現如今，醫療行業中幾乎每個領域都會受到技術崛起的影響。例如，圖像識別正在徹底改變診斷過程。最近，谷歌的DeepMind神經網絡可以診斷出 50 種威脅視力的眼疾，準確性可媲美醫學專家。甚至有些制藥公司也正在嘗試深入學習設計新藥。例如，Merk與創企Atomwise合作，GlaxoSmithKline與Insilico Medicine宣布建立合作關系。
在私營市場，醫療保健AI創企自 2013 年以來，已經在 576 次融資中獲得 43 億美元，這一數字遠超人工智能涉及的其他領域。
醫療保領域的人工智能當下著眼于改善患者的治療結果，調整各利益相關者的利益，降低醫療成本。人工智能在醫療保健領域面臨的一大障礙就是克服慣性，徹底改進不再有效的現有流程，并嘗試應用新興技術。
人工智能面臨著醫療行業獨有的技術和可行性挑戰。例如，在美國，患者數據沒有標準格式，也不具備中央存儲庫。當患者文件以不可讀取的PDF格式通過傳真、郵件進行發送，或以手寫記錄的圖片發送時，從中提取信息對AI而言將是獨一無二的挑戰。
像蘋果這種大型科技公司在這方面就有著自己的優勢，尤其是在加入醫療保健提供商和EHR(電子健康記錄)供應商在內的大型合作伙伴網絡方面。
蘋果設計開發的ResearchKit和CareKit ，能夠生成新的數據來源并將EHR數據掌控在病人手中，這兩個軟件框架有望成為臨床研究的革命性產品。在首次進行行業AI的深度挖掘中，CB Insights數據可被用于發現正在改變醫療保健行業的趨勢。
AI即醫療設備的興起
FDA(美國食品藥品監督管理局)針對臨床成像和診斷的人工智能軟件實行快速監管審批方案。今年 4 月，FDA批準了用于篩查糖尿病視網膜病變患者的AI軟件，該軟件可準確篩查患者，無需專家的診斷意見。它被賦予了“突破性設備的稱號”，加快了產品推向市場的過程。
軟件IDx-DR能夠在87.4%的時間內正確識別“超過輕度糖尿病視網膜病變”的患者，在89.5%的時間內確定那些沒有患該疾病的患者。IDx是近幾個月FDA批準用于臨床商業應用的眾多軟件產品之一。
Viz.ai獲批用于分析CT掃描圖像，以檢測與中風相關的指標，并及時將患者信息告知醫療工作人員。在獲得FDA批準后，Viz.ai完成了Google Ventures、Kleiner Perkins Caufield & Byers參投的 2100 萬美元A輪融資。
GE Ventures旗下的初創公司Arterys去年獲FDA批準，可通過其云AI平臺分析心臟圖像。今年，FDA取消了其用于癌癥診斷的肝臟和肺部病變定位AI軟件的批準。快速監管審批為 2013 年以來 70 多家進行股權融資的人工智能成像和診斷企業開辟了新的商業途徑，共計發起 119 次融資。
FDA專注于明確定義和管理“軟件即醫療設備”，尤其是考慮到最近人工智能的快速發展。FDA計劃將今年一月試行的預認證(pre-cert)計劃應用于AI軟件。
FDA補充道：“該計劃允許奇特對其設備及逆行微小改動，而無需每次都提交認證申請。”FDA表示，其軟件認證工具等監管框架的各個方面都將變得“足夠靈活”以適應人工智能的進步。
神經網絡發現非典型危險因素
運用人工智能，研究人員開始研究、測量過去難以量化的非典型風險因素。利用神經網絡分析視網膜圖像和語音模式有助于識別人們患心臟病的風險。
根據今年發表在《Nature》雜志上的一篇論文，谷歌的研究人員利用一個經訓練可識別分析視網膜圖像的神經網絡來發現心血管危險因素。研究發現，不僅可以通過視網膜圖像識別年齡、性別和吸煙模式等風險因素，還可以“量化到之前從未有過的精確度”。
在另一項研究中，梅奧診所(Mayo Clinic)與以色列創企Beyond Verbal達成合作，該創企專注于分析聲音中的聲學特征，以便在找出冠狀動脈疾病(CAD)患者明顯的聲音特征。該研究發現，當測試對象在描述情緒體驗時，有兩種聲音特征與CAD密切相關。
創企Cardiogram最近的一項研究表明：“經過深度學習，可穿戴心率傳感器在接觸人體之后，可以檢測出由糖尿病驅動的心率變異性改變。”該傳感器采用的算法通過心率檢測糖尿病的準確度高達85%。
人工智能擁有發現疾病規律的能力，還將繼續為新的診斷方法和從前未知的風險因素的識別等方面鋪平道路。
蘋果顛覆了臨床試驗
蘋果正在圍繞iPhone和Apple Watch等設備打造臨床研究生態系統。數據是AI應用程序的核心，蘋果可以為醫學研究人員提供兩種之前難以獲取的患者健康數據。
盡管很多公司努力將健康記錄數字化，但要想在各個機構和軟件系統之間實現健康信息的輕松共享，也就是所謂的互操作性，仍然是醫療保健領域的一大難題。
這種問題在臨床試驗中尤為明顯，準確匹配試驗項目與患者對于臨床研究團隊和患者雙方來說都是耗時且具有挑戰性的過程。
目前有超過1. 8 萬個臨床研究僅在美國招募患者。如果醫生有了解到正在進行的臨床試驗，偶爾也會向其患者推薦。否則，就只能通過一個關于已結束和正在進行的臨床試驗的綜合聯邦數據庫ClinicalTrials.Gov招募受試者。
蘋果正在試圖改變醫療保健領域的信息傳播方式，并為AI開辟了新的可能，尤其圍繞里臨床研究人員如何招募和監控患者上花了很多心思。
自 2015 年以來，蘋果先后推出了兩個開源框架——ResearchKit和CareKit，以幫助臨床試驗項目招募患者并遠程監控他們的健康狀況。這兩個框架允許研究人員和開發人員創建醫療應用程序以監控受試者的日常生活。
舉個例子，杜克大學的研究人員開發了一款應用程序Autism & Beyond，該程序使用iPhone的前置攝像頭和面部識別算法可篩選出有自閉癥的孩子。
類似地，大約有 1 萬名用戶使用應用程序mPower，該程序提供手指敲擊和步態分析等練習，從而判斷出病人是否患有帕金森綜合癥。這些病人也都同意將自己的數據分享給更廣泛的科研界使用。
蘋果還在與Cerner、Epic等EHR(電子健康記錄)供應商合作解決互操作性的問題。今年 1 月，蘋果宣布iPhone用戶可通過手機自帶的“健康”應用訪問參與機構的電子健康記錄。
“健康記錄”的功能是AI醫療保健創企Gliimpse在 2016 年被蘋果收購之前的工作的衍生物。界面簡潔，易操作，用戶可以輕松找到他們在過敏、病癥、免疫、實驗室結果、程序以及生命體征方面的信息。
6 月，蘋果為開發人員推出了Health Records API。用戶可以選擇與第三方應用和醫學研究人員共享數據，這也為疾病管理和生活方式監控創造了新的機會。
京公網安備 11010502049343號