雷鋒網(wǎng)按：隨著AI在醫(yī)療領(lǐng)域的發(fā)展勢頭越來越大，CIO（首席信息官）們對這些技術(shù)的使用也在逐漸深入，各企業(yè)也亟需制定各種解決方案以滿足日益增長的需求。

日前，全球知名咨詢機構(gòu)埃森哲發(fā)布一項研究報告，該內(nèi)容來源于對100多家衛(wèi)生機構(gòu)C級高管的采訪。該報告指出，AI在健康醫(yī)療領(lǐng)域發(fā)揮的作用，正從一個后端工具轉(zhuǎn)向消費者和臨床醫(yī)師的前端，成為支撐個人和系統(tǒng)交互的一種方式。隨著大家對AI重要性的強調(diào)和關(guān)注，有超五分之四（84%）的醫(yī)療行業(yè)高管認為，AI將徹底改變他們從消費者獲取信息的方式；還有四分之三（72%）的醫(yī)療機構(gòu)表示，他們已經(jīng)使用虛擬助手服務(wù)，以便創(chuàng)造更好的用戶體驗。

咨詢公司 Sapient Healthcare 的董事總經(jīng)理 Peter Borden 指出，實際上，目前各行各業(yè)的人都在不分年齡的談?wù)揂I，需求場景也在急劇激增，特別是在如此重要的醫(yī)療領(lǐng)域。 Bordon 還指出，在健康醫(yī)療領(lǐng)域，大家最關(guān)心的三個板塊都與 AI 相關(guān)，其分別為：

• 人口健康狀況洞察：通過核心數(shù)據(jù)集，以分析人口可能需要關(guān)注的點。

• 增強智能（Augmented Intelligence）

• 精準參與個性化的下一個階段

Borden 說：“隨著AI的發(fā)展，人類慢慢明白，AI  不僅影響診療結(jié)果，同時也會影響商業(yè)化程度。所以人類對 AI 應(yīng)用的接受度也在逐步提升?！?/p>

說起 AI，大家最先想到的多半會是Siri。正如 Broden 所說，“每個人都知道 Watson，Google 在樂此不彼的加碼 AI，亞馬遜也在健康醫(yī)療領(lǐng)域多有布局，而一些云領(lǐng)域的巨頭也紛紛有志于此。由于其特有的性質(zhì)，它允許企業(yè)可以某種特定方式和角度處理和分析數(shù)據(jù)。除去巨頭之外，每時每刻還都有新公司加入這一戰(zhàn)局。大家都想成為未來AI領(lǐng)域的獲利者?！?/p>

位于紐約的 Prognos ，正是這批浪潮之下的健康醫(yī)療公司中的一個。據(jù)悉，該公司剛于今年成立，目的在于開發(fā)一種基于大數(shù)據(jù)集的預(yù)測模型。該模型以用來確認患者將來罹患某種病癥的概率。根據(jù)該公司官方數(shù)據(jù)顯示，Prognos 建立的這些模型使用了患者的匿名記錄，且其數(shù)量呈指數(shù)級增長（2017Q1數(shù)量曾達到80億）。

圖：Prognos的聯(lián)合創(chuàng)始人兼CMO：Jason Bhan

Prognos 的聯(lián)合創(chuàng)始人兼 CMO（Chief Medical Officer：首席醫(yī)療官）Jason Bhan 在接受采訪時，曾轉(zhuǎn)述了此前服務(wù)過的一家機構(gòu)CEO對他們說過的話，“我們剛剛為這個EHR系統(tǒng)花費了1.5億美元，但是，我們又為自己做了什么？”Bhan 當時不知該作何回答。

后來，Bhan挖掘了這一客戶的IT系統(tǒng)的數(shù)據(jù)，并認識到EHR系統(tǒng)上的大部分數(shù)據(jù)都不是非常有用。他說，醫(yī)生擁有的診療信息（實驗室數(shù)據(jù)、放射學和測試數(shù)據(jù)）是一個金礦?；诙嗄甑膶嵺`和基于實驗室結(jié)果的決策，這些都讓他將更多的關(guān)注重點放在醫(yī)療診斷上。Bhan 補充說，“Prognos 即「消除疾病」的意思。而我們怎樣才能在最早期就能跟蹤和預(yù)測疾病，以便改善健康狀況？我想這就是AI介入的地方?！?/p>

利用AI確定罹患疾病的概率

有時候，機器學習和人工智能之間的界限會變得模糊。針對這一問題，SapientRazorfish（ Sapient集團今年成立的子公司，旨在幫助客戶推動數(shù)字轉(zhuǎn)換）的首席科學家  Larry Lefkowitz 出來解釋了二者的差異。“機器學習是指，是否有足夠的數(shù)據(jù)來代表我正在解決的問題。然后在這個過程中，我有合理的機會讓機器學習學會「理解」足量的數(shù)據(jù)，以便機器在遇到類似情況時，可以做出相同種類的預(yù)測，并給出相同的結(jié)果?！?/p>

他還補充道，“當你擁有大量關(guān)于放射學或病理學的數(shù)據(jù)時，對機器學習來說都將是一種很好的應(yīng)用。比如，我已經(jīng)告訴機器，X光片可能是什么樣的或者可能意味著什么，那么，當我再給它一張X光片時，它就能直接給我一個答案?！?/p>

同時，Bhan 還說，AI 正在嘗試猜測某些事項的可能性，不論是客艙還是無人駕駛汽車，其正試圖預(yù)測這些機器向左右方向轉(zhuǎn)動的概率。在健康方面，AI則有可能被用來預(yù)測病人罹患某種疾病的風險，或驗證某些信息的準確度。“在醫(yī)療領(lǐng)域，我們已經(jīng)收集了很長一段時間的數(shù)據(jù)，并邀請一些醫(yī)生對它們做出解釋。畢竟要做出可以解讀這些數(shù)據(jù)的機器，并不能只從網(wǎng)絡(luò)上去部署相關(guān)AI引擎。”Bhan說。

這也是Prognos 選擇AI醫(yī)療診斷作為創(chuàng)業(yè)方向的原因。其一，診斷是大眾較為熟知的，其次，AI在其中發(fā)揮的預(yù)測作用，可以為病人提供更好更多的選擇和機會?！拔覀冋诳匆恍┱鎸嵉呐R床資料，這些資料不會告訴病人是否患有糖尿病，但是會顯示其是否在控制范圍內(nèi)?！?/p>

同時，Prognos 還使用了大規(guī)模的數(shù)據(jù)集，并通過AI引擎來為特定健康事件定制的AI“訓練集”進行處理。另一方面，該公司還使用歷史數(shù)據(jù)和事件間隔數(shù)據(jù)的巨大緩存，來構(gòu)建和訓練其他算法，并對其進行迭代和優(yōu)化，以開發(fā)出機器的可靠預(yù)測分析功能。

幫助保險機構(gòu)，為患者承擔風險

當然，將預(yù)測分析應(yīng)用于具體的患者數(shù)據(jù)上，還可以直接幫助「保險公司」——其不僅適用于私人醫(yī)保計劃，還包括醫(yī)療保險和醫(yī)療補助，對最新出現(xiàn)的健康相關(guān)趨勢做出反應(yīng)和識別。與可能需要幾周或幾個月才能處理的聲明不同，這些診療測試結(jié)果幾乎可以做到實時提供。

在這種情況下，Prognos 的核心業(yè)務(wù)在于保險公司的市場。據(jù)官方數(shù)據(jù)顯示，估摸有10%-15%的情況從未被預(yù)測到，同時，疾病的嚴重性也少報了30%。他們還表示，高質(zhì)量的實驗室數(shù)據(jù)不僅可以快速彌補這一不足，同時還能讓保險公司在疾病的早期提供個性化的干預(yù)措施。

通過 Prognos 的云解決方案，保險公司擁有的整個診斷數(shù)據(jù)都將被采用，所以如果保險公司在全國或各個地區(qū)都有患者，這些病人也將進入不同的實驗室。當然有時候他們也不這樣做。Bhan解釋說，在這種情況下，AI的介入，即在于清理道路并為AI的后續(xù)使用做好準備?！八裕瑪?shù)據(jù)集都在云端。通過使用保險公司的真實數(shù)據(jù)，從而為患者承擔一部分風險?！盉han說。據(jù)悉，在使用這些保險公司各個較小的數(shù)據(jù)集之后，Prognos力圖從其拼湊起來的海量數(shù)據(jù)中分析出相同的知識和算法?！拔覀冏龅乃惺虑?，都是為了讓數(shù)據(jù)適用于保險公司的患者，從而為其分擔風險?！盉han指出。

Prognos 的首席科學家 Fernando Schwartz 博士還把這些變化與計算機時代進行了比較。其表示，“我們現(xiàn)在做的，其實是正在建立下一場革命。我們正慢慢將AI應(yīng)用于保險公司的工作流程里，以為患者提供更精準和更個性化的醫(yī)療保險服務(wù)?！?/p>

AI加速醫(yī)學影像診斷進程

眾所周知，目前在醫(yī)療領(lǐng)域，AI的應(yīng)用仍然處于不成熟階段，但預(yù)測分析師對AI平臺如何納入病人護理這一前景非?？春?。據(jù)市場研究機構(gòu) Frost＆Sullivan 于2016年做的一項研究顯示，2021年，AI+醫(yī)療市場規(guī)模將達66億美元，年復合增長率將達40%。

該研究還指出，“AI對臨床醫(yī)療的支持，將加速醫(yī)學影像診斷的進程?！蓖瑫r，將AI 解決方案應(yīng)用于醫(yī)院的工作流程當中，還將增強護理服務(wù)。綜合而言，AI將對診療結(jié)果改善30%-40%，同時還將在治療成本上，降低50%以上。研究人員進一步證實，AI 在其他行業(yè)已經(jīng)得到高程度的應(yīng)用。在“AI系統(tǒng)準備改變我們對疾病診斷和治療方式的思考”之前，這只是一個時間問題。他們還表示，“到2025年，AI系統(tǒng)可以參與人口健康狀況管理到數(shù)字化回答患者問題的一整個過程。在全球范圍內(nèi)，特別是在醫(yī)療設(shè)施嚴重不足的患病人口區(qū)域，AI還將在信息民主化和減輕資源負擔方面發(fā)揮重要作用?！?/p>

雖然這個想法是讓AI系統(tǒng)學習和了解新型醫(yī)療的功能，但其反過來，又將助力醫(yī)生做出更好的醫(yī)療決策。事實上，關(guān)于AI的技術(shù)潛力是否已經(jīng)大到可以取代人類醫(yī)生的地步，這一話題早在各個媒體上展開了熱烈的討論?！敦敻弧冯s志曾有一篇文章引用了athenahealth的CEO Jonathan Bush 說過的話，“如果放射科醫(yī)生被AI取代，那么這將是一場屠殺?！?/p>

圖：athenahealth 的 CEO Jonathan Bush

然而大多數(shù)醫(yī)療觀察員并不會走上Bush那條路。甚而有很多人會認為，AI不會取代醫(yī)生。在他們看來，人工智能和機器學習的工作主要是學習人類的認知功能和減輕醫(yī)生的重復工作，而不是取代醫(yī)生本身。

Bhan對此表示，“很多人都在討論AI將在未來取代醫(yī)生，但我并不信服。事實上，AI更可能是“打敗醫(yī)生，或者“以友好的方式幫助醫(yī)生?！薄?/p>

然而大多數(shù)醫(yī)療觀察員并不會走上Bush那條路。甚而有很多人會認為，AI不會取代醫(yī)生。在他們看來，人工智能和機器學習的工作主要是學習人類的認知功能，并消除醫(yī)生的重復工作，而不是消除醫(yī)生本身。

Bhan對此表示，“很多人都在討論AI將在未來取代醫(yī)生，但我并不信服。事實上，AI更可能是“打敗醫(yī)生，或者是“以友好的方式幫助醫(yī)生。”Bhan還指出，當他在瀏覽病人的圖表時，他不想要的是由計算機來告訴他應(yīng)該做什么?！皼]有醫(yī)生會高興這樣做?！薄拔覀冎廊绾握疹櫜∪?，也希望得到幫助。AI有很大的機會來幫助臨床醫(yī)生做出決策。”

Bhan舉了個給一位病人看病歷的例子，他可以憑借多年的臨床經(jīng)驗得出結(jié)論，并預(yù)測患者在未來幾年患有糖尿病的概率很大。“但是機器可以去看病人的病歷，可能就會預(yù)測該名患者將有80%的概率患有糖尿病。這真的改變了我的管理?！彼f，“通過臨床數(shù)據(jù)和實驗室數(shù)據(jù)，你可以將這個時間范圍轉(zhuǎn)化為一個可行的、可預(yù)見的范圍。這就是AI可以介入的地方?！?/p>

同時，Sapient Healthcare的高層也注意到，他們在和保險機構(gòu)的CIO以及醫(yī)生本人溝通時發(fā)現(xiàn)，這些人也對「AI將取代醫(yī)生」表示擔心，不過一些分析師正試圖平息人類的恐懼。Larry Lefkowitz 博士對此表示，“真實的情況應(yīng)該是，AI會增加工作機會，以讓人類做更多創(chuàng)造性的、有趣的事情。”他還表示，“AI的優(yōu)劣勢其實可以通過技術(shù)互補。比如，AI可以幫助醫(yī)生和研究人員掌握更全面的信息，從而做出更正確的決策?！?/p>

Borden對此表示，目前，人類更傾向于把AI理解為增強認知（Augmented Intelligence）。其意味在于AI不是取代人，而在于使事情變得更有效率?！暗牵@種恐懼到底是怎么影響人類的生活的，還需要進一步弄清楚。它就像一個組織機構(gòu)里的商業(yè)案例一樣，如果內(nèi)部人士不知道其會帶給他們哪些影響，其將不會被采納?！?/p>

Lefkowitz 給大家舉了一個AI如何完善放射學家工作的例子。因為放射學屬于醫(yī)療保健領(lǐng)域，AI和機器學習通常會在危急情況下被使用。Lefkowitz表示，根據(jù)多項研究表明，人類醫(yī)生在診斷時會存在一定的錯誤率，而自動化系統(tǒng)也會有一定的錯誤率。但當二者結(jié)合一起使用時，他們的錯誤率就會低得多。他還特別解釋說：“放射科醫(yī)生幾乎從來沒有得出過假陽性的結(jié)果。所以，如果他們診斷說這是一種癌癥或者它可能是某種疾病時，那么，醫(yī)生們幾乎總是正確的。但是，這也很可能會錯過很多病例。而另一方面，機器學習雖然也幾乎從未得出假陽性的結(jié)果，但在診斷上往往更加保守。所以，如果將二者結(jié)合，就可以讓機器學習先篩查一次病癥，從而可以為人類分析師提供少得多的病例。這樣一來，醫(yī)生將在醫(yī)療診斷上出現(xiàn)更小的偏差?！?/p>

一些挑戰(zhàn)

 雖然臨床醫(yī)生的不配合，可能會是AI在醫(yī)療領(lǐng)域得到更廣泛應(yīng)用的真正阻礙，但關(guān)于其他具體的挑戰(zhàn)確實存在。在這篇文章中，我們采訪的多位專家都表示，獲取“高質(zhì)又干凈”的數(shù)據(jù)仍然是一個問題。事實上，Bhan認為這是“我們在這個領(lǐng)域遭遇的最大的問題”。專家還指出，現(xiàn)階段，醫(yī)療保健數(shù)據(jù)集還不夠強大，而機器要學習的正確答案在當前狀態(tài)下常常含糊不清，甚至是未知的。因為，這些數(shù)據(jù)大部分是來源于人體，相當復雜，而生活方式和環(huán)境功能正在發(fā)揮效用，但依然難以衡量。

此外，使用AI技術(shù)的人類，在舒適程度上也有可能遭受挑戰(zhàn)。Borden說，在和CIO溝通的過程中，其實并不一定是對AI的拒絕，而是他們想了解AI將對他們的工作帶來哪些幫助。針對這種情況，業(yè)內(nèi)還需進一步制定明確戰(zhàn)略，利用AI招納人才，減輕機構(gòu)壓力?！爱斎?，為方便分析而對數(shù)據(jù)進行整體解讀，是每個CIO自設(shè)線路圖的核心。”Borden說，“但目前業(yè)務(wù)疲軟。雖然他們知道這其中暗含巨大的潛力，但他們也直觀的感受到這個變化將意味著怎樣的風險。這是一個管理計劃的變革，所以將該計劃納入組織是關(guān)鍵?！?/p>

Bhan還指出，很多人都認為醫(yī)療保健在采用技術(shù)方面會比其他行業(yè)落后10年，所以，若采用更高水平的AI技術(shù)，將需要更長的時間?！拔矣肋h不會和一個醫(yī)生說‘這里有很好的AI工具，可以告訴你患病的概率。’因為這些醫(yī)生根本還沒準備好。整個系統(tǒng)必須放松自己的方式，并通過發(fā)現(xiàn)創(chuàng)新者來做到這一點?！盉han說。

Bhan最后說，這些創(chuàng)新者，可能存在于保險公司、制藥公司或者行業(yè)提供者之中，關(guān)鍵即在于找到這些創(chuàng)新者并讓他們有所投入?！澳阒恍枰耐七M，因為一般來說，醫(yī)生都非常保守。所以，在做這件事情的時候，需要將病人優(yōu)先放在首位?！?/p>

雷鋒網(wǎng)注：Via healthcare informatics，雷鋒網(wǎng)編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。