人工智能和机器学习的发展将重塑医疗卫生行业

医疗卫生科技市场出现了一些世界上最有创新性的新创公司，这些公司将帮助人们延长寿命和提高生活质量。他们的创新技术主要受软件和移动性出现的推动，允许卫生部门对原先用笔和纸的操作以及当前减缓提供服务速度的过程进行数字化改造。最近，软件变得智能得多而且独立地发挥作用。这些在人工智能和机器学习旗帜下研究的新功能，正在加快医疗卫生的创新步伐。因此，人工智能(AI)和机器学习(ML)在医疗卫生领域的应用，使行业在这些领域出现一些最大的挑战：在完成对每个领域机会的评估时，显而易见的是风险收益很高。因此，那些首先向市场推出可持续产品差异化和附加值的公司将受益匪浅。

人工智能和机器学习的发展将重塑医疗卫生行业

进入新的个人遗传学时代

AI和ML在遗传学上的最重大应用是理解DNA对生命的影响。虽然近几年完成了人类基因组测序和掌握了阅读及编辑基因组的能力，但人类依然不知道大多数基因组的秘密。在结合其他变量如食品、环境和体型等因素时，基因常常起了不协调的作用。

如果要理解影响生命和生物学的因素，必须首先理解DNA语言。这是ML算法可以发挥作用的地方，也导致谷歌DeepMind和IBM沃森等系统的出现。现在，在短时间里消化大量数据(如病例、临床纪录、诊断图像、治疗计划)和完成模式识别比以前任何时候都变得更可能，这在以前要花费一生的时间才能完成。

Deep Genomics等企业在这个领域取得重大进步。该公司通过制作预测遗传变异的分子效应的系统，具有了可翻译DNA语音的能力。他们的数据库能解释数亿个能影响遗传密码的遗传变异。一旦有了对人类DNA更好的理解，就有机会更进一步，基于个人特异的生物倾向，提供个性化的见解。

这种趋势预示了新的“个性化遗传学”时代的到来，个人将能通过访问自己身体的信息，完全控制自己的健康状况。消费者遗传学公司如23andMe和Rthm是这个领域的首批行动者之一。他们开发的消费者化遗传诊断工具可帮助个人理解他们的基因组合。Rthm用户能进一步利用基因测试中获得的见解，实时通过移动应用改变他们日常生活安排。

与任何AI/ML应用一样，科技必须访问大量数据以更好管理个人的生活变化。关注掌握个人遗传学秘密的新创公司正在通过考虑以下关键行为这么做，这些行为是日本研究者Takashi Kido提出的：第二点感兴趣的是，不是所有有关病人生物倾向的遗传信息都是有作用的。以有益于身心健康的方式控制信息是重要的。

未来在于药品

另一个令人激动的AI/ML医疗卫生应用是降低药品研发的成本和时间。研发新药通常需要12-14年才能上市，平均成本约为260万美元。

在药品研发过程中，要针对不同细胞类型、遗传信息和其他与特定疾病有关的健康状况的任何可能组合，测试化学成分。这种任务是耗时的，限制了试验的数量或科学家想攻克的疾病数量。ML算法可允许电脑“学习”如何基于他们原先处理或选择需要的试验进行预测。

类似的算法类型也能用于预测特定化合物对人类的副作用，加快药物审批。旧金山新创公司Atomwise希望在药品研发过程中用超级电脑取代试管。该公司使用ML和3D神经网络梳理分子结构数据库发现治疗方法，帮助发现新化合物对疾病的作用，确定现有药物是否能治疗其他疾病。

2015年，该公司应用其解决方案，发现了两种可能大幅减少埃博拉病毒感染的新药。分析在一天内完成，而使用传统药品开发方法需要数年。最近Insilico Medicine的研究证实了Atomwise的方法，显示深度神经网络可用于预测药品的药理特性和药品转用途。

波士顿生物制药公司Berg Health从不同的角度进行药品研发。Berg使用AI采集病人生物数据确定为什么一些能在疾病中痊愈，然后将这种知识应用到改进当前治疗或创造新的治疗方法。伦敦的新创公司BenevolentAI希望通过利用AI寻找科学文献的状况，加快药品研发过程。

全球只有小部分科学信息被真正使用或科学家可以使用，因为每30秒钟就有新的与医疗卫生有关的研究成果出现。BenevolentAI能对大量数据进行分析，给专家提供他们需要迅速加快药品研发的见解。最近，该公司确定了可能对阿尔兹罕默氏病有作用的两种化合物，吸引了制药公司的注意。

随着ML和AI的进步，未来药品研发看起来很有希望。最近谷歌研究院的论文指出，使用不同来源的数据可更好确定哪些化合物可用于“有效治疗不同季度的药物”，ML如何在大规模测试数百万种化合物上节省大量时间。

发现和控制新疾病

多数疾病远不是只有简单的基因突变。尽管医疗卫生系统生成了大量(无序)数据——质量不断提高——但人类以前没有必要的硬件和软件进行分析，形成有意义的见解。疾病诊断是复杂的过程，涉及到各种因素，从病人的皮肤纹理到每日吃的糖数量。过去2000年，医生都是根据病人症状来开药。

但出现可检测到的症状时，治疗疾病已经太迟，特别是在治疗癌症和阿尔兹罕默氏病等疾病时。有了ML，可以在出现可检测症状很早前，就能发现微弱的疾病信号，提高了病人的生存几率和增加了治疗选项。旧金山的新创公司Freenome开发了自适应基因组引擎，帮助动态检测血液中的疾病信号。

为此，该公司使用你的freenome，动态收集你血液中漂浮的基因物质，这些物质可以随时间不断改变，从而提供了了解你成长、生活和老去过程的基因组计。在疾病诊断和治疗计划上，Enlitic等公司关注通过将深度学习与医疗数据结合，从数十亿临床案例中提炼可用的见解，提高病人的治疗效果。

IBM的沃森与纽约的纪念斯隆-凯特琳癌症中心合作，消化过去数十年使用的大量癌症病人数据和治疗方法，给治疗独特癌症病例的医生提供治疗选项。在伦敦，谷歌的DeepMind收集摩非眼科医院的医疗记录分析研究的数字扫描数据，帮助医生更好理解和诊断眼科疾病。

同时，DeepMind也有帮助头颈癌病人放射治疗的项目，给肿瘤医生释放几个小时的规划时间，使他们能关注更多以病人治疗为导向的任务。

意义何在

AI/ML在医疗卫生的应用重塑了该行业，使曾经不可能的事情成为现实。由于AI/ML在医疗卫生的流行，持续访问相关数据对成功很重要。系统消化的专有数据越多，就会变得越智能。因此，各家公司都尽力获得数据。例如，IBM在2016年2月以26亿美元收购了医疗分析公司Truven Health，主要是为了获得他们数据和见解库的访问权。

此外，他们最近与Medtronic合作，通过访问实时胰岛素的数据，进一步提高沃森理解糖尿病的能力。随着数据越来越丰富，技术越来越先进，机会也会不断增加，从而激发医疗卫生从业者寻找新方法提高人类健康和生活水平。

作者：美格·古普塔(Megh Gupta)、卡西姆·默罕默德(Qasim Mohammad)

来源：网络大数据