医疗AI行业八大趋势详解：神经网络发现非典型危险因素，中国发展迅猛

医疗保健正在逐步成为人工智能研究和应用的重要领域。

现如今，医疗行业中几乎每个领域都会受到技术崛起的影响。例如，图像识别正在彻底改变诊断过程。最近，谷歌的DeepMind神经网络可以诊断出50种威胁视力的眼疾，准确性可媲美医学专家。甚至有些制药公司也正在尝试深入学习设计新药。例如，Merk与创企Atomwise合作，GlaxoSmithKline与Insilico Medicine宣布建立合作关系。

在私营市场，医疗保健AI创企自2013年以来，已经在576次融资中获得43亿美元，这一数字远超人工智能涉及的其他领域。

医疗保健领域的人工智能当下着眼于改善患者的治疗结果，调整各利益相关者的利益，降低医疗成本。人工智能在医疗保健领域面临的一大障碍就是克服惯性，彻底改进不再有效的现有流程，并尝试应用新兴技术。

人工智能面临着医疗行业独有的技术和可行性挑战。例如，在美国，患者数据没有标准格式，也不具备中央存储库。当患者文件以不可读取的PDF格式通过传真、邮件进行发送，或以手写记录的图片发送时，从中提取信息对AI而言将是独一无二的挑战。

像苹果这种大型科技公司在这方面就有着自己的优势，尤其是在加入医疗保健提供商和EHR（电子健康记录）供应商在内的大型合作伙伴网络方面。

苹果设计开发的ResearchKit和CareKit ，能够生成新的数据来源并将EHR数据掌控在病人手中，这两个软件框架有望成为临床研究的革命性产品。在首次进行行业AI的深度挖掘中，CB Insights数据可被用于发现正在改变医疗保健行业的趋势。

AI即医疗设备的兴起

FDA（美国食品药品监督管理局）针对临床成像和诊断的人工智能软件实行快速监管审批方案。今年4月，FDA批准了用于筛查糖尿病视网膜病变患者的AI软件，该软件可准确筛查患者，无需专家的诊断意见。它被赋予了“突破性设备的称号”，加快了产品推向市场的过程。

软件IDx－DR能够在87．4％的时间内正确识别“超过轻度糖尿病视网膜病变”的患者，在89．5％的时间内确定那些没有患该疾病的患者。IDx是近几个月FDA批准用于临床商业应用的众多软件产品之一。

Viz．ai获批用于分析CT扫描图像，以检测与中风相关的指标，并及时将患者信息告知医疗工作人员。在获得FDA批准后，Viz．ai完成了Google Ventures、Kleiner Perkins Caufield ＆ Byers参投的2100万美元A轮融资。

GE Ventures旗下的初创公司Arterys去年获FDA批准，可通过其云AI平台分析心脏图像。今年，FDA取消了其用于癌症诊断的肝脏和肺部病变定位AI软件的批准。快速监管审批为2013年以来70多家进行股权融资的人工智能成像和诊断企业开辟了新的商业途径，共计发起119次融资。

FDA专注于明确定义和管理“软件即医疗设备”，尤其是考虑到最近人工智能的快速发展。FDA计划将今年一月试行的预认证（pre－cert）计划应用于AI软件。

FDA补充道：“该计划允许奇特对其设备及逆行微小改动，而无需每次都提交认证申请。”FDA表示，其软件认证工具等监管框架的各个方面都将变得“足够灵活”以适应人工智能的进步。

神经网络发现非典型危险因素

运用人工智能，研究人员开始研究、测量过去难以量化的非典型风险因素。利用神经网络分析视网膜图像和语音模式有助于识别人们患心脏病的风险。

根据今年发表在杂志上的一篇论文，谷歌的研究人员利用一个经训练可识别分析视网膜图像的神经网络来发现心血管危险因素。研究发现，不仅可以通过视网膜图像识别年龄、性别和吸烟模式等风险因素，还可以“量化到之前从未有过的精确度”。

在另一项研究中，梅奥诊所（Mayo Clinic）与以色列创企Beyond Verbal达成合作，该创企专注于分析声音中的声学特征，以便在找出冠状动脉疾病（CAD）患者明显的声音特征。该研究发现，当测试对象在描述情绪体验时，有两种声音特征与CAD密切相关。

创企Cardiogram最近的一项研究表明：“经过深度学习，可穿戴心率传感器在接触人体之后，可以检测出由糖尿病驱动的心率变异性改变。”该传感器采用的算法通过心率检测糖尿病的准确度高达85％。

人工智能拥有发现疾病规律的能力，还将继续为新的诊断方法和从前未知的风险因素的识别等方面铺平道路。

苹果颠覆了临床试验

苹果正在围绕iPhone和Apple Watch等设备打造临床研究生态系统。数据是AI应用程序的核心，苹果可以为医学研究人员提供两种之前难以获取的患者健康数据。

尽管很多公司努力将健康记录数字化，但要想在各个机构和软件系统之间实现健康信息的轻松共享，也就是所谓的互 *** 作性，仍然是医疗保健领域的一大难题。

这种问题在临床试验中尤为明显，准确匹配试验项目与患者对于临床研究团队和患者双方来说都是耗时且具有挑战性的过程。

目前有超过1．8万个临床研究仅在美国招募患者。如果医生有了解到正在进行的临床试验，偶尔也会向其患者推荐。否则，就只能通过一个关于已结束和正在进行的临床试验的综合联邦数据库ClinicalTrials．Gov招募受试者。

苹果正在试图改变医疗保健领域的信息传播方式，并为AI开辟了新的可能，尤其围绕里临床研究人员如何招募和监控患者上花了很多心思。

自2015年以来，苹果先后推出了两个开源框架——ResearchKit和CareKit，以帮助临床试验项目招募患者并远程监控他们的健康状况。这两个框架允许研究人员和开发人员创建医疗应用程序以监控受试者的日常生活。

举个例子，杜克大学的研究人员开发了一款应用程序AuTIsm ＆ Beyond，该程序使用iPhone的前置摄像头和面部识别算法可筛选出有自闭症的孩子。

类似地，大约有1万名用户使用应用程序mPower，该程序提供手指敲击和步态分析等练习，从而判断出病人是否患有帕金森综合症。这些病人也都同意将自己的数据分享给更广泛的科研界使用。

苹果还在与Cerner、Epic等EHR（电子健康记录）供应商合作解决互 *** 作性的问题。今年1月，苹果宣布iPhone用户可通过手机自带的“健康”应用访问参与机构的电子健康记录。

“健康记录”的功能是AI+医疗保健创企Gliimpse在2016年被苹果收购之前的工作的衍生物。界面简洁，易 *** 作，用户可以轻松找到他们在过敏、病症、免疫、实验室结果、程序以及生命体征方面的信息。

6月，苹果为开发人员推出了Health Records API。用户可以选择与第三方应用和医学研究人员共享数据，这也为疾病管理和生活方式监控创造了新的机会。

大型制药企业用AI重塑品牌

现如今，AI生物技术初创公司不断涌现，传统制药企业感受到了前所未有的压力，纷纷将目光抛向AI＋SaaS（软件即服务）创企，希望能从中寻得创新解决方案。

今年5月，辉瑞制药与XtalPi建立战略合作伙伴关系（XtalPi是一家获腾讯和谷歌等科技巨头支持的人工智能初创公司），希望凭双方之力预测小分子药物的特性，并开发“基于计算的合理药物设计”。

不过，辉瑞制药并不是独一家。

诺华、赛诺菲、葛兰素史克公司（GlaxoSmithKlein）、Amgen、Merck等顶级制药公司近几个月都宣布与AI创企建立合作伙伴关系，旨在寻找新的药物治疗肿瘤学和心脏病领域的一系列疾病。

制药企业对该领域的兴趣也推动了股权交易数量的增加，截至2018年第二季度达20笔，等于2017年交易总量。

虽然AI＋Saas初创公司很多仍处于投资的早期阶段，却与吸引了不少制药企业与之合作。

AI在医疗行业的应用并不仅限于药物开发。作为最大的人工智能并购交易之一，罗氏控股于2018年2月以19亿美元的价格收购了FlaTIron Health。后者可以通过机器学习挖掘患者数据。

目前有超过2500家诊所使用FlaTIron的 肿瘤电子病历OncoEMR，还有200多万活跃病历可供研究。

罗氏希望收集真实的世界数据（RWE），分析电子病历和其他数据的来源，以确定药物的好处和风险。除了用于检测上市后药物的安全性之外，RWE还可以帮助设计更好的临床试验和未来新的治疗法。

AI需要医生

AI企业需医学专家来注释图像，以教授算法如何识别异常。科技巨头和政府正大力投资这一板块，并将数据库开放给研究人员。

谷歌DeepMind两年前与莫菲尔德眼科医院（Moorfield＇s Eye Hospital）合作探索AI在眼部疾病检测方面的应用。最近，DeepMind的神经网络能够针对50种威胁视力的眼部疾病作出正确的转诊决定，准确度达94％。

也只是研究的第一阶段。为了训练算法，DeepMind 投入大量时间来标记和清理OCT（光学相干断层扫描）扫描数据库，用于检验眼部状况，为之后的AI应用做准备。

阿里巴巴也是在2016年左右决定将AI应用于诊断过程。

根据阿里云的人工智能首席科学家闵万里的说法，公司一旦与医疗结构合作获取医学影响数据，就必须聘请专家来注释图像样本。

AI独角兽Yitu Technology正在试图拓展人工智能诊断领域，公司在接受采访时也强调了医疗团队的重要性。

Yitu声称拥有一支由400名医生组成的团队来标记医疗数据，并补充道，由于美国医生的薪水更高，美国AI初创公司在开展这项工作时成本也会高很多。但在美国，国立卫生研究院（NIH）等政府机构正在人工智能研究。

NIH在今年7月发布了一份数据库资料，该资料包含3．2万个在CT图像注释和鉴定的病灶，这些病例由4400名患者匿名提供。除此之外，通气电气（GE）和西门子等私营企业也在寻找创建大规模数据库的方法。

GE Healthcare于今年5月获得了一项专利，主要探讨了如何用机器学习分析显微镜图像中的细胞类型。该专利提出了一个”直观的界面，便于医务人员（如病理学家、生物学家）注释和评估算法中使用的不同细胞表型以及通过界面呈现的细胞表型。

虽然目前已经提出的某些算法可用于减少手动过程，AI在很大程度上还是得依赖于医学专家进行培训。

中国发展迅猛

中国投资者开始加大多海外创企的投资，而本土的医疗保健AI创企也在逐渐成长，中国科技巨头正通过建立合作伙伴关系将其他国家的产品带来大陆。

过去几年，中国的交易活动在世界范围内还是不值一提的，但如今在全球医疗保健AI市场的排名已经大幅攀升。

2018年上半年，中国超过英国，成为全球医疗保健AI交易活跃度第二的国家。

在获得了7200万美元的融资，并获得像红杉资本中国这类投资者的支持之后，Infervision成为中国医疗保健行业AI解决方案领域资金最充足的中国创企。

与此同时，中国对外国医疗保健AI初创公司的投资也在增加。

最近，复星医药买入美国Butterfly Network的少数股权，腾讯投资Atomwise，联想投资韩国的Lunit，IDG Capital则投资了印度的SigTuple。

中国政府去年发布了一项人工智能计划，目标是到2030年中国能成为人工智能研究领域的全球领导者。医疗保健是中国首批人工智能应用的四大重点领域之一。

中国对医疗保健行业的关注不仅仅在于成为AI技术的全球领导者。

根据去年的人口普查，过去长期施行的独生子女政策导致了人口老龄化：65岁以上人口超过1．58亿，再加上劳动力短缺，迫使政府将工作重心转至提升医疗保健领域的自动化上来。

早在2016年，中国就开始努力将医疗数据整合到一个数据库中。与美国类似，中国也存在数据混乱、缺乏互 *** 作性等问题。

为解决这一问题，中国政府陆续开设了多家区域卫生数据中心，目的是整合国家保险索赔、出生和死亡登记以及电子健康记录的数据。中国的大型科技公司也在政府的大力支持下进行医疗保健AI领域。

DIY诊断看这里

人工智能正逐渐将智能手机和消费类可穿戴设备转变成功能强大的家用诊断工具。

创企Healthy．io声称正在试图简化尿液分析步骤，使其跟拍照一样简单。它的首个产品Dip．io使用传统的尿液分析试纸来监测一系列泌尿系感染。计算机视觉算法可借助智能手机分析不同光照条件和相机质量下的测试条。

已在欧洲和以色列投入商业使用是Dip．io近日获得了FDA的批准。

近年来，智能手机在美国的渗透率有所提高。同时，由于深度学习，图像识别算法的错误率也显著下降。两者的结合为使用使用作为诊断工具创造了新的可能性。

例如，SkinVision使用智能手机的相机监测皮肤病变并评估皮肤癌风险。该企业在今年7月从现有投资者Leo Pharma和PHS Capital获得了760万美元融资。

据报道，这家公司总部位于阿姆斯特丹的公司将利用这笔资金推动FDA的批准。

AI在基于价值的医疗领域的新角色

人工智能开始在量化患者在医院接受的服务质量方面发挥作用。

基于价值的服务模式专注于患者，这种模式下激励医疗服务人员以尽可能低的成本提供最高质量的护理。

这类模式与服务收费模式形成对比，在服务收费模式中，服务人员根据所执行的服务数量以一定比例获得报酬。规定的程序越多（比方说测试越多），财务奖励就越高。

2010年通过了“患者保护和平价医疗法案”，以价值为基础的服务模式开始进入大众视野。

现有的一些保障措施包括仅在符合质量绩效指标的情况下向医疗服务人员提供经济奖励，或者是对医院获得性感染和可预防的再入院情况实施处罚。

向基于价值的医疗护理系统迈进的目标旨在是服务提供人员的激励措施与患者和付款人的激励措施保持一致。比方说，在新系统下，医院将为减少不必要检查的医生给予一定的财政奖励。

总部位于佐治亚州的创企Jvion与Geisinger、Northwest Medical SpecialTIes和Onslow Memorial Hospital等供应商合作。

Jvion的一些案例经研究强调成功使用机器识别住院30天内有再入院风险的患者。

然后，护理团队可以根据Jvion的建议来教导患者日常的预防措施。该算法将患者健康数据与社会经济因素（如收入、交通便利性）和不遵守情况的历史数据相结合，以计算风险。

另一种方法是保险公司识别有风险的患者并通过警示医护人员进行干预。

用于院内管理解决方案的人工智能技术仍处于初期阶段，初创公司正致力于帮助医疗服务提供人员降低成本并提高护理质量。

治疗机器人的“能”与“不能”

现如今，心理健康治疗成本高，且无法做到全天候服务，许多企业开始将目光转向基于AI的心理健康机器人的开发上来。

早期创企专注于使用认知行为疗法，治疗过程逐渐改变病人的负面思想和行为，依照一种方法，市场上许多情绪追踪和数字日记健康应用创建了对话拓展。

Woebot（临床心理学家Alison Darcy研发基于Facebook Messenger的聊天机器人）从NEA获得800万美元融资，其中有一个明确的免责说明，它不能代替传统疗法和人类互动。

另一家公司Wyse去年获得了170万美元融资，并在iTunes上推出了“焦虑和抑郁”机器人。

Startup X2 AI声称自家的AI机器人Tess 拥有超过400付费用户。它开发了“基于信仰”的聊天机器人——“Sister Hope”，在开始对话前告知用户明确的免责声明及隐私条款（关于messenger， 聊天受Facebook隐私政策的约束，会话内容也是可见的）。

但Fackbook的可访问性、缺乏法规等使得验证一些机器人及其隐私条款变得有些困难。

但是正如深度学习研究员Yoshua Bengio在最近关于人工智能元素的播客中提到的，“AI就像一个白痴学者”，对于心理学，人类是什么，心理变化是如何进行的等没什么概念。

心理健康是一个很大的点，分析过程中症状和主观性具有高度可变性。当下，人工智能能做的不仅仅局限于定期检查，还能培养与人类语言生产的“陪伴”感。

但是，正如近日一篇心理学文章中提到的，我们的大脑相信我们是在跟机器人聊天，无需破译非语言线索的复杂性。

对于更复杂的心理健康问题，这可能就会产生问题，很可能会对机器人和快速修复方案产生依赖性，但事实上，这些解决方案并不具备深入分析或解决根本原因的能力。

这项被认为是自动化中安全性最高的工作，需要AI机器人具备高水平的情感认知且能自如地进行人与人之间的互动。尽管成本和可访问性有所提升，心理健康医疗对AI而言依旧是一项极其艰巨的任务。