深度‖AI＋醫療的下一步以及106家初創公司

最近，幾乎所有科技公司都以自己用某種形式的機器學習來吸引風險基金或者合作夥伴。但是對於那些嘗試在醫療健康中使用人工智慧的公司，風險是相當的大，這就意味著炒作人工智慧概念結合醫療健康的公司，相較於那些真正專註在演算法技術研究的公司，在這個行業中更加容易被淘汰

2012年，該地區的交易規模從之前的不到20家增至近70家，最近的一項調查顯示，超過一半的醫院計劃在5年內採用人工智慧，其中35%的計劃在兩年內完成。在波士頓，Partners HealthCare剛剛宣布與通用電氣公司(GE HealthCare)開展為期10年的合作，將深度學習技術整合到他們的網路中。人工智慧的應用遠不止改善臨床工作流程和加快處理索賠那麼簡單。

「我們正在努力解決的問題是生產力的問題，」聯邦醫療保險和醫療補助中心的前代理局長安迪·斯拉維特說，在上周召開的為期兩天的會議上，斯坦福大學(Stanford University)的首席執行官、衛生保健IT專家、政策制定者和醫生齊聚一堂：「我們需要用更少的資源照顧更多的人，但如果我們只顧追逐太多的問題和商業模式，或者嘗試發明新的小工具，那就不會改變生產率。」這就是數據和機器學習所要解決的問題。

接受醫院調查的受訪者表示，這項技術可能對人口健康、臨床決策支持、診斷工具和精準醫學產生最大影響。即使是藥物開發，現實世界的證據收集和臨床試驗，在人工智慧的幫助下也會變得更快、更便宜、更準確。但是，把我們所有的信心都放在AI上的時代還沒有到來。

▍科技巨頭搶佔醫療高地

所以每個人都想擁抱人工智慧，但是我們多久才能看到所謂的機器學習中的醫療保健改革呢?最近，以自然語言處理或強大的圖像識別演算法來處理這些幾十年的醫學研究數據的方式越來越多，涵蓋最直接的應用到最複雜的診斷任務。

像醫療保健領域中的其他技術一樣，人工智慧首先需要建立關鍵醫療數據，這方面存在嚴重限制的問題。但是，這並沒有阻止創新，數字健康的利益攸關者意識到，完全解開AI的真實潛力需要有戰略夥伴關係，有質量的數據，還要有對統計數據的清醒理解。

隨著人工智慧在醫療保健領域的成熟，科技領域的大公司並沒有迴避行業創新帶來的巨大挑戰，比如監管障礙、對質量數據的法律訪問以及缺乏互操作性的持續問題。就在這個星期，谷歌宣布，它已經開啟了自己在醫療保健領域的嘗試和真正的消費級機器學習能力。谷歌大腦與斯坦福大學(Stanford)、加州大學舊金山分校(University ofCalifornia San Francisco)展開合作，從數百萬名患者那裡獲得識別數據。

正如谷歌首席執行官桑達爾·皮查(SundarPichai)上周在谷歌的I / O開發者大會上所解釋的那樣，這還不止於此。去年，他們推出了張量計算中心，稱這個中心為ai- first數據中心。

皮查說：「在谷歌，我們把所有人關於人工智慧的努力都投入到Google . AI。這是大家共同的努力並且公司所有的團隊都致力於將人工智慧的好處帶給每個人。「人工智慧將專註於三個領域:研究、工具和基礎設施，以及人工智慧應用。

去年11月，谷歌的研究人員在JAMA發表了一篇論文，表明谷歌的深度學習演算法在一組大數據的基礎上，可以檢測到糖尿病視網膜病變，準確率超過90%。皮查說，他們希望能應用人工智慧的另一個領域是病理學。

他說:「這是一個很大的數據問題，而機器學習是唯一能夠解決這個問題的。」因此我們建立了神經網路來檢測癌細胞擴散到鄰近的淋巴結。但是與早期數據73%相比，我們的神經網路顯示出更高的準確性:89%。有一些重要的警告——我們也有更多的假陽性——但是已經掌握在病理學家的手中，他們可以改善診斷。

另一個例子是蘋果最近收購了人工智慧公司Lattice，該公司擁有開發醫療應用程序演算法的背景。

微軟也在向醫療進軍。就在幾個月前，該公司推出了「下一計劃-醫療保健」，將人工智慧、雲計算、研究和行業夥伴關係整合在一起。該項目與匹茲堡大學醫學中心的合作，包括使用專註於基因組學分析和健康聊天機器人技術。幾個星期前，微軟與數據連接平台提供商Validic合作，為他們的HealthVault研究項目增加病人。

我們也從很多初創企業中看到了人工智慧，從Ginger.io的行為健康監控公司、Sensely的虛擬助手，到app、可穿戴設備公司Ava和Clue，Ava剛剛發布了對蘇黎世大學的研究和提示，來預測生育窗口。

其他的，比如最近推出的浮標健康，已經建立了醫療專用的搜索引擎。浮標來源超過18000份臨床資料，覆蓋500萬患者，跨越1700個條件。除了癥狀檢查，浮標首先要問年齡、性別和癥狀，然後採取措施來決定接下來要問的問題。在大約兩到三分鐘的時間裡，浮標的問題縮小到越來越具體，然後向個人提供可能的條件列表，以及下一步該做什麼。

另一個有前景的領域是醫學成像，11月，以色列的斑馬醫學視覺公司，一個機器學習成像分析公司，宣布開辦一個平台，使用者無論在何地只需有網上傳自己的醫學掃描圖像，便可收到該圖像的分析。

2014年，斑馬發起了一項任務，教電腦自動分析醫學圖像，診斷各種病症，從骨骼健康到心血管疾病。該公司穩步建立了一個成像資料庫，並結合了深度學習技術，開發了自動檢測和診斷醫療狀況的演算法。另一家提供類似服務的以色列公司是AiDoc，剛剛籌集了700萬美元。

但是無論技術公司有多大，多麼強大，能否獲取到患者的數據區別了是一個炒作噱頭還是一種能夠診斷或預測結果的演算法。這就是為什麼很多公司都在訓練嘗試階段。

正如風險投資公司8VC的首席執行官喬·朗斯代爾(JoeLonsdale)在斯坦福大學(Stanford)的光論壇上說的那樣，「最困難的部分是首先創造數據。」

加州大學伯克利分校公共衛生學院(University of California Berkeley School of Public Health)的生物統計學教授瑪雅·彼得森(Maya Peterson)提供了更為冷靜的觀點。

「現實世界中的數據之間的關係是複雜的，我們無法完全理解它們，」她在本周舊金山的「大數據與健康分析論壇」(Big data and HealthcareAnalytics Forum)上說。機器學習在某種程度上過於雄心勃勃，而我們正面臨更複雜的問題，這不是一件好事。

▍好的演算法很難構建

機器只能從提供的數據中學習，因此研究人員、工程師和企業家都在忙於組裝更大、更高質量的資料庫。

上個月，alphabet-全資擁有的項目基線研究，與斯坦福醫學院和杜克大學醫學院合作共同努力，收集了大量的廣泛的表型健康數據，以期為人類健康發展提供明確的參考。

項目基線旨在收集大約1萬名參與者的數據，每一個參與者將被跟蹤4年，並將利用這些數據開發人類健康的「基線」地圖，以及了解從健康到疾病的轉變。數據的收集形式多種多樣，包括臨床、成像、自我報告、行為，以及感測器和生物標本樣本。該研究的數據存儲庫將建立在谷歌計算基礎設施上，並託管在谷歌雲平台上。

病人數據和計算能力的可用性意味著希望和實際影響之間的差異。這讓我們認識到IBM Watson Health，它已經通過大量的夥伴關係積累了大量的數據，教授聲稱他的認知計算模型將開啟大量關於病人健康的見解。由於實際的證據還沒有完全實現，IBM沃森的公眾輿論也出現了分歧，一些人認為這是機器學習的鼻祖。

IBM的研究部門正在與薩特健康公司合作開發方法，根據未充分利用的EHR數據來預測心力衰竭。IBM Watson實際上從2011年開始起步，當時這台機器贏得了一場「危險遊戲」，激勵公司投入使用這項技術的工作。

「我們必須訓練醫療領域的技術，那裡有很多複雜的技術，因為專業的不同而技術不同，這在世界各地都是不同的。」「我們必須訓練系統來理解醫學語言，」沃森健康的副總裁兼首席戰略官在光明論壇上說。「第一步是自然語言處理。你能有足夠的知識來開始推導見解嗎?你能在你參與對話的時候提出最好的答案嗎?與病人交談，更進一步，同化，繼續前進。

IBM解釋說，要做到這一點，IBM沃森必須解決非結構化數據的問題。

IBM傾向於使用認知計算，因為它超越了機器學習和深度學習。能夠獲得真知灼見，能夠融合和學習。 醫療保健是獨一無二的;它受到高度管制，而且有大量無法使用的數據。而且還有很多筒倉。所以這是一個很多技術可以改進的地方。但最後，成功是由實踐者決定的。

▍製藥企業在轉型

許多專家預測AI在醫療健康上的應用將接踵而至-Allscripts Analytics首席醫療官告訴貝克的醫院評審,她預計第一個應用於管理慢性疾病,其次是和環境或者社會經濟的因素協同，發展增加那些以病人為中心的健康數據的可用性。最後，將遺傳信息，整合到護理管理中，將使精準醫學成為現實。

人工智慧可能產生最大影響的一些領域，是那些以技術聞名的領域：製藥公司。但是這種情況正開始發現變化。

在光明論壇期間，LuxCapital的合伙人，輝瑞前董事長兼首席執行官Jeff kindler稱製藥公司為「創新者困境的典型例子「，因為他們從來沒有足夠的財務狀況來改變他們的商業模式，儘管這將需要更多的醫療利益相關者之間的溝通來了解如何應用人工智慧，但看到人工智慧加速這一進程的潛力是很難被放棄的。

「如果你與付費者交談，他們不知道誰是製藥公司或大數據或人工智慧，他們會認為『我要完蛋了。』那麼，這種信任差距是如何跨越的呢?Kindler在光明論壇上說，「從歷史上看，由於數據不可獲取，製藥和設備製造商並沒有什麼區別；就像投鏢一樣，但是隨著人工智慧和機器學習變得越來越健壯，你可以區分那些有用的操作和那些無關緊要的、不能增加效率的動作。

效率是藥物開發的一個關鍵領域，特別是鑒於食品及藥物管理局的震蕩，這可能會使人工智慧更加容易受到影響。

我在一個需要12年的時間才能推出一款產品的行業工作，」輝瑞負責數字戰略和數據創新的副總裁朱迪·西沃德在「光明論壇」上說。在此期間，有1600名科學家參與研究，3600個臨床試驗涉及數千名患者。我們開始思考人工智慧是如何加快進程，使它更智能，連接突破性醫學並連接最需要它的病人?

西沃德說表示和IBMWatson一起做免疫學上的工作讓生活變得如此美好，她說:「有些人擔心機器或人工智慧會取代科學家或醫生，但實際上他們更像是終極研究助理。」

Deloitte生命科學和醫療方面的負責人Rajeev Ronanki告訴貝克爾的醫院審查這裡需要有三個強大的力量來推動機器學習的發展：指數數據增長，更快的分布式系統，以及更智能的解釋和處理數據的演算法。當這三股力量都集合了後，Ronanki預測首席信息官會被認知洞察力的形式取代來增強人類做決定的能力，基於AI的參與工具，以及AI在設備和過程中的自動化，開發出深厚的領域所特有的專門知識。

「我們預計增長將繼續，機器智能的支出預計將升至313億美元，」Ronanki援引IDC的報告說。

我們今天所處的位置基本上是零，」《漫遊分析》的首席執行官和聯合創始人亞歷克斯·特克托布在光明論壇上說。「我們或多或少弄清楚了商業途徑，最好使用碩士的平均統計數據，不超過這一點就很難把數據放在一起並處理規範。」大多數最先進的深度學習演算法都是在60年代開發出來的，這是基於17世紀的想法。我們必須想出更好的辦法。

特別是輝瑞公司的朱迪·西沃德指出的那樣:「在我們這個行業，你需要百分之百的堅持。」

▍106家AI+醫療公司

過去五年，使用人工智慧的醫療健康公司急劇增加。今年CBInsights追蹤了一百家專註於人工智慧的醫療健康公司，自2015年1月以來，已有50家公司進行了首次公開募股。針對以醫療為重點的AI創業公司的銷售額從2012年的不足20家上升至2016年的近70家。這一年也出現了兩個新的獨角獸：在中國的 iCarbonX和以腫瘤為重點的 Flatiron Health。

幾個投資亮點：

成像和診斷越來越多：24個成像和診斷公司中的 19家公司自2015年1月起就首次提出股權融資（包括種子或A輪以及隱形創業公司Imagen Technologies募集的首輪融資 ）。2014年， Butterfly Networks 在Aeris Capital和斯坦福大學的支持下籌集了1億美元的C輪融資。在中國的 iCarbonX融資1.55億美元之後，加拿大以腫瘤為重點的 Flatiron Health公司又融資2億美元，這是AI醫療保健領域最大的股權融資之一。

遠程患者監測：位於倫敦的 Babylon Health，由Kinnevik和Google擁有的DeepMind Technologies等投資者提供支持，於2016年籌集了2500萬美元的A輪，以開發基於AI的聊天平台。 總部位於紐約的愛可信息集團從投資者（包括生物醫藥資本合伙人，新葉創業合伙人，普利茲克集團創業投資公司和Tribeca Venture Partners）籌集的A系列資金中籌集了1230萬美元，用於人工智慧以確保患者服用藥物。加利福尼亞州的 Sense.ly 已經開發了一名虛擬護理助手Molly，跟蹤患者出院後的情況。該公司聲稱，Molly為當天的20％的患者提供了臨床醫生。

CoreAI公司將其演算法帶到醫療保健領域：Core AI創業公司 Ayasdi已經開發了基於拓撲數據分析的機器智能平台，將其解決方案提供給醫療服務提供商，包括患者風險評分和減少患者再入院。其他核心AI創業公司正在尋求醫療保健領域的機會，包括 H2O.ai 和 數字推理系統。

頂級風險投資公司：Khosla Ventures和Data Collective是醫療保健AI創業公司的頂級風險投資公司，並且各自擁有5家獨特公司。Khosla Ventures投資了加州的Ginger.io，專註於抑鬱症和焦慮症患者; 醫療分析平台 Lumiata ; 以色列的 Zebra Medical Vision 和加利福尼亞州實驗室，將AI應用於醫學影像; 以及藥物研發開啟者Atomwise。數據備份集合成像和初創診斷公司Enlitic，Bay Labs和Freenome，分析平台 CloudmedX，以及之前提到的Atomwise。

藥物發現也引起了VC的注意：創業公司正在使用機器學習演算法來減少藥物研發時間，而VC在版圖上的9家創業公司中已經有6家。安德森霍洛維茨的種子資金最近投資了twoXAR，杜馬藥物發現平台的開發; Khosla風險投資和數據集體支持Atomwise，其在去年發布了第一個發現埃博拉治療藥物，並與MERCK合作; Lightspeed Venture Partners 於2013年投資 Numedii ; 基金資本參與3個股權融資回合算出來的。

AI腫瘤學：IBM沃森集團支持的 Pathway Genomics 最近開始研究其新的血液檢測試劑盒CancerIntercept Detect。該公司將從未被診斷患有該疾病的高風險個體收集血液樣品，以確定是否可以及早發現。其他以腫瘤為重點的創業公司包括 Flatiron Health， Cyrcadia （穿戴式設備），CureMetrix，SkinVision， Entopsis和 Smart Healthcare。

來源：cbinsights

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！