2016年09月18日(ri)訊 醫療領(ling)域人工智(zhi)(zhi)能的(de)(de)(de)應用，激發了人們對未(wei)來的(de)(de)(de)許多(duo)想(xiang)象(xiang)。計(ji)算機的(de)(de)(de)運算速度快、儲存量(liang)大、質量(liang)穩定且不知疲倦，如果能夠(gou)在醫療領(ling)域應用，必將(jiang)能夠(gou)大大提高醫療質量(liang)和供給量(liang)，并最終降低(di)醫療成本。加上商業前景的(de)(de)(de)光環，醫療人工智(zhi)(zhi)能的(de)(de)(de)探(tan)索真(zhen)可以說是“引無數(shu)英雄(xiong)競折腰(yao)”。
Part.1序章
1.1關于(yu)醫療人工智能的討論范圍(wei)
人(ren)工智(zhi)(zhi)能火(huo)得燙手。前些(xie)天一(yi)個(ge)同(tong)事說他下午剛(gang)報道了一(yi)個(ge)人(ren)工智(zhi)(zhi)能方面(mian)的(de)項目(mu)，當(dang)天吃(chi)個(ge)晚飯的(de)空(kong)里就有(you)二十家投資機構(gou)上(shang)門(men)要聯(lian)系方式(shi)。這種火(huo)法讓人(ren)依稀看(kan)到了曾(ceng)經(jing)O2O的(de)影子，但愿歷史不要重(zhong)演。同(tong)樣，醫療領域(yu)在這股浪潮中也(ye)到了一(yi)種神魂顛倒的(de)地步，“智(zhi)(zhi)能”二字(zi)幾(ji)乎已經(jing)是每家公司(si)產品(pin)的(de)標配。可是，當(dang)我們(men)在討(tao)(tao)論人(ren)工智(zhi)(zhi)能的(de)時候，我們(men)究竟在討(tao)(tao)論什么？
首先，我們來對醫療領域人工智能的應用(yong)做一個基本的設(she)定：
①關于人工智能(neng)在(zai)醫療當中(zhong)應用(yong)的(de)終極想象，當然是電(dian)腦能(neng)夠替(ti)代人來為患(huan)者(zhe)診斷、治療。這個理想并不是剛(gang)剛(gang)出現，至(zhi)少可以(yi)追隨到上世紀六七(qi)十年代。只不過實(shi)現起來，理想與現實(shi)的(de)差距(ju)太大。
②比(bi)直接用電腦替(ti)代人來看病的(de)難度略低(di)一些的(de)是臨床決(jue)策輔助(zhu)系(xi)統（Clinicaldecisionsupportsystem，簡稱CDSS），這(zhe)是目前嘗(chang)試比(bi)較多、發展(zhan)也相對比(bi)較快的(de)領域。
③在實(shi)(shi)現人工(gong)智能(neng)的(de)道路(lu)上，一個必備的(de)條(tiao)件(jian)積累(lei)醫療(liao)(liao)大數(shu)據。所(suo)以，在人工(gong)智能(neng)創業領域(yu)的(de)一個“近親”，就是醫療(liao)(liao)大數(shu)據積累(lei)、挖掘和應(ying)用(yong)。也可以將(jiang)其(qi)看做是實(shi)(shi)現人工(gong)智能(neng)的(de)一個中間環(huan)節。
④向前再推進一(yi)步，就是(shi)獲(huo)(huo)取(qu)數(shu)據(ju)的問題。從醫療機構獲(huo)(huo)取(qu)數(shu)據(ju)是(shi)一(yi)個路(lu)徑(jing)，而且無(wu)捷徑(jing)可(ke)循；另(ling)外一(yi)個就是(shi)從患者端獲(huo)(huo)取(qu)數(shu)據(ju)，特(te)別(bie)是(shi)通過可(ke)穿戴硬件來(lai)獲(huo)(huo)取(qu)患者的健康數(shu)據(ju)來(lai)實(shi)施健康管理。
從目(mu)前(qian)已經觀察到(dao)的情況(kuang)，有關(guan)人工智(zhi)(zhi)(zhi)能在醫療(liao)領(ling)域探索大體有這么(me)四種類(lei)型。如果(guo)單(dan)獨(du)討(tao)論(lun)某(mou)一種類(lei)型，恐怕都(dou)不能完整的反應(ying)醫療(liao)領(ling)域人工智(zhi)(zhi)(zhi)能的進(jin)展。所以，本文在討(tao)論(lun)人工智(zhi)(zhi)(zhi)能的過程中將(jiang)采取最廣義的概念(nian)，包(bao)含前(qian)述的四種類(lei)型。
1.2醫(yi)療人工智能的現實需求
人工智(zhi)(zhi)能的火究竟是虛火而曇(tan)花一(yi)現(xian)，還(huan)是方興未艾、志存高遠。況且(qie)，醫療是否真的需(xu)要人工智(zhi)(zhi)能么，還(huan)是僅(jin)僅(jin)是跟(gen)風？有關這些問題，可(ke)以從以下幾個(ge)方面(mian)來分(fen)析：
首先(xian)，醫(yi)(yi)療(liao)領(ling)域最(zui)突出的(de)問題就是優質醫(yi)(yi)療(liao)資(zi)源不(bu)(bu)足(zu)(zu)。這個問題不(bu)(bu)止中國(guo)存在(zai)。美國(guo)這幾年就經常(chang)爆(bao)出醫(yi)(yi)生短缺的(de)消(xiao)息，最(zui)近還有預測說美國(guo)未來十年會(hui)短缺6到9萬(wan)名內科醫(yi)(yi)生。老(lao)齡化(hua)比較嚴重的(de)日本也面臨這個問題的(de)困(kun)擾，每(mei)千人(ren)口中僅兩人(ren)從醫(yi)(yi)。就連(lian)每(mei)千人(ren)擁有4名醫(yi)(yi)生的(de)瑞(rui)士，近年也開始重視醫(yi)(yi)生數量不(bu)(bu)足(zu)(zu)的(de)問題。而(er)醫(yi)(yi)療(liao)資(zi)源不(bu)(bu)足(zu)(zu)的(de)問題，在(zai)我(wo)國(guo)還會(hui)因為分布不(bu)(bu)均而(er)加劇(ju)。
再加上(shang)人(ren)口老齡化的(de)加劇，未來(lai)對醫(yi)生的(de)需求量(liang)很(hen)有可能是有增(zeng)無減(jian)。解決(jue)(jue)醫(yi)生資源不足的(de)問(wen)題(ti)，在增(zeng)加供給(gei)量(liang)方(fang)面(mian)，培養(yang)醫(yi)生需要(yao)周期；而調(diao)整結構則(ze)需要(yao)配(pei)套政(zheng)策。或者簡單的(de)說，靠人(ren)來(lai)解決(jue)(jue)這個問(wen)題(ti)需要(yao)很(hen)長的(de)時間，而且供給(gei)量(liang)也不是無限(xian)增(zeng)加的(de)。于是，人(ren)們(men)開始寄希(xi)望于機器(qi)。因為一(yi)旦(dan)能夠實現機器(qi)看(kan)病，供給(gei)量(liang)將會是無限(xian)增(zeng)加。
解決醫療(liao)資源不足，恐怕是(shi)對(dui)人工(gong)智能(neng)的(de)(de)最根本需求和發展動(dong)力所在。而醫療(liao)領域面對(dui)的(de)(de)另外(wai)一個問題就(jiu)是(shi)費用(yong)(yong)支出持(chi)續增加，財(cai)政支出和社會負擔的(de)(de)壓(ya)力越來越大。醫療(liao)負擔上升是(shi)多種(zhong)因素共同(tong)促成的(de)(de)結果，包括(kuo)人口老齡化、慢性(xing)疾病增長、新技術的(de)(de)采用(yong)(yong)等(deng)。
人(ren)工(gong)智能(neng)(neng)在解決成(cheng)本壓力方(fang)面被寄予(yu)厚(hou)望有(you)幾個方(fang)面的(de)(de)原因：一是(shi)(shi)通過人(ren)工(gong)智能(neng)(neng)提高患者自(zi)(zi)(zi)查自(zi)(zi)(zi)診自(zi)(zi)(zi)我管理的(de)(de)比例，降低(di)醫(yi)療(liao)支(zhi)(zhi)出；二是(shi)(shi)通過人(ren)工(gong)智能(neng)(neng)手(shou)段實現更(geng)早期發(fa)現、更(geng)好管理，減(jian)少后續的(de)(de)醫(yi)療(liao)費用支(zhi)(zhi)出；三是(shi)(shi)通過人(ren)工(gong)智能(neng)(neng)手(shou)段提高醫(yi)療(liao)機(ji)構、醫(yi)生(sheng)的(de)(de)工(gong)作效(xiao)率，降低(di)醫(yi)療(liao)成(cheng)本；再有(you)就是(shi)(shi)通過人(ren)工(gong)智能(neng)(neng)制定科(ke)學合(he)理的(de)(de)健康醫(yi)療(liao)方(fang)案，減(jian)少不合(he)理的(de)(de)醫(yi)療(liao)支(zhi)(zhi)出。
此外，還有(you)一些雖(sui)然不是(shi)急性且剛性的(de)需求，但(dan)仍然提高了(le)(le)(le)人們(men)對人工智能的(de)期待。比(bi)如(ru)機器的(de)運算速度、準(zhun)確程度、更新速度、穩定性都要(yao)好于人工。比(bi)如(ru)腫瘤領域的(de)研(yan)(yan)(yan)究(jiu)(jiu)論文，2009年到(dao)2013年，全球共產生了(le)(le)(le)16萬份(fen)腫瘤相關的(de)研(yan)(yan)(yan)究(jiu)(jiu)，平均每年3.2萬份(fen)。而到(dao)了(le)(le)(le)2015年，這個數(shu)字已經打動(dong)了(le)(le)(le)4.4萬份(fen)，平均每天就有(you)超過(guo)120篇新的(de)研(yan)(yan)(yan)究(jiu)(jiu)發表(biao)。顯然，這已經遠遠超出人類認知能力的(de)范圍(wei)。
綜合這些(xie)因素，人(ren)工智能(neng)(neng)在醫(yi)療(liao)領域(yu)的(de)應(ying)用，不(bu)僅有可能(neng)(neng)解(jie)決醫(yi)療(liao)資源短缺、成(cheng)本支(zhi)出增加的(de)困境，而(er)且還(huan)有可能(neng)(neng)帶來(lai)(lai)醫(yi)療(liao)能(neng)(neng)力、醫(yi)療(liao)體驗上的(de)提升。從這兩個方面的(de)需求來(lai)(lai)看，人(ren)工智能(neng)(neng)在醫(yi)療(liao)領域(yu)確實(shi)擁(yong)有相(xiang)當廣(guang)闊的(de)成(cheng)長空間。
Part.2醫療人工智能的五(wu)十年現實
從現(xian)在(zai)面(mian)向(xiang)未來，庫茲韋爾(er)曾做出過預測，人(ren)(ren)工智(zhi)能的(de)水平(ping)超過人(ren)(ren)類(lei)智(zhi)力的(de)水平(ping)將(jiang)(jiang)在(zai)2045年(nian)(nian)出現(xian)。20多年(nian)(nian)后，奇點(dian)就(jiu)將(jiang)(jiang)來臨的(de)猜想(xiang)讓很多人(ren)(ren)覺得(de)過于瘋(feng)狂。實際上，人(ren)(ren)類(lei)對(dui)人(ren)(ren)工智(zhi)能的(de)想(xiang)象，至少已經有80年(nian)(nian)。1936，阿蘭。圖靈就(jiu)提供了機(ji)器模擬(ni)人(ren)(ren)類(lei)數學運算的(de)構想(xiang)。二十年(nian)(nian)后，達特茅斯會議將(jiang)(jiang)人(ren)(ren)工智(zhi)能確定成(cheng)為一門科(ke)學。人(ren)(ren)類(lei)由此開始有計劃、有目標的(de)朝人(ren)(ren)工智(zhi)能的(de)目標努力。
2.1早期醫療人工智(zhi)能的(de)嘗試
從1956年(nian)之后的(de)(de)(de)二十年(nian)里，人類雄(xiong)心勃勃。后來AlphaGo算法核(he)心內容的(de)(de)(de)雛(chu)形就在這個(ge)時期(qi)出(chu)現，即(ji)貝爾曼公式。而(er)最早的(de)(de)(de)一波在醫(yi)療(liao)領域進行(xing)人工智能探索的(de)(de)(de)嘗(chang)試，也在這個(ge)時期(qi)出(chu)現。1972年(nian)，由利(li)茲大學研發的(de)(de)(de)AAPHelp是資料記載當中，醫(yi)療(liao)領域最早出(chu)現的(de)(de)(de)人工智能系統。這個(ge)系統基于貝葉(xie)斯理論開發，主要是用于腹(fu)部(bu)劇痛的(de)(de)(de)輔(fu)助診斷以(yi)及手術的(de)(de)(de)相(xiang)關需求。
在(zai)隨后(hou)的(de)(de)整個七十(shi)年(nian)(nian)代當中，又產生了(le)不少(shao)新(xin)的(de)(de)成果。INTERNISTI于(yu)(yu)1974年(nian)(nian)由匹茲堡大學研發問世，主要用于(yu)(yu)內科復雜疾病(bing)的(de)(de)輔助診(zhen)斷。這(zhe)套系統(tong)在(zai)當時被認為極(ji)具價值(zhi)，并于(yu)(yu)80年(nian)(nian)代在(zai)其(qi)基礎了(le)開(kai)發了(le)CADUCEUS和(he)QMR系統(tong)，開(kai)始了(le)商業化嘗試。MYCIN于(yu)(yu)1976年(nian)(nian)有(you)斯(si)坦福大學研發，主要用于(yu)(yu)血液感染疾病(bing)的(de)(de)輔助診(zhen)斷。
此外，還有(you)羅格斯大學開(kai)發的(de)(de)CASNET/Glaucoma，MIT開(kai)發的(de)(de)PIP、ABEL，斯坦福大學開(kai)發的(de)(de)ONCOCIN等(deng)。而(er)且上世紀(ji)80年(nian)代，已經(jing)有(you)一些商業化應用系統的(de)(de)出現(xian)(xian)，比如前面提(ti)到的(de)(de)QMR（QuickMedicalReference），還有(you)哈(ha)佛醫(yi)學院開(kai)發的(de)(de)DXplain，主要(yao)是依據臨床表現(xian)(xian)提(ti)供診斷方案。DXplain的(de)(de)知(zhi)識庫(ku)中，已經(jing)收錄了2200種(zhong)疾病，和5000多種(zhong)癥(zheng)狀(zhuang)。
2.2早(zao)期醫療人工智能嘗試的局限性(xing)
事情并(bing)沒(mei)有預期(qi)(qi)的(de)(de)那么順利。在隨后很長的(de)(de)一段時間里，人(ren)工智(zhi)能在醫療領域當中(zhong)的(de)(de)應(ying)用并(bing)沒(mei)有取得特別明顯的(de)(de)突破。人(ren)們(men)所期(qi)(qi)待(dai)的(de)(de)機器替代人(ren)看(kan)病的(de)(de)場景(jing)并(bing)沒(mei)有出現，反而越來越多(duo)的(de)(de)看(kan)到(dao)人(ren)工智(zhi)能在醫療領域當中(zhong)應(ying)用時的(de)(de)局(ju)限性。
在醫(yi)(yi)療(liao)服務當(dang)(dang)中，臨(lin)(lin)床(chuang)診(zhen)(zhen)(zhen)斷是(shi)最為關鍵的環(huan)節。而對于(yu)(yu)臨(lin)(lin)床(chuang)醫(yi)(yi)生來講(jiang)，只有當(dang)(dang)計算機(ji)能夠達到“專家”的水平時，也許才會應(ying)用(yong)。但診(zhen)(zhen)(zhen)斷的過(guo)(guo)程(cheng)(cheng)過(guo)(guo)于(yu)(yu)復雜，存在著大量的“變(bian)量”。即便(bian)是(shi)專家本人(ren)(ren)的診(zhen)(zhen)(zhen)斷，亦有相當(dang)(dang)多的不確定因素。這樣的話，對于(yu)(yu)人(ren)(ren)工智能的開發則需要理解專家從癥(zheng)狀到做(zuo)出(chu)診(zhen)(zhen)(zhen)斷整個過(guo)(guo)程(cheng)(cheng)的邏輯，同(tong)時還需要將這種能力“教(jiao)會”計算機(ji)。
再有(you)(you)，現(xian)在人(ren)們越來越多的認識(shi)到(dao)，要(yao)(yao)讓醫(yi)生(sheng)愿意采用人(ren)工(gong)(gong)智能(neng)的系統，必(bi)須能(neng)夠有(you)(you)效的將新系統合適(shi)地整合到(dao)醫(yi)生(sheng)原有(you)(you)的工(gong)(gong)作流當中。而(er)且其實特別重要(yao)(yao)的一點(dian)是，需要(yao)(yao)讓醫(yi)生(sheng)們相信，人(ren)工(gong)(gong)智能(neng)可以幫(bang)助他(ta)們改善臨床(chuang)效果、提升工(gong)(gong)作效率。但目前(qian)有(you)(you)關(guan)這(zhe)一點(dian)，似乎并不是那么確定(ding)。
德國夏里特醫院的(de)學者曾(ceng)經對輔助診(zhen)斷系統(tong)(tong)在五年應用當中，針對抗生素濫(lan)(lan)用的(de)效果進(jin)行了(le)研究(jiu)(jiu)。結(jie)果顯示，輔助診(zhen)斷系統(tong)(tong)對抗生素濫(lan)(lan)用和(he)臨床診(zhen)療的(de)改善起到了(le)不錯(cuo)的(de)效果。但也有不少研究(jiu)(jiu)的(de)結(jie)論，則并不讓人那么樂觀。
比如米蘭(lan)大(da)學在2014年的研究(jiu)(jiu)就得出結論稱(cheng)，輔(fu)助(zhu)診斷系統(tong)(tong)并沒有明(ming)顯對(dui)死亡率產生影(ying)響；而(er)倫敦帝國學院(yuan)的在2011年對(dui)過(guo)去(qu)13年數(shu)據的研究(jiu)(jiu)則顯示，計(ji)算機在醫療(liao)領域的應(ying)用現實與理想狀(zhuang)況差距很大(da)，并且(qie)迄今為(wei)止，沒有堅(jian)實的證據能夠表(biao)明(ming)輔(fu)助(zhu)診斷系統(tong)(tong)能夠降低醫療(liao)成本并改善患者的治療(liao)效果(guo)。
總的(de)來說(shuo)，醫(yi)(yi)療人(ren)(ren)工(gong)智能(neng)(neng)方(fang)面過(guo)往的(de)大多數探(tan)索(suo)都(dou)并不(bu)成功。不(bu)過(guo)，這樣(yang)的(de)現狀只能(neng)(neng)說(shuo)明醫(yi)(yi)療的(de)高(gao)(gao)度復(fu)雜性，并沒(mei)有阻止人(ren)(ren)類在(zai)(zai)醫(yi)(yi)療領域(yu)探(tan)索(suo)人(ren)(ren)工(gong)智能(neng)(neng)的(de)嘗試(shi)。實際上(shang)，IBM研發的(de)Watson機(ji)器人(ren)(ren)醫(yi)(yi)生就(jiu)在(zai)(zai)一路高(gao)(gao)歌猛進(jin)。除(chu)了技術本(ben)身(shen)的(de)進(jin)步之外(wai)，Watson的(de)實踐本(ben)身(shen)還有怎樣(yang)更(geng)重要的(de)意義？
Part. 3Watson的(de)意義
IBM在(zai)人(ren)(ren)工智(zhi)能(neng)上(shang)的(de)突破也不過是在(zai)最近(jin)十年當(dang)中取(qu)得的(de)。1997年，“深(shen)藍”戰(zhan)勝象棋大(da)師卡斯帕羅(luo)夫之后的(de)很長時間里，人(ren)(ren)工智(zhi)能(neng)在(zai)輔助工作方面取(qu)得了很大(da)的(de)進展(zhan)，比(bi)如處理繁瑣的(de)公(gong)司文件。但距離真正意義上(shang)的(de)人(ren)(ren)工智(zhi)能(neng)，相去甚遠。以至于當(dang)挑戰(zhan)“Jeopardy！”的(de)提(ti)議第一次(ci)出現在(zai)IBM的(de)時候，甚至引來噓聲(sheng)一片。
《紐(niu)約時(shi)報》記載過一個故事(shi)，2006年(nian)，IBM測(ce)試自己的(de)最先(xian)進系(xi)統(tong)在“Jeopardy！”當中(zhong)的(de)表(biao)現。結果人類冠軍答題的(de)正確率(lv)是85-95%，而IBM系(xi)統(tong)的(de)正確率(lv)卻僅(jin)有15%，顯得愚鈍不(bu)堪（slowanddumb）。語言識(shi)別是當時(shi)人機(ji)對話的(de)主要困難。然而僅(jin)5年(nian)之后，以IBM創始人托馬斯。沃森明(ming)明(ming)的(de)Watson機(ji)器人就在“Jeopardy！”當中(zhong)擊敗(bai)了人類冠軍。
這可以(yi)算是Watson“醫生(sheng)”的前傳。很快，IBM就將Watson應用(yong)的重點轉移到了醫療領域。
3. 1Watson成長史
在(zai)這次突破之后，吸取(qu)了(le)(le)深藍教(jiao)訓的(de)(de)IBM開始了(le)(le)將(jiang)Watson推向(xiang)商業化應用的(de)(de)嘗(chang)試，而健康成為(wei)了(le)(le)他們確(que)定的(de)(de)重點方向(xiang)之一。那(nei)么IBM“訓練”Watson的(de)(de)教(jiao)學(xue)方法是怎樣的(de)(de)？2014年(nian)1月(yue)份，Watson“自(zi)立門戶”，并推出Watsonfoundation將(jiang)認知計算技術與大(da)數據分(fen)析(xi)技術結合起來，奠定了(le)(le)整個Watson運(yun)作的(de)(de)基(ji)本(ben)邏輯。而Watson在(zai)健康領(ling)域的(de)(de)推進則是從2014年(nian)底開始的(de)(de)。
首先是(shi)Watson先后(hou)與蘋果、強生(sheng)和(he)(he)美敦力(li)三巨頭建立的(de)合作。Watson和(he)(he)蘋果的(de)合作包括兩個(ge)層(ceng)面(mian)，一(yi)個(ge)是(shi)基(ji)于(yu)Healthkit面(mian)向(xiang)普通用戶的(de)數(shu)(shu)據(ju)采集和(he)(he)儲存，另一(yi)個(ge)是(shi)基(ji)于(yu)Researchkit面(mian)向(xiang)研究人員的(de)數(shu)(shu)據(ju)分析；與強生(sheng)的(de)合作主(zhu)要是(shi)在關節(jie)、脊柱術(shu)前和(he)(he)術(shu)后(hou)的(de)患(huan)者護(hu)理，以及慢病管理；與美敦力(li)的(de)合作，主(zhu)要是(shi)通過美敦力(li)的(de)醫療器械采集糖尿病患(huan)者的(de)數(shu)(shu)據(ju)，并為(wei)他們提供(gong)個(ge)性化(hua)的(de)管理方案。
第一步還(huan)只是(shi)合作，很快IBM就掏出了(le)(le)真金白(bai)銀。2015年，IBM一舉并購(gou)了(le)(le)兩家醫療(liao)大(da)數據公司Phytel和Explorys。Phytel公司主(zhu)要是(shi)應(ying)用云工具，幫助(zhu)臨床醫生為患者(zhe)提供質量(liang)更好的醫療(liao)服(fu)(fu)務(wu)。而(er)Explorys最初(chu)則是(shi)由克利夫蘭診所發起(qi)成(cheng)立的公司，主(zhu)要為醫療(liao)服(fu)(fu)務(wu)機構提供數據管(guan)理(li)，服(fu)(fu)務(wu)全美360家醫院(yuan)，擁有超過5000萬個患者(zhe)的醫療(liao)記錄。
Explorys的(de)患者數據覆(fu)蓋(gai)
完成(cheng)了這兩家(jia)公(gong)司(si)(si)(si)的(de)并(bing)購(gou)后，IBMWatsonHealth正式成(cheng)立。不過(guo)IBM的(de)并(bing)購(gou)卻并(bing)沒有就(jiu)此(ci)結(jie)束，2015年8月(yue)，IBM斥資10億(yi)美元(yuan)收購(gou)醫療影像數(shu)據(ju)公(gong)司(si)(si)(si)MergeHealthcare；2016年2月(yue)，IBM又花(hua)了26億(yi)美元(yuan)收購(gou)了健康(kang)大數(shu)據(ju)公(gong)司(si)(si)(si)TruvenHealthAnalytics。
Merge是美(mei)國(guo)的(de)一家老牌醫(yi)(yi)療影像公司，用(yong)(yong)戶包(bao)括(kuo)7500多(duo)家醫(yi)(yi)院、科研(yan)機構、藥企(qi)等(deng)。并購完(wan)成之(zhi)后(hou)，Watson還將應用(yong)(yong)Merge的(de)技術分析已(yi)經儲存(cun)的(de)超過(guo)三千億個(ge)醫(yi)(yi)療影像數據。TruvenHealthAnalytics服務超過(guo)8500個(ge)用(yong)(yong)戶，擁有超過(guo)2億名患者的(de)診(zhen)斷和醫(yi)(yi)療支(zhi)出(chu)的(de)數據。
到(dao)這時(shi)(shi)為止，IBM在不到(dao)一年的時(shi)(shi)間里在并購上投(tou)入(ru)了(le)40億美元，給Watson補(bu)充(chong)不同(tong)類型的數據(ju)和分析技術。投(tou)入(ru)之(zhi)大，足見Watson的“饑渴”。
3.2Watson商業化(hua)
現(xian)在(zai)(zai)Watson已經相當強大(da)，能夠(gou)(gou)讀懂非結(jie)構化數據，而(er)且能夠(gou)(gou)在(zai)(zai)15秒內閱讀完成4千萬分文件。Watson需要(yao)商業化，只(zhi)掏錢(qian)肯定是不行的(de)(de)，要(yao)賺錢(qian)就要(yao)盡可能擴大(da)應用的(de)(de)范圍。而(er)從IBM的(de)(de)應用推廣(guang)來看，除了(le)在(zai)(zai)他們的(de)(de)北美大(da)本營之外，Watson在(zai)(zai)亞洲(zhou)的(de)(de)應用推廣(guang)進展(zhan)非常好，在(zai)(zai)中國和印度兩個人口大(da)國都(dou)有所斬獲。
2014年10月，IBM宣(xuan)布(bu)與東南亞(ya)地區最大(da)的(de)私立醫(yi)院康民國際醫(yi)院達成(cheng)合作，Watson將為康民醫(yi)院位于曼谷的(de)醫(yi)療(liao)中心和其(qi)他(ta)16個(ge)國家的(de)轉診辦公室(shi)提供(gong)服務(wu)。
2015年5月，在WatsonHealth成立后(hou)不(bu)久(jiu)，IBM就宣布，14家美國和加拿大的(de)腫瘤醫院(yuan)將(jiang)引進Watson，通過(guo)患(huan)者的(de)基因測序(xu)數據來提供適當的(de)治療方案。
2015年12月(yue)，IBM宣布與印度的第三大醫(yi)院ManipalHospitals達成(cheng)合作，Watson將幫(bang)助腫瘤醫(yi)生為患者提供(gong)診斷(duan)和(he)治療。每年，有超(chao)過20萬腫瘤患者在ManipalHospitals醫(yi)院接受(shou)治療。
2016年8月，Watson落地中(zhong)國，與(yu)中(zhong)山(shan)大(da)學附屬腫(zhong)瘤(liu)防治中(zhong)心、中(zhong)國醫(yi)(yi)科大(da)學附屬第四醫(yi)(yi)院(yuan)、浙(zhe)江省中(zhong)醫(yi)(yi)院(yuan)、復(fu)旦大(da)學附屬腫(zhong)瘤(liu)醫(yi)(yi)院(yuan)等21家醫(yi)(yi)院(yuan)達成(cheng)合作。杭(hang)州認(ren)知網絡是Watson在中(zhong)國的本(ben)地服(fu)務商。
此(ci)外，Watson在醫(yi)療領域還與Talkspace、Welltok、hc1等新興(xing)的(de)移動(dong)醫(yi)療公司建立了合作。Watson將(jiang)基(ji)于這些應用的(de)數據(ju)采(cai)集，來為他們(men)的(de)用戶提(ti)供相(xiang)應的(de)醫(yi)療服務。
3.3“學以致用”的Watson
總結起(qi)來，IBMWatson的整個發展歷(li)程可以概括(kuo)為(wei)“學以致用”。
在(zai)Watson發展早期，IBM豪擲億(yi)金接連并(bing)購(gou)4家(jia)擁(yong)有(you)醫療大數據的公司。而在(zai)此之前，Watson的“早教”階段，IBM也是一直抱著梅奧診所、MD安德森、紀念斯(si)隆(long)-凱特林癌癥研究中(zhong)(zhong)心(xin)、紐約(yue)基因(yin)組研究中(zhong)(zhong)心(xin)等美國(guo)幾家(jia)王牌醫療機(ji)構的大腿。
這個思路也(ye)被(bei)Google的(de)(de)DeepMind延續了下(xia)來。今年六月的(de)(de)信息(xi)，DeepMind與(yu)NHS達成了合作，能夠(gou)獲取(qu)超(chao)過160萬患者的(de)(de)醫療健康數(shu)據(ju)(ju)。而(er)很快就有(you)類似(si)MedConfidential這樣(yang)的(de)(de)組織質疑Google獲取(qu)患者數(shu)據(ju)(ju)的(de)(de)正當(dang)性。
相比(bi)于學，用的(de)部分同樣重要。尤其(qi)是讓醫生相信人工智能的(de)作(zuo)用并在實踐當中應用，這個過程仍然需(xu)要大量的(de)市(shi)場(chang)教育。而從IBM的(de)策略中也(ye)可以(yi)看出，選(xuan)擇腫(zhong)瘤(liu)(liu)這種剛需(xu)又優(you)質醫生短缺的(de)領域是其(qi)重點方向(xiang)。ManipalHospitals的(de)CEODrAjayBakshi談到(dao)，在印度(du)平均每位腫(zhong)瘤(liu)(liu)醫生要服務1600名腫(zhong)瘤(liu)(liu)患者，而且(qie)隨著(zhu)腫(zhong)瘤(liu)(liu)發生率的(de)上(shang)升，這種短缺還(huan)將加劇。另外(wai)，在中國市(shi)場(chang)，IBM也(ye)很明(ming)智的(de)選(xuan)擇了本土的(de)運營商來做市(shi)場(chang)開拓。
但Watson也并非沒有問(wen)題。Watson主要(yao)解決(jue)的(de)(de)是腫(zhong)瘤(liu)領(ling)域的(de)(de)疾(ji)病(bing)，尤其是肺癌(ai)(ai)、乳腺癌(ai)(ai)、結腸癌(ai)(ai)等。這幾種癌(ai)(ai)癥雖然(ran)日漸高發，但問(wen)題是究(jiu)竟Watson會有多大的(de)(de)用武之地(di)是存在(zai)疑問(wen)的(de)(de)。除非Watson能夠成(cheng)為診療路(lu)徑的(de)(de)一部分，但這恐怕(pa)又是難上加難。
Part.482家(jia)美(mei)國公司(si)和63家(jia)中(zhong)國公司(si)
盡管Watson和DeepMind有IBM和Google這樣(yang)的(de)(de)強大靠山，但他們在醫療(liao)領域(yu)(yu)也僅(jin)僅(jin)是入(ru)門級。眾多(duo)醫療(liao)創業(ye)(ye)公司(si)還(huan)有巨大的(de)(de)成長空間。本(ben)節，我(wo)們對中美兩國(guo)(guo)在人工智(zhi)能領域(yu)(yu)的(de)(de)創業(ye)(ye)公司(si)做了(le)一個(ge)基本(ben)梳理。其中，包括美國(guo)(guo)的(de)(de)82家(jia)公司(si)，中國(guo)(guo)的(de)(de)63家(jia)公司(si)。美國(guo)(guo)公司(si)的(de)(de)數據主要參考了(le)CBinsights的(de)(de)整理，而中國(guo)(guo)公司(si)的(de)(de)數據則主要來自公開報道。
對(dui)這些公司的(de)梳理(li)首先遵循了我們(men)最初設置的(de)定義，即(ji)廣義人(ren)工智能。從數據(ju)監測、采集、分析、應用、輔助診(zhen)斷(duan)到電腦醫(yi)生，各個類型(xing)的(de)公司都在其中。
4.182家(jia)美國公司(si)
首先來(lai)看美國公司。整體上，82家(jia)美國公司分(fen)成了(le)7大類(lei)，分(fen)別(bie)是醫(yi)療影像(xiang)類(lei)、健康管理類(lei)、醫(yi)療服務類(lei)、機構信息化(hua)、藥企(qi)研發類(lei)、醫(yi)療大數(shu)據以(yi)及基(ji)因檢測。當然這(zhe)是個很(hen)粗的(de)分(fen)類(lei)，每(mei)種(zhong)公司的(de)類(lei)型和歸屬并不是那么清晰。分(fen)類(lei)只是幫助我們認(ren)識(shi)，有哪(na)些角度可(ke)以(yi)成為人工智能探索的(de)切入點(dian)。以(yi)下來(lai)逐(zhu)一分(fen)析：
醫(yi)學影(ying)(ying)像(xiang)(xiang)類(lei)美國公司(si)在影(ying)(ying)像(xiang)(xiang)領域(yu)主(zhu)要也(ye)是基(ji)于人(ren)工智(zhi)能、深度學習(xi)的(de)(de)技術(shu)，幫助醫(yi)生更(geng)快更(geng)準確的(de)(de)讀(du)取(qu)病人(ren)的(de)(de)影(ying)(ying)像(xiang)(xiang)數據，以更(geng)好的(de)(de)做出診斷。CBInsights的(de)(de)判斷，這個領域(yu)的(de)(de)創業公司(si)正越(yue)來越(yue)多。2015年(nian)以來，已經有17家公司(si)完成首輪融資。但這至少說明，影(ying)(ying)像(xiang)(xiang)分析這個事兒(er)在美國投資者是認可的(de)(de)。
健(jian)康(kang)管(guan)理(li)(li)類(lei)(lei)這(zhe)里(li)主要把對個(ge)人(ren)的(de)(de)(de)(de)健(jian)康(kang)管(guan)理(li)(li)和(he)以(yi)個(ge)人(ren)用(yong)戶為主的(de)(de)(de)(de)可穿戴設備，都歸入其中。這(zhe)類(lei)(lei)公(gong)司主要是(shi)用(yong)戶個(ge)人(ren)的(de)(de)(de)(de)健(jian)康(kang)數(shu)據來預測疾(ji)病(bing)風險、提供健(jian)康(kang)管(guan)理(li)(li)方案(an)。總體(ti)看，這(zhe)類(lei)(lei)公(gong)司在(zai)(zai)美國也并沒有(you)出現(xian)什(shen)么新的(de)(de)(de)(de)花樣。不過，這(zhe)倒是(shi)在(zai)(zai)醫(yi)療人(ren)工智能領域少(shao)有(you)的(de)(de)(de)(de)直接toC的(de)(de)(de)(de)服務。
醫療(liao)服(fu)務類在醫療(liao)服(fu)務方(fang)面應(ying)用人(ren)工智能的嘗試是最多(duo)的。這類公司(si)包括(kuo)(kuo)兩類，一(yi)類是由醫生(sheng)提(ti)供在線的咨(zi)詢服(fu)務或機器版的手機醫生(sheng)；另一(yi)類就(jiu)是通(tong)常(chang)所理解的臨床診斷輔助(zhu)系(xi)統，包括(kuo)(kuo)早期(qi)篩查、診斷、康復，手術風(feng)險監(jian)測，用藥(yao)安全等，而且會分不同(tong)領域，比如血液、睡眠、神經、心理等。
機(ji)構信息(xi)化這類(lei)公(gong)司主(zhu)要是通(tong)過數據(ju)監測和分(fen)析的(de)方式(shi)，幫助醫療機(ji)構提升運營(ying)效率和診療效果，降低(di)支出成本(ben)。美國的(de)醫療機(ji)構市場化占(zhan)主(zhu)導(dao)，而且商業保險公(gong)司發育比較(jiao)充(chong)分(fen)，這些因素也促(cu)使(shi)醫療機(ji)構更加(jia)注重(zhong)效率和成本(ben)的(de)，為(wei)機(ji)構信息(xi)化類(lei)的(de)創(chuang)業公(gong)司提供了(le)市場空間。
藥(yao)企研(yan)(yan)發類新藥(yao)研(yan)(yan)發的(de)需求特別(bie)明確，就(jiu)是解決成(cheng)本高、周(zhou)期長的(de)問題。有研(yan)(yan)究(jiu)顯示，一(yi)種新藥(yao)研(yan)(yan)發的(de)成(cheng)本已經接(jie)近26億(yi)美(mei)元，平(ping)均需要10-15年的(de)時間。瞄準這個痛(tong)點(dian)的(de)創(chuang)業公司，就(jiu)是希望通過應用大數據和人(ren)工(gong)智能的(de)技術，來幫助(zhu)藥(yao)企縮短研(yan)(yan)發周(zhou)期、減低成(cheng)本。
醫療(liao)(liao)(liao)大數(shu)據(ju)這個(ge)分類相(xiang)對(dui)比較模糊，因(yin)為實際上(shang)其他幾個(ge)類型都離(li)不開醫療(liao)(liao)(liao)大數(shu)據(ju)。不過，這類公司(si)相(xiang)比而言更(geng)加注重數(shu)據(ju)本身的(de)研(yan)(yan)究和分析。比如(ru)鼎(ding)鼎(ding)大名(ming)的(de)Flatiron，就(jiu)是搭建腫瘤大數(shu)據(ju)平臺、累計腫瘤患者數(shu)據(ju)，并(bing)通過對(dui)數(shu)據(ju)的(de)研(yan)(yan)發(fa)和分析服(fu)務臨床、科研(yan)(yan)、新藥以及患者治療(liao)(liao)(liao)。
基(ji)因(yin)測序(xu)(xu)基(ji)因(yin)測序(xu)(xu)公司(si)這(zhe)里(li)列舉的(de)比較少。這(zhe)類公司(si)有點“跨界(jie)”的(de)性質。基(ji)因(yin)測序(xu)(xu)本身實(shi)際上(shang)是人(ren)體本身的(de)數(shu)(shu)據(ju)(ju)化(hua)，并通(tong)過對(dui)這(zhe)些數(shu)(shu)據(ju)(ju)的(de)分析提(ti)供(gong)精準治療。但基(ji)因(yin)測序(xu)(xu)的(de)數(shu)(shu)據(ju)(ju)由于通(tong)常的(de)醫(yi)療大數(shu)(shu)據(ju)(ju)含義(yi)不一(yi)樣。但也(ye)可以(yi)理解，未來人(ren)工智能和精準醫(yi)療在基(ji)因(yin)測序(xu)(xu)這(zhe)個環(huan)節上(shang)，也(ye)許是連通(tong)的(de)。
總體(ti)來看，美(mei)國創業公司主要面向藥企、醫療機構等B端提(ti)供服務。而且(qie)，這些服務仍然主要是在(zai)輔(fu)助(zhu)診斷系統、大數據挖掘等方面，可見美(mei)國整體(ti)上(shang)在(zai)人工智(zhi)能上(shang)的探(tan)索進(jin)展也(ye)比較(jiao)有限。
4.263家中國公司
與(yu)(yu)美國公(gong)司類(lei)似，中(zhong)國公(gong)司的大體(ti)分類(lei)也包括醫療(liao)大數據、機構信息化、醫療(liao)醫保類(lei)、醫學影響類(lei)、醫藥研(yan)發類(lei)、健康(kang)管理類(lei)和基(ji)因測序(xu)了。這61家公(gong)司僅(jin)是統計到(dao)的部(bu)分創業(ye)公(gong)司，也歡迎各(ge)相關領域的創業(ye)公(gong)司主(zhu)動與(yu)(yu)我們(men)聯系尋求(qiu)報道。
同(tong)美(mei)國(guo)公司相比(bi)，中國(guo)公司大體上呈現了(le)這么幾個特點：智能化(hua)程(cheng)度(du)不(bu)夠高，不(bu)少(shao)醫療(liao)類的(de)項(xiang)目(mu)主要還(huan)是(shi)(shi)在線咨詢服(fu)務(wu)；toC類產品仍然占據大多(duo)數(shu)，B端(duan)服(fu)務(wu)開發不(bu)足；醫療(liao)機構(gou)信息(xi)化(hua)領域比(bi)較(jiao)活躍，主要是(shi)(shi)解(jie)決機構(gou)信息(xi)互聯互通(tong)的(de)問題。
對(dui)比美國(guo)的公(gong)司，中國(guo)在醫(yi)療人工智能(neng)上還(huan)有哪些成長的空間：
首(shou)先是輔助(zhu)診斷系統，應(ying)用人工智能為醫生診斷提供(gong)幫(bang)助(zhu)，提高效率和準確性。中(zhong)國公司目前與醫療(liao)機構打交道更(geng)多(duo)仍然是獲(huo)取醫療(liao)資源(yuan)，提供(gong)簡單的在(zai)線咨(zi)詢服務。但這種對互(hu)聯網的應(ying)用方式，已(yi)經(jing)顯得普及化、大眾化，漸漸失去了商業價(jia)值。
第二是服(fu)(fu)務(wu)(wu)醫藥器械(xie)(xie)企業，降低藥品和器械(xie)(xie)的研發成本(ben)、縮(suo)短研發周期。實(shi)際上，中國公(gong)司不缺乏服(fu)(fu)務(wu)(wu)藥企的的項目，但(dan)大多數僅(jin)僅(jin)是應用互聯網做藥品營銷。雖(sui)然(ran)這也是一個賺錢的業務(wu)(wu)，但(dan)相(xiang)比直接服(fu)(fu)務(wu)(wu)新藥研發，仍然(ran)顯得技術含量不足。
第三是(shi)醫學影(ying)像(xiang)(xiang)，這(zhe)里包(bao)括普通的(de)影(ying)像(xiang)(xiang)，也(ye)包(bao)括病理、放療涉及到“讀片”的(de)大影(ying)像(xiang)(xiang)概念。IBM收購Merge表明(ming)，讀懂影(ying)像(xiang)(xiang)類數據對(dui)人工智能的(de)發展(zhan)是(shi)有價值(zhi)的(de)。而且美國過去一(yi)年的(de)投資記錄(lu)也(ye)可(ke)以看(kan)到，美國投資人對(dui)影(ying)像(xiang)(xiang)類人工智能的(de)應(ying)用也(ye)比較看(kan)好。
總體上，中國(guo)公司(si)(si)在(zai)(zai)醫(yi)療人工(gong)智能方面的探索仍然遜色于(yu)美國(guo)。但這也許(xu)是多種因素作用的結果(guo)。而中國(guo)因為人口龐大(da)而在(zai)(zai)醫(yi)療大(da)數據上的巨大(da)優勢(shi)，還(huan)沒有充分發揮(hui)出來。或許(xu)，在(zai)(zai)瓶頸(jing)突(tu)破之后，趕超美國(guo)公司(si)(si)只是時間(jian)問題。
本文地址(zhi)://n85e38t.cn/jiankang/271937.html.
聲明： 我們致力于保護作(zuo)者版權，注重分享(xiang)，被刊(kan)用(yong)文章因無法(fa)(fa)核實(shi)真(zhen)實(shi)出(chu)處，未(wei)能及時與(yu)作(zuo)者取得(de)聯(lian)系，或(huo)有版權異(yi)議的，請聯(lian)系管(guan)理員(yuan)(yuan)，我們會立即處理，本(ben)站部分文字(zi)與(yu)圖片資(zi)源(yuan)來自于網絡，轉載是出(chu)于傳遞(di)更多信(xin)息之目的,若(ruo)有來源(yuan)標注錯誤或(huo)侵犯了您(nin)的合法(fa)(fa)權益，請立即通知我們(管(guan)理員(yuan)(yuan)郵箱：)，情況屬實(shi)，我們會第一時間予以刪(shan)除，并同時向您(nin)表示歉意,謝謝!
下一(yi)篇: 婦科疾病總(zong)是很(hen)纏(chan)手怎么辦
