https://news.chuangyejia.com/article/2019/0219/12176161.shtml
现如今，医疗行业中几乎每个领域都会受到技术崛起的影响。
例如，图像识别正在彻底改变诊断过程。医疗保健领域的人工智能当下着眼于改善患者的治疗结果，调整各利益相关者的利益，降低医疗成本。
人工智能在医疗保健领域面临的一大障碍就是克服惯性，彻底改进不再有效的现有流程，并尝试应用新兴技术。
AI即医疗设备的兴起
软件IDx-DR能够在87.4%的时间内正确识别“超过轻度糖尿病视网膜病变”的患者，在89.5%的时间内确定那些没有患该疾病的患者。
IDx是近几个月FDA批准用于临床商业应用的众多软件产品之一。
FDA专注于明确定义和管理“软件即医疗设备”，尤其是考虑到人工智能的快速发展。
神经网络发现非典型危险因素
运用人工智能，研究人员开始研究、测量过去难以量化的非典型风险因素。利用神经网络分析视网膜图像和语音模式有助于识别人们患心脏病的风险。在另一项研究中，梅奥诊所(Mayo Clinic)与以色列创企Beyond Verbal达成合作，该创企专注于分析声音中的声学特征，以便在找出冠状动脉疾病(CAD)患者明显的声音特征。该研究发现，当测试对象在描述情绪体验时，有两种声音特征与CAD密切相关。
创企Cardiogram的一项研究表明：“经过深度学习，可穿戴心率传感器在接触人体之后，可以检测出由糖尿病驱动的心率变异性改变。”该传感器采用的算法通过心率检测糖尿病的准确度高达85%。人工智能拥有发现疾病规律的能力，还将继续为新的诊断方法和从前未知的风险因素的识别等方面铺平道路。
苹果颠覆了临床试验
苹果正在围绕iPhone和Apple Watch等设备打造临床研究生态系统。数据是AI应用程序的核心，苹果可以为医学研究人员提供两种之前难以获取的患者健康数据。尽管很多公司努力将健康记录数字化，但要想在各个机构和软件系统之间实现健康信息的轻松共享，也就是所谓的互操作性，仍然是医疗保健领域的一大难题。
自 2015 年以来，苹果先后推出了两个开源框架——ResearchKit和CareKit，以帮助临床试验项目招募患者并远程监控他们的健康状况。
这两个框架允许研究人员和开发人员创建医疗应用程序以监控受试者的日常生活。
大型制药企业用AI重塑品牌
现如今，AI生物技术初创公司不断涌现，传统制药企业感受到了前所未有的压力，纷纷将目光抛向AI+SaaS(软件即服务)创企，希望能从中寻得创新解决方案。诺华、赛诺菲、葛兰素史克公司(GlaxoSmithKlein)、Amgen、Merck等顶级制药公司近几个月都宣布与AI创企建立合作伙伴关系，旨在寻找新的药物治疗肿瘤学和心脏病领域的一系列疾病。
制药企业对该领域的兴趣也推动了股权交易数量的增加，截至 2018 年第二季度达 20 笔，等于 2017 年交易总量。AI在医疗行业的应用并不仅限于药物开发。作为最大的人工智能并购交易之一，罗氏控股于 2018 年 2 月以 19 亿美元的价格收购了Flatiron Health。后者可以通过机器学习挖掘患者数据。
目前有超过 2500 家诊所使用Flatiron的 肿瘤电子病历OncoEMR，还有 200 多万活跃病历可供研究。
AI需要医生
AI企业需医学专家来注释图像，以教授算法如何识别异常。科技巨头和政府正大力投资这一板块，并将数据库开放给研究人员。谷歌DeepMind两年前与莫菲尔德眼科医院(Moorfield's Eye Hospital)合作探索AI在眼部疾病检测方面的应用。
DeepMind的神经网络能够针对 50 种威胁视力的眼部疾病作出正确的转诊决定，准确度达94%。
阿里巴巴也是在 2016 年左右决定将AI应用于诊断过程。
中国发展迅猛
中国投资者开始加大多海外创企的投资，而本土的医疗保健AI创企也在逐渐成长，中国科技巨头正通过建立合作伙伴关系将其他国家的产品带来大陆。
过去几年，中国的交易活动在世界范围内还是不值一提的，但如今在全球医疗保健AI市场的排名已经大幅攀升。2018 年上半年，中国超过英国，成为全球医疗保健AI交易活跃度第二的国家。
中国对医疗保健行业的关注不仅仅在于成为AI技术的全球领导者。根据2018年的人口普查，过去长期施行的独生子女政策导致了人口老龄化： 65 岁以上人口超过1. 58 亿，再加上劳动力短缺，迫使政府将工作重心转至提升医疗保健领域的自动化上来。
早在 2016 年，中国就开始努力将医疗数据整合到一个数据库中。与美国类似，中国也存在数据混乱、缺乏互操作性等问题。为解决这一问题，中国政府陆续开设了多家区域卫生数据中心，目的是整合国家保险索赔、出生和死亡登记以及电子健康记录的数据。中国的大型科技公司也在政府的大力支持下进行医疗保健AI领域。
DIY诊断看这里
人工智能正逐渐将智能手机和消费类可穿戴设备转变成功能强大的家用诊断工具。创企Healthy.io声称正在试图简化尿液分析步骤，使其跟拍照一样简单。它的首个产品Dip.io使用传统的尿液分析试纸来监测一系列泌尿系感染。
计算机视觉算法可借助智能手机分析不同光照条件和相机质量下的测试条。
AI在基于价值的医疗领域的新角色
人工智能开始在量化患者在医院接受的服务质量方面发挥作用。
基于价值的服务模式专注于患者，这种模式下激励医疗服务人员以尽可能低的成本提供最高质量的护理。这类模式与服务收费模式形成对比，在服务收费模式中，服务人员根据所执行的服务数量以一定比例获得报酬。
规定的程序越多(比方说测试越多)，财务奖励就越高。
2010 年通过了“患者保护和平价医疗法案”，以价值为基础的服务模式开始进入大众视野。现有的一些保障措施包括仅在符合质量绩效指标的情况下向医疗服务人员提供经济奖励，或者是对医院获得性感染和可预防的再入院情况实施处罚。
向基于价值的医疗护理系统迈进的目标旨在是服务提供人员的激励措施与患者和付款人的激励措施保持一致。
比方说，在新系统下，医院将为减少不必要检查的医生给予一定的财政奖励。
治疗机器人的“能”与“不能”
现如今，心理健康治疗成本高，且无法做到全天候服务，许多企业开始将目光转向基于AI的心理健康机器人的开发上来。心理健康是一个很大的点，分析过程中症状和主观性具有高度可变性。
当下，人工智能能做的不仅仅局限于定期检查，还能培养与人类语言生产的“陪伴”感。
但是，正如一篇心理学文章中提到的，我们的大脑相信我们是在跟机器人聊天，无需破译非语言线索的复杂性。对于更复杂的心理健康问题，这可能就会产生问题，很可能会对机器人和快速修复方案产生依赖性，但事实上，这些解决方案并不具备深入分析或解决根本原因的能力。这项被认为是自动化中安全性最高的工作，需要AI机器人具备高水平的情感认知且能自如地进行人与人之间的互动。
尽管成本和可访问性有所提升，心理健康医疗对AI而言依旧是一项极其艰巨的任务。