医疗行业“看病难” AI能帮你做些什么？

　　在这个时代，大数据、机器学习、深度学习这些词语早已不再是高空楼阁，人工智能正在从方方面面改变人类的生活方式。下棋、翻译、无人驾驶、智能投顾，AI在这些领域都已经有所建树，而今天，我们想探讨一个更严肃的话题，AI真的能帮你看病甚至延续你的生命吗?智能医疗究竟有怎样的发展和前景?

　　随着人工智能的发展，逐步成熟的AI技术渐渐向“AI+”的工业应用转变。虽然相比于“AI+金融”、“AI+零售”的蓬勃发展，“AI+医疗”还处在比较早期的阶段，但毫无疑问，智能医疗是人工智能领域最具有发展前景的领域之一。

　　IDC在其《全球半年度认知/人工智能支出指南》中将诊断和治疗系统列为2016年吸引最多投资的领域之一，并表示在未来五年内，包括药物研究和发现以及诊断和治疗系统的使用案例将获得最大的发展。

　　IDC预测医疗健康人工智能投资的年复合增长率为69.3%。同样，CB Insights将医疗健康列为人工智能中最热的领域，并将其作为今年的创业项目。

　　“AI+医疗“之所以有如此大的应用前景，主要原因在于其市场需求是巨大的。在传统的医疗行业中，医生培养周期长、误诊率高，医院资源有限、效率低一直都是难以解决的问题。

　　而随着技术的革新，智能医疗为解决这一问题带来了曙光，目前，最成熟的案例之一就是IBM Watson。

　　通过融合信息检索、自然语言处理、机器学习等技术和海量数据，IBM Watson能自主进行理解、推理和学习，在短时间内迅速成为肿瘤专家。

　　这组数据让我们看到了智能医疗的无限可能。一方面，它的出现和发展将大大提高人类医生的效率，降低时间成本，另一方面通过辅助医生做出相应的判断，在很大程度上也降低了误诊的几率。

　　21世纪初，人类基因组计划完成时提出了个性化治疗这个，旨在希望用测序得到的遗传标记来判断病人是否对药物有应答，以便针对每个病人进行治疗，然而，疾病往往是多诱发原因、多基因控制的，很难从一个简单的角度进行判断。

　　也因为这个原因，在近几年，个性化治疗逐渐了精准治疗。精准医疗强调在治疗时将个人基因、与生活习惯差异考虑在内，基于患者的遗传信息的诊断测试结合其他或细胞的分析结果，再针对性地选择适当的疗法，其重点不在于“治疗”，而在于“精准”。

　　但如果仅仅依靠传统医疗行业的方法来实现精准治疗，这就对数据和医生的经验有极高的要求，得到的结果无法量化，难以具有力。

　　智能医疗的价值由此凸显，如今人工智能中的两大核心技术：神经网络和深度学习让计算机系统能够自主学习经验数据对病情的分析并做出判断。

　　计算机强大的运算能力弥补了部分人类医生由于经验不足引起的误判，或是对罕见疾病的信息缺失和思虑不周，并且计算机还能够发现人眼难以察觉的细节，用数据说话，寻找出一些出人意料的规律，从而不断完善医生和计算机系统的知识体系，推进精准医疗的发展。

　　癌症是全球范围内危害人类健康的疾病，根据美国癌症协会最新发布的数据显示，2017年美国预计将出现新发癌症病例1688780例，癌症死亡病例600920例，这意味着每天新增4600例癌症患者，死亡1650例癌症患者。

　　贝斯以色列女执事医学中心(BIDMC)与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到 92%，尤其是当这套技术与病理学家的分析结合在一起时，它的诊断准确率可以高达 99.5%。

　　这让我们看到了精准医疗的必要性，随着计算能力的日益强大、人工智能技术的稳步发展，人类的医疗水平也必将会有步入新。通过对精准医疗的研究和对计算机能力的应用，我们有理由相信会有数以万计的生命被。

　　医疗领域目前最重要的痛点之一仍是药物挖掘与开发的时间成本。根据塔夫特药物发展研究中心(Tufts Center for the study of Drug Development)的数据，一款新药的面市从药物发现到获得FDA批准平均大约需要96.8个月。

　　虽然对专业技术的持续聚焦可以改善时间跨度，但新药研发的成本却仍在持续增加。德勤的数据显示，自2010年以来，12家主要制药公司的获批药物开发成本已经增加了33%，至约每年16亿美元。

　　如何才能降低新药研发的成本，增加研发成功的概率呢?答案只有一个，那就是依靠大数据和人工智能的力量。

　　以硅谷公司Atomwise为例，Atomwise通过IBM超级计算机，在结构数据库中筛选治疗方法，评估出 820 万种候选化合物，研发成本仅为数千美元，研究周期仅需要几天。

　　虽然智能医疗有望解决传统医疗行业的许多问题，但我们也不得不承认AI+医疗仍然存在很多阻碍。

　　在智能医疗有效降低医药研发成本与医生工作时间成本的同时，我们也不得不承认实施AI和机器学习算法本身成本可能非常昂贵。医疗健康是一个容错率极低的领域，为确保数据的真实，算法的准确有效以及计算机有足够的计算能力，都将花费不菲的。

　　另一方面，想要AI+医疗有所突破和发展，相关领域顶尖人才的聚合也非常重要。2013年，Google收购DeepMind Technologies时支付了超过3亿美元，而当时他们的团队仅有十几个人。因此，人才培养的成本和聚集人才所支付的代价都是向智能医疗行业进军的企业所必须考虑的。

　　另外，智能医疗行业的信息获取也存在着一定的隐患。医疗行业的数据大多包含病人的隐私信息，将这些数据用于科研甚至实际应用是否合乎人情与法律也是必须考虑并加以解决的问题。

　　人工智能将成为医生的最佳辅助，帮助医生更便捷的获取信息并做出更正确的判断，只有将人类的情感沟通能力与计算机的分析计算能力相结合，才能发挥出智能医疗最大的价值，真正的将技术应用于实际，实现人工智能领域研究的终极意义。

　　文章内容仅供阅读，不构成投资，请谨慎对待。投资者据此操作，风险自担。

　　中文科技资讯尊重与知识产权。如发现本站文章存在版权问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至我们将及时沟通与处理。

　　2014年，4G的出现在今天看来可以定义为“一场酝酿已久的”：从产业到大众流行文化，流量一下子的解决了太多积怨已久的问题：首先，4G给大数据产业打开了通往新世界的大门，但凡能跟数据扯上关系的行业都慢慢了产业化正轨;语音、视频取代了文字，和过去晦涩难懂的文字交流相比，“斗图”显得更加直白，也更幽默;高速实时的数据传输又刚好满足人们对新事物的好奇心，于是网络直播火了，顺便又救了游戏产业、搞出了网红经济……