Health Predictions:
the future of healthcare (ISCF - Ageing Society)
來源：
醫療保健，正在逐步成為人工智慧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，圖像辨識正在徹底改變診斷過程。最近，谷歌的DeepMind神經網路，可以診斷出50種威脅視力的眼疾，準確性可媲美醫學專家。甚至有些製藥公司，也正在嘗試深入學習設計新藥。例如，Merk與創企Atomwise合作，Glaxo Smith Kline 與 Insilico Medicine宣佈建立合作關係。
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慧涉及的其他領域。
醫療保健領域的人工智慧，當下著眼於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。人工智慧在醫療保健領域，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，並嘗試應用新興技術。
人工智慧面臨著醫療行業，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，也不具備中央儲存庫。當患者文件以不可讀取的PDF格式，透過傳真、郵件進行發送，或以手寫記錄的圖片發送時，從中提取資訊對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夥伴網路方面。
蘋果設計開發的ResearchKit和CareKit ，能夠生成新的數據，來源並將EHR數據掌控在病人手中，這兩個軟體框架，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，可被用於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慧軟體實行快速監管審批方案。今年4月，FDA批准了用於篩查糖尿病視網膜病變患者的AI軟體，該軟體可準確篩查患者，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。
軟體IDx－DR能夠在87.4％的時間內，正確辨識「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批准，用於臨床商業應用的眾多軟體產品之一。
Viz.ai獲批用於分析CT掃描圖像，以檢測與中風相關的指標，並及時將患者資訊，告知醫療工作人員。在獲得FDA批准後，Viz.ai完成了Google Ventures、Kleiner Perkins Caufield ＆ Byers參投的2100萬美元A輪融資。
GE Ventures旗下的新創公司Arterys去年獲FDA批准，可透過其雲AI平台分析心臟圖像。今年，FDA取消了其用於，癌症診斷的肝臟和肺部病變定位AI軟體的批准。快速監管審批為2013年以來，70多家進行股權融資的人工智慧成像和診斷企業，開闢了新的商業途徑，共計發起119次融資。
FDA專注於明確定義和管理「軟體即醫療設備」，尤其是考慮到最近人工智慧的快速發展。FDA計劃將今年一月，試行的預認證（pre－cert）計劃應用於AI軟體。
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，其軟體認證工具等監管框架的各個方面，都將變得「足夠靈活」，以適應人工智慧的進步。
神經網路發現非典型危險因素
運用人工智慧，研究人員開始研究、測量過去難以量化的非典型風險因素。利用神經網路，分析視網膜圖像和語音模式，有助於辨識人們患心臟病的風險。
根據今年發表在《Nature》雜誌上的一篇論文，谷歌的研究人員利用一個經訓練，可辨識分析視網膜圖像的神經網路，來發現心血管危險因素。研究發現，不僅可以透過視網膜圖像，辨識年齡、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）與以色列新創企業Beyond Verbal達成合作，新創企專注於分析聲音中的聲學特徵，以便在找出冠狀動脈疾病（CAD）患者明顯的聲音特徵。該研究發現，當測試對象在描述情緒體驗時，有兩種聲音特徵與CAD密切相關。
創企Cardiogram最近的一項研究顯示：「經過深度學習，可穿戴心率傳感器，在接觸人體之後，可以檢測出由糖尿病驅動的心率變異性改變。」該傳感器採用的算法，透過心率檢測糖尿病的準確度高達85％。
人工智慧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辨識等方面鋪平道路。
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。
儘管很多公司努力將健康記錄數位化，但要想在各個機構和軟體系統之間，實現健康資訊的輕鬆共享，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，對於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。如果醫生有瞭解到正在進行的臨床試驗，偶爾也會向其患者推薦。否則，就只能透過一個關於已結束，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資訊傳播方式，並為AI開闢了新的可能，尤其圍繞臨床研究人員，如何招募和監控患者上花了很多心思。
自2015年以來，蘋果先後推出了兩個開源框架——Research Kit和Care Kit，以幫助臨床試驗項目招募患者，並遠端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的前置攝影機，和臉部辨識算法，可篩選出有自閉症的孩子。
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症。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，蘋果宣佈iPhone用戶，可透過手機自帶的「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+醫療保健新創Gliimpse，在2016年被蘋果收購之前的工作的衍生物。介面簡潔，易操作，用戶可以輕鬆找到他們在過敏、病症、免疫、實驗室結果、程序，以及生命體徵方面的資訊。
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。
大型製藥企業用AI重塑品牌
現如今，AI生物技術新創公司不斷湧現，傳統製藥企業感受到了前所未有的壓力，紛紛將目光拋向AI＋SaaS（軟體即服務）創企，希望能從中尋得創新解決方案。
今年5月，輝瑞製藥與XtalPi，建立策略合作夥伴關係（XtalPi是一家獲騰訊和谷歌等科技巨頭支持的人工智慧新創公司），希望憑雙方之力預測小分子藥物的特性，並開發「基於計算的合理藥物設計」。
不過，輝瑞製藥並不是獨一家。
諾華、賽諾菲、葛蘭素史克公司（GlaxoSmithKlein）、Amgen、Merck等頂級製藥公司，近幾個月都宣佈與AI創企建立合作夥伴關係，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。
製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年第二季達20筆，等於2017年交易總量。
雖然AI＋Saas新創公司，很多仍處於投資的早期階段，卻與吸引了不少製藥企業與之合作。
AI在醫療行業的應用，並不僅限於藥物開發。作為最大的人工智慧病併購交易之一，羅氏控股於2018年2月以19億美元的價格，收購了Flatiron Health。後者可以透過機器學習，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。除了用於檢測上市後藥物的安全性之外，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，以教授算法如何辨識異常。科技巨頭和政府正大力投資這一板塊，並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的神經網路，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，用於檢驗眼部狀況，為之後的AI應用做準備。
阿里巴巴也是在2016年左右，決定將AI應用於診斷過程。
根據阿里雲的人工智慧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慧診斷領域，公司在接受《南華早報》採訪時也強調了，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，並補充道，由於美國醫生的薪水更高，美國AI新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，正在人工智慧研究。
NIH在今年7月發佈了一份數據庫資料，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於今年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」直觀的介面，便於醫務人員（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，以及透過介面呈現的細胞表型。
雖然目前已經提出的某些算法，可用於減少手動過程，AI在很大程度上，還是得依賴於醫學專家進行培訓。
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，中國科技巨頭正透過建立合作夥伴關係，將其他國家的產品帶來大陸。
過去幾年，中國的交易活動，在世界範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，並獲得像紅杉資本中國這類投資者的支持之後，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新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。
中國政府去年發佈了一項人工智慧計劃，目標是到2030年中國能成為人工智慧研究領域的全球領導者。醫療保健是中國首批人工智慧應用的四大重點領域之一。
中國對醫療保健行業的關注，不僅僅在於成為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，也在其政府的大力支持下，進行醫療保健AI領域。
DIY診斷看這裡
人工智慧正逐漸將智慧手機，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。電腦視覺算法可借助智慧手機，分析不同光照條件和相機畫質下的測試條。
已在歐洲和以色列投入商業使用是Dip．io近日獲得了FDA的批准。
近年來，智慧手機在美國的普及率有所提高。同時，由於深度學習，圖像辨識算法的錯誤率，也顯著下降。兩者的結合為使用，作為診斷工具創造了新的可能性。
例如，SkinVision使用智慧手機的相機，監測皮膚病變，並評估皮膚癌風險。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。
據報導，這家公司總部位於阿姆斯特丹的公司，將利用這筆資金推動FDA的批准。
AI在基於價值的醫療領域的新角色
人工智慧開始在量化患者，在醫院接受的服務品質方面發揮作用。
基於價值的服務模式專注於患者，這種模式下激勵醫療服務人員，以盡可能低的成本，提供最高品質的護理。
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，包括僅在符合品質績效指標的情況下，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。
向基於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，給予一定的金額獎勵。
總部位於佐治亞州的創企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，辨識住院30天內有再入院風險的患者。
然後，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辨識有風險的患者，並透過警示醫護人員進行干預。
用於院內管理解決方案的人工智慧技術，仍處於初期階段，新創公司，正致力於幫助醫療服務提供人員，降低成本並提高護理質量。
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，轉向基於AI的心理健康機器人的開發上來。
早期創企專注於使用認知行為療法，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，和數位日記健康應用，創建了對話拓展。
Woebot（臨床心理學家Alison Darcy研發基於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，並在iTunes上推出了「焦慮和抑鬱」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「基於信仰」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（關於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，在最近關於人工智慧元素的播客中提到的，「AI就像一個白痴學者」，對於心理學、人類是什麼、心理變化是如何進行的等，沒什麼概念。
心理健康是一個很大的點，分析過程中症狀，和主觀性具有高度可變性。當下，人工智慧能做的，不僅僅局限於定期檢查，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複雜性。
對於更複雜的心理健康問題，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，這些解決方案並不具備深入分析，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。儘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。
0 comments:
張貼留言