微信公众号 联系我们 关于我们 3618客服热线:020-32784919   推广热线:020-32780069
资讯
频道
当前位置:首页 > 医疗器械资讯 > 市场分析 > AI+医疗的商业化之路有多远?

AI+医疗的商业化之路有多远?

文章来源:健康点healthpoint发布日期:2017-02-24浏览次数:199

 《连线》杂志创始主编凯文·凯利认为,未来十多年科技和商业社会大的变化趋势将是人工智能的商业化,人工智能将会被广泛地应用于经济生活的方方面面。
方正证券近日发布的《互联网医疗深度报告》(以下简称“方正证券报告”)显示,虽然安防和智能投顾领域为火热,但率先落地的可能会在医疗领域。

不久前,斯坦福大学在《Nature》上发表了一篇文章:利用深度学习算法诊断皮肤癌,将其诊断结果与24位皮肤病专家的诊断结果做对比,准确度达到91%;北卡罗来纳大学的研究人员近日已经开发出了一套深度学习算法,可以预测婴儿的自闭症。这种预测方法具有 81%的准确率,远超准确度只有50%的传统行为问卷调查法。
人工智能在医疗领域的发展速度已经远远超乎人类的想象。这一新技术带给人们兴奋和喜悦的同时,也不免带来了几分担忧和恐惧。越来越多的人想知道,人工智能在未来会完全替代医生吗?人工智能在医疗领域很快就能实现商业化吗?近日独角兽工作室举办的“2017人工智能如何改变医疗论坛”上,多位业内人士就此话题做了探讨。

人工智能会取代医生吗?

IBM堪称“AI+医疗”的翘楚。在医疗领域,IBM Watson可以在17秒内阅读3469本医学专著、24.8万篇论文,69种治疗方案、61540次试验数据、10.6万份临床报告。通过海量汲取医学知识,包括300多份医学期刊、200多种教科书及近1000万页文字,IBM Watson已在短时间内迅速成为肿瘤专家。


2013年, Watson与斯隆凯特琳癌症中心(MSKCC)合作,推出肿瘤解决方案Watson for Oncology。2014年底和2015年底,Watsonfor Oncology先后进驻泰国曼谷的康民国际医院(Bumrungrad InternationalHospital)和印度第三大医院系统马尼帕尔医院(Manipal Hospitals)。2016年8月,IBM与我国21家医院签署IBM Watson for Oncology的合作意向协议,并于同年12月成立联合会诊中心。
随着人工智能技术的逐渐成熟,IBM Watson以肿瘤为重心,逐渐将服务半径伸向慢病管理、医疗、体外检测、医疗等九大医疗领域,逐步实现人工智能作为一种新型工具的价值。
思派网络创始人马旭广认为,人工智能目前还是作为医生的辅助工具,“可能今后医生就不存在了,但起码今天所有的AI都应该是帮助医生提高效率,解决医生不愿意做的,又脏又累的工作,这样的AI才有前途,才有机会。”

复星同浩基金合伙人乔继英表示,人工智能在医疗领域的应用,需要得到医生或医疗相关人员认可才能够推行。“医疗和买衣服不一样,买衣服不好可以退,医疗试错成本非常高,人工智能在医疗领域应用时的准确率,怎么具体应用都非常重要,人工智能医疗的创业公司一开始要有医疗从业人员的参与。”
人工智能的特点是能够处理大量数据和信息,这就需要足够的原始数据进行支持,但在医学很多领域缺少足够的原始数据。IBM沃森健康负责人Phil Wu以沃森为例,谈到面对所谓经验上的东西沃森是支持的,沃森所提供的医疗方案背后都有实证支持。“面对疑难杂症,这点沃森解决不了,疑难杂症没有一个标准化,沃森无法实现学习。”
这样看来,短时期内医生并不用过分担心自己会被人工智能抢了“饭碗”。长远来看,医生这个行业将会因为人工智能的出现而变得竞争愈发激烈。“因为让AI学习的病例仍然需要医生来产生,一些高水准有研究性强的医生将会越来越吃香,而某些低水准的医生将会被取代。”一位AI从业者说。
大数据专家,阿里巴巴集团原副总裁徐子沛曾写文章表示,人工智能在医疗领域有巨大的想象空间,未来将极大简化当前繁琐的看病流程,解放医生,也解放病人。“但我不认为医生会完全消失,但其职业方式将发生重大变化。未来的医院,将成为病人、医生、算法三者共生、互相协作的场所。”

医学影像可能率先商业化


方正证券报告指出,从全球创业公司实践的情况来看,AI+医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他,其中以下面四种模式为主流:

首先是AI+辅助诊疗,即将人工智能技术用于辅助诊疗中,让计算机“学习”专家医生的医疗知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案。辅助诊疗场景是医疗领域重要、也核心的场景,人工智能+辅助诊疗潜在市场空间巨大,至少是万亿级以上的营收规模。
在AI+辅助诊疗的应用中,IBM Watson是目前成熟的案例。2012年Watson通过了美国职业医师资格考试,并部署在美国多家医院提供辅助诊疗的服务。目前IBMWatson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。
其次是AI+医学影像,是将人工智能技术具体应用在医学影像的诊断上,主要分为两部分:一是图像识别,应用于感知环节,其主要目的是将影像这类非机构化数据进行分析,获取一些有意义的信息;二是深度学习,应用于学习和分析环节,是AI应用的核心环节,通过大量的影像数据和诊断数据,不断对神经元网络进行深度学习训练,促使其掌握“诊断”的能力。
如今,AI+医学影像已经走出实验室,下一步将迎来商业化浪潮。贝斯以色列女执事医学中心(BIDMC)与哈佛医学院合作研发的人工智能系统,对乳腺癌病理图片中癌细胞的识别准确率能达到92%,与病理学家的分析结合在一起时,它的诊断准确率可以高达99.5%。国内的DeepCare对于乳腺癌细胞识别的准确率也达到了92%。
第三是AI+药物挖掘,是指将深度学习技术应用于药物临床前研究,达到快速、准确地挖掘和筛选合适的化合物或生物,达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。通过计算机模拟,AI可以对药物活性、安全性和副作用进行预测。借助深度学习,在心血管药、抗肿瘤药、孤儿药和常见传染病治疗药等多领域取得了新突破。目前,已经涌现出多家AI技术主导的药物研发企业。
“现在新药研发越来越难,过去用人工智能从事新药研发数据不够、算法也不够,未来在这一领域可能会有大的突破。”乔继英表示,新药研发多年来“10年10亿美金”的“魔咒”或许有望打破。
第四是AI+健康管理。目前从全球AI+医疗创业公司来看,主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于医学的健康管理。乔继英表示,个人健康管理,仅有简单的信息反馈是不够的,如果可以在更有效、更低成本层面实现个人健康管理,这也是未来的一个方向。

其中,“AI+医学影像”被多位业内人士认为有可能率先实现商业化。
马旭广个人特别看好图像识别在医疗领域的应用,“只要比对足够多的影像,AI就能够提高诊断效率,提高诊断准确性,这是我坚信AI在医疗过程中发展快的领域。”
Phil Wu对此表示认同,“人工智能在医学影像领域有可能早落地,但要实现的医学诊断,还需要更多数据、案例的录入,但影像图片确实是一个很好的切入点。” Phil Wu透露,沃森将有影像学肿瘤方案产品在2018年上线。
2015年,IBM以10亿美元收购医学影像公司Merge,Merge Healthcare是美国有影响力的医疗影像公司,不仅拥有大量的医学数据和图像(CAT扫描、乳房摄像),还有世界的技术平台。该平台可以帮助医生和医院存储并分析医学图像。IBM相关负责人此前曾表示,Watson与Merge的结合可以提供对影像的深度解读,帮助医疗提供者和研究人员节省时间。出售这种医学影像的深度解读便是其盈利方式。
顺为资本合伙人李锐认为,图像智能识别可以降低医生的工作量,这是业界已经达成共识的,但是在综合诊疗上人工智能是否能给予医生很好的建议和意见?IT和互联网出身的人对此有很大的信心,但医生背景的人目前还有很多疑虑。“我也比较保守,去年投的几个公司都是医生加互联网的团队,或是创始人既干过医生也干过互联网。”李锐说。
乔继英认为,无论是治疗皮肤病还是癌症,图像可能只是一个参数,而治疗疾病需要多个参数。“从投资人角度来说,光看图像还不足以让我做出判断。我们更希望至少能解决一个小的问题,能做出一个临床辅助诊断。”