歡迎您來到黑龍江省四普生物科技有限責任公司!

新聞發布 > 詳細內容

  • 醫療保健領域的人工智能 機遇與挑戰并存

    1697 分享 收藏

    成功的醫療創新需要創業者、投資人、醫療供應商、患者和政策制定人員之間的共同協作。當萬事俱備之時,人類將會因人工智能技術的應用而獲益匪淺,并且離我們所夢想的沒有疾病

  • 當多倫多大學的 Geoffrey Hinton 實驗室團隊在沒有分子生物技術和藥物開發經驗的情況下贏得了默克藥物研發比賽(Merck Drug Discovery Competition)時,深度學習首次引起了媒體的關注。 最近,在斯坦福大學醫學院,一個由病理學家、生物醫學工程師、遺傳學家以及計算機科學家組成的多學科研究小組,開發出了一套診斷肺癌的深度學習算法,可以比人類病理學家的診斷更準確。

    醫療的終極理想就是完全根除疾病。這個理想有一天可能在人工智能的幫助下變得可能,但是我們還有一段很長的路要走。

    創新受到挑戰:風險規避和數字化

    “醫療作為一個系統,提倡‘無害’第一。不是‘做好事’,而是‘做無害的事’。人工智能在醫療領域的所有應用都是建立在這個基礎上。”Kapila Ratnam如是說。他之前是一位科學家,現在是NewSpring Capital的風投合伙人。此外,GE創投的總經理Lisa Suennen則強調:“慣性思維是促使醫療保健領域出現差錯和過度消費的最主要原因。““過去就是這么做的”——這種態度簡直就是在殺人。

    其他投資者認為,醫療保健系統中的極端保守主義雖然旨在保護患者,但是限制創新也是在危害患者。 Gavin Teo是B Capital Group的合伙人,也是數字健康方面的專家。他提出,醫療領域創業公司所面臨的主要挑戰之一就是“保守主義和對不能立刻帶來收入的新技術的排斥”。Teo同樣還指出整個行業因最近的一些事情都處于焦頭爛額之中,例如電子病歷(EMR)的數字化規定過于夸張。

    在醫療中實施機器學習和人工智能會遇到很多眾所周知的挑戰。第一是缺乏“專業數據庫”,它要求通過監督式學習訓練人工智能。“專業數據庫”在寬度和深度上對特定的應用程序進行訓練是必不可少的,但是由于隱私問題、記錄識別問題以及健康保險流通與責任法案的存在,所以很難去實現。“ Norwest Venture Partners的Robert Mittendorff博士解釋道。

    醫學博士Summerpal Kahlon是Oracle Health Sciences的醫療護理創新的主任。他在提供技術基礎設施以支持個性化護理的過程中,遇到過很多這樣的數據上的挑戰。“在美國,每年因為藥物不良有77萬人受傷和死亡,并且這會讓每個醫院每年花費560萬美元進行補償,”Kahlon披露,“但藥物數據是混亂的,它們以多個形式從多處資源而來。此外,用于支持藥物基因組學的基因數據現在還不可用。”

    用人工智能技術減少醫院的意外感染以及檢測罕見疾病,同樣需要比現在更好的數據。根據Kahlon所說,用于罕見疾病研究的基因和行為數據“既不很好定義也不是很好捕捉”,而“有關醫院感染的危險因素的信息都被保存在不規范的地方,包括在流程表和臨床筆記中。”

    醫療中的數據問題比比皆是,而另一個挑戰就是設計技術解決方案,并順利將其運用到臨床實踐和病人護理中。“行為改變是數字醫療的重磅炸彈。”Mittendorff說道,但是在嘴上說改變習慣要比實際去做容易。錯誤的解決方案甚至可以對醫療保健行業造成傷害。

    對于很多臨床醫生和實踐者來說,實施并整合技術著實是一個負擔。Jose I.Almeida博士是血管內靜脈手術的專家,他有超過20年的手術經驗。他最先采用了電子健康記錄(EHR),但是并沒有見到預期的好處。“我們在八年前就開始使用電子病歷系統,希望它可以提高效率。我們現在在用第四個系統,但仍然讓我們失望。”Almeida抱怨道,“現在,它更多的是一個麻煩是用一塊屏幕破壞了醫生和患者之間的關系。”

    Leonard D’Avolio是Cyft的創始人,對于該行業的創業者進行了嚴厲的斥責:“我們看到那些醫院僅僅為了實現電子醫療記錄的挑戰而損失慘重和大量裁員。 想象一下,你在這個時候出現并對他們說‘我有人工智能’,又會發生什么事。”

    醫療行業最近剛剛開始數字化捕捉數據,但是仍有一些技術創業者錯誤地認為創建一個儀表板或刪除一個產品會調整技術并改善業務。“有一個很大的誤區就是人工智能需要大量的數據,但這并不是醫療保健真正的問題。真正的問題是了解你運用這些技術的環境。”D’Avolio提醒道,“你需要深刻了解環境以及誰會去使用這些技術以及要引進什么樣的工作流程。”

    即使一個醫療服務提供方在數字化數據上取得了成功,但粗糙的技術會給這個系統的所有人帶來問題。根據NewSpring的Ratnam所說:“一個信用卡在黑市上價值10美分。而一個病例價值200美元。醫療數據是如此寶貴以至于黑客在不斷地尋找進入支付系統以及其他醫療數據庫的方法。”

    風險投資支持的公司和醫療系統之間往往關系緊張,因為公司旨在快速發展,而醫療系統由于環境的復雜性追求規模。

    “我們還沒從這件事上吸取足夠多的教訓。”D’Avolio觀察后說道。

    機會很多,也有解決問題的方案

    除了這些挑戰,醫療創新必須保持下去。根據B Capital的Teo所說:“美國醫療大學協會的一項研究顯示,預計到2025年,在14900到35600個初級保健醫生之間將會有一個缺口產生。”與此同時,因為人口老齡化,我們需要得到更多的醫療關注。

    因此,不作為和創新失敗可能會帶來傷害。

    幸運的是,許多公司都在努力提前去解決這些問題。CB Insights最近介紹了106家進入醫療行業的人工智能創業公司,范圍從監測病人到醫院操作。

    Teo認為人工智能聊天機器人和虛擬助手是一種通過擴大遠程醫療的范圍來緩解供應局限的方法。在這種情況下,可以通過機器學習驅動、人工智能訓練來進行診斷。提供臨床醫師助理和保健服務的公司包括Babylon Health、Evidation Health、 Sensely以及Seniorlink。

    人工智能不僅可以改善醫療保健,還能協助進行臨床決策和提高運行效率,放大每個醫生帶來的影響。AnalyticsMD在急診室、手術室以及住院病房中使用人工智能和機器學習。而一些預測公司,像Cyft和HealthReveal,通過分析不同的數據源來準確診斷生命危險度最高的病人。

    人工智能不但幫助醫生,還幫助病人。Mayo診所的一個研究顯示,50%的病人服藥依從性存在困難。像AI Cure這樣的公司使用了電腦視覺技術實現了智能手機識別人臉和藥物,降低了成本并提高了跟蹤性和依從性項目的效率。Mittendorff博士說:“人工智能的輔助讓供應商或輔助系統可以同時管理1000個以上的病人,這是人工勞動效率的十倍。”

    最后,藥物開發公司像NuMedii和Kyan Therapeutics降低了在藥物開發過程中的風險。Teo說道,這些公司開發出了“強大并特有的新組合療法,以及具有前所未有的療效和安全性的個性化的治療。”另外,Suennen指出:“一般情況下,每個藥物給市場帶來的價值為25億美元。”

    甚至說,數字化所帶來的技術挑戰都會因為人工智能而減輕。還記得病歷對于黑客而言多有價值嗎?這些病例中的大部分都是通過社會工程學的方法偷來的,例如網絡釣魚和欺詐電話。Protenus是一個醫療安全公司,應用人工智能分析企業訪問的范圍并標記出可疑的記錄供管理員審查。

    向政策和收入看齊是成功的關鍵

    使用醫療保健技術的關鍵就是,去確定正確的入口,然后將這些系統融入現有的工作流中。Cyft的D’Avolio花了超過12年的時間去把ML融入到醫療保健系統中。但是他在臨床醫生的會議上講話時,回避了“人工智能”和“機器學習”這些詞,側重于實際的影響和好處。

    許多慢性疾病的患者如糖尿病患者,需要多次去醫院看醫生,這讓他們自己、保險公司以及醫療系統花費大量的錢。Cyft構建了復雜的模型,它可以識別患者,重新接納并匹配他們到合適的治療計劃中去。傳統上,這些決定都是在觀察七到十個相關變量才能得到的,但是Cyft的模型觀測了四百多個數據源,范圍從護士的記錄到呼叫中心的數據。雖然采用這種技術看起來很復雜,D’Avolio還是根據收入激勵和政策而調整戰略。

    “在醫療保健行業,政策會把戰略和文化當早餐吃掉,”D’Avolio解釋道,“舉個例子,美國復蘇與再投資法案在2009年通過,那時采用電子健康記錄的醫院不到9%。現在,由于軟硬兼施的激勵機制,這個數字已經超過了90%。”另一個重大政策的轉變,它極大地促進了醫療保健信息技術的投資,就是由CMMI資助的價值取向的護理實驗(也稱為示范項目)。

    了解一個公司被哪些政策所驅動,這是識別頂尖客戶的關鍵。根據D’Avolio所說:“那些從看病的病人數量上獲益的公司,會希望人工智能為他們提供更快更復雜的護理。在政策項目中受益的公司會尋求以更低的成本讓患者恢復健康的技術。”

    GE Ventures的Suennen同意操作分析可以大大提高健康系統:“每年,70億美元中的25%被用在膝蓋和臀部手術上,這受到了捆綁支付計劃的影響。決定如何管理這些捆綁資金很有挑戰性,先進的技術可以幫助董事會和臨床管理明白,為了確保健康系統可以回應,他們需要做出什么改變。”

    Teo同樣為促進醫療創新所實行的政策的改變而感到興奮。“新的報銷機制由MACRA和MIPS推動,將在2017年帶來高質量的結果,讓供應商給技術投資前進行更全面的思考。”另外,他認為食品及藥物管理局在接下來幾年的寬松政策會推動個性化醫療的發展。

    成功的醫療創新需要創業者、投資人、醫療供應商、患者和政策制定人員之間的共同協作。當萬事俱備之時,人類將會因人工智能技術的應用而獲益匪淺,并且離我們所夢想的沒有疾病的世界將更進一步。

    本文來源于網絡,版權歸作者所有,如有侵權請聯系網站客服。

? CopyRight 2016-2017 黑ICP備16003497號-1

6场半全场第13091期