美國top5醫院案例 | AI風潮下 梅奧診所做了哪些「獨特」的項目？

「在醫療領域的AI應用方面，梅奧診所做了什麼與同行不同的獨特項目？」梅奧診所CIO Christopher Ross接受採訪時曾被問道這樣一個問題。

在醫療界，梅奧診所就是傳說中最頂尖的存在、醫療界的麥加、世界頂尖醫療機構，甚而在《實習醫生格蕾》一劇中，最厲害的人都有梅奧的光環加成。此前，流傳甚廣的一書《向世界上最好的醫院學創新》提到，梅奧診所長盛不衰的重要原因是創新，甚至是推動成功的唯一關鍵。這也解釋了為什麼記者認為梅奧診所會做一些「獨特」、「與眾不同」的嘗試。

「我不確定我們是否做了一些獨特的、與眾不同的項目，我們有很多未公開的項目，大部分處於早期試驗階段。與IBM Watson合作的臨床試驗部分項目也在不斷推進，目前，我們已經收到好的反饋。」Christopher Ross答道。

臨床試驗患者匹配：從30min縮減為8min

他所謂的合作可追溯到2014年，當時，梅奧診所與IBM Watson合作，在前者新葯研發的臨床試驗中應用IBM Watson技術。梅奧診所腸胃病專家、梅奧—IBM Watson項目負責人Charles H. Weinman教授曾表示，「之所以擁抱認知計算，是因為我們認識到科技對於醫療變革是必要的。」

新葯臨床試驗的患者招募環節一般耗時久，部分因為大量的臨床試驗中，入選患者的標準嚴苛，每個臨床試驗具有冗長的納入/排除標準。傳統的做法是，臨床監察員需要了解患者病歷，尋找匹配特定臨床試驗的患者；另一方面，患者也會不斷搜索臨床試驗的消息，嘗試新葯對病情有無幫助。

在雙方合作中，基於NLP技術，IBM Watson分析梅奧診所乳腺癌、結腸直腸癌和肺癌患者病歷，同時，不斷掃描臨床試驗資料庫，為臨床試驗匹配合適的患者。當時，梅奧診所有大約8000例正在進行的臨床試驗，全球範圍內有17萬例。據當時的報道稱，2015年伊始，梅奧診所的醫生就能用IBM Watson了。

在2017年4月奧蘭多舉行的年度HIMSS會議上，梅奧診所的乳腺癌專家Tufia Haddad報告了該項目進展，他表示，IBM Watson應用於新葯臨床試驗之後，「臨床監察員篩選一個患者是否符合臨床試驗標準所需時間，從原來的30分鐘縮減到現在的8分鐘。」「他們可以花更多時間向患者解釋參與臨床試驗的重要性上。」

「與眾不同」的AI探索

與IBM Watson的合作僅是梅奧診所AI探索的一小部分。極度鼓勵科研、創新的梅奧，2017年以來，在AI方面的新聞不斷，從探索領域而言，相比國內AI公司大都專註於智能影像診斷領域，梅奧診所進行的項目確實顯得「與眾不同」。

1月，梅奧診所個性化醫療中心與Tempus展開合作，後者是一家利用機器學習平台開發個性化癌症治療方案的科技創業公司。此次合作，Tempus為1000名參與免疫療法相關研究的梅奧診所病人進行分子測序和分析，針對的癌症種類則包括肺癌、黑色素瘤、膀胱癌、乳腺癌和淋巴癌。目前，該項目處於研究階段，初期目標是基於分析結果為梅奧診所的癌症病人提供更加個性化的治療方案。

3月，梅奧診所參與心臟健康創業公司AliveCor總額3000萬美元D輪融資。AliveCor設計的Kardio Pro是一款人工智慧平台，幫助臨床醫生「監控早期的心房顫動，這也是最常見的心律紊亂癥狀，會導致中風風險增加5倍。」移動心電圖儀Kardia Mobile則是AliveCor的旗艦產品。4個月之後，梅奧診所與AliveCor再度攜手，開發檢查長QT綜合症演算法。

7月，梅奧診所和Nference公司宣布推出一家初創公司，該公司名為 Qrativ，主要業務為結合臨床專業知識和人工智慧，實現系統性新葯研發。目的在於尋求發現和發展那些未滿足醫療需求的疾病療法，它目前關注的重點會是罕見疾病和具有高度針對性的患者群體。不同於其他新葯開發企業，Qrativ可以直接訪問梅奧診所的相關數據和信息。

藥物開發的早期階段開始，梅奧可利用Nference公司的藥物治療平台 Darwin.ai 來尋找候選藥物的所有可能用途，包括確定潛在的罕見疾病適應症，並找到可能針對給定候選物最有效果的患者亞群。通過這些夥伴關係，Qrativ 將致力於盡可能地最大化每種藥物治療儘可能多患者和疾病的潛力。

在Christopher Ross看來，醫療行業的AI應用需要始終緊盯目標，「梅奧診所始終關注患者的需求、重病、複雜疾病的治療方法上，如果我們沒有在這個方向努力，我們就沒有做正確的事情。」才能保證重點關注實際結果而非停留在技術提升層面。

此前，《Techemergence》的一篇文章講述了包括梅奧診所在內的美國top5醫院AI應用情況，文中提到，最受歡迎的醫院人工智慧項目主要為：

• 預測性分析：通過分析數據和關鍵指標來監控病人現狀，預防緊急情況的出現。

• 聊天機器人：自動處理醫生的詢問信息，並將醫生與相應的專家對接。

• 預測性健康追蹤器：通過實時數據收集監控病人的健康狀態。

未來

那麼未來呢？這座頂尖的醫療機構怎麼看？

Christopher Ross曾表示，「我們都處於黑暗中，未來不明朗，在這個階段，預測或洞見都是不可靠的。我認為這項技術將會成為重要的工具和投資項目，將會切實提升健康和疾病治療水平。」

就目前實踐落地情況而言，無論國內或國外，大部分AI應用尚處於早期探索階段。大部分醫院領導人了解AI在醫療應用的可能性，但幾乎沒有大幅應用的案例。

Booze Allen Hamilton的數據科學家、Georgetown大學附屬醫院急診醫生在一篇文章中表示，短期看來，AI最有可能落地應用在承擔流程化的數據驅動的任務，比如查看患者圖表。「EHR並不具有集成機器學習或認知計算的能力，並且有效數據的缺乏導致第三方應用遲遲不能落地。」這與之前IBM Watson面臨質疑所遭受的問題是一致的。長期開來，為了充分發揮AI潛力，醫療行業需要想辦法找到更多有效、有用的臨床結果信息來滿足「極度饑渴的數據需求」，而這些信息 EHR並不能提供。

對於醫院而言，「一方面，大都相信機器學習有極大的潛力，但短期內如何改變醫療和保健並不明朗。」「如今，政策制定者和行業領導者需要做出決定：何時以何種方式投資機器學習以優化組織效能和效率，而不會浪費資金在未成熟或沒有價值的技術上。」