一文講述人工智慧在醫療行業的九個落腳點，讓你更懂AI

很多思想領袖認為我們正在經歷第四次工業革命。這次工業革命融合了物理世界、數字世界和生物世界，將影響所有學科、經濟體和產業，甚至挑戰「人類」的定義。

醫療行業是這場革命的主要領域，而導致醫療行業變革的主要催化劑就是AI（人工智慧）。

大數據和人工智慧將革新我們的生活

隨著數字容量的擴展，越來越多的數據被產生並存儲在數字空間中。可用數據量正在以每兩年翻一番的驚人速度增長。2013年，可用數據量為4.4千兆位元組，但到2020年，每年創建和複製的數據將達到44千兆位元組！

通常，我們通過建立系統的規則和流程來了解我們周圍的世界。但大數據世界對我們而言過於巨大了，我們需要人工智慧來幫我們了解它。

我們目前還沒有實現真正的人工智慧，但它已經蓄勢待發，準備潛入我們的生活。在我們的車裡，在谷歌搜索中，在亞馬遜推薦里，以及許多其他設備上，狹義的AI早就出現了。蘋果的Siri，微軟的Cortana，Google的OK Google以及亞馬遜的Echo，都是極好的AI，它們使用自然語言處理技術，從對話中提取出問題，然後執行一些事情，比如尋找餐廳，獲得行車路線，找一個開放的會議室，或者進行簡單的網頁搜索。

AI能實現的不僅僅是上述這些。英國一名19歲程序員在去年9月推出了一個機器人，該機器人成功地幫人們對停車罰單提出上訴。 機器人是一個「AI律師」，它向收到停車罰單的人提問，了解情況，然後選擇處理方式。 截止到6月，機器人成功地為倫敦和紐約的16萬份停車罰單提起了上訴，勝訴率為64％。

想象一下這個效率將發生在醫療衛生行業！

在醫療和醫藥行業上，AI可以更好地規劃病人的治療方案，並為醫生提供做出好決策所需要的所有信息。

不要以為這是遙不可及的未來。 Sutter Health的資深數據科學家Andy Schuetz表示：「我毫不懷疑在未來幾年內，精密學習和AI演算法將在醫療中找到一席之地。」 「我不知道將過兩年還是十年，但它終將出現。」

像《權力的遊戲》第六季里凜冬終於降臨那樣，我們應該確信我們會逐漸實現AI的。看一下有多少公司對醫療AI感興趣吧，我們能感受到它是一個非常有前景的未來領域。IBM的Watson是醫療認知計算領域的領頭羊，但這一領域的競爭已經日趨白熱化了，隨口舉一些參與其中的知名公司吧，戴爾，惠普，蘋果，日立，Luminoso，Alchemy API，Digital Reasoning，Highspot，Lumiata，Sentient Technologies，Enterra，IPSoft和Next IT。

已經有幾個很棒的醫療領域AI解決方案，這些方案展現出了AI潛在的巨大影響和未來可能的用途，使得我們對AI的未來相當樂觀。

然而，AI解決方案現在只面向最富有的醫療機構（因為太貴）和少數專家（因為它們太難使用）。只有當AI解決方案面向普通主流用戶時，醫療行業的變革才算真正實現。

人工智慧在醫療領域變革的開始

人工智慧已經在醫療的幾個細分領域裡開展了變革，比如通過在重複性的工作中提供協作來設計治療計劃、藥物管理及藥物研發。這僅僅只是一個開始。AI在醫療行業的應用面也越來越廣泛，比如：

1. 對醫療記錄進行數據挖掘

AI在醫療中最顯而易見的應用是數據管理。對數據進行收集、存儲、結構化、追蹤——這是革新現有醫療體系的第一步。最近，搜索巨頭谷歌的AI研究部門推出了Google Deepmind Health項目，該項目通過挖掘醫療記錄的數據，提供更好更快的衛生服務。該項目處於起步階段。目前該項目正在與Moorfields Eye Hospital NHS Foundation Trust （摩菲眼科醫院國民醫療服務信託基金）合作，以改善眼睛治療。

2. 設計治療計劃

IBM Watson推出了專門的腫瘤項目Watson for Oncology，該項目可以為臨床醫生提供循證治療方案。Watson for Oncology擁有先進的技術，能夠對臨床筆記和報告中結構化和非結構化數據的含義和上下文進行分析。這個分析對選擇治療方式至關重要。進行數據分析后，Watson for Oncology將結合患者檔案的特點、臨床專業知識以及外部研究和數據，為患者確定一套治療計劃。

3. 協助重複性的工作

IBM推出了一個稱作Medical Sieve的演算法項目。這是一項雄心勃勃的、長期的、探索性的項目，它希望製造出具有分析、推理能力和足夠臨床知識的下一代「認知助手」。Medical Sieve能夠協助放射學和心臟病學的臨床決策。Medical Sieve能夠分析放射學圖像，更快更可靠地發現和檢測問題。在未來，我們只會在最複雜的醫療情境中需要人類放射科醫生。

醫療行業創業公司Enlitic也致力於將深度學習與龐大的醫療資料庫結合，來提高診斷效果和改善患者療效。Enlitic這樣表述深度學習的優點：「一直以來，醫療診斷計算機程序都要使用一系列關於疾病特異性特徵的預定義假設。必須為身體的每個部分設計一個專門的程序，而且只能識別有限的疾病，缺乏靈活性和可擴展性。這些程序往往過於簡化，導致診斷性能差，因而沒有得到廣泛的臨床應用。 相比之下，深度學習可以毫無困難地處理全身的許許多多的疾病，以及所有的成像模式（X射線，CT掃描等）。」

4. 充分利用在線實況諮詢

你發燒了，你的伴侶告訴你，你看起來不太好，應該去看醫生。於是你打電話給你的醫生的助理進行預約，卻獲知你必須等上兩天才能去看病。現在，Babylon與其新應用不會允許這種事情發生了。Babylon是英國的線上醫療諮詢和健康服務公司，它在今年發布了一款應用，這款應用提供基於個人病史和醫學常識的醫療AI諮詢。這款應用具有語音識別功能，用戶向這款應用描述病情癥狀，應用將用戶描述與疾病資料庫進行匹配。在綜合考慮病人的病史和情況后，應用會提供適當的方案。應用還會提醒患者服用藥物，並進一步了解患者的感受。通過這種方式，診斷病人的效率大大提高。

5. 衛生援助和藥物管理

讓我們歡迎世界上第一個虛擬護士——Molly吧。Molly是由醫療行業初創公司Sense開發的。它有著微笑、友善的面孔和愉悅的聲音，專用於監測患者的狀況和治療情況。它以機器學習作為醫生診療慢性病患者的技術支持，提供對慢性疾病經驗證的定製監測和後續護理。

此外，也有一個監測病人是否按處方服藥的AI方案。 The National Institutes（國立衛生研究院）的AiCure應用程序，使用智能手機的網路攝像頭和人工智慧來確認患者是否遵守處方。這對於那些患有嚴重疾病的人，和那些總是違背醫生建議的患者和臨床試驗參與者來說，是非常有用的。

6. 精密醫學

人工智慧也將對遺傳學和基因組學產生巨大影響。Deep Genomics希望在遺傳信息和醫療記錄的海量數據中尋找突變和與疾病的聯繫。他們正在研發新一代計算技術，新的計算技術能夠告訴醫生，當DNA由於遺傳變異被改變時，細胞內會發生什麼。

同時，人類基因組計劃之父之一Craig Venter正在研究一種演算法，該演算法會根據DNA來設計患者的生理特徵。他的公司Human Longevity，為患者（大多是富人）提供完整的基因組測序、全身掃描和非常細緻的體檢服務。這一系列服務可以幫助患者在癌症或血管疾病早期時及時發現。

7. 藥物研發

通過臨床試驗來研發藥物，有時會花費十多年的時間和數十億美元的金錢。如果能夠加快速度並使用更經濟的方式研製藥物，那對今天的醫療行業將產生巨大影響，並使得醫療創新深入千家萬戶。去年，Atomwise推出虛擬搜索，通過超級計算機來尋找現有的、可以重構的安全藥物，對抗埃博拉病毒。利用AI技術，Atomwise發現了兩種可以顯著降低埃博拉病毒感染的藥物。這種分析通常需要幾個月或幾年，但是藉助超級計算機，分析在不到一天的時間內完成。 Atomwise首席運營官Alexander Levy表示：「早幾個月或幾年發現對抗致命病毒的藥物，意味著多拯救了成千上萬的生命。」「想象一下，因為像Atomwise這樣的技術存在，有多少人可能會在下一次大感染中倖存下來」。

使用大數據進行患者管理(patient management)的例子是Berg Health，它是位於波士頓的生物製藥公司。Berg Health通過數據挖掘來了解某些病人從嚴重疾病中存活下來的原因，從而改善現有療法或創造新的療法。Berg Health將AI與患者的生物學數據相結合，繪製出健康狀態和疾病狀態下生理環境的差異，以此在研發藥物、病情診斷和醫療應用等方面提供幫助。

8. 開放AI幫助人們做出更健康的選擇和決定

你聽說過開放AI生態系統嗎？沒有？不用擔心，因為它是對相互聯繫的AI基礎設施的一個非常新穎的表述。世界經濟論壇將其稱為2016年十大新興技術之一，因此讓我們對它做一些深入了解吧。開放AI生態系統，是指有了前所未有的海量數據，再加上自然語言處理和社會認知演算法的進步，人工智慧將變得越來越有用。

在醫療和醫藥方面尤其如此。有很多數據可以利用：患者的病史記錄，治療數據 ，以及最近的來自可穿戴的健康跟蹤器和感測器的信息。有了能夠詳細分析巨量數據的AI，不僅意味著主動的患者可以得到關於生活方式的更好提議，還意味著醫護人員可以根據患者的需求和習慣得到如何設計醫療服務的指導信息。

9. 分析醫療體系

在荷蘭，97％的醫療發票是數字化的，包含治療、醫生和醫院的數據。這些發票信息能夠很容易地被檢索。荷蘭一家公司Zorgprisma Publiek使用 IBM Watson的雲計算對醫療發票數據進行了數據挖掘。通過數據分析，他們能夠告訴醫生、診所或醫院在治療某種疾病時是否重複出現錯誤，以幫助他們改善並避免患者不必要的住院治療。

怎麼做才能使AI真正實現上述功能呢？

首先，我們必須消除對人工智慧的偏見和恐懼，並幫助大眾了解我們該如何實現人工智慧的益處，以及我們該如何應對人工智慧可能的危險。人類對AI最大的恐懼是，AI將變得比人類的大腦更精密，並試圖控制人類的生活。史蒂芬霍金甚至表示，徹底的人工智慧的發展可能會導致人類走向終結。Elon Musk也同意他的觀點。

我不認為情況如此消極，但我同意在使用AI時應注意適當性。我們需要做好以下準備，以避免AI的使用不當：

制定適用於整個醫療行業的強制性倫理標準

逐步發展AI，以便有充分的時間發現AI存在的缺點

對於醫學專家：需要掌握AI在醫療環境中如何工作的基本知識，以便於在日常工作中應用AI對於患者：要習慣AI併發掘它的的好處——例如在孩子的認知發展方面，就可以使用Cognito，Cognito藉助AI技術或Siri服務，以有趣和溫柔的方式來支持小孩的認知發展對於開發AI智能解決方案的公司（如IBM），應該與公眾就AI在醫學上的潛在優勢和風險進行更多的溝通對於醫療衛生機構的決策者，既需要盡最大的努力來衡量評價AI醫療系統的功效，也需要推動企業提供經濟實惠的AI解決方案（只有這樣，AI才不會僅僅存在於科幻小說中，而成為21世紀的真實應用）。

如果我們取得成功，將會有巨大的醫療發現和治療突破，可能一天就會發生好幾次這樣的醫療發現和治療突破。如果你曾遇到過或使用過我們說的狹義AI系統，那麼你肯定能理解我對AI的樂觀。