人工智能在医疗健康领域中的应用

1、人工智能在医疗健康领域中的应用随着渐趋成熟的AI 人工智能技术向各行各业进行 “AIF式的转变，“AI+医 疗"作为能够产生划时代变革，且直接关乎人类福祉的领域，自然而然成为许多巨头的关注点。虽然谈及当前 “ AI程疗“的具体应用，主要集中在机器学 习辅助诊 疗及分析这类领域，但相比于受到技术和法律限制的无人驾驶汽车等 人工智能产业， 智能医疗显然更容易落地，也具备 成为下一个“A蓝海"的条 件。当前，人工智能在医疗健康领域中的应用已经非常广泛， 从应用场景来看， 主 要分成了虚拟助理、 医学影像、药物挖掘、营养学等四大方面。 随着当下语 音识别、 图像识别等技术的逐渐提升

2、，基于这些根底技术的泛人工智能医疗产 业也走向成熟， 进而推动了整个智能医疗产业链的快速开展和一大批专业企业 的诞生。虚拟助理：人类医师的得力助手还是替代者？在医疗领域，虚拟助理可以根据和用户的交谈，智能化地通过病悄描述判 断 病因。因此虚拟助理主要分成两类，一类是包括 Siri 等的通用型虚拟助理， 另一类 是专注医疗健康类的专用虚拟助理。通用类虚拟助理上市时间早，资本 支持度高， 数据规模大。而医健类虚拟助理的专业属性强、监管风险高。虚拟助理是 U 前较受资本青睐的人工智能医疗健康细分领域， U 前在国外 用 户所熟知的医健虚拟助理是 BabylonHealth,而国内在虚拟助手上，也有大

3、数 医达和 康夫子崭露头角。LI 前，监管部门要求虚拟助理在轻疾方面仅仅能够提供一些咨询和建议 , 不能 提供诊断，在重症方面只能握议立刻前往医院或代拨医院急救 。业内 医师也同 样对该应用有一定质疑，因为患者并不完全了解身体所出的状况，表 达的时候会漏 掉一些关键信息，同时咨询的时候会使用大量的非专业词汇，虚 拟助理可能没有办 法去挖掘真正有用的信息作出更准确的判断。以上是虚拟助理 LI 前的存在的问题。虽然如此，虚拟助理的本钱更 低， 有 助于控费，人类医生无法穷尽所有的疾病，而理论上人工智能可 以，因此完 全可 以成为人类医师的得力助手。而对于未来，随着机器学习的迅猛开展和医 疗检测手段

4、的智能化，很多人对虚拟助理能够替代人类医生充满着希望。虚拟助理代表企业： BabylonHealthBabylonHealth 是一家位于伦敦的初创公司，该公司正研发一款类似 Siri 的医 健类虚拟助理应用。 Babylon 在过去两年建立了一个庞大的医学症 状数据 库，总 共拥有 3万 6500个案例，在看医生前，利用语音识别来询问用户一系列 问题。相 比人工全科医生的诊疗，这种光速般的病症诊断和 热情温柔的声音， 是帮助 BabylonHealth 降低价格、保持 5 英镑月费的最重要方法。BabylonHealth 的诊疗主要需要经过两个步骤，第一个步骤是自然语言处 理， 也就是听懂患

5、者对病症的描述，知道哪里不舒服。然后根据疾病数 据库里 面的内 容进行比照和深度学习，对患者提供医疗和护理建议。这个 阶段局限于 肾脏、肝 脏、胆固醇和骨科等较小范围的领域。在笫二个阶段，随着更大规模 数据库的参加 和更长时间的训练， BabylonHealth 将提供 更多种类的疾病建议。", 医学影像：辅助及代替医生看胶片医学影像与人工智能的结合，是数字医疗领域较新的分支和产业热点。医 学 影像包含了海量数据，即使有经验的医生有时也显得无所适从。医学影像的 解读需 要长时间专业经验的积累，医生的培养周期相对较长，而人工智能在对 图像的检测 效率和精度两个方面，都可以做得比专业医生

6、更快，并可减少人为 操作误判率。近年，图像识别技术的性能在“深度学习 " 的帮助下得以迅速提高。在人 工智 能辅助诊断过程中，人工智能也会自己做出深度学习，在病历库中寻找案 例，作为 判断的依据。在医学影像企业中，人工智能技术的参加对创业团队的核心竞争力也有非 常 大的影响。根据研究机构对医学影像初创企业的调查，拥有人工智能技术， 整个团 队能显著减少人力本钱，如果没有人工智能技术，那么就 要组件一支人 力本钱不 菲的客服团队和医师沟通，技术人员和非技术人员的比例为 1? 1:1,规模也到达了 30 至 50人。在中国，如今分级诊疗和远程医疗的大背景，使中国的医学影像创业团队更多地投

7、入资源搭建云平台，长期看能否有人工智能的技术实力也是核心竞争 力的一 局部。医学影像代表企业： Enlitic在国外，该领域已经出现了数家较为知名的初创企业。 EnliTIc 就是一家比 较 知名的人工智能医学影像企业，虽然创立于 2021 年，但次年就被 MITTechnologyReview ?麻省理工科技评论?评为 2021全球最智慧的 50 家 公司之一，获得总计 1500 万美元的融资。EnliTIc 开发了从 X 光照片及 CT 扫描图像中找出恶性肿瘤的图像识别 软 件， 利用深度学习的方法对大量医疗图像数据进行机器学习，自动总结出病症 的“特征 "以及“模式 "

8、; 。忖前其正在研发一种小型超声设备， 这套系统主要 依翥软件来运行， 包括用人工智能专家开发的技术来梳理一系列图像，从而提 炼出可以自动进行疾病 诊断的功能。活泼度全球笫一和第三的专注人丄智能的 风险投资机构，也纷纷成为 该智能医学影像初创企业的投 资人。三，药物挖掘：大幅度降低药物研发本钱一般悄况，一种新药的开发平均需要 10 年时间，耗资数十亿甚至上白亿 美元， 而这也是造成药物费用高企的重要原因之一。但是，人工智能为人们提 供了一个更 低本钱检测药物的平安专家。首先，在新药筛选时，可以获得平安性较高的儿种备选物。当很多种甚至 成 千上万个化合物都对某个疾病显示出某种疗效，但乂难以判断它

9、们的平安性 时，便 可以利用人工智能的搜索算法挑选新药的最正确备选者。其次，对于尚未进入动物实验和人体试验阶段的新药，也可以利用人匚智 能 来检测其平安性。人工智能可以通过对既有药物的副作用进行筛选搜索，山 此选择 那些产生副作用儿率最小和实际产生副作用危害最小的药物进入动物实 验和人体 试验，节约时间和本钱。药物挖掘代表企业： Atomwise在这一领域， Atomwise 是比拟有代表性的公司。 Atomwise 公司用超级讣 算 机分析已有数据库，并用 AI 和复杂的算法来模拟药品研发的过程，在研发的评佔新药研发风险， 让药物研究的本钱降至数千美元， 并且评佔可以在儿 天内完成。 Ato

10、mwise 软件平台运行在 IBM 的蓝色基因 超级计算机上，其强大 的计算能力使 得它们可以完成很多任务。 2021 年，公司宣布在寻找埃博拉病毒 治疗方案方面有 一些进展，它们用时一个星期 就找到了这种药物，并且本钱不 超过 1000 美元。Atomwise 还为制药公司、创业公司和研究机构提供候选药物预测效劳。Atomwise 的效劳可以预测哪些新药品有效或无效。在合作伙伴方面， Atomwise 除 了与 Merck 公司和 Autodesk 进行一些保密项 U 外，也持续与 学术界和企业 客户 开展研究工作，通过辅助制药企业、生物科技公司和其他相关研究机构开 展药物挖 掘工作获取收入。四，营养学：机器学习给你更精准、个性化的营养学建议医学专家通过分析标准化饮食的结果，发现即便食用同样的食品，不同人 的 反响依然存在巨大差异。这说明，过去通过经验得出的“推荐营养 摄入从 根本 上就有漏洞。基于血糖管理是精准营养的基石，接下来，研