隨著人工智能的發(fā)展，逐步成熟的AI技術(shù)漸漸向“AI＋”的工業(yè)應(yīng)用轉(zhuǎn)變。雖然相比于“AI＋金融”、“AI＋零售”的蓬勃發(fā)展，“AI＋醫(yī)療”還處在比較早期的階段，但毫無疑問，智能醫(yī)療是人工智能領(lǐng)域最具有發(fā)展前景的領(lǐng)域之一。

IDC在其《全球半年度認(rèn)知/人工智能支出指南》中將診斷和治療系統(tǒng)列為2016年吸引最多投資的領(lǐng)域之一，并表示在未來五年內(nèi)，包括藥物研究和發(fā)現(xiàn)以及診斷和治療系統(tǒng)的使用案例將獲得最大的發(fā)展。

IDC預(yù)測醫(yī)療健康人工智能投資的年復(fù)合增長率為69.3％。同樣，CB Insights將醫(yī)療健康列為人工智能中最熱的領(lǐng)域，并將其作為今年的創(chuàng)業(yè)項目。

從目前的發(fā)展來看，“AI+醫(yī)療”目前可以分為如下三個層次：

智能問診、精準(zhǔn)醫(yī)療、藥物研發(fā)

“AI+醫(yī)療“之所以有如此大的應(yīng)用前景，主要原因在于其市場需求是巨大的。在傳統(tǒng)的醫(yī)療行業(yè)中，醫(yī)生培養(yǎng)周期長、誤診率高，醫(yī)院資源有限、效率低一直都是難以解決的問題。

而隨著技術(shù)的革新，智能醫(yī)療為解決這一問題帶來了曙光，目前，最成熟的案例之一就是IBM Watson。

IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學(xué)專著，248000篇論文，69種治療方案，61540次試驗數(shù)據(jù)，106000份臨床報告。

通過融合信息檢索、自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)和海量數(shù)據(jù)，IBM Watson能自主進(jìn)行理解、推理和學(xué)習(xí)，在短時間內(nèi)迅速成為腫瘤專家。

這組數(shù)據(jù)讓我們看到了智能醫(yī)療的無限可能。一方面，它的出現(xiàn)和發(fā)展將大大提高人類醫(yī)生的效率，降低時間成本，另一方面通過輔助醫(yī)生做出相應(yīng)的判斷，在很大程度上也降低了誤診的幾率。

21世紀(jì)初，人類基因組計劃完成時提出了個性化治療這個理念，旨在希望用測序得到的遺傳標(biāo)記來判斷病人是否對藥物有應(yīng)答，以便針對每個病人進(jìn)行治療，然而，疾病往往是多誘發(fā)原因、多基因控制的，很難從一個簡單的角度進(jìn)行判斷。

也因為這個原因，在近幾年，個性化治療逐漸走向了精準(zhǔn)治療。精準(zhǔn)醫(yī)療強(qiáng)調(diào)在治療時將個人基因、環(huán)境與生活習(xí)慣差異考慮在內(nèi)，基于患者的遺傳信息的診斷測試結(jié)合其他分子或細(xì)胞的分析結(jié)果，再針對性地選擇適當(dāng)?shù)寞煼?，其重點不在于“治療”，而在于“精準(zhǔn)”。

但如果僅僅依靠傳統(tǒng)醫(yī)療行業(yè)的方法來實現(xiàn)精準(zhǔn)治療，這就對數(shù)據(jù)和醫(yī)生的經(jīng)驗有極高的要求，得到的結(jié)果無法量化，難以具有說服力。

智能醫(yī)療的價值由此凸顯，如今人工智能中的兩大核心技術(shù)：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)讓計算機(jī)系統(tǒng)能夠自主學(xué)習(xí)經(jīng)驗數(shù)據(jù)對病情的分析并做出判斷。

計算機(jī)強(qiáng)大的運(yùn)算能力彌補(bǔ)了部分人類醫(yī)生由于經(jīng)驗不足引起的誤判，或是對罕見疾病的信息缺失和思慮不周，并且計算機(jī)還能夠發(fā)現(xiàn)人眼難以察覺的細(xì)節(jié)，用數(shù)據(jù)說話，尋找出一些出人意料的規(guī)律，從而不斷完善醫(yī)生和計算機(jī)系統(tǒng)的知識體系，推進(jìn)精準(zhǔn)醫(yī)療的發(fā)展。

目前，精準(zhǔn)醫(yī)療的主要進(jìn)展集中在癌癥治療領(lǐng)域。

癌癥是全球范圍內(nèi)危害人類健康的疾病，根據(jù)美國癌癥協(xié)會最新發(fā)布的數(shù)據(jù)顯示，2017年美國預(yù)計將出現(xiàn)新發(fā)癌癥病例1688780例，癌癥死亡病例600920例，這意味著每天新增4600例癌癥患者，死亡1650例癌癥患者。

雖然相比于過去十年，病人的存活率已經(jīng)得到了顯著提升，但這仍然是我們難以想象的一個數(shù)字。

貝斯以色列女執(zhí)事醫(yī)學(xué)中心（BIDMC）與哈佛醫(yī)學(xué)院合作研發(fā)的人工智能系統(tǒng)，對乳腺癌病理圖片中癌細(xì)胞的識別準(zhǔn)確率能達(dá)到 92%，尤其是當(dāng)這套技術(shù)與病理學(xué)家的分析結(jié)合在一起時，它的診斷準(zhǔn)確率可以高達(dá) 99.5%。

而國內(nèi)，3月29日，阿里云剛剛在云棲大會·深圳峰會上發(fā)布了ET醫(yī)療大腦，宣布正式進(jìn)軍“AI+醫(yī)療”領(lǐng)域。

ET醫(yī)療大腦學(xué)習(xí)了2萬張甲狀腺片源，成功幫助人類將判斷甲狀腺結(jié)節(jié)點的準(zhǔn)確率由60-70%提升到85%。經(jīng)過一年多的研究訓(xùn)練，ET醫(yī)療大腦已經(jīng)能在醫(yī)學(xué)數(shù)字影像、精準(zhǔn)醫(yī)療等多領(lǐng)域擔(dān)任醫(yī)生助手的角色。

這讓我們看到了精準(zhǔn)醫(yī)療的必要性，隨著計算能力的日益強(qiáng)大、人工智能技術(shù)的穩(wěn)步發(fā)展，人類的醫(yī)療水平也必將會有步入新紀(jì)元。通過對精準(zhǔn)醫(yī)療的研究和對計算機(jī)能力的應(yīng)用，我們有理由相信會有數(shù)以萬計的生命被挽救。

醫(yī)療領(lǐng)域目前最重要的痛點之一仍是藥物挖掘與開發(fā)的時間成本。根據(jù)塔夫特藥物發(fā)展研究中心（Tufts Center for the study of Drug Development）的數(shù)據(jù)，一款新藥的面市從藥物發(fā)現(xiàn)到獲得FDA批準(zhǔn)平均大約需要96.8個月。

雖然對專業(yè)技術(shù)的持續(xù)聚焦可以改善時間跨度，但新藥研發(fā)的成本卻仍在持續(xù)增加。德勤的數(shù)據(jù)顯示，自2010年以來，12家主要制藥公司的獲批藥物開發(fā)成本已經(jīng)增加了33％，至約每年16億美元。

如何才能降低新藥研發(fā)的成本，增加研發(fā)成功的概率呢？答案只有一個，那就是依靠大數(shù)據(jù)和人工智能的力量。

以硅谷公司Atomwise為例，Atomwise通過IBM超級計算機(jī)，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩選治療方法，評估出 820 萬種候選化合物，研發(fā)成本僅為數(shù)千美元，研究周期僅需要幾天。

2015年，Atomwise利用AI技術(shù)，在不到一天的時間內(nèi)對現(xiàn)有的7000多種藥物進(jìn)行了分析測試，成功地尋找出能控制埃博拉病毒的兩種候選藥物。根據(jù)該公司的統(tǒng)計，如果利用傳統(tǒng)方法，這項分析需要花費數(shù)月甚至數(shù)年才能完成。

雖然智能醫(yī)療有望解決傳統(tǒng)醫(yī)療行業(yè)的許多問題，但我們也不得不承認(rèn)AI+醫(yī)療仍然存在很多阻礙。

在智能醫(yī)療有效降低醫(yī)藥研發(fā)成本與醫(yī)生工作時間成本的同時，我們也不得不承認(rèn)實施AI和機(jī)器學(xué)習(xí)算法本身成本可能非常昂貴。醫(yī)療健康是一個容錯率極低的領(lǐng)域，為確保數(shù)據(jù)的真實合法，算法的準(zhǔn)確有效以及計算機(jī)有足夠的計算能力，都將花費不菲的金錢。

另一方面，想要AI+醫(yī)療有所突破和發(fā)展，相關(guān)領(lǐng)域頂尖人才的聚合也非常重要。2013年，Google收購DeepMind Technologies時支付了超過3億美元，而當(dāng)時他們的團(tuán)隊僅有十幾個人。因此，人才培養(yǎng)的成本和聚集人才所支付的代價都是向智能醫(yī)療行業(yè)進(jìn)軍的企業(yè)所必須考慮的。

另外，智能醫(yī)療行業(yè)的信息獲取也存在著一定的隱患。醫(yī)療行業(yè)的數(shù)據(jù)大多包含病人的隱私信息，將這些數(shù)據(jù)用于科研甚至實際應(yīng)用是否合乎人情與法律也是必須考慮并加以解決的問題。

但盡管“AI+醫(yī)療”存在重重阻力，我仍相信它的發(fā)展勢在必行。

人工智能將成為醫(yī)生的最佳輔助，幫助醫(yī)生更便捷的獲取信息并做出更正確的判斷，只有將人類的情感溝通能力與計算機(jī)的分析計算能力相結(jié)合，才能發(fā)揮出智能醫(yī)療最大的價值，真正的將技術(shù)應(yīng)用于實際，實現(xiàn)人工智能領(lǐng)域研究的終極意義。