當人工智慧遇到醫療 科技巨頭爭相布局搶佔風口

人工智慧從誕生至今61年，不斷被嘗試應用於各個領域。時至今日，它不再只是一個聊天的工具，也不只是用來去識別一隻貓的品種。當AI跟醫療、教育、基因工程等領域的大數據結合時，其經濟價值和社會價值都是不可估量的。而在醫療大數據中，影像數據相對結構化，因此，人工智慧在這個領域的應用最多，技術成熟度也最高。

近年來，國內外科技巨頭都紛紛在AI醫療領域進行布局，搶佔風口，聚焦AI+醫療的初創企業也時有成果發表。我們為大家挑選了幾個典型的公司，看看AI+醫療究竟能產生什麼樣的神奇效果。

IBM

IBM的Watson人工智慧系統是認知計算系統的傑出代表。它在醫療領域中最著名的一個「佳話」是去年8月份，僅用10分鐘就成功診斷出被醫生漏診的白血病患者。

據報道，患者為一名60歲的女性，最初根據診斷結果，顯示她患了急髓白血病。但在經歷各種療法后，效果並不明顯。後來，東大醫學院利用Watson系統來對此病人進行診斷。系統通過比對2000萬份癌症研究論文，在10分鐘得出了診斷結果：患者得了一種罕見白血病。

如今Watson已經可以在臨床應用，通過病歷和癥狀等臨床數據的分析，可以在在肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌等癌症為醫生提供建議。

Google

今年 1 月Google宣布深度學習演算法在識別皮膚癌上已經達到專家級水平之後，現在已經可以實現人工智慧技術對乳腺癌的檢測。

乳腺癌診斷是一項龐雜的工作，尤其在病理學家對患者的病理圖像進行的分析的時候，是最耗費時間也是最容易產生分歧和誤判的。Google用深度學習對荷蘭大學提供數千片癌細胞切片進行分析，AI對這個巨大的資料庫進行特徵提取，記住癌症切片的特徵，在臨床實驗的時候一一對應，看是不是符合癌症切片特徵。

與現有的計算機分析方案（中）相比，新型人工智慧（右）能更準確地找到腫瘤（圖片來源：谷歌）

而在去年11月，谷歌的研究者在《美國醫學協會雜誌(Journal of the AmericanMedical Association)》上發表的一篇文章，稱其開發出了一種解讀視網膜照片中，糖尿病性視網膜病變發病跡象的深度學習演算法，這種演算法的水平已經達到眼科醫師的診斷水平。

Amazon

亞馬遜CEO傑夫·貝佐斯（Jeff Bezos）曾表態稱，該公司的智能語音助手Alexa能夠在醫療保健領域成為一款非常實用的工具。目前，Alexa能夠背誦心臟復甦術，這是與之合作的美國心臟病協會教給她的。

作為一個健康助理，Alexa還在積累其他的醫護技術，包括陪伴老年人、回答兒童的疾病治療方法等。在不久的將來，她可能還會幫助醫生在騰不出手時做語音記錄或者提醒患者及時吃藥。

微軟

微軟開發了一個能夠「消化」每年發表的所有論文的機器學習項目Hanover。在醫療領域，Hanover可以通過機器學習與計算視覺系統幫助放射科醫生了解腫瘤的擴展過程，並在上萬中藥物中尋找直擊癌症的最佳組合。

它用機器學習預測藥物的有效性，並為病患制定個性化治療方案為例。在預測、制定方案之前，Hanover需要「閱讀」大量的資料，然後進行大數據分析以得出最終結果。

Hanover在俄勒岡衛生科學大學Knight癌症研究所被投入使用，於自動分析研究論文中的數據以及臨床試驗、影像學診斷報告、電子醫療記錄的基礎上，以尋求能夠有效治療急性骨髓性白血病（一種數十年未能得到有效治療的致命癌症）的藥物、預測藥物的有效性。

Enlitic

在國外的AI+醫療領域，Enlitic是較為知名的一家公司，他們依託深度學習和成像技術，在X光、CT掃描、超聲波檢查、MRI等的圖像中做癌症早篩。 Enlitic軟體可以插入到醫療機構已經在使用的系統當中，從而分享或查看醫療圖像。研究人員可以標註圖像，然後單擊以找到其他類似的數據元素。

據悉，Enlitic憑藉深度學習技術超越了4位頂級的放射科醫生，包括診斷出了人類醫生無法診斷出的7%的癌症。該公司通過肺部CT結果診斷肺癌的準確率比放射科專家高出50%以上。

以Enlitic為例，對患者、醫師和醫院而言，結合人工智慧的醫學影像均是巨大幫助。

Emerald

以色列公司Emerald開發了一款運用雲人工智慧技術和手機攝像頭檢測黑色素瘤的手機應用DermaCompare。

它使用了雲人工智慧技術，利用手機攝像頭進行「全身攝影（Total Body Photography）」，檢測黑色素瘤。它會自動地匹配雲伺服器中五千萬種已知痣斑圖像以及病人的歷史圖像。這項技術極大地增強了醫生檢測黑色素瘤的精準度和速度。

使用這款應用，利用專利比較演算法，每個用戶或醫生就可以通過任何智能手機的攝像頭來確認某種痣是否為黑色素瘤徵兆。馬克·扎克伯格就曾推薦過這款應用。

目前，據稱AI系統的深度學習演算法已經達到了「專家」水平，但這並不代表醫生和病理學家將被人工智慧所取代。人類專家的知識與經驗更廣，人工智慧只有與病理學家形成互補，提高人工診斷的效率與可靠度，才能早日達到「精準醫療」的理想目標。