麥肯錫：潛力巨大，障礙多多，人工智能醫療是藍海還是虛火？
日前，麥肯錫全球研究所發布了《人工智能：下一個數字前沿》的報告，分析了當前大熱的人工智能實際落地情況和發展前景，主要集中在零售、制造業、電力、醫療、教育這五大領域。雷鋒網就其中醫療行業部分為您進行編譯和解讀。
醫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、醫療圖像和流行病等統計數據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生改善他們的診斷，預測傳染疾病，并定制醫療方案。人工智能與醫療保健數字化相結合，可以讓提供者遠程監視或診斷病人，同時還能夠改變方式治療占據大宗醫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，根據病歷和癥狀診斷疾病；一個基于計算機視覺，通過識別醫學影像診斷疾病。
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Watson學習了200本腫瘤領域的教科書，290種醫學期刊和超過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，可以識別肺癌。如今Watson在肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌等癌癥領域已經可以為醫生提供診斷建議。
另外一種是基于計算機視覺的診斷方式，代表企業是國內的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，肺結節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生。雖然機器學習能夠利用數據進行診斷，但完全自動化的診斷不太可能很快實現，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據和遵守嚴格監管要求都具有相當的技術難度。
同時，在醫療行業意識到這一潛力之前，醫療保健提供者必須對他們的商業模式做出重大改變，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，從而推動對包括醫療記錄在內的數據的處理和利用率。（專門的數據經紀人，比如IBM在2015年收購的探索（Explorys），已經提供了綜合的醫療保健數據，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，允許醫務人員訪問疾病和治療方面的匿名數據，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，在醫療行業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，這些技術將使利潤率提高5個百分點。根據世界衛生組織（WorldHealthOrganization）的數據，人工智能能夠提高醫療保健水平，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。他們根據這些信息提供預防性治療。他們還利用這些預測來幫助醫院管理人員安排工作人員，與保險公司協商報銷費率，制定預算，并優化庫存水平。
這種利用醫療和社會數據來更好地管理成本的想法，使得醫療預測在醫療保健領域，吸引了一些頂級技術、制藥和醫療公司以及小型初創公司。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院的可能性。
在未來，人工智能工具將大大加速醫療保健向預防醫學的轉變。醫療專業人員將專注于遠程管理病人的健康，讓他們不用進醫院。為了做到這一點，人工智能工具不僅會分析病人的醫療歷史，還要分析影響健康的環境因素，比如污染和生活、工作噪音。這樣就可以識別風險群體，并告知當地政府在哪里實施預防醫療計劃。
機器學習適合于分析數以百萬計的病歷數據，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管審查。
醫療提供者將得到信息，讓病人參與預防行動，包括醫療服務和生活方式和環境因素，如營養、鍛煉和避免污染。醫院的管理人員將會更好地預測峰值期，譬如入學人數的激增。人工智能工具通過結合個人醫療記錄、天氣數據和其他信息，追蹤傳染性疾病的發病率，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療和人口數據來預測分娩的增加，如果產科診所需要額外的工作人員，就會提醒衛生保健管理人員。
報告估計，采取AI措施之后，美國每年的全部醫療服務的潛在成本節約將是3000億美元，約占GDP的0.7%。英國，使用人工智能目標預防保健，每年可以節省每年？33億住院費用。
人工智能可以幫助醫學專業人員診斷疾病，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，醫生只使用了20%的實驗性知識。人工智能應用程序可以在數百萬頁的醫學證據中篩選，幾秒內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，不同類型的膠質母細胞瘤有明顯的遺傳異常，醫生就根據這些異常來治療。但是放射科醫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。
創新并不局限于圖像識別。企業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的初創公司正在開發一款深度學習應用程序，可以提高疾病診斷的準確性。Oncora醫療公司開發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生和護士的日常活動來提高醫療保健的生產力。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省。
根據調查，盡管人工智能有巨大潛力，醫療保健在應用人工智能技術方面還是落后于其他行業。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，在我們的調查樣本中，兩者在醫療保健公司的份額分別是9%和7%，其中包括已經注意到人工智能的組織。在大多數醫院，諸如預約安排等運營管理職能，仍然是手工完成的。