1. 程式人生 > >人工智慧在醫療產業的五大應用場景及典型案例

人工智慧在醫療產業的五大應用場景及典型案例

近年來,智慧醫療在國內外的發展熱度不斷提升。有人提出,“儘管安防和智慧投顧最為火熱,但AI在醫療領域可能會率先落地。”一方面,影象識別、深度學習、神經網路等關鍵技術的突破帶來了人工智慧技術新一輪的發展。大大推動了以資料密集、知識密集、腦力勞動密集為特徵的醫療產業與人工智慧的深度融合。

æºè½å»ç

另一方面,隨著社會進步和人們健康意識的覺醒,人口老齡化問題的不斷加劇,人們對於提升醫療技術、延長人類壽命、增強健康的需求也更加急迫。而實踐中卻存在著醫療資源分配不均,藥物研製週期長、費用高,以及醫務人員培養成本過高等問題。 對於醫療進步的現實需求極大地刺激了以人工智慧技術推動醫療產業變革升級浪潮的興起。

智慧醫療的主要應用場景


從全球創業公司實踐的情況來看,智慧醫療的具體應用包括洞察與風險管理、醫學研究、醫學影像與診斷、生活方式管理與監督、精神健康、護理、急救室與醫院管理、藥物挖掘、虛擬助理、可穿戴裝置以及其他。總結來看,目前人工智慧技術在醫療領域的應用主要集中於以下五個領域:

(一)醫療機器人

機器人技術在醫療領域的應用並不少見,比如智慧假肢、外骨骼和輔助裝置等技術修復人類受損身體,醫療保健機器人輔助醫護人員的工作等 。目前實踐中的醫療機器人主要有兩種:

一是,能夠讀取人體神經訊號的可穿戴型機器人,也成為“智慧外骨骼”;
二是,能夠承擔手術或醫療保健功能的機器人,以IBM開發的達·芬奇手術系統為典型代表。


(二)智慧藥物研發

智慧藥物研發是指將人工智慧中的深度學習技術應用於藥物研究,通過大資料分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物,達到縮短新葯研發週期、降低新葯研發成本、提高新葯研發成功率的目的。

人工智慧通過計算機模擬,可以對藥物活性、安全性和副作用進行預測。藉助深度學習,人工智慧已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破。在抗擊埃博拉病毒中智慧藥物研發也發揮了重要的作用。

 

(三)智慧診療

智慧診療就是將人工智慧技術用於輔助診療中,讓計算機“學習”專家醫生的醫療知識,模擬醫生的思維和診斷推理,從而給出可靠診斷和治療方案。智慧診療場景是人工智慧在醫療領域最重要、也最核心的應用場景。

 

(四)智慧影像識別

智慧醫學影像是將人工智慧技術應用在醫學影像的診斷上。人工智慧在醫學影像應用主要分為兩部分: 一是影象識別,應用於感知環節,其主要目的是將影像進行分析,獲取一些有意義的資訊;二是深度學習,應用於學習和分析環節,通過大量的影像資料和診斷資料,不斷對神經元網路進行深度學習訓練,促使其掌握診斷能力。

 

(五)智慧健康管理

智慧健康管理是將人工智慧技術應用到健康管理的具體場景中。目前主要集中在風險識別、虛擬護士、精神健康、線上問診、健康干預以及基於精準醫學的健康管理。

  • 風險識別:通過獲取資訊並運用人工智慧技術進行分析,識別疾病發生的風險及提供降低風險的措施。
  • 虛擬護士:收集病人的飲食習慣、鍛鍊週期、服藥習慣等個人生活習慣資訊,運用人工智慧技術進行資料分析並評估病人整體狀態,協助規劃日常生活。
  • 精神健康:運用人工智慧技術從語言、表情、聲音等資料進行情感識別。
  • 移動醫療:結合人工智慧技術提供遠端醫療服務。
  • 健康干預:運用AI對使用者體徵資料進行分析,定製健康管理計劃。


智慧醫療產業應用典型案例


(一)醫療機器人

1、智慧外骨骼

俄羅斯ExoAtlet公司生產了兩款“智慧外骨骼”產品:ExoAtletⅠ和ExoAtletPro。前者適用於家庭,後者適用於醫院。ExoAtletⅠ適用於下半身癱瘓的患者,只要上肢功能基本完整,它能幫助患者完成基本的行走、爬樓梯及一些特殊的訓練動作。ExoAtletPro在ExoAtletⅠ的基礎上包括了更多功能,如測量脈搏、電刺激、設定既定的行走模式等。

日本厚生勞動省已經正式將“機器人服”和“醫療用混合型輔助肢”列為醫療器械在日本國內銷售,主要用於改善肌萎縮側索硬化症、肌肉萎縮症等疾病患者的步行機能。

2、手術機器人

世界上最有代表性的做手術的機器人就是達·芬奇手術系統。“達·芬奇手術系統分為兩部分:手術室的手術檯和醫生可以在遠端操控的終端。手術檯是一個有三個機械手臂的機器人,它負責對病人進行手術,每一個機械手臂的靈活性都遠遠超過人,而且帶有攝像機可以進入人體內的手術,因此不僅手術的創口非常小,而且能夠實施一些人類一生很難完成的手術。在控制終端上,計算機可以通過幾臺攝像機拍攝的二維影象還原出人體內的高清晰度的三維影象,以便監控整個手術過程。目前全世界共裝配了3000多臺達·芬奇機器人,完成了300萬例手術。”

(二)智慧藥物研發

美國矽谷公司Atomwise通過IBM超級計算機,在分子結構資料庫中篩選治療方法,評估出820萬種藥物研發的候選化合物。2015年,Atomwise基於現有的候選藥物,應用人工智慧演算法,在不到一天時間內就成功地尋找出能控制埃博拉病毒的兩種候選藥物。

除挖掘化合物研製新葯外,美國Berg生物醫藥公司通過研究生物資料研發新型藥物。“Berg通過其開發的InterrogativeBiology人工智慧平臺,研究人體健康組織,探究人體分子和細胞自身防禦組織以及發病原理機制,利用人工智慧和大資料來推算人體自身分子潛在的藥物化合物。這種利用人體自身的分子來醫治類似於糖尿病和癌症等疑難雜症,要比研究新葯的時間成本與資金少一半。”

(三)智慧診療

國外最早將人工智慧應用於醫療診斷的是MYCIN專家系統。我國研製基於人工智慧的專家系統始於上世紀70年代末,但是發展很快。早期的有北京中醫學院研製成‘關幼波肝炎醫療專家系統’,它是模擬著名老中醫關幼波大夫對肝病診治的程式。上世紀80年代初,福建中醫學院與福建計算機中心研製的林如高骨傷計算機診療系統。其他如廈門大學、重慶大學、河南醫科大學、長春大學等高等院校和其他研究機構開發了基於人工智慧的醫學計算機專家系統,併成功應用於臨床。

在智慧診療的應用中,IBMWatson是目前最成熟的案例。IBMWatson可以在17秒內閱讀3469本醫學專著、248000篇論文、69種治療方案、61540次試驗資料、106000份臨床報告。2012年Watson通過了美國職業醫師資格考試,並部署在美國多家醫院提供輔助診療的服務。目前Watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌症。Watson實質是融合了自然語言處理、認知技術、自動推理、機器學習、資訊檢索等技術,並給予假設認知和大規模的證據蒐集、分析、評價的人工智慧系統。

(四)智慧影像識別

貝斯以色列女執事醫學中心(BIDMC)與哈佛醫學院合作研發的人工智慧系統,對乳腺癌病理圖片中癌細胞的識別準確率能達到92%。

美國企業Enlitic將深度學習運用到了癌症等惡性腫瘤的檢測中,該公司開發的系統的癌症檢出率超越了4位頂級的放射科醫生,診斷出了人類醫生無法診斷出的7%的癌症。

(五)智慧健康管理

1、風險識別

風險預測分析公司Lumiata,通過其核心產品——風險矩陣(RiskMatrix),在獲取大量的健康計劃成員或患者電子病歷和病理生理學等資料的基礎上,為使用者繪製患病風險隨時間變化的軌跡。利用MedicalGraph圖譜分析對病人做出迅速、有針對性的診斷,從而對病人分診時間縮短30%-40%。

2、虛擬護士

NextIT開發的一款APP慢性病患者虛擬助理(AlmeHealthCoach),“AlmeHealthCoach是專為特定疾病、藥物和治療設計配置。它可以與使用者的鬧鐘同步,來觸發例如‘睡得怎麼樣’的問題,還可以提示使用者按時服藥。這種思路是收集醫生可用的可行動化資料,來更好的與病人對接。”該款APP主要服務於患有慢性疾病的病人,其基於可穿戴裝置、智慧手機、電子病歷等多渠道資料的整合,綜合評估病人的病情,提供個性化健康管理方案。

美國國立衛生研究院(NIH)投資了一款名為AiCure的App。這款App通過將手機攝像頭和人工智慧相結合,自動監控病人服藥情況。

3、精神健康

2011年,美國Ginger.IO公司開發了一個分析平臺,通過挖掘使用者智慧手機資料來發現使用者精神健康的微弱波動,推測使用者生活習慣是否發生了變化,根據使用者習慣來主動對使用者提問。當情況變化時,會推送報告給身邊的親友甚至醫生。

Affectiva公司開發的情緒識別技術,通過網路攝像頭來捕捉記錄人們的表情,並能分析判斷出人的情緒是喜悅,厭惡還是困惑等。

4、移動醫療

Babylon開發的線上就診系統,能夠基於使用者既往病史與使用者和線上人工智慧系統對話時所列舉的症狀,給出初步診斷結果和具體應對措施。

AiCure是一家提醒使用者按時用藥的智慧健康服務公司,“其利用移動技術和麵部識別技術來判斷患者是否按時服藥,再通過APP來獲取患者資料,用自動演算法來識別藥物和藥物攝取。”

5、健康干預

Welltok通過旗下的CaféWellHealth健康優化平臺,運用人工智慧技術分析來源於可穿戴裝置的MapMyFitness和FitBit等合作方的使用者體徵資料,提供個性化的生活習慣干預和預防性健康管理計劃。

6、 國內智慧醫療

根據方正證券釋出的網際網路醫療深度報告,“中國網際網路醫療發展經歷了三個階段:資訊服務階段,實現人和資訊的連線;諮詢服務階段,實現人和醫生連線;診療服務階段,實現人和醫療機構的連線。”在實際的產業發展中,中國智慧醫療仍處於起步階段,但賴於資本的追捧,多家智慧醫療創業公司已順利獲得融資。在未來的發展中,國內公司應當加強資料庫、演算法、通用技術等基礎層面的研發與投資力度,在牢固基礎的同時進一步拓展智慧醫療的應用領域。