人工智慧想要在醫療健康領域發展，哪些商業模式可以借鑒？

GIF/1K

當前，運用人工智慧（artificial intelligence, AI）從醫療健康數據，特別是基因組學和醫學影像數據中獲取新見解是一個風頭正勁的創新領域。科技的進步和創新的出現雖然令人非常興奮，但是這一領域的初創公司仍然需要面對「如何通過AI賺錢」這個基本的商業問題。

醫療健康公司怎樣使用AI降低醫療健康成本？最終它們如何獲得政府監管機構、保險公司、醫生和患者的認可？日前，美國聖地亞哥科技與生命科學屆的精英們聚集在一起，對AI在醫療科技領域的機遇和挑戰進行了討論。

（圖片來源：Huffington Post）

與會者的共識是在醫療健康領域使用機器學習（machine learning）和相關技術還處於初級階段，現在還很難預測這些創新的未來走向。不過不容置疑的是，一場醫療健康領域的革命性變革即將來臨，從包括小型初創公司到如IBM和GE這樣的巨頭在內的多家科技公司都角逐在這一新興領域中的一席之地。

聖地亞哥是全美生物技術中心之一，自然對AI在醫療健康領域的應用也有著濃厚的興趣。該地區擁有成熟的生命科學產業，並且是Illumina 和塞默飛世爾科技 （Thermo Fisher Scientific）公司兩大測序巨頭的大本營。聖地亞哥的HNC軟體公司在神經網路 （neural networking)）技術方面也擁有專長。它為金融行業開發的分析軟體被FICO公司用於預測信用卡作弊等功用。

「對想要在生命科學領域應用機器學習技術創新的初創公司來說，有沒有一個成熟的商業模式可以採用？」這個問題是與會專家們討論的第一個問題。

對於加州電信與信息技術研究所（California Institute for Telecommunications and Information Technology）主任Larry Smarr教授來說，第一個進入他腦海的商業模式是Illumina公司的商業模式。Illumina公司是DNA測序技術的先驅。如今，該公司在分析基因組數據方面也佔據了領先的位置。

（圖片來源：Illumina官網）

「它們運用雲計算來分析人類基因組數據的商業模式已經頗具規模，」Smarr 博士說：「在如今數據量指數性上升的情況下，如果你不使用特定演算法，根本無法從中獲取任何對醫療健康有用的信息，在基因組學和微生物組學方面尤其如此。」

Illumina可以從基因組研究中心、臨床研究組織、科研單位、生物技術和製藥公司中發現需要測序和數據分析服務的客戶。但是這種商業模式能夠被複制么？如果有一個初創公司的商業模式是基於分析微生物組學的數據，那麼這個公司應該是個什麼樣子呢？

（腸道微生物，圖片來源：Oregon State University）

對於加州大學聖地亞哥分校（UCSD）的Rob Knight博士來說，單純幫助人們了解微生物組學數據很難成為一種成功的商業模式。Rob Knight博士是UCSD微生物組創新中心主任和美國腸道項目（American Gut Project）的聯合創始人之一。這一項目已經收集了1萬6千個糞便樣本，力圖通過分析微生物組信息來幫助科學家們更好地了解微生物在人類健康方面的作用。

他說：「我認為我們需要的是將微生物組數據分析推進到實時狀態，並且開發出一種基於微生物組信息的用戶界面，它能夠讓用戶在彈指之間就能夠知道你剛才吃的那片麵包對你的健康有好處還是有壞處。」

總部在以色列特拉維夫（Tel Aviv）的Nutrino公司正在採用與Knight博士描述的商業模式類似的策略。該公司致力於開發一種移動App和數據平台，它能夠幫助用戶了解他們吃下的食物對個人新陳代謝的影響。

「我們還能夠實時給你關於食物對血糖水平影響的指導，」聖地亞哥的DexCom公司數據部的高級副總裁Annika Jimenez女士說。DexCom公司專精於使用持續血糖監測技術來幫助控制糖尿病。

（醫療健康領域運營AI技術的初創公司，圖片來源：CB Insights）

AI在醫療健康領域能夠提供的最關鍵優勢是它可以從艾位元組（exabytes）和澤位元組（zettabytes）數量級的數據中提取有用信息。這種規模的數據量遠遠超過人類的理解範圍。

聖地亞哥Analytics Ventures的執行合伙人Navid Aliour先生說它的公司投資的CureMatch公司採用的是直接面對消費者的方式。癌症患者可以付費讓CureMatch推薦針對每個患者腫瘤的最佳三種組合療法。這些基於患者病例中的信息推衍出的療法建議可以幫助腫瘤專家們選擇最好的治療方案。CureMatch使用超級計算機來從上百萬種可能的藥物組合中，基於藥物之間的相互作用，以及患者的基因組數據等信息來排列針對特定患者的最佳藥物組合。

Analytics Ventures 投資的另一家名為CureMetrix的公司採用的則是一種「軟體即服務」(software as a service) 的商業模式。該公司開發的軟體利用機器學習來分析乳腺癌患者的乳房X光檢查圖像。「我們有一個墨西哥的機構投資者幫助我們與政府高層打交道。乳腺癌在墨西哥是個非常重大的問題，而且那裡沒有足夠具有乳房X光檢查專長的放射科醫生。因為墨西哥採用的是國家醫療保健系統，我們可以向全國徵收軟體的使用許可證費用。」Alipour先生說。

（圖片來源：HubBucket）

CureMetrix只是多家大大小小的使用機器學習來發現診斷圖像中異常狀況的公司之一。基於圖像的模式識別似乎是機器學習技術的一項「終極應用」。那麼什麼時候AI系統能夠取代放射科醫生呢？

Smarr博士認為人工智慧不太可能完全取代放射科醫生，更有可能的是這一技術能夠增強人類的能力，讓最差的放射科醫生在技術的幫助下比最好的放射科醫生獨立工作能夠做出更精確的判斷。「你所做的是通過大量放射科醫生們自己無法體驗到的數據來提高人類審查診斷圖像的技術水平，」Smarr博士說：「我認為短期來講，這可能是更有成效的方式。」

對於像DexCom這樣專註於糖尿病流行的公司來說，Jimenez女士認為終極目標是改變患者的行為。這意味著將血糖監控、胰島素測量、患者活動和飲食等數據綜合起來，運用機器學習發現有用信息，然後軟體可以將警報和建議反饋給患者和他們的醫生。

（圖片來源：National Elf Service）

「目前我們的行業很成熟的技術是彙報數值，」Jimenez女士解釋道：「我們只是告訴患者他們的血糖指數是多少。這對1型糖尿病患者來說非常重要。但是2型糖尿病患者需要與App更緊密的聯繫，迫使他們與新見解互動。這需要通過App的設計和開發來實現。」

最終的目標是開發一種用戶界面來使用從機器學習中獲得的見解督促糖尿病患者改變他們的行為。這一觀點也得到了Jean Balgrosky博士的認同。她有20年在像聖地亞哥Scripps Health這樣大型、複雜醫療健康組織中擔任首席信息官(chief information officer)的工作經驗。她說：「最終，所有這些機器學習所提供的信息還是需要被人類吸收和消化，這才能在醫療健康領域幫助照顧好人類。」

參考資料：

[1] What』s the Business Model for Artificial Intelligence in Healthcare?

創鑒匯葯明康德團隊打造

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！