2016年人工智能+医疗健康创新趋势报告：人工智能搭上医疗可以做什么？（下） - 综合资讯 - 电子工程世界网
2016年人工智能+医疗健康创新趋势报告：人工智能搭上医疗可以做什么？（下）
20:28:35来源: 蛋壳研究院 关键字：&&
对于医疗健康领域中的应用已经非常广泛，从应用场景来看主要分成了虚拟助理、、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共11个领域，我们着重分析前8个，这一篇包含生物科技、急救室/医院管理、健康管理和精神健康四个方面。
生物科技：带来更好的数据处理
在生物科技方面，人工智能能带给我们更好的数据处理方式。在中国，人工智能在生物技术领域上已经走在了世界的前列，比如在语音技术、生物特征识别方面，甚至能够与发达国家并列。在我国，最为出名的人工智能生物科技初创公司，就是碳云智能。
碳云智能希望建立一个健康大数据平台，通过收集人们各种各样的生物数据，然后在这个数据基础上建立一个内核模型，然后把它对接起来，做这样一个整合。利用处理这些数据，帮助人们做健康管理。碳云智能的数据来源包括两部分，一部分靠自己的技术能力获取，一部分靠合作伙伴获取。靠该团队的核心技术获取的有基因数据、微生物数据（肠道、口腔、皮肤等）、蛋白及代谢数据（尿液、汗液、血液等）等。碳云智能要做的事情主要是将生物技术、生命大数据、人工智能和互联网结合起来。
碳云智能的创始人来自华大基因，但是他们并没有选择重资产的上游测序行业，也没有选择重运营的针对C端进行服务的下游基因检测，而是成为中间端的数据整合、挖掘、分析的服务提供商。通过智能的大数据分析，提出对不健康状态的干预措施，为医疗、慢病管理、美容、健身提供个性话解决方案。
急救室/医院管理：辅助急诊室管理
在大型医院中，急诊科的管理往往非常混乱。从普通连锁医院到顶尖医疗机构，管理者和前线的医护人员每天面对数以千计的诸如怎么配备人员、手术室、占用时间预估问题，整个管理和看病流程效率偏低，对医生经验非常要求高。以协和医院为例，协和医院急诊科成立于1983年，建科之初，日均急诊量大约为三四十人次，1996年达到一百多人次，2012年升至五六百人次。为适应急诊患者人数的增长，急诊床位由21张增至100多张。然而，床位的增长速度仿佛永远跟不上患者的增长速度，刚刚增加的床位总是很快又被填满，急诊科总是人满为患。但是实际上，非急诊患者至少占1/3，需要立刻抢救的大概只占急诊总量的5%～10%。而在美国，每年在医疗上的开支接近3万亿美元，占GDP比例超过18%，不过更为痛心的是7500亿美元是浪费的，比如一个手术室即使不做手术，成本也是5000美元/小时，医疗资源浪费是一个顽疾。因此如何提高医疗服务效率是政府头痛的事，由于没有智能的医疗健康系统，经常会出现病人在急诊室门口等待几小时却无人医治，或者医护人员和病床资源空闲时，却无人可医的情况。
AnalyticsMD是一家提供医院智能决策分析系统技术的初创公司，成立于2013年，总部位于美国加州。AnalyticsMD开发符合HIPAA标准的SaaS，已经使用在了旧金山的医疗机构。它从美国政府医疗网站收集详细数据，美国所有接受医疗保险以及医疗补助基金的医疗机构数据都汇聚于此。利用实时分析的saas平台分析这些数据，可输出辅助性的推荐信息，帮助医院管理者、医护人员决策。
如何将得到的庞大数据进行分析，输出直观和具有参考指导意义的结果，减少医疗资源的浪费，是考验AnalyticsMD的一道难题，也是其差异化竞争的优势所在。AnalyticsMD帮助医院建立SaaS系统有两个目的。第一可以让医院的管理者时时掌握目前的工作状态和进度，做出更好的选择，不落后于其他同行。另一个目的就是提高病人和医护人员看病的质量和效率，比如医护人员和病床之类的资源可以在空出来的第一时间被利用，防止出现那种病人在急诊室门口无人医治的情况。还有，只要使用了AnalyticsMD开发的系统，利用系统分析的数据，就可以得到类似如何让病人避免遭遇治疗瓶颈的建议等。
以往，能否减少医疗开支决定因素在于前线的医务人员、临床医生以及护士，他们的经验是决定成本和服务水平的关键。现实情况是，他们得不断地处理一个又一个的紧急病例，根本没有时间去研究繁多的病例图表来提高效率。有了AnalyticsMD开发系统自带的DecisionOS之后，情况就有了变化。从医院自身的EMR系统提取大数据（兼容大部分主流医院的EMR系统，数据经过加密处理符合HIPAA），通过机器算法处理，系统自动分析、监测和预估，给临床医生提供最合理的建议，帮助他们在合适的时间内给病人提供最合适的治疗和服务。医生不需要再去反复研究那些繁杂的病例报告等数据。结果是，无论在病人的安全性、满意度和医疗成本控制上，都有效得到解决。
AnalyticsMD通过大规模的机器学习预测，经过分析后的一些指标，如病人的停留时间和数量，可视化的数据将提供给医护人员更多辅助。根据每家医院服务病人的相关数据，分析出如病房或手术室不足等问题的原因，从而帮助管理者优化医院的资源配置。
健康管理：更智能更全面的数据管理
有关个人健康的数据是十分复杂的。假如我们把一个人所有的健康数据都收集起来，完全可以用&生命数据化&来形容。生命数据化有不同维度的数据：基因数据、生理数据(比如血压、脉搏)、环境数据(比如每天呼吸的空气)、社交数据、蛋白数据等。有了生命科学大数据，加上人工智能最终可以实现人们对健康的管理。
Welltoks是一家健康管理公司，主要关注个人健康管理和生活习惯提升，它本身不仅做健康数据分析或者专业健康管理建议，还将此作为平台切入点，接入其他服务商，比如硬件、保险公司、内容、应用等，同时帮助一些群体健康管理公司提供管理办法。
最有名的要数其Caf&Well Health Optimization Platform健康管理优化平台，这是一个以网站为主要入口的习惯干预和预防性健康管理计划，合作方有专门记录数据的可穿戴硬件 MapMyFitness 、FitBit和社交网络。它包含特定的计划和成效预测，同时以Gaming和个性化的数据将服务精确到个人。当用户按照Welltok提供的方案培养生活习惯时，它还会给予相应奖励，比如积分、礼品卡或者现金，激励用户改善健康。IBM投资WellTok，将Watson 融入CafeWell，主要功能是借助Watson 的认知能力理解复杂的人类语言，数秒内从海量数据中找到科学答案，给予用户健康管理、慢病恢复、健康食谱等指导。
精神健康：加强诊断和疾病控制
人工智能在人类精神可以做的事情相当多，我们可以通过两个方面来谈，一个是针对正常人的应用，一个是针对有精神疾病的患者的应用。对于我们普通人来说，人工智能在精神健康方面最大的用处就是情绪识别能力。
情绪识别主要是通过收集人的外在表情和行为变化，对人的心理状态进行推断。能通过面部表情、声音、行为、心率、甚至笔迹，来判断人的情绪变化。最常规的方式通过摄像头来捕捉记录人们的表情，并通过面部表情的变化，分析判断出人的情绪是高兴、生气、厌恶还是困惑等。另一种方式是通过人的声音，说话声音的高低、语速、口气词汇的变化进行智能识别。
即使人会故意控制面部表情和声音不产生变化或者展现出与内心世界不一样的表情和声音，也总会露出一些破绽，只不过可能这些破绽会很微小或一闪而过，让人不易察觉。但对于人工智能来说，发现细微的现象或捕捉稍纵即逝的变化正是他们的长项。从这个方面来说，人工智能对人类情绪的理解可能会比人还优秀。在判断出人的情绪变化之后，就可以通过一些方法，帮助人类进行情绪的管理和调节。
苹果收购的人工智能公司Emotient就是一家擅长通过分析情绪的公司。Emotient已经能够分辨出类似于喜悦、愤怒、悲伤、惊讶等等这种的基础表情，还能够分析出一些更细微和复杂的表情，比如焦虑以及沮丧。Emotient起源于加利福尼亚大学的&机器感知实验室&，（MachinePerceptionLab），他们最终的目的是打造一套&无所不在&的人类情感分析系统。Emotient利用摄像头来捕捉、记录面部肌肉运动，并根据其计算模型来分析出面部表情，最终得出关于表情的动态结果。Emotient同时还提供API接口，能够将其技术轻松地与任何硬件或者软件进行整合。
而在精神疾病治疗方面，人工智能能够发挥出更大的作用。2015年3月, 《Tdicine and e-Health》刊登了一篇用机器学习预测产后抑郁的论文，目的是建立产后抑郁症发作的风险分层模型，以便提前干预。同时开发一款APP，目标用户是产后希望了解自己情绪的妈妈。同时，人工智能在PTSD（创伤后应激障碍）方面的诊断和治疗，以及对精神疾病的监控上，能起到相当大的作用。
NeuroLex公司的人工智能产品会通过一部安装在附近看不到的墙上的智能手机或是其他设备记录病人的信息，会从病人的录音中搜索语言线索，以数字的方式呈现&&像血压读数那样&&精神病学家做诊断的时候就可以参考这些数据。并且随着该算法被越来越多的病人训练，产生的读数更准确。
除了找诊断，人工智能可以更快地为一个精神病患者开出正确的处方与合适的剂量，通过已经在医院里的精神病病人进行&前-后研究（pre-post study）&，可以观察患者在医院里的发病状态或抑郁状态过程中的语音模式是如何变化的。
如果一个人的语音在服用某种药物之后，表现出更少的抑郁症或躁动症的信号，该工具就能帮助证明该药物是有效的。如果服药后没有变化，该人工智能可能会建议立即尝试另外一种药。并且，一旦它获取了足够的数据，它就能根据有相似语音特征的病人的情况推荐药品。
人工智能在精神健康方面的市场需求是十分巨大的。WHO的数据显示，在美国有1/5的人有精神健康方面的问题，因精神问题而产生住院的次数每年有200万次。而且精神疾病的痊愈相当困难，病人的重复住院率为37.5%，导致每年的花费为452亿美元。在中国，由于人口基数的庞大，各类受精神健康影响的人群更多。
关键字：&&
编辑：鲁迪 引用地址：
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有，本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播，或不应无偿使用，请及时通过电子邮件或电话通知我们，以迅速采取适当措施，避免给双方造成不必要的经济损失。
关注eeworld公众号快捷获取更多信息
关注eeworld服务号享受更多官方福利
热门关键词
大学堂最新课程
汇总了TI汽车信息娱乐系统方案、优质音频解决方案、汽车娱乐系统和仪表盘参考设计相关的文档、视频等资源
热门资源推荐
频道白皮书【周报人工智能】传统医疗器械公司与新型人工智能企业合作共赢
【周报人工智能】传统医疗器械公司与新型人工智能企业合作共赢
1、本周热门话题 #传统医疗器械与AI#2016年以来，中国诞生了近百家医疗人工智能创业公司，他们希望抓住中国医疗变革的机会，成长为大公司。与此同时一些器械公司也不想错过这个机会，纷纷投入资源进行人工智能医疗产品的研发，或者寻找合作伙伴让自己的器械产品变得更加智能，提高产品的竞争力。医疗器械公司在人工智能领域如何布局，传统技术如何与人工智能相结合？同时，新型医疗AI创业公司如何与传统器械厂商合作，打开市场？这些都是企业面临的实际问题！.对于传统的器械公司来说，组建一个新部门研发产品的流程是比较复杂的，但是与人工智能公司合作，自己就无需耗费时间、财力和精力去做这个事情，通过合作的方式将人工智能系统搭载在器械上面销售，增加器械的竞争力。对于医疗人工智能公司来说，产品研发出来以后，与器械厂商的合作有两种好处，一方面可以通过科研合作的方式，验证自己产品的实际临床效果。
观点 1、Dahlweid ：人工智能有助于医生做出决策以及管理海量的医疗保健信息2017年5月，GE曾在上海的CMEF展会上向大众展示了他们在肺结节识别的技术。在医疗保健方面，GE涉及的领域有很多，在人工智能领域的布局可以分为两个部分，一部分是医学影像，另一部分是医疗保健。GE医疗数字化解决方案首席医疗官Michael Dahlweid博士表示，人工智能有助于医生做出决策以及管理海量的医疗保健信息，目前GE正在利用深度学习试验多种任务，其中包括： 识别不同类型的癌组织细胞，为重症监护室的患者确定最有效的治疗方案，预测重症监护室患者是否有可能并发败血症或感染，利用超声波评估患者的心脏问题，预测疾病发作等。2、颜子夜：智能影像平台只是一个工具，我们提供的是全套解决方案 在今年CMEF的展会上，万里云发布其人工智能精准医疗平台——i 影像。目前，“i 影像” 平台已经上线 DR 筛查和 CT 检测功能。据官方介绍，i 影像在一些细小的肺结节上可避免 50% 以上的遗漏，检测的准确率达到 95% 以上。但万里云影像平台颜子夜博士表示 “智能影像平台只是一个工具，我们提供的是全套解决方案。” 除了进行影像云服务外，万里云平台更注重智能处理和质控体系建设。 3、西门子：syngo.via基于海量医学文献与病例，构建包括影像扫查、处理、报告全流程的结构化任务传统企业西门子在人工智能领域的布局也是关于医学影像。据动脉网了解西门子医疗有一套基于人工智能技术的影像学解决方案——syngo.via。syngo.via基于海量医学文献与病例，构建大数据化的临床病种知识库，进而按照规范与指南，构建包括影像扫查、处理、报告全流程的结构化任务。然后syngo.via模拟医生的处理操作与知识调用，创建相应的影像处理流，从而实现“智能前处理”与“处理即报告”。也就是说，在医生点开病例前，syngo.via便可依循相关指南与共识，自动启动多软件并行处理。西门子医疗器械公司与IBM联手，合作签署了“五年全球战略发展计划”。IBM旨在利用西门子全球医疗器械销售网络和渠道以及人脉关系，大举进军全球医疗和大健康领域的市场化应用。他们的合作也将帮助西门子的CT或者MRI设备完成从量变到质变的转换。比如说，西门子CT或MRI设备如果加装IBM Watson的智能化系统。
报道（关注动脉网公众号：vcbeat，以下文章都可阅读）1、这8家顶级医疗器械公司，如何通过智能化的方式拥抱人工智能？2、中国AI人才谱：15所高校未来3-5年能输出2000多名硕博人才，十分之一涉足医疗 3、2016年人工智能+医疗健康创新趋势报告Ⅳ：人工智能搭上医疗可以做什么？（上）4、2016年人工智能+医疗健康创新趋势报告Ⅴ：人工智能搭上医疗可以做什么？（下）2、本周头条报道优秀的医疗大数据和AI公司，都在围绕电子病历的六个应用场景做文章作者：郝雪阳本篇文章，动脉网将对目前国内知名的医疗大数据和AI企业围绕电子病历的创新应用进行梳理。从市场情况来看，目前电子病历在临床中的使用主要有这6大难题：1、电子病历系统难以满足病种专业化需求，特别是医生在重大疾病领域对临床数据的个性化需求。2、电子病历操作繁琐，医生在录入数据时，难免会出现倦怠，这样一来，录入的数据的真实性就会大打折扣。3、电子病历数据的互联互通。这包含两个方面，一是医院内部电子病历与其它HIS等系统的结合。第二是政府级的区域共享平台，它的任务主要是数据的抓取和医院之间的信息互联互通。在这两个过程中，需要通过更加先进和完备的技术，保证数据存储和共享的安全性。4、医院内基于电子病历部署大数据平台，应用于科研或临床，需要让每家医院每款软件背后的软件公司开放数据接口。但企业往往漫天要价、消极配合、一拖再拖。如果没有一个有效的平台集中存储大规模多源异构的医疗数据，数据的挖掘就只能手工作坊式地进行。5、由于过去医生在使用电子病历时缺乏数据结构化录入，更多是用文字的形式记录下来，八股文较多。就像在word里写记录报告，医院过往的电子病历中留存着大段的自然段落。这让医院的质控、数据利用等方面存在困难。所以，如何将这些存量数据进行准确地结构化处理，是现阶段的一大难题。6、基层全科医生由于经验缺乏，时常出现造成误诊、漏诊，进而造成严重的医患危机。而目前大医院的电子病历的临床诊疗相关价值尚未被系统性挖掘出来。再加上大医院医生的忙碌，很难真正将先进的诊疗经验带到基层。因此，基于大医院电子病历数据的临床辅助决策系统成了未来的发展方向。正是由于这些难题存在，所以才给一些新型的AI和大数据公司带来了发展机会。130家药企半年报透露的三个信息：市场增长强劲、并购趋势降温、转型压力明显 作者：高康平据动脉网统计，截至8月23日，有130家医药类上市公司披露半年报，数据显示，医药类上市公司整体业绩稳中向好，营收及净利润同比均有较大增幅。另一方面，受近年颁布执行的重大医药政策，如一致性评价、两票制、公立医院综合改革等影响，医药经营环境发生剧变，医药上市公司需调整战略，适应新的产业环境，这些变化亦反映在半年报当中。从今年上半年上市医药企业的整体表现，可以看到医药企业业绩在医药政策影响下出现了一定程度的波动，但整体表现强劲；另外，在前几年医药大规模并购之后，医药市场并购回落，并购向大标的、优质标的集聚，亦有一些公司开始剥离非主营业务聚焦经营范围及获得现金流。综合而言，医药行业以其特殊属性还将保持平稳增长，相关公司应利用政策过渡的时间窗口，调整经营格局，获得长期增长动力。 3、本周医健领域融资事件
4、本周医健领域活动动态
5、本周深度报道
声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可，禁止进行转载、摘编
、复制及建立镜像等任何使用。
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
百家号 最近更新：
简介: www.vcbeat.net，未来医疗服务平台
作者最新文章长按识别二维码，下载健康界APP
聚焦智慧医疗的资讯、优秀案例、海外先进做法等，携手专业人士为医院贡献知识和经验。
人工智能+医疗健康趋势报告：人工智能搭上医疗可以做什么？
文/蛋壳研究院
来源：动脉网
我行我show！中国医院管理案例评选，医院卓越管理实践大秀场。
人工智能+医疗，两者结合将在哪些方面给我们带来火花？
对于领域中的应用已经非常广泛，从应用场景来看主要分成了虚拟助理、、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共11个领域，我们着重分析前8个，这一篇包含虚拟助理、医学影像、药物挖掘和营养学四个方面。虚拟助理：人工智能可以诊断疾病虚拟助理是一个你身边的语音助手，交谈是与虚拟助理交互的基本模式。你跟助理说话，通过自然语言处理和语义分析之后，语音助理也会回复你，苹果手机上的Siri可能就是大家最熟悉的虚拟助理。而虚拟助理可以根据和用户的交谈中，能够智能化地通过病情描述判断你生了什么病。我们把虚拟助理分成两类，一类是包括Siri等通用型虚拟助理，另一类是专注医疗健康类的专用虚拟助理。和通用类型助理相比，医疗是一个更垂直，专业度更高的领域，有很多专业术语和专业技能需要我们去学习。我们从五个方面去对比通用类和医健类虚拟助理的差别。通用类虚拟助理上市时间早，资本支持度高，数据规模大。而医健类虚拟助理的专业属性强、监管风险高。虚拟助理是目前较受资本青睐的人工智能医疗健康细分领域，目前在国外用户所熟知的医健虚拟助理是Babylon Health，而国内在虚拟助手上，也有大数医达和康夫子崭露头角。Babylon Health是一家位于伦敦的初创公司，已完成金额约17.18M英镑的A轮融资，投资者包括DeepMind Technologies，该公司计划推出一款类似Siri的医健类虚拟助理应用。Babylon在过去两年里建立了一个庞大的医学症状数据库，拥有总共36500个案例的数据库，在看医生前利用语音识别来询问用户一系列问题。相比人工全科医生的诊疗，这种光速般的症状诊断和热情温柔的声音是帮助Babylon Health降低价格、保持5英镑月费的最重要方法。Babylon Health需要经过两个阶段的建造，第一个阶段有两个步骤，第一个步骤是自然语言处理，也就是听懂患者对症状的描述，知道哪里不舒服。然后根据疾病数据库里面的内容进行对比和深度学习，对患者提供医疗和护理建议。这个阶段局限于肾脏、肝脏、胆固醇和骨科等较小范围的领域。在第二个阶段，随着更大规模数据库的加入和更长时间的训练，Babylon Health将提供更多种类的疾病建议。Babylon Health创始人Ali Parsa认为，每年人工处理病患会发生大量误诊死亡事件，有一种说法认为美国ICU误诊死亡达40500人/年，而利用人工智能技术，从虚拟助理切入，能够更准确、更快捷、更安全、更便宜地实现病患处理。但是，目前在政策法律方面，由于医疗责任主体不明，监管部门禁止虚拟助理提供轻微疾病的诊断和重症的任何建议。目前，监管部门要求虚拟助理在轻疾方面仅仅能够提供一些咨询和建议，不能提供诊断，在重症方面只能提议立刻前往医院或代拨医院急救电话。业内医师也同样对该应用产生了质疑，因为患者并不完全了解身体所出的状况，表达的时候会漏掉一些关键信息，同时咨询的时候会使用大量的非专业词汇，虚拟助理可能没有办法去挖掘真正有用的信息作出更准确的判断。以上是虚拟助理目前的存在的问题。虽然如此，虚拟助理的成本更低，有助于控费，人类医生无法穷尽所有的疾病，而人工智能理论上可以，因此完全可以成为人类医师的得力助手。医学影像：辅助和代替医生看胶片医学影像与人工智能的结合，是数字医疗领域较新的分支，而且是数字医疗产业的热点。医学影像包含了海量的数据，即使有经验的医生有时也显得无所适从。医学影像的解读需要长时间专业经验的积累，放射科医生的培养周期相对较长，而人工智能在对图像的检测效率和精度两个方面，都可以做得比专业医生更快，还可以减少人为操作的误判率。近年，从图像中识别出对象物的“图像识别技术”的性能在“深度学习”的帮助下得以迅速提高。X光照片的分辨率为像素。其中的恶性肿瘤的尺寸为3×3像素左右。从非常大的图像上判断一个很小的阴影状物体是不是恶性肿瘤，是非常难的任务。首先会将一张胶片进行预处理，然后分割成若干小块，再在每一块中提取特征值和数据库进行对比，最后经过匹配后作出阳性判断。在整个诊断过程中，人工智能也会自己做出深度学习，在病历库中寻找案例，做出自己判断的依据。放射科医师诊断1名患者的CT扫描图像需要10～20分钟，写诊断报告需要10分钟左右。在国外，已经出现了数家较为知名的初创企业。表格中的Enlitic就是一家比较知名的人工智能医学影像企业，虽然创立于2014年，但次年就被MIT Technology Review评为2015全球最智慧的50家公司之一，获得总计1500万美元的融资。Butterfly正在研发一种小型超声设备，这套系统主要依靠软件来运行，包括用人工智能专家开发的技术来梳理一系列图像，从而提炼出可以自动进行疾病诊断的功能。活跃度全球第一和第三的专注人工智能的风险投资机构也纷纷成为智能医学影像初创企业的投资人。我们对比了中国和美国的医学影像现状，从影像方面的误诊人数来看，美国每年的误诊人数达到了1200万，而中国因为人口基数庞大，达到了惊人的5700万/年，这些误诊主要发生在基层医疗机构。目前中国的医学影像正在从传统的胶片向电子胶片过渡，而美国传统胶片已经成为历史。电子胶片的广泛使用使得医学影像数据大幅度增长，美国的数据年增长率达到了63.1%，在中国也达到了30%。放射科医生的年增长率美国和中国仅仅只有2.2%和4.1%，远远低于影像数据的增长，形成了巨大的缺口。这意味着医师工作量大增，判断准确性下降，借助人工智能对影像进行判断则能有效弥补该缺口。在国内这个缺口略小于美国，但我们的特殊国情也使得跨平台的影像云有巨大市场需求。Enlitic开发了从X光照片及CT扫描图像中找出恶性肿瘤的图像识别软件，利用深度学习的方法之一“Convolutional Neural Network(ConvNet，卷积神经网络)”对放射技师检查过有无恶性肿瘤及肿瘤位置等的大量医疗图像数据进行机器学习，自动总结出代表恶性肿瘤形状等的“特征”以及重视哪些特征能够判断有无恶性肿瘤等“模式”。Enlitic使用肺癌相关图像数据库“LIDC”和“NLST”进行了验证，结果发现，该公司开发的系统的肺癌检出精度比一名放射技师检查肺癌的精度高5成以上。无论是对患者、放射科医师还是医院，人工智能在医学影像上的帮助都是巨大的，可帮助患者更快速地完成X光、B超、CT等健康检查，获得更准确的诊断建议；帮助医师更快完成读片，已经更准确的辅助诊断；医院也可以得到云平台支持，建立多元数据库，降低成本。而如果采用Enlitic公司的系统可以使CT扫描图像的诊断时间减半，当骨裂面积小到只占到整张X光片0.1%时，也能准确识别出来。前面我们分析了人工智能对患者、医生和医院所带来的好处，在医学影像企业中，人工智能技术的加入对创业团队的核心竞争力也有非常大的影响。根据动脉网对医学影像初创企业的走访，拥有人工智能技术，整个团队能显著减少人力成本，技术团队规模在A轮以前可以控制在20人以内，技术人员和非技术人员的比例达到2.6：1。如果没有人工智能技术，那么就要组件一只人力成本不菲的客服团队和医师沟通，技术人员和非技术人员的比例为1.1：1，规模也达到了30至50人。分级诊疗和远程医疗的大背景使中国的医学影像创业团队更多的投入资源搭建云平台，但长期看能否有人工智能的技术实力也是核心竞争力的一部分。药物挖掘：大幅度降低药物研发成本药物的发现和筛选经历了三个阶段。第一个阶段是1930年～1960年之间的随机筛选药物阶段。这是一个偶然发现的时代，随机筛选药物的典型代表就是利用细菌培养法从自然资源中筛选抗菌素。第二个阶段是1970年～2000年，这个时代技术更加先进，可以使用高吞吐量的靶向筛选大型化学库。组合化学的出现改变了人类获取新化合物的方式，人们可以通过较少的步骤在短时间内同时合成大量化合物，在这样的背景下高通量筛选的技术应运而生。高通量筛选技术可以在短时间内对大量候选化合物完成筛选，经过发展，已经成为比较成熟的技术，不仅仅应用于对组合化学库的化合物筛选，还更多地应用于对现有化合物库的筛选。如降低胆固醇的他汀类药物，就是这样被发现的。而现在是第三个阶段，虚拟药物筛选阶段，将药物筛选的过程在计算机上模拟，对化合物可能的活性作出预测，进而对比较有可能成为药物的化合物进行有针对性的实体体筛选，从而可以极大地减少药物开发成本。在医药领域，最早利用计算机技术和人工智能并且进展较大的就是在药物挖掘上，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等，均起到了积极作用。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真(CTS)。一般估计，一种新药的开发平均需要10年时间，耗资15亿美元，但随着药物开发难度的增大目前可能一种新药会耗资40亿～120亿美元，还不能保证成功。新药研发除了要求药品的疗效外，还需要保证其安全性，必须经过动物实验和Ⅰ、Ⅱ、Ⅲ期临床试验。而即便Ⅲ期临床试验后批准上市，还有Ⅳ期临床研究，即新药上市后的再评价。这也是造成药物研发周期长、费用高的重要原因。但是，在今天，有了计算机和人工智能，为人们提供了一个检测药物的人工智能安全专家。首先，在新药筛选时，可以获得安全性较高的几种备选物。当很多种甚至成千上万个化合物都对某个疾病显示出某种疗效，但又对它们的安全性难以判断时，便可以利用人功智能所具有的策略网络和评价网络以及蒙特卡洛树搜索算法，来挑选最具有安全性的化合物，作为新药的最佳备选者。其次，对于尚未进入动物实验和人体试验阶段的新药，也可以利用人工智能来检测其安全性。因为，每一种药物作用的靶向蛋白和受体都并不专一，如果作用于非靶向受体和蛋白就会引起副作用。人工智能可以通过对既有的近千种已知药物的副作用进行筛选搜索，以判定其是否会有副作用，或副作用的大与小，由此选择那些产生副作用几率最小和实际产生副作用危害最小的药物进入动物实验和人体试验，从而大大增加成功的几率，节约时间和成本。此外，利用人工智能还可模拟和检测药物进入体内后的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等，让药物研发进入快车道。目前人工智能药物挖掘主要在三大领域：抗肿瘤药、心血管药和孤儿药及经济欠发达地区常见传染病药。抗肿瘤药和心血管药的共同特点就是市场规模大、增速快，2015年的销售金额都超过了1000亿美元。利用人工智能对药物进行挖掘，可以显著降低成本和开发难度。而第三种类别的药物孤儿药与经济欠发达地区常见传染病防治药，因为市场价值低，药企的收益不足以覆盖其研发成本，企业积极性不大。那么利用人工智能可以节约成本，为罕见病患者和经济欠发达地区的传染病患者提供药物。前面我们列出了6家结合人工智能与药物挖掘的初创公司，按照融资额度排列，Numerate以1750万美元排在第一位，而Atomwise是其中比较有代表性的初创公司。Atomwise公司用超级计算机分析已有数据库，并用AI和复杂的算法来模拟药品研发的过程，在研发的早期评估新药研发风险，让药物研究的成本降至数千美元，并且该评估可以在几天内完成。Atomwise软件平台运行在IBM的蓝色基因超级计算机上，其强大的计算能力使得他们可以完成很多任务，例如评估820万种化合物，并且在几天之内找到多发性硬化症可能的治疗方法。2015年，公司宣布在寻找埃博拉病毒治疗方案方面有一些进展，即在 Atomwise 预测的药物中，有两种或许能用来抗击埃博拉病毒，他们用时一个星期就找到了这种药物，并且成本不超过 1000 美元。Atomwise还为制药公司、创业公司和研究机构提供候选药物预测服务。Atomwise的服务可以预测哪些新药品真的有效，哪些无效。该公司称自己在新药发现、结合亲和力预测和毒性检测上得到了世界上最好的结果。在合作伙伴方面，Atomwise除了与Merck公司和Autodesk进行一些保密项目外，公司也持续与学术界和企业客户开展研究工作，通过辅助制药企业、生物科技公司和其他相关研究机构开展药物挖掘工作获取收入。到目前为止，Atomwise总共获得了657万美元的投资，他的成功除了在人工智能领域的独特算法和专业人才之外，还有好的孵化器和VC投资者。知名早期创业公司孵化器Y Combinator 和风险投资公司khosla ventures提供了海量的数据资源，并帮助其对接其他医疗机构。为了避免FDA New Drug Application对人工智能辅助药物挖掘的监管风险，Atomwise主动参与开发防治埃博拉的药物，并参与公益项目树立良好的公共形象。营养学：告诉我们应该吃什么David Zeevi团队2015年11月在《Cell》发表论文，阐释了机器学习应用于营养学的积极作用。研究者分析了三组不同的数据，其中第一组数据来自800名志愿者。他们每天第一顿食用四套标准化食品中的一种，其余时间正常饮食。研究者采集了他们的血样、粪便，以血糖数据、肠道菌群等多项数据，并使用调查问卷、App等形式收集食物、锻炼以及睡眠数据。数据收集持续一周。通过分析标准化饮食的结果，研究者发现即便食用同样的食品，不同人的反应依然存在巨大差异。这表明，过去通过经验得出的“推荐营养摄入”从根本上就有“漏洞”。接下来，研究者开发了一套“机器学习”算法，分析学习血样、肠道菌群特征与餐后血糖水平之间的关联，并尝试用标准化食品进行血糖预测。葡萄糖是人类细胞最主要的能量来源，血糖异常会导致多项重要疾病。可以说，血糖管理是精准营养的基石。机器学习算法被800名志愿者的数据“训练”之后，变得能够预测食物对人体血糖水平的影响。随后，研究者在第二组人群上（100个志愿者）验证机器学习得出的预测模型，效果非常理想。那么机器学习得出的模型能否实际运用于指导健康饮食呢？研究者在第三组人群上（26个志愿者）进行双盲试验。研究者对每位志愿者的血样、微生物组数据、人体测量学制订了个性化膳食计划。其中一组12名自愿者，使用机器学习算法的建议；对照组14名自愿者，采用医生和营养专家的建议。膳食计划也分为两种，一种被设计用于控制血糖水平，另一种则相反。每组志愿者均严格遵照建议饮食两周，一周进行“健康饮食”另一周践行“不健康饮食”，并比较结果。最终的研究结果表明，机器学习算法给出了更精准的营养学建议，成功控制餐后血糖水平，结果优于传统专家建议！这为机器学习以及精准营养学打开了一扇大门，同时这篇重磅论文也登上了当期《Cell》杂志的封面。目前较知名的将人工智能应用于营养学的初创公司为位于都柏林的Nuritas。Nuritas通过新开发的人工智能与分子生物学相结合的新技术在食品领域引起了巨大的争议。Nuritas通过建立食品数据库识别肽（食品类产品中的某些分子）可以作为食物的补充或新的成分。这种识别不只是添加蛋白粉摇一摇。相反，Nuritas是识别可以使食物根据身体反应不同而生成不同的肽。例如，其联合创始人Dr. Nora Khaldi接受采访时就表示，公司发现某种谷物可以用于控制2型糖尿病或抗衰老成分。Nuritas 目前的收入来自B端。传统的食品制造商主要关注成本控制与安全，并不擅长识别食品中有利人体健康的肽。Nuritas为食品制造企业提供数据挖掘服务（采用了机器学习），并按销量收取佣金。未来计划推出面向消费者to C的个性化营养方案，针对每位消费者的情况制定不同的方案，收取服务费。在我国，进入小康社会之后，人们的生活水平大幅度上升，上层中产阶级的数量从2002年的330万上升到2012年的3584万，大众中产阶级从1155万上升到1.38亿。这些人群对食品的营养有更高的要求，不仅仅是为了吃饱，而是为了身体健康能够吃好。合理的膳食搭配以及更安全的有机食品需求成为新的食品产业增长点，急需新技术推动行业变革。中国的餐饮和西餐有较大的区别，中餐难以标准化，即使是同一道菜不同师傅教出来的做法也不尽相同。同时，菜品搭配不同和烹饪手段不同导致菜品多样化，数据不全，无法做到量身定制营养套餐。那么我们国内的人工智能+营养学初创公司应该如何为客户进行服务呢？我们建议有两种模式，主要针对C端用户。模式一是针对个人用户进行个性化营养建议，收取服务费。模式二是to C和to B同时服务，并推广中餐营养标准化。
付费查看全文（0元）
登录查看全文
付费查看全文（0元）
登录查看全文
本文转载自其他网站，不代表健康界观点。
本文转载自其他网站，不代表健康界观点。
相关附件下载
扫描二维码
立即打赏给Ta吧！
温馨提示：仅支持微信支付！
扫描二维码
温馨提示：仅支持微信支付！