新藥研發、醫療大資料及中國市場 : 擔負健康重任的人工智慧
在過去的五年裡，醫療AI初創企業在500多起交易中共獲得了超過43億美元的融資，交易遠超AI涉足的其他領域。與此同時，70個AI類的醫療裝置和器械獲得了美國FDA頒發的“快速通道“資格。
圖片來源：Pexels
人工智慧可以通過機器學習的方法加速新藥設計和研發的流程；利用大資料的優勢輔助診斷和治療，改善患者的健康狀況；中國也正抓緊AI的新趨勢，在醫療領域發力拓展AI的版圖。 這也將會是AI改善醫療環境、提高人均壽命的重中之 重。
機器學習與新藥研發
傳統醫藥行業研發一款新藥所需的時間和金錢成本可能遠超一般人的想象。從開始研發到投入市場，一款新藥平均需要超過十年的研發週期，成本至少達25億美元（甚至能超過120億美元）。
機器學習的出現，讓人們看到了打破這一尷尬局面的希望。 應用了機器學習演算法的AI系統，具備大幅縮減研發人員，加快研發週期，降低研發成本的潛力 。諸多初創企業也看中了AI在新藥研發方面的潛力，希望能開拓出一條更高效的新藥研發之路。
圖片來源：Pixabay
位於美國馬里蘭州的Insilico Medicine 即是其中之一。 Insilico Medicine使用包括生成對抗網路（GAN）和強化學習（RL）在內的AI技術，應用於那些具有已知配體但尚無具體靶標的疾病，為它們生成具有新分子結構的候選藥物 。
基於上述技術，2018年末，Insilico Medicine的執行長Alex Zhavoronkov博士宣佈了一項具有突破性的研究結果：該公司46天內以前所未有的命中率生成了針對蛋白質靶點的新分子。46天時間內，不但完成了新分子的合成，還在生物測試系統中檢驗了分子的有效性。
公司內部正在進行藥物發現專案，包括癌症，面板疾病，纖維變性，帕金森病，阿茲海默病，肌萎縮性脊髓側索硬化症，糖尿病，肌肉減少症，和衰老方面的藥物。 這些新藥研發成功後，將為相關疾病治療帶來深遠的影響 。Insilico Medicine還積極參與與其他機構的合作，今年一月，Insilico Medicine和Elevian達成合作，共同開發靶向GDF11（生長分化因子11）途徑以及相關靶點的口服藥物。
人工智慧與健康大資料
人工智慧具備的資料分析能力能重新審視現有的資料，並且探尋那些被忽略的醫療資訊。這些資訊，很可能就是解決疾病治療的關鍵。
以目前常見的心血管疾病為例，這種疾病在全球範圍內都是造成因病死亡的首要原因。但諸如急性心肌梗死、呼吸衰竭的發生大多毫無預警，並需要在短時間內採取措施才能挽救生命。在無準備或是無人陪伴的情況下，結果往往令人遺憾。
一款名為WAVE的演算法，可以通過處理生理指標資料提前六小時為患者做出健康惡化預警，從而避免意外的發生。去年，美國FDA批准了這套基於AI的系統的醫療預警監測平臺的醫療器械申請。
類似的，蘋果推出的Apple Watch和谷歌母公司Alphabet旗下Verily推出的Study Watch都內建了心電圖檢測功能，並經美國FDA獲准成為非處方類或處方類醫療裝置。 結合豐富的健康資料，AI能夠在無醫務人員照看的情況下快速預估患者的健康狀況，併為其提供適當的醫療指導，從而大大提高醫療效率，病人的健康狀況也得以改善 。
圖片來源：Pixabay
病歷閱讀也是一項AI能做，但常人難以勝任的工作。即便是經驗豐富的醫生，也無法記住每一位病人的詳細資訊，更別提系統性地分析這些資訊了。但AI則不同， 通過閱讀電子病歷，並綜合運算，AI能發現許多未曾被注意到的細節，進而為革新診療方法做出指導 。
IBM旗下的AI系統Watson的能力之一即是分析病歷和臨床試驗資訊。通過和強生、蘋果等公司的合作，Watson每天可以處理2萬7千份新醫療文件，其診斷肺癌的準確率也可以匹敵人類醫生。今年， IBM還和多所機構達成了新的合作 ，其中也包括提升電子病歷使用效率、分析臨床資料等內容。
前不久， AI閱讀病歷的相關研究剛剛刊登於《Nature Medicine》 。由廣州市婦女兒童醫療中心的夏慧敏教授和加州大學聖地亞哥分校（UCSD）張康教授領銜的一支研究團隊帶來一款全新的AI診斷工具， 它 可直接閱讀醫療病歷，自動分析患者病情，智慧給出推薦診斷。
在大資料無處不在的今天，醫療資料的處理無疑會為醫療健康領域的發展帶來新的突破。
中國加入戰場
目前，已有多家企業加入了醫療AI的戰場，其中最值得注意的是科技巨頭騰訊。幾年前，騰訊投資了醫療AI公司碳雲智慧。碳雲智慧位於深圳，旗下擁有基於基因組資料的精準健康管理平臺“覓我”，並投資了多家美國醫療AI初創公司。
通過微信入口，騰訊也已經深入了數個醫療流程。患者可以通過微信預約掛號、檢視檢驗報告，或是通過微信支付繳納醫療賬單。近日， 騰訊還與德國默克（Merck KGaA）簽署了戰略合作協議 ，共同開發數字醫療服務，以期深入醫療服務的多個流程。
機器學習和健康大資料在醫療領域各有本領，但也並非互相割裂。 醫療健康的各個流程之間都存在著千絲萬縷的聯絡，這也要求了未來醫療AI產業要具有更強的整合能力 。只有打通醫療流程的各個環節，才能更好地利用AI的高超本領，服務醫生、患者和所有從業者。
參考資料：
[1] AI Is rapidly augmenting healthcare and longevity. Retrieved Feb 19, 2019 from https://singularityhub.com/2019/02/15/how-ai-is-rapidly-augmenting-healthcare-and-longevity/#sm.000plt1w4188cfdjqov25qt566m0e