长久以来，技术都为医学的发展贡献了不可估量的作用，无论是医药研究还是诊断的准确性，但是有了人工智能，我们能够可以看到更多潜在的可能性。 在 2012 年默克制药公司举办的药物开发竞赛中，多伦多大学教授 Geoffrey Hinton 带领的深度学习团队出人意料地赢得了冠军，为什么是出人意料?因为这个团队的人没有分子生物学经验，也没有在制药业有过涉足。 还有一件事，斯坦福大学医药学院有一个病理学家、生物医学工程师、遗传学家和计算机科学家组成的团队，他们的一项研究是使用深度学习算法诊断肺癌——其准确率比人类病理学家更高。 TopBots 采访了数位科技行业的投资人，他们的共同关注点都包括 AI 和医疗。 挑战 “医疗系统最基本以及首要的原则是‘勿要伤害’。而每一个 AI 和医疗的结合应用都必须遵从这一理念。”这是来自 Kapila Ratnam 的警示，他曾是一名科学家，现在的工作是 NewSpring 的投资人。GE Ventures 的经理 Lisa Suennen 补充说：“对医疗系统中额外的支出和错误贡献最大的就是惯性。那种‘我们一直都这么做’的态度是的的确确会致人于死地的。” 其他投资人也表示同意，他们认为极端保守主义者本着保护病患的态度同时也会遏制创新。数字医疗领域的专家投资人 Gavin Teo 更确切地指出，这个行业的创业公司面对的最大困难就是“服务供应方对于新技术的保守不能带来一次一付式医疗费(fee-for-service，美国最主要的医疗付费模式)的收益。” 想要在医疗领域进行 AI、机器学习技术的实践有哪些难处?较为常见的有几个。首先就是数据的缺乏——机器学习与医疗的结合要求专门的数据对 AI 进行训练。Norwest Venture Partners 的 Robert Mittendorff 教授解释说：“尽管我们在深度和广度上都有丰富的数据，但出于隐私和 HIPAA(《健康保险便利和责任法案》)的限制，通常数据是很难获取的。” 甲骨文下属的医疗科学部门创意总监 Summerpal Kahlon 对此深有体会，他有许多一手数据，但是要运用到实际的医疗个案中却是极富挑战的：“全美每年由于不当用药导致的伤残死亡可以达到 77 万例，每年为医院造成的经济损失大约是 560 万美元。因为药物的数据非常混乱：多个来源、多种样式。并且有药物基因组学支持的遗传数据还没有大规模普及。” 除了数据的问题，另一大挑战在于如何将新的技术方案顺利地整合、实施到医务工作者的日常之中。因为就像 Mittendorff 教授所说：“改变习惯——说起来比做起来难，错误的实施部署方案对于医疗行业来说无疑是具有伤害性的。” 有二十多年静脉血管手术经验的 Jose I. Almeida 教授就有一个例子，他说：“我们医院在八年前第一次引入了电子健康档案，我们想这样的东西自然能够提高效率。然而我们已经更换了三次系统，现在的第四版仍然让我们很失望。在医生和病患中间强制放一块屏幕这件事对于医患关系并没有什么益处。”   　　一种电子健康档案系统 所以创业公司自然会觉得日子不好过，像 Cyft 的创始人 Leonard D'Avolio 就抱怨了：“我们看到一家又一家医院承担着损失，电子医疗档案的部署不成功，于是他们开始逐步削减数量。但这仅仅是电子医疗档案啊，你可以想一想当他们面对人工智能时会怎样。” 医院的担忧还在于：一旦将患者的数据数字化，那安全性的保证呢?Ratnam 说道：“信用卡消费记录在黑市上用十美分就能买到，但是一份医疗记录能卖到 200 美元。你可以看到这些对于黑客来说是有价值的。” 以资本驱动的技术公司和传统医疗行业的矛盾就是这样：前者寻求快速增长，但后者需要考虑太多的限制。 机遇 B Capital 的 Teo 说：“美国医学院联合会的一项研究显示，到 2025 年，基层医疗人员将会面临 14900—35600 人数的缺口。”而与此同时，人口老龄化带来的却是更高的医疗需求。 因此，不作为和失败的创新都是在实施伤害。 所幸有不少公司还在努力。CB Insights 最近统计了 106 家在医疗领域进行 AI 研究的创业公司，他们研究的范围很广，从病患监护到医院运营…… 使用虚拟助理来减缓供应方短缺是一种解决方式，而这种虚拟助理的背后就是机器学习和人工智能，从事这些的公司有 87870 曾经报道的 Sense.ly、Babylon Health、Evidation Health、Seniorlink 等等。 除此之外，AI 还可以帮助临床医生作出决策以及提升效率。AnalyticsMD 就通过使用 AI 和机器学习让急诊室、住院部和手术室能够运转地更加有条理。而前面提到的 Cyft 和 HealthReveal 通过分析多个不同来源的数据帮助将重症病人准确分类。 AI 与医疗不仅对于医生会有影响，同样也有创业者将目标对准了病患。梅奥诊所的一项研究表明有 50% 的病人对于理解医生的用药指示有困难。像 AI Cure 这样的公司就试图利用计算机视觉技术让智能手机能够识别药品。 上文曾提到医疗记录对于黑客的价值，Protenus 这家公司就是致力于医护数据安全的，他们将 AI 利用到分析网络访客记录、标记刻意案例，管理员之后可以手动查看。其方案适用的范围可以大至整个企业。 原则与利益互不冲突是成功的关键 让医疗行业接受新技术的关键是找到正确的切入点然后将方案无缝嵌入到现有的工作流程中。 Cyft 创始人 D'Avolio 在这个行业摸爬滚打了十二年，而他在临床医师参与的会议上都会避免使用“人工智能”或者“机器学习”这样的词汇，他的重点都会放在实际的用处上。 对于医疗行业来说，相比于策略或者文化，他们首要遵循的是原则和政策。因此对于想在这方面有作为的科技公司，他们需要找到能让对方获利的原则、政策。比如像 D'Avolio 说的：“他们看到患者要求更多的 AI 应用以加速看病流程之后，你就一定程度上成功了。”