【87看世界】AI與醫療的創業者面臨空前的機遇和挑戰

長久以來，技術都為醫學的發展貢獻了不可估量的作用，無論是醫藥研究還是診斷的準確性，但是有了人工智慧，我們能夠可以看到更多潛在的可能性。

在 2012 年默克製藥公司舉辦的藥物開發競賽中，多倫多大學教授 Geoffrey Hinton 帶領的深度學習團隊出人意料地贏得了冠軍，為什麼是出人意料?因為這個團隊的人沒有分子生物學經驗，也沒有在製藥業有過涉足。

還有一件事，斯坦福大學醫藥學院有一個病理學家、生物醫學工程師、遺傳學家和計算機科學家組成的團隊，他們的一項研究是使用深度學習演算法診斷肺癌——其準確率比人類病理學家更高。

TopBots 採訪了數位科技行業的投資人，他們的共同關注點都包括 AI 和醫療。

挑戰

「醫療系統最基本以及首要的原則是『勿要傷害』。而每一個 AI 和醫療的結合應用都必須遵從這一理念。」這是來自 Kapila Ratnam 的警示，他曾是一名科學家，現在的工作是 NewSpring 的投資人。GE Ventures 的經理 Lisa Suennen 補充說：「對醫療系統中額外的支出和錯誤貢獻最大的就是慣性。那種『我們一直都這麼做』的態度是的的確確會致人於死地的。」

其他投資人也表示同意，他們認為極端保守主義者本著保護病患的態度同時也會遏制創新。數字醫療領域的專家投資人 Gavin Teo 更確切地指出，這個行業的創業公司面對的最大困難就是「服務供應方對於新技術的保守不能帶來一次一付式醫療費(fee-for-service，美國最主要的醫療付費模式)的收益。」

想要在醫療領域進行 AI、機器學習技術的實踐有哪些難處?較為常見的有幾個。首先就是數據的缺乏——機器學習與醫療的結合要求專門的數據對 AI 進行訓練。Norwest Venture Partners 的 Robert Mittendorff 教授解釋說：「儘管我們在深度和廣度上都有豐富的數據，但出於隱私和 HIPAA(《健康保險便利和責任法案》)的限制，通常數據是很難獲取的。」

甲骨文下屬的醫療科學部門創意總監 Summerpal Kahlon 對此深有體會，他有許多一手數據，但是要運用到實際的醫療個案中卻是極富挑戰的：「全美每年由於不當用藥導致的傷殘死亡可以達到 77 萬例，每年為醫院造成的經濟損失大約是 560 萬美元。因為藥物的數據非常混亂：多個來源、多種樣式。並且有藥物基因組學支持的遺傳數據還沒有大規模普及。」

除了數據的問題，另一大挑戰在於如何將新的技術方案順利地整合、實施到醫務工作者的日常之中。因為就像 Mittendorff 教授所說：「改變習慣——說起來比做起來難，錯誤的實施部署方案對於醫療行業來說無疑是具有傷害性的。」

有二十多年靜脈血管手術經驗的 Jose I. Almeida 教授就有一個例子，他說：「我們醫院在八年前第一次引入了電子健康檔案，我們想這樣的東西自然能夠提高效率。然而我們已經更換了三次系統，現在的第四版仍然讓我們很失望。在醫生和病患中間強制放一塊屏幕這件事對於醫患關係並沒有什麼益處。」

一種電子健康檔案系統

所以創業公司自然會覺得日子不好過，像 Cyft 的創始人 Leonard D』Avolio 就抱怨了：「我們看到一家又一家醫院承擔著損失，電子醫療檔案的部署不成功，於是他們開始逐步削減數量。但這僅僅是電子醫療檔案啊，你可以想一想當他們面對人工智慧時會怎樣。」

醫院的擔憂還在於：一旦將患者的數據數字化，那安全性的保證呢?Ratnam 說道：「信用卡消費記錄在黑市上用十美分就能買到，但是一份醫療記錄能賣到 200 美元。你可以看到這些對於黑客來說是有價值的。」

以資本驅動的技術公司和傳統醫療行業的矛盾就是這樣：前者尋求快速增長，但後者需要考慮太多的限制。

機遇

B Capital 的 Teo 說：「美國醫學院聯合會的一項研究顯示，到 2025 年，基層醫療人員將會面臨 14900—35600 人數的缺口。」而與此同時，人口老齡化帶來的卻是更高的醫療需求。

因此，不作為和失敗的創新都是在實施傷害。

所幸有不少公司還在努力。CB Insights 最近統計了 106 家在醫療領域進行 AI 研究的創業公司，他們研究的範圍很廣，從病患監護到醫院運營……

使用虛擬助理來減緩供應方短缺是一種解決方式，而這種虛擬助理的背後就是機器學習和人工智慧，從事這些的公司有 87870 曾經報道的 Sense.ly、Babylon Health、Evidation Health、Seniorlink 等等。

除此之外，AI 還可以幫助臨床醫生作出決策以及提升效率。AnalyticsMD 就通過使用 AI 和機器學習讓急診室、住院部和手術室能夠運轉地更加有條理。而前面提到的 Cyft 和 HealthReveal 通過分析多個不同來源的數據幫助將重症病人準確分類。

AI 與醫療不僅對於醫生會有影響，同樣也有創業者將目標對準了病患。梅奧診所的一項研究表明有 50% 的病人對於理解醫生的用藥指示有困難。像 AI Cure 這樣的公司就試圖利用計算機視覺技術讓智能手機能夠識別藥品。

上文曾提到醫療記錄對於黑客的價值，Protenus 這家公司就是致力於醫護數據安全的，他們將 AI 利用到分析網路訪客記錄、標記刻意案例，管理員之後可以手動查看。其方案適用的範圍可以大至整個企業。

原則與利益互不衝突是成功的關鍵

讓醫療行業接受新技術的關鍵是找到正確的切入點然後將方案無縫嵌入到現有的工作流程中。 Cyft 創始人 D』Avolio 在這個行業摸爬滾打了十二年，而他在臨床醫師參與的會議上都會避免使用「人工智慧」或者「機器學習」這樣的辭彙，他的重點都會放在實際的用處上。

對於醫療行業來說，相比於策略或者文化，他們首要遵循的是原則和政策。因此對於想在這方面有作為的科技公司，他們需要找到能讓對方獲利的原則、政策。比如像 D』Avolio 說的：「他們看到患者要求更多的 AI 應用以加速看病流程之後，你就一定程度上成功了。」

AD：【移動新媒體】移動新媒體-領先的泛娛樂互動平台

未經允許不得轉載：移動新媒體 » 【87看世界】AI與醫療的創業者面臨空前的機遇和挑戰