日前，麥肯錫全球研究所發(fā)布了《人工智能：下一個(gè)數(shù)字前沿》的報(bào)告，分析了當(dāng)前大熱的人工智能實(shí)際落地情況和發(fā)展前景，主要集中在零售、制造業(yè)、電力、醫(yī)療、教育這五大領(lǐng)域。

雷鋒網(wǎng)就其中醫(yī)療行業(yè)部分為您進(jìn)行了編譯和解讀。

醫(yī)療保健是很有前途的人工智能市場。

它的推理能力和在大量病歷、醫(yī)療圖像和流行病等統(tǒng)計(jì)數(shù)據(jù)中進(jìn)行模式識(shí)別的能力有巨大的潛力。

人工智能可以幫助醫(yī)生改善他們的診斷，預(yù)測傳染疾病，并定制醫(yī)療方案。

人工智能與醫(yī)療保健數(shù)字化相結(jié)合，可以讓提供者遠(yuǎn)程監(jiān)視或診斷病人，同時(shí)還能夠改變方式治療占據(jù)大宗醫(yī)療預(yù)算份額的慢性病。

AI能夠快速診斷，制定更好的治療方案醫(yī)療診斷領(lǐng)域的人工智能主要有兩個(gè)方向，一個(gè)是基于自然語言處理，根據(jù)病歷和癥狀診斷疾病；一個(gè)基于計(jì)算機(jī)視覺，通過識(shí)別醫(yī)學(xué)影像診斷疾病。

 以肺癌識(shí)別為例，AI可以通過兩種方式診斷肺癌，一種是基于自然語言處理，代表是IBM的Watson，在長達(dá)4年的時(shí)間內(nèi)Watson學(xué)習(xí)了200本腫瘤領(lǐng)域的教科書，290種醫(yī)學(xué)期刊和超過1500萬份的文獻(xiàn)后，Watson開始被臨床應(yīng)用，如今Watson在肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌等癌癥領(lǐng)域已經(jīng)可以為醫(yī)生提供診斷建議。

另外一種是基于計(jì)算機(jī)視覺的診斷方式，代表企業(yè)是國內(nèi)的Airdoc，由于肺癌早期沒有任何臨床癥狀，如果有癥狀就是中晚期，目前約75%的肺癌患者在診斷時(shí)已屬于晚期，肺結(jié)節(jié)的有效診斷和及時(shí)治療至關(guān)重要。

 然而，大面積使用人工智能診斷疾病可能還不會(huì)太快發(fā)生。

雖然機(jī)器學(xué)習(xí)能夠利用數(shù)據(jù)進(jìn)行診斷，但完全自動(dòng)化的診斷不太可能很快實(shí)現(xiàn)，部分原因在于患者是否會(huì)接受這種診斷，還有部分原因在于整合多個(gè)來源的數(shù)據(jù)和遵守嚴(yán)格監(jiān)管要求都具有相當(dāng)?shù)募夹g(shù)難度。

同時(shí)，在醫(yī)療行業(yè)意識(shí)到這一潛力之前，醫(yī)療保健提供者必須對(duì)他們的商業(yè)模式做出重大改變，對(duì)計(jì)算能力和技術(shù)專長進(jìn)行大量投資，并努力提高能源的可用性，從而推動(dòng)對(duì)包括醫(yī)療記錄在內(nèi)的數(shù)據(jù)的處理和利用率。

(專門的數(shù)據(jù)經(jīng)紀(jì)人，比如IBM在2015年收購的“探索”，已經(jīng)提供了綜合的醫(yī)療保健數(shù)據(jù)，并將其出售給潛在的人工智能解決方案提供商和用戶。

)做出這些改變并不容易，然而一旦成功回報(bào)則相當(dāng)可觀：報(bào)告顯示，在醫(yī)療行業(yè)高管回顧關(guān)于人工智能使用的案例分析時(shí)，較早采用人工智能技術(shù)的公司高管表示，他們預(yù)計(jì)，在未來3年內(nèi)，這些技術(shù)將使利潤率提高5個(gè)百分點(diǎn)。

根據(jù)世界衛(wèi)生組織(World Health Organization)的數(shù)據(jù)，人工智能能夠提高醫(yī)療保健水平，同時(shí)也能降低成本。

這可絕不是一件小事——2014年全球醫(yī)療支出達(dá)到GDP的9.9%(法國為11.5%，美國為17.1%)。

AI能識(shí)別公共健康威脅和最受威脅人群人工智能技術(shù)普及率很低。

目前最先進(jìn)的應(yīng)用領(lǐng)域是機(jī)器學(xué)習(xí)算法支持的支付和索賠管理。

一些臨床醫(yī)生使用人工智能來預(yù)測某些疾病的傳播，并試圖預(yù)測哪些病人最有成為患者。

他們根據(jù)這些信息提供預(yù)防性治療。

他們還利用這些預(yù)測來幫助醫(yī)院管理人員安排工作人員，與保險(xiǎn)公司協(xié)商報(bào)銷費(fèi)率，制定預(yù)算，并優(yōu)化庫存水平。

這種利用醫(yī)療和社會(huì)數(shù)據(jù)來更好地管理成本的想法，使得醫(yī)療預(yù)測在醫(yī)療保健領(lǐng)域，吸引了一些頂級(jí)技術(shù)、制藥和醫(yī)療公司以及小型初創(chuàng)公司。

Johnson & Johnson與SAP合作，使用機(jī)器學(xué)習(xí)來預(yù)測客戶需求、庫存水平和產(chǎn)品組合。

Careskore，一個(gè)預(yù)測分析平臺(tái)，使用機(jī)器學(xué)習(xí)來確定病人被重新接納到醫(yī)院的可能性。

在未來，人工智能工具將大大加速醫(yī)療保健向預(yù)防醫(yī)學(xué)的轉(zhuǎn)變。

醫(yī)療專業(yè)人員將專注于遠(yuǎn)程管理病人的健康，讓他們不用進(jìn)醫(yī)院。

為了做到這一點(diǎn)，人工智能工具不僅會(huì)分析病人的醫(yī)療歷史，還要分析影響健康的環(huán)境因素，比如污染和生活、工作噪音。

這樣就可以識(shí)別風(fēng)險(xiǎn)群體，并告知當(dāng)?shù)卣谀睦飳?shí)施預(yù)防醫(yī)療計(jì)劃。

機(jī)器學(xué)習(xí)適合于分析數(shù)以百萬計(jì)的病歷數(shù)據(jù)，以預(yù)測基于一定人口水平上的健康風(fēng)險(xiǎn)。

這可能是人工智能的早期勝利，因?yàn)樗鼛砹司揞~儲(chǔ)蓄的潛力，而且在預(yù)測個(gè)人健康風(fēng)險(xiǎn)時(shí)不需要監(jiān)管審查。

醫(yī)療提供者將得到信息，讓病人參與預(yù)防行動(dòng)，包括醫(yī)療服務(wù)和生活方式和環(huán)境因素，如營養(yǎng)、鍛煉和避免污染。

醫(yī)院的管理人員將會(huì)更好地預(yù)測峰值期，譬如入學(xué)人數(shù)的激增。

人工智能工具通過結(jié)合個(gè)人醫(yī)療記錄、天氣數(shù)據(jù)和其他信息，追蹤傳染性疾病的發(fā)病率，將幫助預(yù)估有多少人需要住院治療。

又譬如，人工智能應(yīng)用程序可以使用醫(yī)療和人口數(shù)據(jù)來預(yù)測分娩的增加，如果產(chǎn)科診所需要額外的工作人員，就會(huì)提醒衛(wèi)生保健管理人員。

報(bào)告估計(jì)，采取AI措施之后，美國每年的全部醫(yī)療服務(wù)的潛在成本節(jié)約將是3000億美元，約占GDP的0.7%。

英國,使用人工智能目標(biāo)預(yù)防保健,每年可以節(jié)省每年£33億住院費(fèi)用。

人工智能可以幫助醫(yī)學(xué)專業(yè)人員診斷疾病，提高操作機(jī)器學(xué)習(xí)的能力，提高診斷準(zhǔn)確性。

斯隆凱特琳研究所(Sloan Kettering Institute)估計(jì)，在診斷癌癥患者和處方治療時(shí)，醫(yī)生只使用了20%的實(shí)驗(yàn)性知識(shí)。

人工智能應(yīng)用程序可以在數(shù)百萬頁的醫(yī)學(xué)證據(jù)中篩選，幾秒內(nèi)提供診斷和治療方案。

基于AI的圖像識(shí)別和機(jī)器學(xué)習(xí)可以在MRI和x射線圖像上看到比人眼更詳細(xì)的信息。

例如，不同類型的膠質(zhì)母細(xì)胞瘤有明顯的遺傳異常，醫(yī)生就根據(jù)這些異常來治療。

但是放射科醫(yī)生不能僅憑圖像就能識(shí)別這些腦癌的基因異常。

梅奧診所有一個(gè)機(jī)器學(xué)習(xí)程序，可以快速和可靠地識(shí)別異常。

人工智能的自動(dòng)化有可能通過減少醫(yī)生和護(hù)士的日常活動(dòng)來提高醫(yī)療保健的生產(chǎn)力。

總有一天，配備深度學(xué)習(xí)算法的聊天機(jī)器人能夠緩解急診室面對(duì)大量非緊急病患的情況，如喉嚨痛和尿路感染患者。

啟用人工智能意味著運(yùn)營效率的極大節(jié)省根據(jù)調(diào)查，盡管人工智能有巨大潛力，醫(yī)療保健在應(yīng)用人工智能技術(shù)方面還是落后于其他行業(yè)。

人工智能的使用主要集中在運(yùn)營和客戶服務(wù)方面；最常用的技術(shù)是語音識(shí)別和計(jì)算機(jī)視覺，在我們的調(diào)查樣本中，兩者在醫(yī)療保健公司的份額分別是9%和7%，其中包括已經(jīng)注意到人工智能的組織。

在大多數(shù)醫(yī)院，諸如預(yù)約安排等運(yùn)營管理職能，仍然是手工完成的。

我們已經(jīng)發(fā)現(xiàn)，如果一個(gè)部門在采用數(shù)字技術(shù)方面進(jìn)展緩慢，那么它對(duì)于人工智能的的使用也有同樣的傾向。

報(bào)告《數(shù)字美國》發(fā)現(xiàn)，全國近四分之一的醫(yī)院和超過40%的醫(yī)生尚未采用電子健康記錄系統(tǒng)。

即使是那些有電子記錄系統(tǒng)的，也沒有與病人或其他提供者無縫共享數(shù)據(jù);重復(fù)的測試是不必要的，病人需要反復(fù)講述他們的病史，因?yàn)檫@些系統(tǒng)無法共通操作。

另一份MGI報(bào)告，即《分析的時(shí)代》，發(fā)現(xiàn)美國的醫(yī)療保健部門只應(yīng)用了10%到20%的機(jī)會(huì)使用高級(jí)分析和機(jī)器學(xué)習(xí)。

之所以進(jìn)展緩慢，并不是由于醫(yī)務(wù)人員和行政人員對(duì)AI缺乏興趣。

人們有興趣，但醫(yī)學(xué)面臨著一些獨(dú)特的高難度障礙。

醫(yī)療記錄的敏感性和嚴(yán)格的保護(hù)隱私規(guī)定妨礙了深度學(xué)習(xí)應(yīng)用和其他人工智能工具所要求的高質(zhì)量聚合數(shù)據(jù)的收集。

此外，數(shù)據(jù)和行業(yè)本身、醫(yī)療保健行業(yè)的碎片化以及其他監(jiān)管障礙的復(fù)雜性也在減緩這一進(jìn)程。

在發(fā)達(dá)國家啟用人工智能意味著運(yùn)營效率的極大節(jié)省。

對(duì)美國的估計(jì)占到GDP的1%到2%。

在其他高收入國家，估計(jì)節(jié)省將占GDP的0.5%至1%。

全人工智能可以將在編護(hù)士的生產(chǎn)力提高40%到50%。

麥肯錫的研究發(fā)現(xiàn)，這可以使醫(yī)院節(jié)約一半的人力成本，同時(shí)還能顯著減少病人的等待時(shí)間。

醫(yī)院還可以通過使用人工智能解決方案優(yōu)化許多普通的業(yè)務(wù)任務(wù)來提高他們的能力利用率。

虛擬代理可以使常規(guī)的病人交互自動(dòng)化。

語音識(shí)別軟件已經(jīng)在客戶服務(wù)中使用，它降低了處理病人的日常工作的成本，比如安排預(yù)約和登記入院的時(shí)間。

自然語言處理可以分析期刊文章等文件，并對(duì)其內(nèi)容進(jìn)行整理，便于醫(yī)生快速查閱。

這些類型的應(yīng)用程序可以產(chǎn)生顯著的影響，而不需要通過監(jiān)管審查。

保險(xiǎn)公司可以設(shè)計(jì)新的方法來鼓勵(lì)預(yù)防保健并激勵(lì)提供者機(jī)器學(xué)習(xí)技術(shù)能夠預(yù)測病人行為和計(jì)算疾病概率，比目前的方法以及醫(yī)療保險(xiǎn)提供者更能提高生命的可能性。

新的商業(yè)模式可以將人工智能與行為健康干預(yù)結(jié)合起來，將注意力集中在預(yù)防、疾病管理和健康上——在人們成為病人之前就處理他們的不健康。

一家名叫“Discovery Health”的南非的保險(xiǎn)公司，追蹤受保者的飲食和健身活動(dòng)，并為他們的健康行為提供激勵(lì)。

人工智能還將鼓勵(lì)付款人、供應(yīng)商和制藥公司之間建立新的伙伴關(guān)系，并將促進(jìn)按績效收費(fèi)的模式，加速向預(yù)防性醫(yī)療的轉(zhuǎn)變。

Payers可能會(huì)更多地參與到護(hù)理管理中，或者鼓勵(lì)他們的提供者，通過引入基于機(jī)器學(xué)習(xí)識(shí)別風(fēng)險(xiǎn)的契約模型或者基于AI的風(fēng)險(xiǎn)管理模型來實(shí)現(xiàn)。

當(dāng)更多的保險(xiǎn)公司使用機(jī)器學(xué)習(xí)來分析歷史病歷數(shù)據(jù)時(shí)，基于內(nèi)容的支付計(jì)劃會(huì)得到顯著的擴(kuò)展，該計(jì)劃將根據(jù)該組織所有提供者的平均治療費(fèi)用來支付醫(yī)生和醫(yī)院的費(fèi)用。

根據(jù)麥肯錫的客戶經(jīng)驗(yàn)，我們認(rèn)為這種方法會(huì)對(duì)成本產(chǎn)生明顯的影響，使整形外科醫(yī)生的費(fèi)用減少8%到12%，而醫(yī)生診斷費(fèi)則會(huì)降低4%到5%。

醫(yī)生將可以為單個(gè)病患定制治療方案——甚至藥物病患也能夠直接受益于人工智能在醫(yī)療保健領(lǐng)域的興起。

考慮到每個(gè)病人的歷史和基因組成的復(fù)雜性，標(biāo)準(zhǔn)化的治療方法并非對(duì)每個(gè)病人都會(huì)起作用，因此研究人員正在使用先進(jìn)的分析方法來個(gè)性化治療方案。

決策可以基于數(shù)據(jù)分析和遠(yuǎn)程診斷設(shè)備得到的病人監(jiān)控。

一家名為“Turbine”的初創(chuàng)公司使用人工智能來設(shè)計(jì)個(gè)性化的癌癥治療方案。

該技術(shù)在分子水平上對(duì)細(xì)胞生物學(xué)進(jìn)行建模，試圖識(shí)別用于特定腫瘤的最佳藥物。

它還能識(shí)別復(fù)雜的生物標(biāo)志物，并通過每天進(jìn)行數(shù)百萬次模擬實(shí)驗(yàn)來尋找組合療法。

人工智能利用海量數(shù)據(jù)來解決狹窄問題的能力與定制醫(yī)療的倡導(dǎo)者產(chǎn)生了共鳴。

他們承諾提供一種獨(dú)一無二的藥物、理療和治療，旨在以最少的副作用提供最大益處，因此了解數(shù)百萬其他有類似癥狀、預(yù)后和年齡的人的健康結(jié)果對(duì)他們來說有無法估量的價(jià)值。

一些公司已經(jīng)在使用機(jī)器學(xué)習(xí)或其他人工智能技術(shù)來對(duì)個(gè)別病人進(jìn)行治療。

Mindmaze使用機(jī)器學(xué)習(xí)來優(yōu)化中風(fēng)病人的康復(fù)活動(dòng)。

Ginger.io使用機(jī)器學(xué)習(xí)，根據(jù)病人的新陳代謝和其他因素，來推薦最佳服藥時(shí)間。

量身定制的治療可能會(huì)使人均醫(yī)療支出減少5%到9%，同時(shí)增加0.2到1.3年的平均壽命，并每年提高200美元的生產(chǎn)力。

在全球范圍內(nèi)，經(jīng)濟(jì)影響可能在2萬億美元到10萬億美元不等。

虛擬代理可以作為病人的主要接觸點(diǎn)醫(yī)療領(lǐng)域最突出的問題就是優(yōu)質(zhì)醫(yī)療資源不足。

這個(gè)問題可以說是全球性的。

再加上人口老齡化的加劇，未來對(duì)醫(yī)生的需求量很有可能是有增無減。

醫(yī)療實(shí)踐已經(jīng)采取了一些小的步驟，將人工智能納入患者管理，引入語音識(shí)別和其他語言方面的人工智能技術(shù)，以實(shí)現(xiàn)操作自動(dòng)化。

未來，具備語音識(shí)別、圖像識(shí)別和機(jī)器學(xué)習(xí)工具的虛擬助手，將能夠進(jìn)行協(xié)商、診斷，甚至開藥等操作。

如果這些系統(tǒng)缺乏足夠的信息來得出結(jié)論，虛擬代理可以命令額外做測試，并和病人約好時(shí)間。

在農(nóng)村地區(qū)，虛擬代理將能夠進(jìn)行遠(yuǎn)程咨詢。

然而，這種情況需要患者、提供者和監(jiān)管人員對(duì)完全自動(dòng)化的診斷和處方感到自在。

較少爭議的是，在醫(yī)院，虛擬代理將能夠幫助病人掛號(hào)，并將他們推薦給合適的醫(yī)生來解決他們的問題。

虛擬助理將能夠幫助病人在醫(yī)院機(jī)構(gòu)中導(dǎo)航，為他們準(zhǔn)備測試，并確保他們準(zhǔn)時(shí)赴約。

幾大攔路虎，數(shù)據(jù)可用性首當(dāng)其沖阻礙人工智能開發(fā)及其在醫(yī)療保健方面應(yīng)用的最大的可能性瓶頸之一，是足夠數(shù)量并且格式標(biāo)準(zhǔn)的高質(zhì)量數(shù)據(jù)。

如前所述，當(dāng)今信息高度分散，遍布整個(gè)行業(yè)，分散在各處，最難以協(xié)調(diào)的如電子醫(yī)療記錄、實(shí)驗(yàn)室和成像系統(tǒng)、醫(yī)生記錄和醫(yī)療保險(xiǎn)索賠材料。

將這些信息合并到大型的綜合數(shù)據(jù)庫中是很困難的，然而這又是促使人工智能深入了解疾病及其治療方法的必要條件。

例如，文化障礙阻礙了醫(yī)療保健數(shù)據(jù)所有者——醫(yī)院、保險(xiǎn)公司、制藥商——和診斷公司之間的合作。

當(dāng)然，數(shù)據(jù)本身也是高度敏感的。

當(dāng)人們?cè)诰W(wǎng)上購買或加入某項(xiàng)信用計(jì)劃時(shí)，他們通常會(huì)允許訪問某些種類的個(gè)人數(shù)據(jù)，但他們可能會(huì)抗拒任何試圖更深入地接觸更隱秘的醫(yī)療歷史的嘗試，尤其是如果他們不認(rèn)為這是必要的，而潛在的好處又很抽象。

他們可能還擔(dān)心，對(duì)黑客和數(shù)據(jù)竊賊來說，隱私性的健康細(xì)節(jié)的集中收集將是一個(gè)理所當(dāng)然的目標(biāo)。

監(jiān)管機(jī)構(gòu)將需要積極制定明確的規(guī)則，定義哪些人能夠使用這些數(shù)據(jù)，他們可以使用哪些數(shù)據(jù)，如何存儲(chǔ)它們，以及它們?nèi)绾文涿?/p>

技術(shù)限制是另一個(gè)障礙。

為了完成工作，人工智能技術(shù)必須對(duì)病人和其他人們進(jìn)行深入了解，但人們對(duì)人工智能技術(shù)如何實(shí)際診斷或選擇治療計(jì)劃仍知之甚少。

有多少患者會(huì)相信人工智能工具，愿意相信人工智能診斷或遵循人工智能治療計(jì)劃仍是一個(gè)疑問。

如果沒有人能夠解釋計(jì)算機(jī)是如何做出決定的，或者如何防止某種情況再次發(fā)生，監(jiān)管者就不會(huì)冒風(fēng)險(xiǎn)急于做出錯(cuò)誤的決策去傷害一個(gè)病人。

即使對(duì)于最強(qiáng)大的人工智能工具來說這也是一個(gè)問題，比如深度神經(jīng)網(wǎng)絡(luò)，并且在一段時(shí)間內(nèi)仍會(huì)維持這種情況。

盡管在理論上來說，人工智能工具比單獨(dú)的人類臨床醫(yī)生更不容易犯錯(cuò)誤。

人工智能公司將不得不解決市場分化問題。

數(shù)以百計(jì)的供應(yīng)商提供數(shù)千種不同的機(jī)器學(xué)習(xí)程序，每一個(gè)都為特定的臨床情況而設(shè)計(jì)。

但在日常實(shí)踐中，醫(yī)生需要的是那種能夠處理不同情況的平臺(tái)。

如果醫(yī)療保健者想要利用人工智能的能力，他們也有一些事情要做。

首先，他們必須雇用或培養(yǎng)受過訓(xùn)練的、具有部署、維護(hù)和操作人工智能系統(tǒng)能力的人。

除了數(shù)據(jù)分析師和技術(shù)人員之外，這還包括項(xiàng)目管理、團(tuán)隊(duì)開發(fā)和解決問題的技能。

與此同時(shí)，傳統(tǒng)的工作人員——醫(yī)生、護(hù)士和其他醫(yī)療專業(yè)人員——需要習(xí)慣在機(jī)器和人工智能工具的支持下工作。

雖然這將使他們有機(jī)會(huì)更多地關(guān)注臨床病例，并將管理和低風(fēng)險(xiǎn)工作交給人工智能和數(shù)字解決方案，但他們必須克服嚴(yán)重的懷疑心理。

雷鋒網(wǎng)結(jié)語一方面是優(yōu)質(zhì)醫(yī)療資源供給不足，成本高，醫(yī)生培養(yǎng)周期長，誤診率高，疾病譜變化快，技術(shù)日新月異；另一方面，隨著人口老齡化加劇、慢性疾病增長、對(duì)健康重視程度提高，醫(yī)療服務(wù)需求持續(xù)增加。

可以預(yù)見的前景是，盡管當(dāng)前AI在醫(yī)療領(lǐng)域的全面落地仍有一些障礙，但是雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))認(rèn)為，在不久的未來，醫(yī)療行業(yè)必將成為AI的下一個(gè)藍(lán)海。

這也是谷歌、IBM等巨頭不惜血本不斷撒錢的根本原因。

而從另一個(gè)角度看，即使早已入局的巨頭公司，他們?cè)卺t(yī)療領(lǐng)域的人工智能研究也不過是入門級(jí)水平，我們更加可以說，AI+醫(yī)療，必將大有可為。