首页 自媒体 互联网

数据挖掘,成像技术,医药开发?人工智能还有什么不会做?

人工智能 的图像结果

前段时间,谷歌又组织了一场“人机大战”,比的是乳腺癌的诊断。起因是这样的,谷歌、谷歌大脑与Verily公司联合开发了一款能用来诊断乳腺癌的人工智能,通过将病理切片处理成数码图像的方式,提供大量肿瘤组织和正常组织的病理切片,供这款人工智能学习。

为了考查这款人工智能诊断疾病的效果,谷歌让机器与一位资深病理学家比比谁更厉害。

结果,人类资深病理学家花了整整30个小时,仔仔细细分析了130张切片,依然以73.3%的准确率完败给准确率达88.5%的人工智能。

不可否认,人工智能越来越成为准确预测的关键。

据The Verge报道,北卡罗来纳大学的研究人员已经开发出了一套深度学习算法,可以预测婴儿的自闭症。

这套算法会在不断“学习”脑部数据的过程中,自动判断婴儿的大脑生长速度是否异常,以此来获得自闭症的早期线索。

人工智能最早可以在婴儿6个月时就发现其大脑表面积的异常增长速度,在12个月时就能发现脑体积的相应异常增长。

这种测试的意义在于,可以在自闭症症状出现之前就让医生介入治疗,而这时也是人体大脑最具有可塑性的阶段。北卡罗来纳大学健康中心认为,比起确诊之后才开始的治疗,这种介入也许会有更好的治疗结果。

除了自闭症,AI已经被太多大学实验室及企业(微软与IBM大名鼎鼎的的AI医疗项目)拿来诊断癌症等疑难杂症。譬如,斯坦福大学的一个小组就开发了一种机器学习算法,可以直接通过患者的照片判断是否患有皮肤癌。没想到,它的测试效果甚至打败了世界顶级的皮肤病医生。

不仅在医疗技术方面,人工智能在护理上似乎也能达到更好的效果。加州大学洛杉矶分校介入放射学的研究者们运用人工智能技术,发明了一个介入放射学科的智能医疗助手。该助手能够与临床医师进行自由交流,迅速对一些常见的医疗问题给出有医学依据的回复。医学博士Kevin Seals表示,这项研究将使得医疗机构内的各个人群受益。举例来说:病患护理团队成员能更快、更方便地得到准确的医疗信息;介入放射学医生们能够节省用于电话沟通的时间,将更多时间用于患者照护;最重要的是,患者能够更好地掌握治疗的相关信息,并接受更高水平的治疗与护理。

医疗行业已经成为人工智能最能发挥其价值的领域之一。今天我们要介绍的就是这一领域的几个活跃者。

一、初创企业介绍

1.医疗数据挖掘

Oncora Medical

这家位于费城的初创企业旨在帮助癌症研究和治疗,特别是在放射治疗方面。作为联合创始人之一的David Lindsay,毕业于宾夕法尼亚大学的M.D. / Ph.D专业,在做临床工作的时候,他意识到辐射肿瘤学家没有形成一个收集和组织电子病历的集成数字数据库。因此,他决定建立一个数据分析平台,可以帮助医生为患者设计声音辐射治疗计划。就是这样的一个想法让Oncora医疗公司蓬勃发展!在2016年,这家初创公司接受了来自投资者120万美元的初始投资。 在2017年,它计划将其精密放射肿瘤学平台推广到三个主要医疗中心,帮助10000名患者接受个性化治疗。

Sentrian

“远程病人智能公司”旨在使医疗社区更接近未来,在那里智能算法将会告诉人们他们是否会生病,甚至在他们经历症状之前。Sentrian是在两年前推出的,目前公司估值为1200万美元,同时他们专注于慢性病,他们的目标是通过远程病人监测消除所有可预防的住院。

这个目标听起来很不可一世, 但是Sentrian希望它能在两个步骤中完成。首先,它从越来越广泛使用的生物传感器收集患者的数据,然后精准快速地处理这海量数据,它想要机器去做一个专门的临床团队的工作,比如连续监测每个患者的数据,检测他们身体微妙的迹象同时警告即将发生的健康问题。

2.医疗成像技术

3Scan

位于旧金山的初创企业3Scan旨在通过机器人显微镜和机器视觉帮助实验室和研究人员更好地观察人体细胞组织。根据公司的联合创始人兼首席运营官Megan Klimen的说法,3Scan可以消除一些药物研究者的困扰,因为他们之前通常使用一些手工的过程来进行组织分析。然而3Scan的机器与传统手工方法相比是如此高效,它可以只花一天分析以前需要花一年时间的组织样本。

Enlitic

Enlitic使用深度学习技术的科技,特别是其在某些方面的图像识别的实力,收集源自放射学图像的数据并将其应用于独特的医疗案例中。深度学习实际上指的是计算机接收数据的过程,然后基于从其他数据中得到的广泛知识来解释该信息。

启动的技术可以解释医学图像,以毫秒为单位——这比普通放射科医师快10,000倍。此外,在2016年6月的“经济学人”报告中说,在对三个专家人类放射科医师合作的测试中,Enlitic的系统在分析诊断恶性肿瘤方面优于50%,并具有零的假阴性率(即错过诊断癌症的机会)。这非常令人印象深刻,不是吗?

Arterys

在云空间,人工智能和医学成像相遇的地方,也是Arterys的工作的起点。这项开创性的启动技术承诺“打开医学成像到云端的力量”。因此,他们与GE Healthcare合作,通过他们的项目ViosWorks来改变心脏MRI。使用这个新方法,扫描过程只需要6至10分钟,而不是以前的一小时,患者同时也不需要在检查期间一直保持呼吸。 从记录上来看,Arterys的平台设计获取七维数据,其中包括3D心脏解剖,血液流速和血流方向等有效信息。

3.生物医药开发

Atomwise

Atomwise的目的是通过使用超级计算机从分子结构数据库,预测有哪些潜在药物将会起作用,以及哪些潜在药物不起作用,从而降低药物开发的成本。在2015年,Atomwise开始虚拟搜索安全的现有药物,以便重新设计来治疗埃博拉病毒。 他们发现该公司的AI技术预测有两种药物可以显著降低埃博拉病毒的感染性。以往这种类似的分析通常需要几个月或几年,但现在却可以在不到一天的时间内完成! 想象一下,如果这样的临床试验可以在医疗保健的“零点”水平,即在药房中实现,那我们可以更有效地进行药物开发。

Deep Genomics

Brendan Frey的公司承诺解决遗传学中最大的谜题——基因组。要知道大多数基因组都可以为我们提供很多有用的信息。为此,Deep Genomics利用人工智能,特别是深度学习来帮助我们来解码基因组的意义。

他们的学习软件正在基于数十万个突变实例的分析来尝试预测特定突变的影响;即使现在我们还没有这些突变的记录。但到目前为止,Deep Genomics已经通过使用他们的计算系统开发了一个数据库,为我们提供了超过3亿个遗传变异如何影响遗传密码的预测。因此,他们的发现将被用于基因组的治疗开发,分子诊断,靶向生物标志物发现和评估遗传疾病的风险。

Turbine

一个专业的AI开发人员,加上医疗专业人士和生物信息学家团队花了6年时间来研究构建人工智能的解决方案,旨在为任何癌症类型或患者设计相比任何传统医疗服务更个性化的治疗服务。个人化治疗的技术在分子水平上模拟细胞生物学;它可以鉴定靶向特定肿瘤所需要的最佳药物,此外,它每天通过进行数百万次模拟实验来鉴定复杂生物标志物和设计组合疗法。

涡轮机独特性的关键是它独特的癌症生物学的分子模型,它通过运行多个模拟实验,由AI指导以识别信号对治疗敏感的生物标志物。因此,该技术已经被用于与Bayer,剑桥大学和匈牙利顶级研究团体的合作,以寻找新的癌症治疗方案,如果他们能够加快上市时间,将有更多机会拯救患有目前不可治愈形式的致死性疾病的患者的生命。

二、创新受到挑战:医疗系统趋于规避风险和数字化

“医疗作为一个系统,提倡‘无害’第一。不是‘做好事’,而是‘做无害的事’。人工智能在医疗领域的所有应用都是建立在这个基础上。”Kapila Ratnam如是说。

Kapila Ratnam之前是一位科学家,现在是NewSpring Capital的风投合伙人。此外,GE创投的总经理Lisa Suennen则强调:“惯性思维是促使医疗保健领域出现差错和过度消费的最主要原因。“‘过去就是这么做的’——这种态度简直就是在杀人。”其他投资者认为,医疗保健系统中的极端保守主义虽然旨在保护患者,但是限制创新也是在危害患者。

Gavin Teo是B Capital Group的合伙人,也是数字健康方面的专家。他提出,医疗领域创业公司所面临的主要挑战之一就是“保守主义和对不能立刻带来收入的新技术的排斥”。Teo同样还指出整个行业因最近的一些事情都处于焦头烂额之中,例如电子病历(EMR)的数字化规定过于夸张。

在医疗中实施机器学习和人工智能会遇到很多众所周知的挑战。第一是缺乏“专业数据库”,它要求通过监督式学习训练人工智能。“专业数据库”在宽度和深度上对特定的应用程序进行训练是必不可少的,但是由于隐私问题、记录识别问题以及健康保险流通与责任法案的存在,所以很难去实现。Norwest Venture Partners的Robert Mittendorff博士解释道。

医学博士Summerpal Kahlon是Oracle Health Sciences的医疗护理创新的主任。他在提供技术基础设施以支持个性化护理的过程中,遇到过很多这样的数据上的挑战。“在美国,每年因为药物不良有77万人受伤和死亡,并且这会让每个医院每年花费560万美元进行补偿,”Kahlon披露,“但药物数据是混乱的,它们以多个形式从多处资源而来。此外,用于支持药物基因组学的基因数据现在还不可用。”

用人工智能技术减少医院的意外感染以及检测罕见疾病,同样需要比现在更好的数据。

根据Kahlon所说,用于罕见疾病研究的基因和行为数据“既不很好定义也不是很好捕捉”,而“有关医院感染的危险因素的信息都被保存在不规范的地方,包括在流程表和临床笔记中。”

医疗中的数据问题比比皆是,而另一个挑战就是设计技术解决方案,并顺利将其运用到临床实践和病人护理中。“行为改变是数字医疗的重磅炸弹。”Mittendorff说道,但是在嘴上说改变习惯要比实际去做容易。错误的解决方案甚至可以对医疗保健行业造成伤害。

对于很多临床医生和实践者来说,实施并整合技术着实是一个负担。Jose I.Almeida博士是血管内静脉手术的专家,他有超过20年的手术经验。他最先采用了电子健康记录(EHR),但是并没有见到预期的好处。“我们在八年前就开始使用电子病历系统,希望它可以提高效率。我们现在在用第四个系统,但仍然让我们失望。”Almeida抱怨道,“现在,它更多的是一个麻烦是用一块屏幕破坏了医生和患者之间的关系。”

Leonard D’Avolio是Cyft的创始人,对于该行业的创业者进行了严厉的斥责:“我们看到那些医院仅仅为了实现电子医疗记录的挑战而损失惨重和大量裁员。想象一下,你在这个时候出现并对他们说‘我有人工智能’,又会发生什么事。”

医疗行业最近刚刚开始数字化捕捉数据,但是仍有一些技术创业者错误地认为创建一个仪表板或删除一个产品会调整技术并改善业务。“有一个很大的误区就是人工智能需要大量的数据,但这并不是医疗保健真正的问题。真正的问题是了解你运用这些技术的环境。”D’Avolio提醒道,“你需要深刻了解环境以及谁会去使用这些技术以及要引进什么样的工作流程。”

即使一个医疗服务提供方在数字化数据上取得了成功,但粗糙的技术会给这个系统的所有人带来问题。根据NewSpring的Ratnam所说:“一个信用卡在黑市上价值10美分。而一个病例价值200美元。医疗数据是如此宝贵以至于黑客在不断地寻找进入支付系统以及其他医疗数据库的方法。”

风险投资支持的公司和医疗系统之间往往关系紧张,因为公司旨在快速发展,而医疗系统由于环境的复杂性追求规模。

“我们还没从这件事上吸取足够多的教训。”D’Avolio观察后说道。

三、医疗人工智能的潜力

1.机会很多,也有解决问题的方案

除了这些挑战,医疗创新必须保持下去。根据B Capital的Teo所说:“美国医疗大学协会的一项研究显示,预计到2025年,在14900到35600个初级保健医生之间将会有一个缺口产生。”与此同时,因为人口老龄化,我们需要得到更多的医疗关注。

因此,不作为和创新失败可能会带来伤害。

幸运的是,许多公司都在努力提前去解决这些问题。CB Insights最近介绍了106家进入医疗行业的人工智能创业公司,范围从监测病人到医院操作。

Teo认为人工智能聊天机器人和虚拟助手是一种通过扩大远程医疗的范围来缓解供应局限的方法。在这种情况下,可以通过机器学习驱动、人工智能训练来进行诊断。提供临床医师助理和保健服务的公司包括Babylon Health、Evidation Health、 Sensely以及Seniorlink。

人工智能不仅可以改善医疗保健,还能协助进行临床决策和提高运行效率,放大每个医生带来的影响。AnalyticsMD在急诊室、手术室以及住院病房中使用人工智能和机器学习。而一些预测公司,像Cyft和HealthReveal,通过分析不同的数据源来准确诊断生命危险度最高的病人。

人工智能不但帮助医生,还帮助病人。Mayo诊所的一个研究显示,50%的病人服药依从性存在困难。像AI Cure这样的公司使用了电脑视觉技术实现了智能手机识别人脸和药物,降低了成本并提高了跟踪性和依从性项目的效率。Mittendorff博士说:“人工智能的辅助让供应商或辅助系统可以同时管理1000个以上的病人,这是人工劳动效率的十倍。”

最后,药物开发公司像NuMedii和Kyan Therapeutics降低了在药物开发过程中的风险。Teo说道,这些公司开发出了“强大并特有的新组合疗法,以及具有前所未有的疗效和安全性的个性化的治疗。”另外,Suennen指出:“一般情况下,每个药物给市场带来的价值为25亿美元。”

甚至说,数字化所带来的技术挑战都会因为人工智能而减轻。还记得病历对于黑客而言多有价值吗?这些病例中的大部分都是通过社会工程学的方法偷来的,例如网络钓鱼和欺诈电话。Protenus是一个医疗安全公司,应用人工智能分析企业访问的范围并标记出可疑的记录供管理员审查。

2.向政策和收入看齐是成功的关键

使用医疗保健技术的关键就是,去确定正确的入口,然后将这些系统融入现有的工作流中。Cyft的D’Avolio花了超过12年的时间去把ML融入到医疗保健系统中。但是他在临床医生的会议上讲话时,回避了“人工智能”和“机器学习”这些词,侧重于实际的影响和好处。

许多慢性疾病的患者如糖尿病患者,需要多次去医院看医生,这让他们自己、保险公司以及医疗系统花费大量的钱。Cyft构建了复杂的模型,它可以识别患者,重新接纳并匹配他们到合适的治疗计划中去。传统上,这些决定都是在观察七到十个相关变量才能得到的,但是Cyft的模型观测了四百多个数据源,范围从护士的记录到呼叫中心的数据。虽然采用这种技术看起来很复杂,D’Avolio还是根据收入激励和政策而调整战略。

“在医疗保健行业,政策会把战略和文化当早餐吃掉,”D’Avolio解释道,“举个例子,美国复苏与再投资法案在2009年通过,那时采用电子健康记录的医院不到9%。现在,由于软硬兼施的激励机制,这个数字已经超过了90%。”另一个重大政策的转变,它极大地促进了医疗保健信息技术的投资,就是由CMMI资助的价值取向的护理实验(也称为示范项目)。

了解一个公司被哪些政策所驱动,这是识别顶尖客户的关键。根据D’Avolio所说:“那些从看病的病人数量上获益的公司,会希望人工智能为他们提供更快更复杂的护理。在政策项目中受益的公司会寻求以更低的成本让患者恢复健康的技术。”

GE Ventures的Suennen同意操作分析可以大大提高健康系统:“每年,70亿美元中的25%被用在膝盖和臀部手术上,这受到了捆绑支付计划的影响。决定如何管理这些捆绑资金很有挑战性,先进的技术可以帮助董事会和临床管理明白,为了确保健康系统可以回应,他们需要做出什么改变。”

Teo同样为促进医疗创新所实行的政策的改变而感到兴奋。“新的报销机制由MACRA和MIPS推动,将在2017年带来高质量的结果,让供应商给技术投资前进行更全面的思考。”另外,他认为食品及药物管理局在接下来几年的宽松政策会推动个性化医疗的发展。

成功的医疗创新需要创业者、投资人、医疗供应商、患者和政策制定人员之间的共同协作。当万事俱备之时,人类将会因人工智能技术的应用而获益匪浅,并且离我们所梦想的没有疾病的世界将更进一步。

(分析师:沙咏杰)

企业贷款,新三板定增,微信搜索金牌顾问。

微信公众号:haodaijinpaiguwen

贷款请加QQ群:481897943

(本文系TechWeb博客作者原创,未经允许不得转载。本文仅代表作者观点,不代表本站立场。)

官方微博/微信

每日头条、业界资讯、热点资讯、八卦爆料,全天跟踪微博播报。各种爆料、内幕、花边、资讯一网打尽。百万互联网粉丝互动参与,TechWeb官方微博期待您的关注。

↑扫描二维码

想在手机上看科技资讯和科技八卦吗?

想第一时间看独家爆料和深度报道吗?

请关注TechWeb官方微信公众帐号:

1.用手机扫左侧二维码;

2.在添加朋友里,搜索关注TechWeb。

手机游戏更多