人工智能培训

搜索

医疗人工智能:虽稚嫩却不可不了解的行业

[复制链接]
tiutiyuiyi 发表于 2018-4-18 15:50:11 | 显示全部楼层 |阅读模式
tiutiyuiyi 2018-4-18 15:50:11 1114 0 显示全部楼层
在之前的一篇文章《医疗大数据的风起来了吗?》中,大熊(微信公众号:白大熊)谈了自己对医疗大数据的认识,从医疗人工智能的代表IBM的Watson Health开始,探讨了这个行业的商业模式,医疗数据获取问题,同时介绍了国内几家代表性标的公司。最近对这个话题进一步做了点研究,有了一些新的心得,今天接着聊聊。
人类的思维、经验的累积受到寿命的限制,个体的死亡消灭了大部分的智慧。所以在人类的文明史上文字的发明是石破天惊的大事,它使文化得以传播、积累和传承。而今天出现的人工智能,它对人类社会未来发展的影响,极有可能与仓颉造字相当,当然要放在十分长远的时间跨度来看。二者同样是对人类文明的传承,但人工智能的发展是累积性的,只会一路向前越来越强,不会中断或倒退。无论是古老的文字,还是现代科技的影像、图片、声音,记录下来的都只是文明极小的一部。而人工智能却是百分之百的传承,加上持续不断的优化,最终在每一个领域都做到臻于完美。
因此它的进化效率会让今天的你我吃惊。作为医疗界投资人,也不得不对它有个了解。在人工智能各种各样的应用当中,医疗必然占据重要的一席之地。不同于3D生物打印、智能家居等等受到资本追捧而后沉寂的概念,人工智能AI未来对医疗行业的颠覆和重构是必然,只是时间早晚的问题。大熊(微信公众号:白大熊)越来越深刻地感受到人工智能在医疗领域的积蓄的力量,有些改变正在悄悄发生。在普华永道发布的“探索AI革命”的全球AI报告中,对最容易受到AI影响的行业进行了排名,排第一的就是医疗,汽车行业得分相同并列第一。
AI全科医生助力分级诊疗落地,解决全科医生缺口
中国的分级诊疗能不能成功,核心在于基层医疗机构能不能“接得住”患者,而基层医疗机构最缺的是全科医生。中国的全科医生只有19万,占400万中国医生队伍的不到5%。而发达国家这个数字往往达到50%。全科医生的培养周期长、代价大,收入和付出不成比例,导致很多医学生不愿意做全科医生。所以这必然是分级诊疗深入落实的一个巨大障碍,短期内很难得到改观。
既然如此,是不是可能利用人工智能的方法另辟蹊径,训练出一个AI全科医生,或者虚拟助理,实现辅助诊断甚至直接诊断的功能?
国外在这个领域上进展最快的是Babylon Health。这是一家2013年创立于英国伦敦的公司。2016年完成2500万美元的A轮融资,2017年完成6000万美元的B轮融资。Babylon Health平台整合Deep Mind的公司的人工智能技术,帮助患者在同医生进行文字电话或视频交谈前就提前预支自身健康状况。
Babylon Health建立了一个庞大的医学症状数据库,在看医生前,利用语音识别来询问用户一系列问题。相比人工全科医生诊疗,这种快速的症状诊断能够帮助降低一条系统的价格与成本。在Babylon Health的APP上,用户可以输入自己的症状免费获得医疗咨询,也可以通过付费的方式和专业门诊医生视频通话咨询。
腾讯之所以没有和本土的公司合作,大熊(微信公众号:白大熊)推测一是因为国内相关领域没有理想的标的,缺乏候选对象;另一个原因是学习Babylon Health的模式经验,毕竟大家都处在摸石头过河的阶段,试错成本高。国内春雨医生、丁香医生等在类似服务上都有尝试,但都没有形成气候。可是一家位于杭州的小型创业公司实现了和Babylon Health类似的辅助诊断功能,尽管规模还很小。
这家公司是成立于2014年的杭州惠泉,产品叫做“半个医生”。这是一款基于大数据逻辑的医疗垂直搜索引擎,它设计的核心逻辑是把疾病拆解,成包括症状在内的各种各样的标签。半个医生APP在2015年11月正式上线,已经可以对可能涉及的18万种症状及关联的9000种疾病进行分析,从标签组合到疾病结果的全部查询过程不到1秒,准确率大约在70%。背后的医学团队对机器学习进行训练,半个医生的查询精确率也在不断提升。
此外,国内还有大数医达和康夫子两家公司崭露头角,两家公司的创始人都是从百度出来的创业者。大数医达已与北京、江苏、广东等地的多家三甲医院合作,用一亿多份电子病历进行数据挖掘,并使用深度学习等人工智能方法,对常见病的诊断和治疗进行建模分析。康夫子的数据来自权威的医疗文献和电子病历数据,最近推出了一款名为“左手医生”的APP,用户可以通过其解决症状自诊、小病找药、智能分诊导诊、医疗健康知识问答等健康需求。2017年底获得了火山石资本的A轮融资。
打造AI全科医生的四个步骤,核心是数据
根据业内人士的说法,实现全科AI医生需要四个步骤。首先,构建一个完善的知识图谱,教会计算机阅读文本,总结描述某种知识的书写规律,并进行自动知识抽取(Information Extraction)。第二步是智能诊断,也就是在图谱的基础之上,训练计算机的推理能力。一方面判断多种症状综合下和疾病之间的权重,配合诊断模型,提升诊断的命中率;另一方面要将患者描述的通俗语句转换成专业术语。第三步是语义理解的部分,将患者语言与医学专业术语建立关联。最后一步是人机直接对话交互。通过不断的机器学习,最终的目标是达到真人专家问诊的效果。
显而易见,获取数量足够多、质量足够好的数据,并持续更新是最为重要的步骤,也是整个医疗AI的基础。现在行业内创业公司的数据来源是医院的病历。因为病历中不仅记录着患者的健康状况和病情,也记录着医生诊断病因的过程、治疗方案、用药处方、手术方案、病情变化的过程等等。通过对病历做数据挖掘,可以整理出体征、症状、化验指标、影像检查标志物,与疾病之间的关联关系,与药品和手术等治疗手段之间的关联关系。
但问题是,如何获取这些至关重要的病例信息?要知道,患者病例是医院不愿公开的,尤其对于知名大三甲医院,属于医院的核心机密。这里更正一个观点:大熊(微信公众号:白大熊)之前认为“区域数据中心模式”是未来获取医疗大数据的趋势。根据国家规划,未来会建设若干个区域性的应用和发展中心,形成“1+5+x”的总体规划。但这个自上而下的规划落地时间尚短,现在并未见到成效。医疗AI的发展寄希望通过这种模式获取数据目前显然并不现实。
其实大数据公司不需要向医院索取病历。所有病历都存放在医院内网的私有云里。大数据公司直接在医院的私有云里对病历进行了数据挖掘。换句话说,大数据公司的程序读过每一份病历,但是大数据公司的人并没有直接接触病历。
以大数医达公司的做法为例,它首先打通医院管理信息系统(HIS)、电子病历系统(EMR)、检验科信息系统(LIS)、影像检查系统(PACS)等四大信息系统,然后将各系统的文件汇聚到医院自己的私有云。接下来通过程序自动读解病历,分析语义,整理临床经验。
医疗AI的未来
这是一个现在虽弱小无力,但却不可不跟踪的行业。据普华永道的分析,AI医疗分为四个阶段,而目前仅走到第二阶段。预测不一定靠谱,但是可以参考他们对趋势的判断和背后的逻辑。
第一阶段(2005-2016年):数据海啸。在此阶段,智能手机、可穿戴设备、电子病例等数据呈指数形增长,但这些信息大多是非结构化数据。医疗行业巨头把自己定位成数据经纪人,小型健康分析公司增长明显。
第二阶段(2016-2020年):数据融合。新型AI技术会被拿来做商业研究,而市场是最好的调节者。此时会涌现出很多商业模型解决方案的公司与合作关系。AI医疗公司实力巩固,至少一个公司将会上市。医疗保健行业全部采用电子病历。
第三阶段(2020-2025年):商业化。在此阶段,商业化的AI医疗企业逐步专业,不同企业在不同疾病上有专攻,比如专门针对癌症的AI医疗机构等。这些企业将整合物联网、AI以及智能家居,甚至人类基因组上的某些信息,创造出更好的个性化健康方案。
第四阶段(2025年以后):AI医疗被大规模采用。此阶段以后,AI能处理与认知健康有关的疾病,在几乎所有的临床和行政工作流程中都嵌入了认知保健应用程序。
诚然,在试用了上述国内几家医疗大数据公司的产品之后,今天的人工智能全科医生一点也不智能,甚至有点傻。但是它们一个不容忽视的存在,这些公司能不能成功没人说得准,但是却绝不可以不关注。作为投资人,刚开始看不起,然后看不懂,最后追不上,那只有躲在厕所哭的份了。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

tiutiyuiyi当前离线
新手上路

查看:1114 | 回复:0

快速回复 返回顶部 返回列表