然有事可做，不至於失業。在 218 個公司中，39 家公司在以不同的方式提供遠程醫療服務。一些幫助患者了解醫療知識，進行初步診斷（ Babylon, YourMD ) , 一些向醫生提供前所未有的監測工具 ( Sentrian, AiCure ) ，或者提供有價值的醫療信息和建議 ( ZoiHealth, Flo ) 。遠程醫療研究也經歷了飛快了增長，研究論文從 2010 年的 317 篇飛速增長到 2016 年的 845 篇。

我們的調查表明，Mayo 所構想的願景在人工智慧的幫助下將可能實現。認知技術與以上探討的研究主題進行了很好地融合。但在目前階段，在疾病還沒完全根除的情況下，技術是在向醫療專家提供幫助，而非取代他們。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！