玩家、巨头纷纷入局，人工智能将如何颠覆传统医疗？

【猎云网（微信号：ilieyun）北京】11月9日报道（文/竹子）

从去年起，人工智能的发展迎来了爆发。

据CBinsights统计，2015年共有397起投资事件，23.88亿美元被投入到人工智能领域，与2011年相比投资额增长了近9倍。另有数据显示，其中近一半的融资发生在种子轮和天使轮。

人工智能热度正当头，毫无疑问，它将从方方面面改变人类的生活。而医疗正是其中一部分。

一业内人士告诉猎云网，几年前，人工智能应用到医学上的文献不到10篇，去年增加到20多篇，而今年这个数字变成了50多篇。

从下表可以看出，自2014年谷歌收购DeepMind之后，人工智能+医疗项目的估值也水涨船高，投资额从2014年开始显著上升，截至到2016年8月，相关领域内的交易从2011年的10起增至2015年的60起。

PART.1

事实上，人工智能+医疗的前途确实十分广阔，原因就在于两者在某些点上完美契合。

♦ 数据解读优势

任何疾病，都是通过医生无数次的实践总结，得出规律，获得治疗效果的升华。而计算机在医疗领域的应用也是居于同一个基础——数据。

移动互联技术的快速发展，使终端设备产出的数据量达到前所未有的程度，有关机构预测，2020年大数据量将达到44ZB，其中掺杂大量的图像、视频等非结构化数据，而这些数据，现有的互联网系统都难以识别。医疗领域也存在大量的非结构化数据。

人工智能不但能够识别大量的非结构化数据，更可以提供数据洞察，从而帮助企业做出更精准的商业决策。

♦ 大玩家涌入，并开源平台

一些大公司如Deepmind，IBM waston，GE等都投入了大量的工作在人工智能的相关分支上，如医疗图像和诊断数据分析，并陆续开源平台。人工智能医疗是未来趋势这一点，可谓已成业内共识。

Facebook于去年1月宣布开源多款深度学习人工智能工具，谷歌、IBM和微软于去年11通宣布开源。大公司开源平台的做法，对人工智能技术壁垒的消除有很大的推进意义。

♦ 政策推动

在10月25日发布的《“健康中国”2030健康规划纲领》中也提到，要全面实现医保智能监控，同时，医疗收费也将逐渐向价值收费过渡，这些正是适合人工智能发力的领域。

PART.2

大环境如此利好，但部分人仍然处于观望状态，有的人甚至觉得这只是一个概念性的噱头。为什么？

这就不得不提到医疗人工智能发展的几个壁垒：

• 医疗的复杂性，使得AI应用推动缓慢

医疗决策是一个非常复杂的过程，人体构造也十分精细，常见的疾病就有1万多种。机器虽然在数据能力方面远超人类，但推理思考对机器而言还是一个难题，目前尚不清楚机器还需要多长时间才能学会人类的决策过程。

由于关乎到生命，医院在做任何尝试改革之前都很谨慎，要在有非常高的保障情况下才会接纳新的技术。所以很多技术虽然已经研发出来，但何时能投入实际应用，还尚不可知。

• 数据总量不足，质量不高

人工智能是监督下的机器智能学习方法，想让它不断提升，就需要做好标识。比如Google就用大致1万个小时的、经过标注的对话训练了一个神经网络。但现阶段的数据，不论是从总量还是标记数量上来说，都还远远不够。如果靠人工对数据进行标记，又需耗费大量人力。

是否有可能让人工智能直接学习大量的无标注数据呢？这是一个努力的方向，但现阶段技术还不成熟。

• 隐私安全问题

数据涉及到医院、医生和患者三方，什么时候可以用？什么情况下可以用？在使用过程中，如何防止数据泄密？需要进一步探究。

• 变现困难

医疗牵涉到患者、医生、体系、政策等多方面因素，问题错综复杂。相比其他领域，医疗领域的变现速度来得更慢。即便加入了互联网成分，也并未得到太多好转。盈利模式不够清晰，是部分资本迟迟不愿进入人工智能+医疗领域的原因之一。

PART.3

尽管还有着重重困难，但不可否认，医疗人工智能已经在部分病种上的应用取得了突破性进展。

IBM的Watson医生在肿瘤辅助诊断方面开始了大范围应用。微软Hanover用机器学习预测药物的有效性，并为病患制定个性化治疗方案。在不久前，关于乳腺癌片子的PK上，人工智能机器的辨识率甚至超过了人类。

人工智能在医疗领域的应用来得缓慢而谨慎，却仍然像前进的潮水般，不可阻挡。事实上，国内外已经有一些高科技企业将AI技术用于相关领域。

那么，对医疗人工智能来讲，哪些场景最有可能获得率先突破呢？又有哪些公司已经加入了人工智能的医疗革新中？

医疗影像

高精准率、电子胶片的推广、放射科经验医师的缺乏，使得人工智能技术在医疗影像方面有巨大的发展空间。

医学影像的解读需要长时间的经验积累，即使是老道的医生，有时在面对海量的数据时，也会出现失误。人工智能在图像识别的速度和精度上，都胜于人力操作。美国已经抛弃了传统胶片，而国内的医学影像也正在向电子胶片过渡。

Enlitic

Enlitic创立于2014年，Enlitic从X光照片及CT扫描图像中找出恶性肿瘤的图像识别软件，对大量医疗图像数据进行机器学习，总结出恶性肿瘤相关特征，以及推断出哪些特征能够判定是否有恶性肿瘤。

Enlitic被MIT Technology Review评为2015全球最智慧的50家公司之一，在2015年3月和10月分别获得了300万美元的A轮融资和1000万美元的B轮融资。

Butterfly

The Butterfly Network是连续企业家、DNA研究员Jonathan Rothberg开办的众多项目之一，向初创公司收取一定费用来建立有史以来最小、最便宜的医学图像设备。

这个设备又被称作“电容性微型机器制作的超声波换能器（CMUTs）”，它将被嵌入在手机或者平板电脑中。当其依靠身体支撑被举起的时候，可以利用超声波显示出图像。它还可以反映出脑瘤并能显示出在子宫里不断长大的胎儿图像。

汇医慧影

汇医慧影基于医疗影像产品研发和制造，深耕影像云系统、图像识别和智能诊断。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!