【回顾展望】陈金雄：智能医疗蓬勃兴起 之应用篇

导读

这一轮人工智能之所以引起热潮，主要是因为在各个行业取得了广泛的应用。

接上篇：【回顾展望】陈金雄：智能医疗蓬勃兴起 之技术篇

知名医疗信息化专家、中国医药信息学会电子病历与电子健康档案专业委员会主任委员、中国研究型医院学会医疗信息化分会副会长陈金雄教授

四、行业应用取得突破

这一轮人工智能之所以引起热潮，主要是因为在各个行业取得了广泛的应用。在医疗领域，2017年主要在以下几个应用方面取得进展。

1.在医学影像方面，由于有规范的数据并适合深度学习，AI影像诊断发展迅速。在支撑技术初步成熟和资本助推的前提下，一大批初创企业茁壮成长，这些公司基本集中在利用深度医学构建影像诊断，典型企业有推想科技、深睿医疗、依图科技、图玛深维和汇医慧影等。

与此同时，像阿里巴巴、腾讯、科大讯飞这样的大公司也卯足了劲“插一脚”。阿里健康发布医疗 AI 系统—— Doctor You，该系统就包括医学影像辅助诊断云平台；腾讯在2017年 8 月发起人工智能医学影像联合实验室，并公布其首个 AI 医学影像产品“腾讯觅影”，辅助肺结节和早期食道癌等疾病的筛查；科大讯飞有智慧医疗事业部，这家语音人工智能公司在2017年 8 月还刷新了 LUNA 医学影像国际权威评测世界记录……

到了11月，吴恩达领导的一支斯坦福团队发布了一项将深度学习应用到医疗领域的成果。他们设计出了可以用来检测肺炎的“CheXnet”算法，这种算法是一个 121 层的卷积神经网络，能够通过胸部 X 光片判断病人是否患有肺炎。据该团队的描述，CheXnet的水平已经超越了专业的放射科医师。

2.在临床诊疗方面，尽管质疑不断，IBM沃森无疑还是最耀眼的明星，在肿瘤治疗方面，Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，并为医生提供可供选择的循证治疗方案。继2016年跟杭州认知公司合作外，2017年又跟百洋智能合作，合作领域除了Watson for Oncology，还有“基因学沃森”(Watson for Genomic)。据百洋智能市场部负责人透露，2017年签约合作医院已达57家。

除了IBM之外，谷歌、微软等科技巨头也在医疗人工智能领域取得了积极进展。2016年2月，谷歌DeepMind公布成立DeepMind Health部门，将与英国国家健康体系（NHS）合作，帮助他们辅助决策，提高效率缩短时间。DeepMind还参与了NHS一项利用深度学习开展头颈癌患者放疗疗法设计的研究。DeepMind还与Moorfields眼科医院合作，将人工智能技术应用于及早发现和治疗威胁视力的眼部疾病。

微软于2016年宣布了将AI用于医疗健康的计划Hanover，帮助寻找最有效的药物和治疗方案，并且与俄勒冈卫生科学大学Knight癌症研究所合作，共同进行药物研发和个性化治疗。

荷兰阿姆斯特丹自由大学黄智生教授一直致力于知识图谱在临床诊疗中的应用，2017年他和安定医院合作的抑郁症知识图谱取得阶段性成果。该成果使用结构化和语义化的知识图谱帮助医生分析备选药物不良反应发生概率，避免加重原有躯体疾病,提高临床分析的效率和准确度。提出一种抗抑郁药知识在抑郁障碍知识图谱中的构造与整合方案,并分析其如何用于临床决策支持。

国内在临床诊疗人工智能方面未见特别成功的企业或案例，大多聚焦在临床决策支持层面，基本属于临床决策支持系统（CDSS）。动脉网梳理了国内（含国内代理的国外产品）研发CDSS产品的公司，共计24家。

其中，“人卫临床助手”是人民卫生出版社旗下临床决策辅助系统的应用客户端，属于政府推行的项目产品，拥有人卫社63年、2000多家医院的核心资料。

美康、行心信息和惠每科技的产品来源于国外的三家公司，分别是荷兰威科集团、英国的BMJ和美国梅奥诊所。这三家企业的产品由于已经在不少国家被使用多年，因此知识库所积累的信息量十分庞大，产品也相对成熟。并且，这几家公司的产品都在中国进行了本地化定制，如中华医学会与BMJ经过近两年的合作，开发出中文版产品，不仅实现了全库翻译，还添加了本地指南和专家点评。

此外，UpToDate临床顾问也将国内权威药物专论数据库整合至专题中。与电子病历系统交换数据方面，表中总共有9家企业的产品可以实现。但这并不代表其他所有的产品都无法做到，如UpToDate，由于它完全符合美国电子病历系统功能应用水平分级评价方法及标准的要求，因此美国的大部分医院都将 UpToDate整合至电子病历系统。

在人工智能方面，明确提到有深度学习能力的CDSS产品共有7款，其他则多为拥有机器学习能力的知识库产品。从技术的角度看，具有深度学习能力的CDSS，对于医生在使用过程中的反馈处理会更加及时，反馈速度更快，临床决策更加智能，这也是CDSS未来发展的方向。

3.在药品研发方面，将人工智能技术应用到药品研发，可以大幅降低成本，并提高药物研发成功的概率。人工智能在新药研发上的应用主要分为两个阶段：一个是新药发现阶段，二是临床试验阶段，共有七种不同的应用方向。据相关数据统计，所有进入临床试验阶段药物的研发周期在10年左右，研发经费高达26亿美元，另外，只有不到12%的药品最终能够上市销售。而通过人工智能研发的药物周期可以缩短至三年，成本降低一半。

2017年，日本京都大学联合多家企业就计划推出研发新药的人工智能成立相关机构。药品研发人工智能的工作内容包括：锁定致病蛋白质、筛选对蛋白质起作用的药物成分、评估药物成分的安全性并决定合成方法、制定临床试验计划以确定药效等。据悉，仅筛选药物成分一项，以往靠制药企业研究人员调查海量的国内外医学论文和数据，耗时又耗力，而人工智能则可以更快地处理庞大的医学文献数据。

据雷锋网调查，作为人工智能世界中的又一个新兴领域，除了日本之外，业内很多公司在此之前就已涉猎。

如美国的Atomwise公司，该公司设计了一套名为AtomNet的系统，运用超级计算机、AI和复杂的算法模拟制药过程，来预测新药品的效果，加快新药研发进度，并最大限度降低成本。

另外，英国的初创公司BenevolentAI也是其中的一头“独角兽”。据雷锋网了解，BenevolentAI目前是欧洲最大的AI初创公司之一，在全球排名前五。BenevolentAI的技术平台应用人工智能技术，它可从海量的散乱无章的信息中提取出能够推动药物研发的知识，提出新的可以被验证的假说，从而加速药物研发的过程。

除了以上介绍的几家专注于研发药物的人工智能公司以外，全球范围内已有很多公司发力该领域。2016年底，美国高盛集团发布了人工智能报告：《人工智能、机器学习和数据将推动未来生产力的发展》(AI, Machine Learning and Data Fuel the Future of Productivity)，其中提到：“随着人工智能和机器学习的不断整合，人们将有望在新药研发的过程中显著地实现‘去风险’，不但将节约每年约260亿美元的研发成本，同时还将提高全球医疗信息领域的效率，节约的成本价值超过每年280亿美元。”从该数据中不难读出，人工智能的发展已不仅仅局限于互联网服务业，AI的强势注入也给传统药物研发领域带来了非常积极的推动作用。

我国在这一方面的探索还不多，其中太美医疗的电子数据采集系统（EDC）和临床实验项目管理系统（CTMS）有一定的发展为医疗人工智能的可能性。太美医疗于2013年成立于嘉兴。公司基于云计算和移动技术，为药物和医疗器械临床试验提供实验数据采集解决方案，并提供后续的数据管理和统计分析服务。

4.在健康管理方面，沃森也是当仁不让，其与美国第二大零售药店CVS合作，预测用户患有疾病的风险，为用户制定健康问题解决方案。另一方面，通过与各合作方的对接，搜集医疗健康领域的各类数据，完善自身的分析学习能力。例如，与苹果合作，将Watson应用软件整合至HealthKit和ResearchKit工具系统，允许应用开发者收集个人健康医疗数据，和在临床试验中使用这类数据；与美敦力合作，处理来自美敦力可穿戴医疗设备及其他情景化来源的数据，并提供个性化的糖尿病管理服务。

另一家从事人工智能健康管理的公司是Welltoks，它本身不仅做健康数据分析或者专业健康管理建议，还将此作为平台切入点，接入其他服务商，比如硬件、保险公司、内容、应用等，同时帮助一些群体健康管理公司提供管理办法。

国内在健康管理人工智能方面也有优秀的创新型公司。例如时云医疗科技，就是一家结合了个性化医疗大数据分析系统和可穿戴式设备的移动健康管理技术公司。

5.在基因检测方面，基因检测能够准确检测出人体的基因信息，还能在此基础上，依靠生物信息技术计算出人体罹患癌症、心脑血管疾病、糖尿病等多种疾病的风险，从而进行早期预防与精准治疗。

现有的生物信息方法基于统计学模型，在这一领域的研究日新月异。如谷歌子公司Deep mind的DeepVariant检测工具、生物信息学软件GATK、康奈尔大学的检测基因变异的软件等。这些研究都表明了医疗人工智能在基因检测方面的巨大潜力。在国内，天方创新、基因说、艾吉泰康等基因检测公司也逐步涉及到了基因测序人工智能技术。如艾吉泰康提供多重靶向捕获测序解决方案，即在保证扩增均一性的前提下，对几千甚至上万个位点进行快速测序，使用主流的测序平台进行大批量样本平行检测与深度分析，并提出整体解决方案。

6.在导诊分诊方面， 智能导诊分诊由于不涉及医疗的核心业务，又有更良好的医患匹配和用户体验，会率先在患者服务系统得到应用，并逐步进入到医院的门诊大厅。科大讯飞的导诊智能机器人“晓医”就是这个人工智能诊疗平台的重要组成部分，2017年6月，“晓医”进入中国科学技术大学附属第一医院（原安徽省立医院）。在不到两个月的时间，“她”们持续地学习了53本医学教科书——相当于一位医学博士所需要掌握的教材内容，还学习了大量其他相关数据。“晓医”可以支持47个科室的医生排班查询、618个地点导航、607个功能地点导航、227个地点的上班时间和260个常见医疗问题的询问。推出不到一个月，“晓医”就接受询问4905人次，目前“她”回答问题的正确率也由早期的81%提升到90.81%。

妙寻医生是一款基于大数据和人工智能技术，为用户提供高效、精准寻找适合自己的医学专家的科技类应用。通过汇聚互联网医生大数据，并通过独创的评价模型、医生画像、擅长分析，打破传统的医疗信息壁垒，帮助用户快速精准地找到最适合自己的医生。

【回顾展望】系列

HIT专家网∣最新鲜的医疗信息化资讯，不一样的专家视角

微信：HIT180com

投稿： [e-mail]

商务合作：[phone]