人工智能越來越火，醫療能否搭上順風車？

導讀：上個月，阿爾法狗與李世石的世紀圍棋大戰真正拉開了人工智能的序幕，人工智能將成為以后各行各業的一個熱點。醫療也不例外，人工智能+醫療的未來在哪里呢?

居家環境中的醫療健康監測平臺項目(Sensor Platform for Healthcare in a Residential Environment (SPHERE))耗資1500萬歐元到2100萬歐元。SPHERE開發了一個家用的傳感器系統，用來診斷和協助管理人們的健康情況。

它的核心是安裝在這所房子里的十多個攝像頭，測試者也被要求佩戴可穿戴設備并且被7*24小時拍攝、監控和追蹤 。這個項目的最終目標也是觀察人們每天的生活方式和狀態對于健康的影響。看上去這些人毫無隱私可言，但是對于科學研究來說，他們所產生的數據對于延長人類預期壽命影響巨大。

SPHERE 智能家居能觀察到一切，從測試人員看電視到行走或是鍛煉等等。它還可以監測他們的進食和飲水的頻率，他們所使用的App，甚至是睡眠時間和室內溫度。

“很多慢性病都和生活方式是相關的。”布里斯托大學(University of Bristol)的工程學教授、東芝電信研究實驗室(Toshiba Telecommunications Research Laboratory)的研究團隊領導Ian Craddock說。長期生活方式中的一點點改變可以發現一個人目前健康狀況有價值的信息，甚至可以做早期的預警。

個人數據收集的極致可能也就于此，這種追蹤方式現在變得愈發普及，對于用戶的侵入性也降低了很多。蘋果在剛舉辦的發布會上宣布，它們已經擁有超過10億部活躍設備，在過去幾年，蘋果也一直在利用這些設備進行健康相關的數據收集。ResearchKit就可以幫助開發帕金森病的診斷應用，還在不到一年的時間里促成了“史上最大規模的帕金森病研究”。

這次發布會上蘋果又推出了CareKit，它作用就是以開源框架的形式建立一個開發平臺，把傳統根植于單一醫療器械的健康資訊追蹤行為及相對應的資料，從實體化的紙筆轉移到智能手機里，你還可以直接使用智能手機或小型可穿戴設備完成日常檢測，并與家人、醫生共用資料。帕金森病的應用也在首發名單中。

科技驅動的自動化健康數據收集開啟了無限可能。但如果沒有有效的存儲、分析、區別和應用方式，這些信息基本上是空殼。如果要處理如此大規模的數據，最近大火的人工智能也是一個理想的候選。從IBM的深藍計算機戰勝國際象棋名家卡斯帕羅夫迄今快20年，這項技術能否真正開始挽救生命呢?

更大的和更健康的數據

隨著SPHERE項目的持續擴展以適應更多傳感器和小型設備，研究人員正在開發其他方式來挖掘收集到的數據。正是擁有了豐富的數據做基礎，才能有品質更高的研究報告。

對于任何健康數據的收集，這些數據有什么意義都是關鍵點。幸運的是人工智能和機器學習都開始在醫療健康行業內逐漸展現自己的影響力。除了提供數據的概要報告之外，研究人員還在研發可以評估、理解、同時提供建議和預測的自動化技術。當然這些人工智能技術并非全部都是為普通醫療保健所準備的。Cary生態系統研究所(Cary Institute of Ecosystem Studies)的專家Barbara Hann就在利用機器學習對埃博拉病毒的傳播進行建模和預測。

超過1600萬的動物種類都被生物學家發現，而追蹤可能攜帶病毒的野生動物就是一項非常適合大數據以及機器學習的任務。Hann在報告中寫道：“我們的算法可以處理不完整的數據集。機器學習也能很好地處理復雜性問題。生態分析經常包含幾十種變量，這些變量的相互作用的方式并不總是明確的。取樣偏好會讓傳染病研究產生偏離，我們的算法正好可以抵消其所產生的影響。”也就是說，即便來自美洲和歐洲的數據質量更高，也不會推翻來源于非洲的相關數據。

Hann說，這種基于算法的追蹤方式已經成功地辨別了一種攜帶埃博拉式病毒的蝙蝠種類，而這種蝙蝠并非只有非洲才有。

社交媒體并不是好的信源，但是移動和可穿戴設備是

2009年，美國疾控中心(CDC)就使用了傳統和社交媒體相結合的方式邀請公眾報告與H1N1相關的癥狀。這讓CDC既監控了疾病癥狀和受感染區域，也幫助他們引導了公眾對健康服務的反應。

目前，研究人員們正在把這個概念向前推進，調查使用社交媒體網絡收集精神健康數據的方式，以建立可被政府所使用的人口模型。比如通過基于交叉引用關鍵字所觸發的危險信號，系統可以了解到自殺的趨勢。在商業應用方面，機器學習也能在社交媒體中收集藥物不良反應相關的信息，以增強藥企快速反應的能力，避免副作用的遺漏。

如果直接把社交媒體作為信源，這些原始數據的品質真是存疑，想想平常充斥在微博朋友圈的謠言。醫療數據的收集有很多更為準確的方式，比如移動設備或是可穿戴設備等。手環和智能手機之所以對醫療領域如此有價值，廣泛的普及率是原因之一，還有它們自身高度聯網的特性和多樣的功能。

舉個例子，常規的眼部檢查不僅可以用來進行視障治療，還能揭示一些更寬泛的健康問題，比如糖尿病的發作。在新技術的幫助下，眼部檢查無需笨重的專業設備，只用普通的便攜設備就可以完成，對于欠發達國家和地區來說，它所帶來的好處是非常明顯的。

KEEP這款產品正在肯尼亞、馬里、馬拉維、坦桑尼亞等國家進行實地測試。它由智能手機和非常廉價的視網膜成像裝置組成，能測試視覺能力，比如視敏度、色彩/對比度明暗度、白內障影響分級等等。PEEK已經可以發現一些明顯的眼部問題，操作者可以把視網膜圖像傳回實驗室。目前它還沒有基于人工智能的自動分析功能，暫時還不能進行獨立診斷。但是它代表了一種由手持設備進行高質量數據收集的方式。(奇點曾對相關內容進行過報道，請戳：誰說移動醫療沒用?這幾款產品正在幫助患者脫離失明風險)

基于云計算的癌癥診斷和治療

Barbara Hann的研究顯示，人工智能的優勢是可以處理大量來自不同信源的數據。人工智能也很擅長識別那些人們會忽略的數字噪音。今天，最復雜和最具挑戰的患者健康領域大概就是診斷和治療癌癥。

Flatiron Health通過大數據分析為癌癥的精準治療提供幫助，它能抓取醫患之間各階段的交互數據。OncologyCloud是Flatiron Health的云平臺，它含有一個分析模塊，一個電子病歷模塊，病人入口和計費系統。

Flatiron Health最近和田納西州的West Cancer Center合作，為數十個癌癥中心安裝了他們的系統。“我們需要一個創新的、醫學腫瘤學、基于云計算的EHR，可以為臨床醫生提供他們所需的腫瘤學工作流程和臨床路徑。”West Cancer Center 的常務董事Lee Schwartzberg說。

人工智能的影響能有多大?

通過深藍在國際象棋上的勝利，以及它的繼任者Watson最近在TV游戲比賽Jeopardy中獲得勝利，人工智能被夸張地介紹成巨大，嘈雜，貨車大小的閃爍燈光的硬件盒子。1960年代冷戰期間無數驚險小說告訴我們，一個診斷室里基于人工智能的診斷專家不應該是這個樣子。

客戶直接訂購一個物理安裝的IBM的Watson人工智能，因為基本上可以認為沒有這個東西。現在，Watson僅僅在云服務器上存在一個實例。但是Watson到底是什么呢?現在為它積累名聲的表演一去不復返，那他對于醫療行業有什么作用呢?

作為衛生部門的客戶，一個Watson的實例由一些技術參數組成。第一個是理解自然語言的能力，包括特別的醫學術語。第二個是被語料庫進行訓練的能力，如最佳實踐指導，高質量醫學文獻，該領域新發現的細節，當地治療方法的知識等等。

用這種方式，Watson可以理解你給它的問題，然后通過在語料庫中運行成百上千次這個問題訓練處一個認知模式，用這種方式，Watson可以為問題提供一個根據信心排序的推薦答案。

Watson實例的一個重要的第三方屬性是在機器學習方面。像英國IBM Watson Health負責人Matthew Howard所說的，是“通過訓練來提高判斷對錯能力的能力。你可以通過給它案例說明和病人的例子，并且看它是否可以找到有效的答案來進行訓練。這種訓練系統的方法被我們稱為生成答案的正確標注。”

本質上講，一個組織會搭建他們自己的Watson實例并且在以恰當的方式正式運行前，會用他們自己的語料庫進行訓練。Watson的給出的答案以來它是如何被訓練和配置的。“一個有保障的訓練是所有感知技術的關鍵部分。”Howard說。

近期Wellcome Trust 的一個研究顯示，人們對于電腦幫助診療這件事持“還好”的態度。調查發現，53%的人們支持個人健康數據可以被用于研究，但是僅限于醫院和慈善機構，藥企是不可以的。

“人們對于自己的個人信息持謹慎態度，特別是沒有經過解釋的、那些不明所以的疾病數據。對于商業組織利用個人數據我們持保留態度。”Wellcome Trust的政策負責人Nicola Perrin說。

不管機器是否與患者有交互，顯然人工智能已經產生了影響。唯一的問題是，它能產生的影響到底有多大。