人工智能在醫療健康領域都做了什么？

人工智能在醫療健康領域都做了什么？

隨著科技發展，大數據技術正在推進人工智能的進程，人工智能用來提高健康醫療服務的效率和自動化程度。人工智能技術的發展在過去備受質疑，然后如今我們發現大數據技術正在推進人工智能的進程，在醫療健康領域也是如此。不妨隨動脈網一起看看以下幾個推進中的人工智能應用。

一 分析患者行為，制定個性化腫瘤治療方案

例如，兩位乳腺癌患者可能會得到相同的治療方案，但其實兩者的身體情況可能完全不同。

其中一個可能是馬拉松長跑者，另外一個是喜歡安靜的讀書的人；一個可能是吸煙者，另一個也許是個注重養生的人；一個可能都60多歲了，另一個也就剛剛40。這樣的情況在我們身邊是常見的。

所以考慮到方方面面的不同，這兩位患者需要兩種不同的治療方案。

而對于科學家和醫生來說，難度在于掌握特定患者的個人信息。重要的關鍵信息常常淹沒于大量的數據當中，醫生根本沒有時間（可能要一年）在茫茫信息中篩選出他們想要的。

于是許多研究者想方設法利用人工智能的方式來跨越這個難度。

比如，卡耐基梅隆大學和匹茲堡大學的科學家，正在用人工智能從電子病歷、診斷影像、處方、基因組資料、保險記錄，甚至是可穿戴設備的數據中挑選出有用信息，為特殊疾病和特殊人群設立醫療保健方案。

研究者們利用大數據來創建特定的醫療方案、控制傳染病，并尋找致命性疾病的治療方法。

“現在遇到的最大問題就是，系統并不智能。”卡耐基梅隆大學機器學習系的教授Eric Xing說道。“存儲在系統中的數據基本上是死數據，而機器學習和人工智能可以把有用的信息從海量數據中分離出來。你可以這樣理解，就像是有一個人工的大腦在代替一個‘死’的存儲系統在工作。”

他表示，卡耐基梅隆大學和匹茲堡大學正在與匹茲堡大學醫學中心合作一個“匹茲堡健康數據聯盟”的項目。醫療中心在接下來的6年中，會每年資助研究者1000～2000萬美元用于這項研究。

科學家正在用從醫療中心獲得的健康數據（剔除了患者身份信息），來研究如何能夠更快速有效的分析大數據，去創造一個與健康醫療相關的技術和服務，能針對不同患者更好的做診斷、治療和溝通。

“每個患者都是不同的個體。”Xing補充道，“一個非常簡單的觀點，比如說乳腺癌應該用藥物A或者B來治療。但是由于生活方式、生活環境和其他相關健康因素的獨特性，使得每個人都是一個不同的獨立個體。而人工智能不單單是從一位醫生那里提取信息，而是來自大量有經驗的醫生，這樣，它就能從不同患者那里梳理出有共性的信息。”

此外，人工智能軟件工作效率遠遠高于人腦，能夠更快速的找到數據的模式和相似性，幫助醫生和科學家發現最關鍵的信息。

舉例來說，一名50歲的糖尿病患者，生活方式很積極，某一種治療方法可能對他很有效果。那么醫生就可以用同一種治療方法，來醫治其他患有相同特性的糖尿病患者。

Xing表示，他們的團隊就正在研究一款APP，可以為用戶提供一些健康生活建議，規避一些疾病。此款APP可能會在一年內上線。

Philip Lehman，卡耐基梅隆大學計算機科學副院長告訴筆者，這款APP應用了人工智能，可以告訴人們什么時候該去看醫生，咨詢什么樣的醫生以及怎樣保持身體健康。

“比如，現在大家一般會通過手機來搜索，‘我怎么到某個地方’。”Lehman在采訪中表示。“其實，你把它搬到醫療上是一樣的。‘我怎么做才能感覺好點或者活的久一點’？”

Lehman和Xing希望，從App到機器學習工具和服務，他們都能延展出不同產品的原型，在未來的5-6年內，開發出十幾個新產品。

這方面比較出名的公司，是獲得IBM投資的Welltok，它借助IBM的“沃森”超級電腦，來構建通過個性化活動與用戶溝通的愿景。其APP Cafewell Concierge利用沃森系統的自然語言處理能力，來更好的了解用戶的需求，平衡對用戶的激勵和警告，以此達到預期目標來回饋用戶。

二 虛擬醫療助手，改善藥物依從性

比如，Aicure，利用移動技術和面部識別技術來判斷患者是否按時服藥，再通過APP來獲取患者數據，用自動算法來識別藥物和藥物攝取。患者數據會通過與HIPAA（健康保險流通與責任法案）兼容網絡實時的反饋給臨床醫生，這樣醫生就可以確認他的患者是否在按照他們的囑咐按時服藥。當然，這項技術也可以被用來標識不良事件。

還有一個是，Next IT開發的一款APP Alme Health Coach，去深掘人們為什么不按時服藥。對于健康服務業來說，Next IT雖然還是個新手。但是它曾經開發了一款APP“虛擬助手”來幫助消費者解決在銀行、零售、財產管理等方面遇到的問題。

一般，一些人工智能的組件會重復用戶話語來明確用戶想法。而Alme Health Coach是專為特定疾病、藥物和治療設計配置。它可以與用戶的鬧鐘同步，來觸發例如‘睡得怎么樣’的問題，還可以提示用戶按時服藥。這種思路是收集醫生可用的可行動化數據，來更好的與病人對接（前提是患者愿意共享他們的數據）。

三 跟蹤狀態，自動匯報支持智能看護

人工智能技術公司Automated Insights把它的自然語言生成平臺Wordsmith與Great Call（移動APP開發者）合作。家人和朋友可以通過與APP連接的Great Call設備，來獲取設備攜帶者的信息。它主要用于老年人看護，當攜帶者需要幫助的時候，APP可以收到消息提醒。此外，該APP還有GPS定位專利技術，可以獲取用戶的位置信息。

目 前， 該 公 司 已 經 被Vista Equity Partners和STATS（體育信息技術公司）收購。利用Wordsmith的自動書寫功能，將對看護者的情況，包括所在地點、活動路線、電池狀態、設備使用情況等信息自動生成文字報告給看護人。

四 智能化藥物研發

生物科技公司也正在把人工智能和大數據結合到一起，來識別新的藥物化合物，比如Cloud制藥和Berg。

Berg通過開發的Interrogative Biology人工智能平臺，來研究人體健康組織，探究人體分子和細胞自身防御組織，以及發病原理機制，利用人工智能和大數據來推算人體自身分子潛在的藥物化合物。

這種方法有很多優點，不但使得靶向治療成為今天醫學治療的趨勢，而且利用人體自身的分子來醫治類似于糖尿病和癌癥等疑難雜癥，要比研究新藥的時間成本與資金少一半。

當然，Berg不是這個領域的唯一公司。Cloud制藥就在專注于這個領域的研發，并已融資2000萬美元。

還有，強生和賽諾菲，也正在用“沃森”超級系統（一個可迅速在海量數據中識別相關模式的計算機系統）來支持藥物研發。

強生用“沃森“來快速分析詳細的臨床試驗結果的科技論文，加快對不同治療方法的對比效果研究，以求獲得藥物在更廣泛領域的應用，而這些用普通的方法，需要3個人花費10個月的時間來完成這些工作。

“沃森”現在能識別化學、生物學、法律和知識產權語言，讓科學家擁有別人無法擁有的與數據“交流”的能力，這將加快實現科學和醫療研究領域的突破。

賽諾菲則利用Watson來鑒別現有藥物的其他用途，沃森會組織篩選毒理學信息，來幫助研究者們判斷哪種藥物比較適合應用在新的領域。