<acronym id="kiwyy"></acronym>
<acronym id="kiwyy"></acronym>
<tr id="kiwyy"><optgroup id="kiwyy"></optgroup></tr>
<rt id="kiwyy"><optgroup id="kiwyy"></optgroup></rt>
<acronym id="kiwyy"></acronym>
<rt id="kiwyy"><optgroup id="kiwyy"></optgroup></rt><rt id="kiwyy"></rt>
<rt id="kiwyy"><optgroup id="kiwyy"></optgroup></rt>
<rt id="kiwyy"></rt>

醫療AI八大趨勢:蘋果正在顛覆未來

醫療AI

2018/09/21   編號:1409367

已收錄案例777篇

訂閱

醫療保健正在逐步成為人工智能研究和應用的重要領域。

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AI八大趨勢:蘋果正在顛覆未來

醫療保健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。

大型制藥企業用AI重塑品牌

現如今,AI生物技術初創公司不斷涌現,傳統制藥企業感受到了前所未有的壓力,紛紛將目光拋向AI+SaaS(軟件即服務)創企,希望能從中尋得創新解決方案。

今年5月,輝瑞制藥與XtalPi建立戰略合作伙伴關系(XtalPi是一家獲騰訊和谷歌等科技巨頭支持的人工智能初創公司),希望憑雙方之力預測小分子藥物的特性,并開發“基于計算的合理藥物設計”。

不過,輝瑞制藥并不是獨一家。

諾華、賽諾菲、葛蘭素史克公司(GlaxoSmithKlein)、Amgen、Merck等頂級制藥公司近幾個月都宣布與AI創企建立合作伙伴關系,旨在尋找新的藥物治療腫瘤學和心臟病領域的一系列疾病。

制藥企業對該領域的興趣也推動了股權交易數量的增加,截至2018年第二季度達20筆,等于2017年交易總量。

雖然AI+Saas初創公司很多仍處于投資的早期階段,卻與吸引了不少制藥企業與之合作。

AI在醫療行業的應用并不僅限于藥物開發。作為最大的人工智能并購交易之一,羅氏控股于2018年2月以19億美元的價格收購了Flatiron Health。后者可以通過機器學習挖掘患者數據。

目前有超過2500家診所使用Flatiron的 腫瘤電子病歷OncoEMR,還有200多萬活躍病歷可供研究。

羅氏希望收集真實的世界數據(RWE),分析電子病歷和其他數據的來源,以確定藥物的好處和風險。除了用于檢測上市后藥物的安全性之外,RWE還可以幫助設計更好的臨床試驗和未來新的治療法。

AI需要醫生

AI企業需醫學專家來注釋圖像,以教授算法如何識別異常。科技巨頭和政府正大力投資這一板塊,并將數據庫開放給研究人員。

谷歌DeepMind兩年前與莫菲爾德眼科醫院(Moorfield's Eye Hospital)合作探索AI在眼部疾病檢測方面的應用。最近,DeepMind的神經網絡能夠針對50種威脅視力的眼部疾病作出正確的轉診決定,準確度達94%。

也只是研究的第一階段。為了訓練算法,DeepMind 投入大量時間來標記和清理OCT(光學相干斷層掃描)掃描數據庫,用于檢驗眼部狀況,為之后的AI應用做準備。

阿里巴巴也是在2016年左右決定將AI應用于診斷過程。

根據阿里云的人工智能首席科學家閔萬里的說法,公司一旦與醫療結構合作獲取醫學影響數據,就必須聘請專家來注釋圖像樣本。

AI獨角獸Yitu Technology正在試圖拓展人工智能診斷領域,公司在接受《南華早報》采訪時也強調了醫療團隊的重要性。

Yitu聲稱擁有一支由400名醫生組成的團隊來標記醫療數據,并補充道,由于美國醫生的薪水更高,美國AI初創公司在開展這項工作時成本也會高很多。但在美國,國立衛生研究院(NIH)等政府機構正在人工智能研究。

NIH在今年7月發布了一份數據庫資料,該資料包含3.2萬個在CT圖像注釋和鑒定的病灶,這些病例由4400名患者匿名提供。除此之外,通氣電氣(GE)和西門子等私營企業也在尋找創建大規模數據庫的方法。

GE Healthcare于今年5月獲得了一項專利,主要探討了如何用機器學習分析顯微鏡圖像中的細胞類型。該專利提出了一個”直觀的界面,便于醫務人員(如病理學家、生物學家)注釋和評估算法中使用的不同細胞表型以及通過界面呈現的細胞表型。

雖然目前已經提出的某些算法可用于減少手動過程,AI在很大程度上還是得依賴于醫學專家進行培訓。

中國發展迅猛

中國投資者開始加大多海外創企的投資,而本土的醫療保健AI創企也在逐漸成長,中國科技巨頭正通過建立合作伙伴關系將其他國家的產品帶來大陸。

過去幾年,中國的交易活動在世界范圍內還是不值一提的,但如今在全球醫療保健AI市場的排名已經大幅攀升。

2018年上半年,中國超過英國,成為全球醫療保健AI交易活躍度第二的國家。

在獲得了7200萬美元的融資,并獲得像紅杉資本中國這類投資者的支持之后,Infervision成為中國醫療保健行業AI解決方案領域資金最充足的中國創企。

與此同時,中國對外國醫療保健AI初創公司的投資也在增加。

最近,復星醫藥買入美國Butterfly Network的少數股權,騰訊投資Atomwise,聯想投資韓國的Lunit,IDG Capital則投資了印度的SigTuple。

中國政府去年發布了一項人工智能計劃,目標是到2030年中國能成為人工智能研究領域的全球領導者。醫療保健是中國首批人工智能應用的四大重點領域之一。

中國對醫療保健行業的關注不僅僅在于成為AI技術的全球領導者。

根據去年的人口普查,過去長期施行的獨生子女政策導致了人口老齡化:65歲以上人口超過1.58億,再加上勞動力短缺,迫使政府將工作重心轉至提升醫療保健領域的自動化上來。

早在2016年,中國就開始努力將醫療數據整合到一個數據庫中。與美國類似,中國也存在數據混亂、缺乏互操作性等問題。

為解決這一問題,中國政府陸續開設了多家區域衛生數據中心,目的是整合國家保險索賠、出生和死亡登記以及電子健康記錄的數據。中國的大型科技公司也在政府的大力支持下進行醫療保健AI領域。

DIY診斷看這里

人工智能正逐漸將智能手機和消費類可穿戴設備轉變成功能強大的家用診斷工具。

創企Healthy.io聲稱正在試圖簡化尿液分析步驟,使其跟拍照一樣簡單。它的首個產品Dip.io使用傳統的尿液分析試紙來監測一系列泌尿系感染。計算機視覺算法可借助智能手機分析不同光照條件和相機質量下的測試條。

已在歐洲和以色列投入商業使用是Dip.io近日獲得了FDA的批準。

近年來,智能手機在美國的滲透率有所提高。同時,由于深度學習,圖像識別算法的錯誤率也顯著下降。兩者的結合為使用使用作為診斷工具創造了新的可能性。

例如,SkinVision使用智能手機的相機監測皮膚病變并評估皮膚癌風險。該企業在今年7月從現有投資者Leo Pharma和PHS Capital獲得了760萬美元融資。

據報道,這家公司總部位于阿姆斯特丹的公司將利用這筆資金推動FDA的批準。

AI在基于價值的醫療領域的新角色

人工智能開始在量化患者在醫院接受的服務質量方面發揮作用。

基于價值的服務模式專注于患者,這種模式下激勵醫療服務人員以盡可能低的成本提供最高質量的護理。

這類模式與服務收費模式形成對比,在服務收費模式中,服務人員根據所執行的服務數量以一定比例獲得報酬。規定的程序越多(比方說測試越多),財務獎勵就越高。

2010年通過了“患者保護和平價醫療法案”,以價值為基礎的服務模式開始進入大眾視野。

現有的一些保障措施包括僅在符合質量績效指標的情況下向醫療服務人員提供經濟獎勵,或者是對醫院獲得性感染和可預防的再入院情況實施處罰。

向基于價值的醫療護理系統邁進的目標旨在是服務提供人員的激勵措施與患者和付款人的激勵措施保持一致。比方說,在新系統下,醫院將為減少不必要檢查的醫生給予一定的財政獎勵。

總部位于佐治亞州的創企Jvion與Geisinger、Northwest Medical Specialties和Onslow Memorial Hospital等供應商合作。

Jvion的一些案例經研究強調成功使用機器識別住院30天內有再入院風險的患者。

然后,護理團隊可以根據Jvion的建議來教導患者日常的預防措施。該算法將患者健康數據與社會經濟因素(如收入、交通便利性)和不遵守情況的歷史數據相結合,以計算風險。

另一種方法是保險公司識別有風險的患者并通過警示醫護人員進行干預。

用于院內管理解決方案的人工智能技術仍處于初期階段,初創公司正致力于幫助醫療服務提供人員降低成本并提高護理質量。

治療機器人的“能”與“不能”

現如今,心理健康治療成本高,且無法做到全天候服務,許多企業開始將目光轉向基于AI的心理健康機器人的開發上來。

早期創企專注于使用認知行為療法,治療過程逐漸改變病人的負面思想和行為,依照一種方法,市場上許多情緒追蹤和數字日記健康應用創建了對話拓展。

Woebot(臨床心理學家Alison Darcy研發基于Facebook Messenger的聊天機器人)從NEA獲得800萬美元融資,其中有一個明確的免責說明,它不能代替傳統療法和人類互動。

另一家公司Wyse去年獲得了170萬美元融資,并在iTunes上推出了“焦慮和抑郁”機器人。

Startup X2 AI聲稱自家的AI機器人Tess 擁有超過400付費用戶。它開發了“基于信仰”的聊天機器人——“Sister Hope”,在開始對話前告知用戶明確的免責聲明及隱私條款(關于messenger, 聊天受Facebook隱私政策的約束,會話內容也是可見的)。

但Fackbook的可訪問性、缺乏法規等使得驗證一些機器人及其隱私條款變得有些困難。

但是正如深度學習研究員Yoshua Bengio在最近關于人工智能元素的播客中提到的,“AI就像一個白癡學者”,對于心理學,人類是什么,心理變化是如何進行的等沒什么概念。

心理健康是一個很大的點,分析過程中癥狀和主觀性具有高度可變性。當下,人工智能能做的不僅僅局限于定期檢查,還能培養與人類語言生產的“陪伴”感。

但是,正如近日一篇心理學文章中提到的,我們的大腦相信我們是在跟機器人聊天,無需破譯非語言線索的復雜性。

對于更復雜的心理健康問題,這可能就會產生問題,很可能會對機器人和快速修復方案產生依賴性,但事實上,這些解決方案并不具備深入分析或解決根本原因的能力。

這項被認為是自動化中安全性最高的工作,需要AI機器人具備高水平的情感認知且能自如地進行人與人之間的互動。盡管成本和可訪問性有所提升,心理健康醫療對AI而言依舊是一項極其艱巨的任務。 


相關推薦

癌癥一直是致死率最高的疾病之一,據國際衛生組織統計,2018年全球范圍內將有960...

新新金融 醫療AI 2018/10/17

目前,人工智能在醫療行業中已經開始得到開發和應用。從智能診斷到智能治療,從健...

新新金融 醫療AI 2018/10/17

平安好醫生多年來一直致力于“互聯網+醫療”領域,在投入源源不斷的資金和技術支...

新新金融 醫療AI 2018/10/17

已收錄創新知識

73,434

知識分類

打開微信“掃一掃”,打開網頁后點擊屏幕右上角分享按鈕
北京十一选五预测