138-2338-5118

智能医疗 人工智能+医疗将成为的下一个风口

INTELLIGENT MEDICAL COMBINING ARTIFICIAL INTELLIGENCE AND MEDICIAL TREATMENT WILL BE THE NEXT TUYERE

随着人工智能的发展,渐趋成熟的人工智能技术正逐步向“人工智能+”进行转变,医疗作为生活构造重要一环,自然而然 也就成了一个关注点。而谈及当前人工智能+医疗的具体应用,主要还是集中在机器人和机器学习两块。


人工智能+医疗的深度领域(诊断治疗),谷歌、IBM早已比微软先几步进行布局。其中,IBM更是逐渐打开了自己的 市场,譬如去年,就有21家中国医院引入IBM的认知技术,以辅助癌症的诊疗。而随着科技巨头微软的此次入局,我们可以 解到,AI+医疗正渐渐受到行业的重视。


正在进行时的人工智能+医疗

随着人工智能的发展,渐趋成熟的人工智能技术正逐步向“人工智能+”进行转变,医疗作为生活构造重要一环,自然而然也就成了一个关注点。而谈及当前AI+医疗的具体应用,主要还是集中在机器人和机器学习两块。在医疗领域的部署上,机器 人以手术和看护为主,其中又以手术机器人“达芬奇”为典型代表。凭借灵活的关节、多功能的机械臂以及高分辨率的三维图像 处理设备,达芬奇机器人已协助医生完成了多项手术。就在近日,它还帮助医生为一名年仅20个月大、身患先天性肾脏畸形 婴儿成功进行了微创手术。至于机器学习,除了不能做手术,它几乎可以被称为“全能医生”,从诊断到治疗方案一手抓。 IBM开发的Watson Oncology系统,它能帮助医生分析临床数据,为病患制定个性化治疗方案,还有南加州大学开发的机器 学习工具SimSensei,它可以帮助医生诊断抑郁症等等类似的还有很多。此外,还有智能穿戴、计算机视觉、语音识别等多项 AI技术正在被人们引入医疗领域。基于此,我们是否可以猜测,人工智能的下一个“蓝海”就是智能医疗?


智能医疗是人工智能的下一个蓝海

人工智能+”有多种可能性,但为何镁客君偏说智能医疗是人工智能的下一个蓝海呢?主要还是基于两个因素的考虑: 就是巨头的入局以及投资者的目光走向。加上微软,目前已有4家科技巨头进入智能医疗,其余三家分别为谷歌、IBM和苹 果。随着这些担当“行业风向标”的科技巨头的纷纷加入,哪怕项目再冷门,一直跟在他们身后的行业追随者们也会将目光投 在该领域,从而有所动作。并且,依靠着品牌知名度,非行业的普通大众也会被项目吸引一部分注意力,紧接着引起广泛热议, 而这也将成为推动行业人士在特定领域内大展拳脚的一股力量。

 

据统计,全球活跃其中的92家初创公司,仅仅4年的时间,人工智能医疗公司的融资交易就从2011年的10起增加到2015年 的60起。参照这些数据,我们可以看到,注重利益的投资者正将目光转向智能医疗领域,由此也说明了“人工智能+医疗”是具有 前景性的。

 

其次就是基础技术、设施的逐渐完善。以微软Hanover用机器学习预测药物的有效性,并为病患制定个性化治疗方案为例, 在预测、制定方案之前,Hanover需要“阅读”大量的资料,然后进行大数据分析以得出最终结果。对人类而言,大量数据的搜集 和整理分析工作是非常耗时耗力的,但在云储存与云计算的帮助下,再多的数据也只是分分钟的事儿,从根本上提高诊断效率。

 

作为“云”的两项最基本服务,“云储存与云计算”的性能已发展的相当成熟,而共享服务更是在医院与医院、医生与患者之间搭建了一个平台,通过数据分享让患者的诊断更为全面。

 

此外,随着语音识别、图像识别等技术的逐渐提升,作为搜集相关数据的智能手环、可实时规划最佳行驶路线的智能汽车等医疗附属硬件设施也在走向成熟(落地),进而推动了整个智能医疗产业链的成熟。当产业链成熟,也就意味着这个领域是 可以发展起来的,加上医疗行业的重要性以及人工智能技术的先进,智能医疗必将成为一个重点“人工智能+”领域。


创业公司的机会

在智能医疗领域,微软、谷歌等科技巨头纷纷介入,且受到众多投资者的一致看好,覆盖面也相对全面,整体大环境呈现出一片利好趋势。但是,从目前情况来看,智能医疗还处于刚刚萌芽阶段。其实,当前智能医疗只显露冰山一角的原因还是在 于项目的不成熟。像谷歌、微软等公司虽然已经公布了智能医疗项目,并已找到相关合作机构进行测试,但是,在公众、投资 者还没看到结果的情况下,智能医疗还不能够引起他们足够的重视,只会以一个“看客”的身份围在周边。

 

同时很多智能医疗公司在市面上出现,比如Airdoc,目前该公司已经在在大脑、心血管、肺部、肝脏和骨骼健康领域有了比较完善的模型,特别是在糖尿病性视网膜病变问题上,该团队在有明显症状和无明显症状二分方面的诊断准确性已经基本和三甲的人类医生相当,同时,该算法在眼底照片国际标准5分类方面准确性也不逊于专业眼科医生。尽管人工智能医疗已经火全球,但还面临很多应用落地的问题。张大磊提到,人工智能在医疗健康领域同样存在6个方面的挑战:

首先,就是数据质量问题。机器学习所用到的数据其实是训练学习模型的教材,教材的质量最终决定了学习的成果,如何获取高质量的教材是大部分人工智能医疗企业共同面临的问题,临床数据质量不容乐观。

 

其次,病人的隐私问题。在训练模型和数据预处理之前,患者隐私保护需要每个行业参与者高度重视,Airdoc严格遵循HI-PPA,也在和中国主管部门沟通建言推出类HIPPA的信息保护法案,患者隐私保护不容有失。

 

第三,还有观念问题。基于人文伦理的传统观念影响,接受人工智能医疗这一事实的过程可能比想象的要长。

 

第四,监管问题。目前对于人工智能医疗健康大数据的使用监管,我国的法规较美国英国澳大利亚等国家而言还有一些差需要补足。其余两点分别是跨机构数据模型验证和支付问题。“人工智能医疗健康所面临的挑战还有很多,希望能和更多有志 于改变医疗的人士一道共同战胜人类疾病,让所有人更健康。


Copyrignt © 2006 - 2020 huaman All rights reserved. 粤ICP备15018291号 版权所有

:华曼国际综合医院设计、养老设计等医院规划设计服务解决方案!