隨著(zhù)計算機科技的發(fā)展，以及大數據技術(shù)進(jìn)步，使得人類(lèi)來(lái)到了認知計算時(shí)代。認知計算代表著(zhù)新的計算時(shí)代，將從根本上改變我們的思考、規則、實(shí)施信息技術(shù)系統并預期交互的方式。
人工智能發(fā)展趨勢圖
作為認知計算能力早期采用者，醫療、生命科學(xué)占了主導地位。
基于大數據，通過(guò)認知計算，預計醫療領(lǐng)域未來(lái)演進(jìn)方向，以及可能影響未來(lái)進(jìn)步和采用率的因素、從而獲取寶貴的經(jīng)驗，指導藥物研發(fā)、個(gè)體健康、醫生的臨床決策等；
可在強有力的硬件支持下，通過(guò)合適的算法進(jìn)行數據挖掘，從而通過(guò)深度交互提升對于醫療行業(yè)的洞察力、發(fā)現新的潛在價(jià)值機會(huì )，應用前景巨大；
提供無(wú)偏見(jiàn)的決策支持，以期可達到計算機層面的對于通用知識的探索。
人工智能前景巨大，據埃森哲分析，預計在2026年AI可以解決大約20％未滿(mǎn)足的臨床需求
上圖是哈佛商業(yè)評論調查的10種有前景的人工智能應用的價(jià)值，并據其統計到2026年為止它們每年可為美國醫療保健節省高達1500億美元
目前，各大科技公司、科研機構、藥企以及各大初創(chuàng )公司紛紛布局大數據及人工智能。現有的涉足人工智能在醫療健康的領(lǐng)域的公司大致可以分為以下三類(lèi)：
大型科技公司，如IBM，Google及Mircosoft等；
大型藥企，如Roche，GSK等；
針對人工智能在醫療領(lǐng)域具體應用方向的各類(lèi)型初創(chuàng )公司，如以醫療信息合成及匯總為主要方向的BioSymetrics以及剛成立人工智能研發(fā)公司Consortium.AI等。
針對人工智能在醫療領(lǐng)域運用上的各類(lèi)型初創(chuàng )公司
目前，AI在醫療領(lǐng)域的運用上，各大藥企及大多數初創(chuàng )公司多主要針對建立完善的數據庫，并通過(guò)與科技公司合作利用現有的人工智能技術(shù)指導藥物研發(fā)、醫療技術(shù)革新、提高診斷水平等。三者相互合作，彌補不足，共同推進(jìn)了人工智能技術(shù)在醫療健康行業(yè)的運用。
據埃森哲分析，至2026年10大AI在醫療健康領(lǐng)域的綜合分類(lèi)應用市場(chǎng)價(jià)值
就現階段而言，不難發(fā)現，對于人工智能在醫療領(lǐng)域的運用上，其決定權仍在于大型科技公司，取決于其對于人工智能技術(shù)探索和研發(fā)。
因此，本文主要梳理了大型科技公司開(kāi)展的人工智能技術(shù)在醫療健康領(lǐng)域運用情況；并結合最新的報道，針對現階段國內外，人工智能在醫療健康領(lǐng)域的運用的關(guān)鍵點(diǎn)進(jìn)行系統地討論。
大型科技公司表現如何？
與Amazon、Microsoft主要將健康數據用于營(yíng)銷(xiāo)的方向不同，作為大型科技公司巨頭，IBM與Google以不同的理念領(lǐng)跑整人工智能在醫療健康領(lǐng)域的研究、運用。
Google DeepMind
Google 于2014年收購英國科技公司DeepMind Technologies，重命名為Google DeepMind，負責構建業(yè)界最佳的通用學(xué)習算法。谷歌主要通過(guò)其云基因組學(xué)和API在深入研究醫療保健方面已經(jīng)取得了一定的進(jìn)展。
該系統并非為特定目的而生成，而是作為一種更加開(kāi)放式的方法，用于“深度學(xué)習”功能如何利用傳入信息。因此，它可以應用于許多領(lǐng)域以幫助識別人眼可能無(wú)法檢測的模式。
以Google在印度開(kāi)展的監測糖尿病視網(wǎng)膜病變以預測心血管疾病為例，在醫療保健領(lǐng)域，DeepMind已被用于自動(dòng)分析測試結果以發(fā)現疾病的早期跡象。
目前Google Healthcare AI主要專(zhuān)注于保護人類(lèi)生命的行業(yè)的效率如何，因此涉及領(lǐng)域為預防性護理及其改善現有醫療保健流程的能力，幫助醫生更早對疾病進(jìn)行診斷，從而讓醫生走上富有成效的道路，并能幫助醫生稀缺地區的患者得到專(zhuān)業(yè)的診斷。
此外，通過(guò)與強生公司合作，致力于建立一個(gè)能夠將機器人、數據分析、可視化等功能相結合的手術(shù)平臺。該舉措也預示著(zhù)人工智能在醫療健康領(lǐng)域中，大型的科技公司與大型藥企之間的強強聯(lián)合，留給初創(chuàng )公司的空間變小。
IBM Watson
IBM對于人工智能在醫療領(lǐng)域的運用，主要依靠其大型計算機Watson。IBM設計Watson的最初目的是擊敗Jeopardy智力競賽節目中的兩位冠軍，經(jīng)過(guò)5年的設計和測試，它能夠令人信服地完成。
現在，IBM與來(lái)自各個(gè)領(lǐng)域的300多家公司合作，包括Twitter，Wellpoint（醫療保險）和Chatterbox（兒童技術(shù)），以便為自己的目的使用Watson的自然語(yǔ)言處理功能；同時(shí)，尤其在醫學(xué)研究和診斷領(lǐng)域，這些伙伴關(guān)系都處于持續增進(jìn)狀態(tài)。
目前，IBM專(zhuān)門(mén)為Watson創(chuàng )建了一個(gè)業(yè)務(wù)，并將開(kāi)發(fā)三個(gè)新領(lǐng)域：大數據可視化，分析制藥行業(yè)的見(jiàn)解和研發(fā)。
在Watson與Memorial Sloan-Kettering癌癥中心配對后，癌癥治療方法正在邁出重要的一步。 Watson的NLP功能與Chatterbot玩具配合使用，以幫助與學(xué)習說(shuō)話(huà)的幼兒互動(dòng)，也有助于兒童的發(fā)展。
然而，近期 《波士頓環(huán)球報》旗下的STAT根據IBM內部文檔對其認知計算項目Watson在健康信息方面應用情況進(jìn)行報道。該報道稱(chēng)Watson曾經(jīng)被宣傳為癌癥研究未來(lái)的最新跡象，然而，其實(shí)際運用效果遠遠低于預期。
STAT對IBM Watson提供“危險且錯誤”癌癥治療方案進(jìn)行了報道
從該項報道中我們發(fā)現，在IBM在對Watson的訓練過(guò)程中，需要通過(guò)研究人員對醫療指南進(jìn)行解讀，并人工進(jìn)行知識圖譜（Knowledge Graph）構建，采用模擬數據。其花費時(shí)間巨大，且無(wú)足夠的硬件及算法支持更大體量的數據處理。
目前，除了進(jìn)行算法的迭代更新外，數據的來(lái)源、數量、以及硬件設備也極大的限制了醫療大數據的運用。結合上述內容及報道，以下就人工智能在醫療領(lǐng)域運用上重要節點(diǎn)進(jìn)行討論。
人工智能在醫療領(lǐng)域運用上需突破的關(guān)鍵點(diǎn)
一、數據是一切的基礎
人工智能是基于對大量數據正確的運算與處理，因此，擁有數據就擁有市場(chǎng)主動(dòng)權。
換言之，醫療大數據的核心價(jià)值集中在醫院臨床信息系統所收集的數據。通過(guò)臨床大數據的整理和深度挖掘，可以反映出患者健康狀況，患者用藥情況，醫生的診療行為，對于政府制定政策進(jìn)行醫?？刭M，藥企研發(fā)營(yíng)銷(xiāo)，保險公司產(chǎn)品設計等，都能起到幫助決策的作用。
在商業(yè)市場(chǎng)中，目前如GSK等各大藥企，除了擁有自己的數據庫外，還瞄準高校、各研究機構及政府手中的數據庫，以期在藥物研發(fā)、臨床試驗等方面占得先機。
GSK瞄準的布里斯托大學(xué)的數據庫（the MR-Base）
目前，國內的數據資源主要集中在醫療機構，以醫院臨床信息系統所收集的數據為主。同時(shí)，中國醫療結構，使得依靠地市級醫療機構為主的大數據開(kāi)發(fā)價(jià)值更大，也便于實(shí)現。
原因有三點(diǎn)：
地市級醫療資源相對豐富，三甲醫療資源和基層醫療資源都能有效互補；
就患者的就診行為來(lái)看，本地化就診比例較高，區域屬性明顯；
作為買(mǎi)單方——醫保，是地市級管理。
然而，現在中國醫療健康大數據水平參差不齊，“數據孤島”數據共享難的問(wèn)題突出，數據的商業(yè)價(jià)值開(kāi)發(fā)還有很大的阻礙，加之醫院共享數據的動(dòng)力較低，歸根到底，在現有的以藥養醫的醫療體制下，醫院不開(kāi)發(fā)數據對其影響不大，但若開(kāi)放數據，必然會(huì )導致患者分流和醫院收入透明度增加，從而影響醫院和醫生的收入。
二、硬件基礎決定上層建筑
現有的大數據處理系統運行速度受其硬件限制明顯。需要讓機器在某種程度上具備接近自然智能、或具備真正自然智能的新的方法，來(lái)推動(dòng)人工智能在“智慧”層面的發(fā)展，更好的對龐大的數據進(jìn)行深入處理，進(jìn)行決策推導、知識探索。
而目前，神經(jīng)擬態(tài)計算就是這樣一種神奇的技術(shù)，這門(mén)工程學(xué)開(kāi)創(chuàng )于上世紀。在近40年的發(fā)展中，神經(jīng)擬態(tài)芯片屢有新作，尤其是最近10年，隨著(zhù)IBM、惠普、高通等電子硬件巨頭的加入，神經(jīng)擬態(tài)領(lǐng)域開(kāi)始呈現加速賽跑的熱鬧場(chǎng)面。
在去年11月初，英特爾研究院便完成了Loihi測試芯片的制造和封裝，并已經(jīng)開(kāi)始對其進(jìn)行開(kāi)機和驗證。我們很高興地發(fā)現，測試芯片總體可以發(fā)揮100%的功能，有充足的運行空間和極少量的缺陷。我們在真正的芯片上成功地運行了之前在模擬器上完成的小規模演示，當然在運行速度上也提高了幾個(gè)量級。我們在類(lèi)似于“世界，你好”（HelloWorld）1的實(shí)例應用已經(jīng)可以從多個(gè)角度識別一個(gè)3D物體，其結構類(lèi)似于哥倫比亞大學(xué)的COIL-20案例。
依據實(shí)驗室的測量結果，該應用僅使用了不到Loihi的1%，它在幾秒鐘內便學(xué)習了訓練集，功耗只有幾十毫瓦。今年3月份，英特爾創(chuàng )建了神經(jīng)擬態(tài)研究社區，推進(jìn)了Loihi測試芯片。
微軟最新研發(fā)的Loihi測試芯片
硬件的提升，將直接繞開(kāi)限制目前大數據處理的物理連接困境，減少建設成本，增加大數據運算速度，促進(jìn)人工智能在大數據時(shí)代的發(fā)展，提升未來(lái)價(jià)值洞察力，提升藥物研發(fā)速率、個(gè)體化醫療的實(shí)現。
三、算法的優(yōu)化對于醫療大數據及人工智能的開(kāi)發(fā)及應用“添磚加瓦
作為醫療大數據運用及人工智能中重要的一環(huán)，絕大多數醫療信息公司都致力于算法的更新。
盡管算法是大數據運用及醫療人工智能的基礎，不能忽視；但是，更為重要的是如何使得運算更加高效，并且更能貼近實(shí)際，避免IBM類(lèi)似的錯誤。同時(shí)，尋找最有算法本身也是可以基于算法而實(shí)現的，因此，相較于優(yōu)秀的數據來(lái)源，以及更加完善的硬件支持，更優(yōu)秀算法起到的作用是添磚加瓦。
未來(lái)路在何方?
早在2015年，Accenture、財新等聯(lián)合發(fā)布的《中國醫療信息化行業(yè)公市場(chǎng)梳理報告》中提出，針對醫療大數據及人工智能可以擁有的商業(yè)模式：
（1）通過(guò)醫療軟件/云服務(wù)/數據共享向醫院和醫療機構以及政府、社保機構收費：智慧城市/智慧醫療等項目建設；
（2）通過(guò)數據挖掘，獲得有關(guān)藥品器械流通信息、疾病譜分布、臨床大數據信息，可以向藥企和器械企業(yè)收費，也可以通過(guò)分析臨床數據幫助醫生科研，從而向醫生或者醫院進(jìn)行收費；
（3）通過(guò)健康管理疾病預防、醫?？刭M、為醫保產(chǎn)品設計通過(guò)數據向保險端收費；
（4）幫助醫生多點(diǎn)執業(yè)，對患者進(jìn)行個(gè)性化健康管理。
隨著(zhù)近年來(lái)的發(fā)展，以上仍是我國市場(chǎng)主要的商業(yè)模式，但上述幾點(diǎn)方向，其基礎是在于對于更加完善的數據庫的投資、硬件的開(kāi)發(fā)、升級，以及算法的迭代更新。
因此，今年7月23日，秦勇博士（IBM Research China）在北大的演講中提到，盡管現在對于Watson在醫療行業(yè)的運用中，仍存在一定問(wèn)題，但對數據庫建設、硬件、軟件等條件的投資和開(kāi)發(fā)，將更好地從全局把控醫療數據和人工智能的運用，引導后期包括醫藥研發(fā)、個(gè)性化醫療在內的醫療行業(yè)發(fā)展方向，這也是近年來(lái)IBM健康重點(diǎn)的投資、研究方向。
