从健康应用和疾病预防、到延缓衰老和远程医疗，人工智能正在革新医疗价值链

疾病预防，健康与疗养，延缓衰老，技术辅助，人工智能在医疗领域发展得如火如荼。风险资本在计算机视觉、机器学习、机器人等人工智能驱动的前沿医疗技术的投资从 2012 年的 3000 万美元增长到了 2016 年的 8 亿 920 万美元。

编译 | 张震 藤子

作者 | PETER ZHEGIN、EVGENIYA KONOVALOVA

来源 | venturebeat

William J. Mayo 是一位内外科兼长的美国医生，也是梅奥医学中心（Mayo Clinic）创始人之一。他曾说，「医学的作用是预防疾病，延长寿命。医学的最佳效果就是不再需要内科医生。」人工智能应用的长足进步，医学研究的趋势前景均表明，我们正在朝着医学的目标和最佳效果迈进。

对于下一次的技术革新，各个医疗机构都严阵以待。2014 年，相比较平均 3.3% 的跨行业投资，医疗提供商将利润的 4.2% 投入到 IT 行业，而对电子医疗记录的渗透从 2012 年的 40% 增长到了 2017 年的 67%。从其智能机器的保有量来看，医疗行业在数据获得方面有望成为增长最快的行业之一。Cisco 估计 从 2015 到 2020 年，机对机连接（machine-to-machine connections ）的复合年增长率 (Compound Annual Growth Rate , 简称 CAGR) 将达到 30%，高于汽车 29% 的连接增长率。

投资者对医疗方面的另一个变革同样也给予了关注，并增加了对其的投资。风险资本在计算机视觉、机器学习、机器人等人工智能驱动的前沿医疗技术的投资从 2012 年的 3000 万美元增长到了 2016 年的 8 亿 920 万美元。

医疗研究与机器学习

通过对医疗人工智能生态系统的学术和投资研究，我们发现，Mayo 的愿景正在逐步实现。疾病预防，健康与疗养，延缓衰老，医生的技术辅助均发展得如火如荼。

疾病的预防对医疗专家而言是再普通不过的概念。如今，机器学习为其注入了新的动力，使其焕发了新的活力。PubMed 文献数据库数据显示，涉及机器学习的预防研究活动多于不涉及机器学习的研究活动。

从事预测与预防的人工智能医疗初创公司在不断增长。从行业数据库中选择的 218 家医疗人工智能新创公司中，就有 54 家对病人进行预测。其中，有 44 家公司是在 2010 年之后成立的。

Jvion 和 HBI Solutions 等公司向医疗机构提供病人水平预测和风险评分。Ocuvera 等公司通过识别病人的死亡倾向，预防医院的手术事故。

在整个医疗价值链中，健康方面也对预防在医学的作用表现出与日俱增的兴趣。在整个医疗价值链的核心部分，健康是增长最快的部分。

研究者对健康部分的关注与创业者的兴趣不谋而合。在 218 家人工智能医疗初创公司中，有 21 家从事健康应用的开发。

初创公司投资数据显示，年轻的初创公司偏向于健康应用的研发。大约 95% 的人工智能健康初创公司在 2010 年以后成立，而解决手术相关问题的初创公司在 2010 年以后成立的只有 57%。

健康应用可以使用健康人群的数据，这些数据通过进入市场的新型设备收集，数据量可以说是无穷无尽。越多地获取健康人士的数据，就越能洞悉更多的问题。传统的医疗所使用的数据极为有限，只是通过病例和严重病例的抽样调查获取。

疾病预防从研究转向了细胞和基因方面，力图根除危险疾病的根源。机器学习对这些研究课题同样有促进作用。

人工智能新创公司的数据显示，从事细胞和基因研究的新创公司的成立有小幅增加。例如，Human Longevity, BenevolentAI, Recursion Pharmaceuticals 以及其它至少 7 家公司是在 2010 年到 2017 年成立的。

根据 Mayo 的预想，医疗研究者和公司创始人通过与衰老做对抗，平滑修复，进而延长寿命。在美国，相比对主要致死原因的研究，对衰老的医疗研究增长极为迅速，也是过去 6 年增长最快的研究领域之一。

衰老不再被当做传统上的疾病看待，而是成了技术创新的研究目标，在整个生命周期没有所谓关键的时期（如病人病情的急剧恶化) 和发展。对人们生活中数据的收集可能有利于衰老的研究。

所积累的数据，数据收集技术的革新再加上机器学习，共同来对抗衰老问题。例如，技术可以检测衰老是否加速，更加准确地评估生物年龄，然后据此选择相应的治疗。BioageLabs 和 Insilico Medicine 公司采用机器学习发现了抗衰老药物。

对修复的研究兴趣同样高涨。因为需要长期的努力，重复的工作和不间断的反馈，修复也在受益于人工智能的发展。12 家新创公司正在修复领域大展拳脚，如从事脑功能障碍修复的 Intendu, 从事病人关节更换的 Peerwell。

帮助而非取代医生

从上面的例子可以看出，在科技的作用下，医学从治疗疾病正向预防疾病转变。通过调整基因，检测疾病早期的症状，改变人们的行为，这一点完全可以实现。目前，人工智能技术只参与一部分危险疾病的研究与治疗。

在未来，可能所有的疾病都能实现预防，不再需要医生。但是，通过采用机器人和算法在消除疾病之前就能代替所有的医生吗？经过我们的观察，人们对这个目标并没有很高的兴趣，人工智能助力的医疗技术只是希望帮助医生，更好地为病人提供治疗。

通过研究 35 家在医疗中采用计算机视觉的公司，我们得到的一个结论是，这些公司的目标是帮助专家而非取代他们。例如，BayLabs 所开发的技术是为了「简化视频记录，编辑，分享的程序」，Mindshare Medical 的目标是通过医学成像「助力临床医师，提供医疗服务」，Oxford Heartbeat 帮助临床医生「准确规划和演示血管内血管支架的移植」。

远程医疗也是助力医疗专家而非取代他们。在一个有 4 亿人无法获得基本医疗服务的世界，远程医疗可以帮助医生在效率提高，富有地区需求减少的情况下仍然有事可做，不至于失业。在 218 个公司中，39 家公司在以不同的方式提供远程医疗服务。一些帮助患者了解医疗知识，进行初步诊断（ Babylon, YourMD ) , 一些向医生提供前所未有的监测工具 ( Sentrian, AiCure ) ，或者提供有价值的医疗信息和建议 ( ZoiHealth, Flo ) 。远程医疗研究也经历了飞快了增长，研究论文从 2010 年的 317 篇飞速增长到 2016 年的 845 篇。

我们的调查表明，Mayo 所构想的愿景在人工智能的帮助下将可能实现。认知技术与以上探讨的研究主题进行了很好地融合。但在目前阶段，在疾病还没完全根除的情况下，技术是在向医疗专家提供帮助，而非取代他们。