麥肯錫：潛力巨大，障礙多多，人工智能醫(yī)療是藍海還是虛火？
日前，麥肯錫全球研究所發(fā)布了《人工智能：下一個數(shù)字前沿》的報告，分析了當前大熱的人工智能實際落地情況和發(fā)展前景，主要集中在零售、制造業(yè)、電力、醫(yī)療、教育這五大領域。雷鋒網(wǎng)就其中醫(yī)療行業(yè)部分為您進行編譯和解讀。
醫(yī)療保健是很有前途的人工智能市場。它的推理能力和在大量病歷、醫(yī)療圖像和流行病等統(tǒng)計數(shù)據(jù)中進行模式識別的能力有巨大的潛力。人工智能可以幫助醫(yī)生改善他們的診斷，預測傳染疾病，并定制醫(yī)療方案。人工智能與醫(yī)療保健數(shù)字化相結(jié)合，可以讓提供者遠程監(jiān)視或診斷病人，同時還能夠改變方式治療占據(jù)大宗醫(yī)療預算份額的慢性病。
AI能夠快速診斷，制定更好的治療方案
醫(yī)療診斷領域的人工智能主要有兩個方向，一個是基于自然語言處理，根據(jù)病歷和癥狀診斷疾病；一個基于計算機視覺，通過識別醫(yī)學影像診斷疾病。
以肺癌識別為例，AI可以通過兩種方式診斷肺癌，一種是基于自然語言處理，代表是IBM的Watson，在長達4年的時間內(nèi)Watson學習了200本腫瘤領域的教科書，290種醫(yī)學期刊和超過1500萬份的文獻后，Watson開始被臨床應用，將病人的病歷信息和癥狀輸入系統(tǒng)，可以識別肺癌。如今Watson在肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌等癌癥領域已經(jīng)可以為醫(yī)生提供診斷建議。
另外一種是基于計算機視覺的診斷方式，代表企業(yè)是國內(nèi)的Airdoc，由于肺癌早期沒有任何臨床癥狀，如果有癥狀就是中晚期，目前約75%的肺癌患者在診斷時已屬于晚期，肺結(jié)節(jié)的有效診斷和及時治療至關重要。
然而，大面積使用人工智能診斷疾病可能還不會太快發(fā)生。雖然機器學習能夠利用數(shù)據(jù)進行診斷，但完全自動化的診斷不太可能很快實現(xiàn)，部分原因在于患者是否會接受這種診斷，還有部分原因在于整合多個來源的數(shù)據(jù)和遵守嚴格監(jiān)管要求都具有相當?shù)募夹g難度。
同時，在醫(yī)療行業(yè)意識到這一潛力之前，醫(yī)療保健提供者必須對他們的商業(yè)模式做出重大改變，對計算能力和技術專長進行大量投資，并努力提高能源的可用性，從而推動對包括醫(yī)療記錄在內(nèi)的數(shù)據(jù)的處理和利用率。（專門的數(shù)據(jù)經(jīng)紀人，比如IBM在2015年收購的探索（Explorys），已經(jīng)提供了綜合的醫(yī)療保健數(shù)據(jù)，并將其出售給潛在的人工智能解決方案提供商和用戶。）
無論如何，基于AI的診斷工具在醫(yī)學能否取得成功，將取決于政府部門是否會簽署、資金投入以及立法保護患者的隱私，允許醫(yī)務人員訪問疾病和治療方面的匿名數(shù)據(jù)，以訓練計算機別和治療各種疾病。
做出這些改變并不容易，然而一旦成功回報則相當可觀：報告顯示，在醫(yī)療行業(yè)高管回顧關于人工智能使用的案例分析時，較早采用人工智能技術的公司高管表示，他們預計，在未來3年內(nèi)，這些技術將使利潤率提高5個百分點。根據(jù)世界衛(wèi)生組織（WorldHealthOrganization）的數(shù)據(jù)，人工智能能夠提高醫(yī)療保健水平，同時也能降低成本。這可絕不是一件小事2014年全球醫(yī)療支出達到GDP的9.9%（法國為11.5%，美國為17.1%）。
AI能識別公共健康威脅和最受威脅人群
人工智能技術普及率很低。目前最先進的應用領域是機器學習算法支持的支付和索賠管理。一些臨床醫(yī)生使用人工智能來預測某些疾病的傳播，并試圖預測哪些病人最有成為患者。他們根據(jù)這些信息提供預防性治療。他們還利用這些預測來幫助醫(yī)院管理人員安排工作人員，與保險公司協(xié)商報銷費率，制定預算，并優(yōu)化庫存水平。
這種利用醫(yī)療和社會數(shù)據(jù)來更好地管理成本的想法，使得醫(yī)療預測在醫(yī)療保健領域，吸引了一些頂級技術、制藥和醫(yī)療公司以及小型初創(chuàng)公司。Johnson&Johnson與SAP合作，使用機器學習來預測客戶需求、庫存水平和產(chǎn)品組合。Careskore，一個預測分析平臺，使用機器學習來確定病人被重新接納到醫(yī)院的可能性。
在未來，人工智能工具將大大加速醫(yī)療保健向預防醫(yī)學的轉(zhuǎn)變。醫(yī)療專業(yè)人員將專注于遠程管理病人的健康，讓他們不用進醫(yī)院。為了做到這一點，人工智能工具不僅會分析病人的醫(yī)療歷史，還要分析影響健康的環(huán)境因素，比如污染和生活、工作噪音。這樣就可以識別風險群體，并告知當?shù)卣谀睦飳嵤╊A防醫(yī)療計劃。
機器學習適合于分析數(shù)以百萬計的病歷數(shù)據(jù)，以預測基于一定人口水平上的健康風險。這可能是人工智能的早期勝利，因為它帶來了巨額儲蓄的潛力，而且在預測個人健康風險時不需要監(jiān)管審查。
醫(yī)療提供者將得到信息，讓病人參與預防行動，包括醫(yī)療服務和生活方式和環(huán)境因素，如營養(yǎng)、鍛煉和避免污染。醫(yī)院的管理人員將會更好地預測峰值期，譬如入學人數(shù)的激增。人工智能工具通過結(jié)合個人醫(yī)療記錄、天氣數(shù)據(jù)和其他信息，追蹤傳染性疾病的發(fā)病率，將幫助預估有多少人需要住院治療。又譬如，人工智能應用程序可以使用醫(yī)療和人口數(shù)據(jù)來預測分娩的增加，如果產(chǎn)科診所需要額外的工作人員，就會提醒衛(wèi)生保健管理人員。
報告估計，采取AI措施之后，美國每年的全部醫(yī)療服務的潛在成本節(jié)約將是3000億美元，約占GDP的0.7%。英國，使用人工智能目標預防保健，每年可以節(jié)省每年？33億住院費用。
人工智能可以幫助醫(yī)學專業(yè)人員診斷疾病，提高操作機器學習的能力，提高診斷準確性。斯隆凱特琳研究所（SloanKetteringInstitute）估計，在診斷癌癥患者和處方治療時，醫(yī)生只使用了20%的實驗性知識。人工智能應用程序可以在數(shù)百萬頁的醫(yī)學證據(jù)中篩選，幾秒內(nèi)提供診斷和治療方案。
基于AI的圖像識別和機器學習可以在MRI和x射線圖像上看到比人眼更詳細的信息。例如，不同類型的膠質(zhì)母細胞瘤有明顯的遺傳異常，醫(yī)生就根據(jù)這些異常來治療。但是放射科醫(yī)生不能僅憑圖像就能識別這些腦癌的基因異常。梅奧診所有一個機器學習程序，則可以快速和可靠地識別異常。
創(chuàng)新并不局限于圖像識別。企業(yè)家正在努力改變病人護理過程中的每一個步驟。一家名為Enlitic的初創(chuàng)公司正在開發(fā)一款深度學習應用程序，可以提高疾病診斷的準確性。Oncora醫(yī)療公司開發(fā)了一種人工智能工具，幫助腫瘤學家起草針對癌癥患者的個性化輻射治療方案。
人工智能的自動化有可能通過減少醫(yī)生和護士的日常活動來提高醫(yī)療保健的生產(chǎn)力。總有一天，配備深度學習算法的聊天機器人能夠緩解急診室面對大量非緊急病患的情況，KUKA機器人電路板維修，如喉嚨痛和尿路感染患者。
啟用人工智能意味著運營效率的極大節(jié)省。
根據(jù)調(diào)查，盡管人工智能有巨大潛力，醫(yī)療保健在應用人工智能技術方面還是落后于其他行業(yè)。人工智能的使用主要集中在運營和客戶服務方面；最常用的技術是語音識別和計算機視覺，在我們的調(diào)查樣本中，兩者在醫(yī)療保健公司的份額分別是9%和7%，其中包括已經(jīng)注意到人工智能的組織。在大多數(shù)醫(yī)院，諸如預約安排等運營管理職能，仍然是手工完成的。