医疗行业“看病难” AI能帮你做些什么？

本篇文章2670字，读完约7分钟

阿里巴巴云刚刚在云起会议和深圳峰会上发布了电子医疗脑，并宣布正式进入“人工智能+医疗”领域。

本文由线性资本授权的《我是黑马》发表，作者是刘彤。

随着人工智能的发展，成熟的人工智能技术正逐步向人工智能+的工业应用转变。与蓬勃发展的人工智能+金融和人工智能+零售相比，人工智能+医疗仍处于初级阶段，但智能医疗无疑是人工智能领域最有前途的领域之一。

Idc在其《全球半年认知/人工智能支出指南》中将诊断和治疗系统列为2016年最吸引投资的领域之一，并表示在未来五年内，诊断和治疗系统的药物研究、发现和使用案例将实现最大发展。

Idc预测，医疗卫生人工智能投资的复合年增长率将达到69.3%。同样，cb insights将医学健康列为人工智能领域最热门的领域，并将其视为今年的创业项目。

从目前的发展来看，ai+医疗保健可以分为以下三个层次:

智能咨询、精确医疗和药物研发。

智能查询

ai+医疗之所以有如此大的应用前景，主要在于其巨大的市场需求。在传统医学职业中，医生培训周期长、误诊率高、医院资源有限、效率低下一直是难以解决的问题。

随着科技的创新，智能医疗为解决这一问题带来了曙光。目前，最成熟的案例之一是ibm沃森。

Ibm watson可以在17秒内阅读3469篇医学专著、248000篇论文、69个治疗方案、61540个测试数据和106000份临床报告。

通过整合信息检索、自然语言处理、机器学习和海量数据，ibm沃森可以独立理解、推理和学习，并在短时间内迅速成为肿瘤学家。

这组数据向我们展示了智能医疗的无限可能性。一方面，它的出现和发展将大大提高人类医生的效率，降低时间成本；另一方面，通过协助医生做出相应的判断，误诊的概率将大大降低。

精密医疗

21世纪初，人类基因组计划完成后，提出了个体化治疗的概念，旨在通过测序获得的遗传标记来判断患者是否对药物有反应，从而对每个患者进行治疗。然而，疾病往往是由多种原因诱发的，由多种基因控制，因此很难从简单的角度来判断。

为此，近年来，个性化治疗逐渐向精确治疗发展。精密医学强调在治疗中应考虑个体基因、环境和生活习惯的差异，基于患者遗传信息的诊断试验应结合其他分子或细胞的分析结果，然后有针对性地进行适当的治疗。重点不是治疗，而是精确度。

然而，如果我们仅仅依靠传统医疗行业的方法来实现准确的治疗，对数据和医生的经验有极高的要求，结果也无法量化和令人信服。

强调了智能医疗的价值。如今，人工智能中的两项核心技术——神经网络和深度学习——使计算机系统能够独立地学习经验数据以进行分析和判断。

计算机强大的计算能力弥补了一些人类医生由于缺乏经验，或缺乏信息和对罕见疾病考虑不周而造成的误判。此外，计算机还能发现人眼难以察觉的细节，用数据说话，并找出一些意想不到的规则。因此，医生的知识体系和计算机系统的不断完善可以促进精密医学的发展。

目前，精密医学的主要进展集中在癌症治疗上。

癌症是一种危害人类健康的世界性疾病。根据美国癌症协会发布的最新数据，据估计，2017年美国将有1，688，780例新癌症病例和600，920例癌症死亡，这意味着每天将有4，600名新癌症患者和1，650名癌症患者死亡。

与过去十年相比，病人的存活率有了显著提高，但这仍然是一个难以想象的数字。

贝丝以色列女执事医学中心与哈佛医学院合作开发的人工智能系统能够以92%的准确率识别乳腺癌病理图像中的癌细胞，特别是当该技术与病理学家的分析相结合时，其诊断准确率可达99.5%。

在国内，3月29日，阿里巴巴云在云起会议路深圳峰会上刚刚发布了电子医疗脑，并宣布正式进入人工智能+医疗领域。

电子医疗脑已经学习了20，000个甲状腺胶片来源，并成功地帮助人类将判断甲状腺结节的准确率从60-70%提高到85%。经过一年多的研究和培训，et医学脑已经能够在医学数字成像和精密医学等许多领域担任医生的助手。

这使我们认识到精确医疗的必要性。随着日益强大的计算能力和人工智能技术的稳步发展，人类的医学水平必将进入一个新的时代。通过精密医学的研究和计算机能力的应用，我们有理由相信成千上万的生命将得到拯救。

药物开发

目前，医药领域最大的痛点之一是药物开采和开发的时间成本。根据塔夫茨药物开发研究中心的数据，从药物发现到fda批准大约需要96.8个月。

尽管对专业知识的持续关注可以改善时间跨度，但新药研发的成本仍在不断增加。根据德勤的数据，自2010年以来，12家大型制药公司批准的药物开发成本增加了33%，达到每年约16亿美元。

我们如何降低新药研发的成本，增加研发成功的可能性？答案只有一个，那就是依靠大数据和人工智能的力量。

以硅谷公司atomwise为例。atomwise通过ibm超级计算机在分子结构数据库中筛选治疗方法，并评估了820万种候选化合物。研发成本只有几千美元，研究周期只需要几天。

2015年，atomwise利用人工智能技术在不到一天的时间里分析和测试了7000多种现有药物，并成功找到了两种可以控制埃博拉病毒的候选药物。根据该公司的统计，如果使用传统方法，这种分析将需要数月甚至数年才能完成。

人工智能+医疗保健面临的挑战

尽管智能医疗有望解决传统医疗行业的许多问题，但我们不得不承认，人工智能+医疗仍然存在许多障碍。

虽然智能医疗可以有效地降低医疗研发成本和医生的工作时间成本，但我们不得不承认，实现人工智能和机器学习算法的成本可能非常昂贵。医疗保健是一个容错率极低的领域。要确保数据的真实性和合法性、算法的准确性和有效性以及计算机足够的计算能力，需要花费大量的资金。

另一方面，为了取得突破和发展人工智能+医疗，在相关领域聚集顶尖人才也是非常重要的。2013年，当谷歌收购deepmind technologies时，它支付了超过3亿美元，当时他们的团队只有十几个人。因此，进入智能医疗行业的企业必须考虑人员培训的成本和聚集人才的代价。

此外，智能医疗行业的信息获取也存在一些隐患。医疗行业的大部分数据都包含了患者的私人信息，将这些数据用于科学研究甚至实际应用是否符合人类的情感和规律，必须加以考虑和解决。

然而，尽管在ai+医疗方面有很多障碍，我仍然认为它的发展势在必行。

人工智能将成为医生的最佳助手，帮助医生更方便地获取信息，做出更正确的判断。只有将人类的情感交流能力与计算机分析和计算能力相结合，才能发挥智能医疗的最大价值，才能真正将该技术应用于实践，实现人工智能领域研究的终极意义。

来源：搜狐微门户