埃森哲：84%的醫療機構高管認為AI正在改變他們的工作方式

雷鋒網按：隨著AI在醫療領域的發展勢頭越來越大，CIO（首席信息官）們對這些技術的使用也在逐漸深入，各企業也亟需制定各種解決方案以滿足日益增長的需求。

日前，全球知名諮詢機構埃森哲發布一項研究報告，該內容來源於對100多家衛生機構C級高管的採訪。該報告指出，AI在健康醫療領域發揮的作用，正從一個後端工具轉向消費者和臨床醫師的前端，成為支撐個人和系統交互的一種方式。隨著大家對AI重要性的強調和關注，有超五分之四（84%）的醫療行業高管認為，AI將徹底改變他們從消費者獲取信息的方式；還有四分之三（72%）的醫療機構表示，他們已經使用虛擬助手服務，以便創造更好的用戶體驗。

諮詢公司 Sapient Healthcare 的董事總經理 Peter Borden 指出，實際上，目前各行各業的人都在不分年齡的談論AI，需求場景也在急劇激增，特別是在如此重要的醫療領域。 Bordon 還指出，在健康醫療領域，大家最關心的三個板塊都與 AI 相關，其分別為：

• 人口健康狀況洞察：通過核心數據集，以分析人口可能需要關注的點。

• 增強智能（Augmented Intelligence）

• 精準參與個性化的下一個階段

Borden 說：「隨著AI的發展，人類慢慢明白，AI 不僅影響診療結果，同時也會影響商業化程度。所以人類對 AI 應用的接受度也在逐步提升。」

說起 AI，大家最先想到的多半會是Siri。正如 Broden 所說，「每個人都知道 Watson，Google 在樂此不彼的加碼 AI，亞馬遜也在健康醫療領域多有布局，而一些雲領域的巨頭也紛紛有志於此。由於其特有的性質，它允許企業可以某種特定方式和角度處理和分析數據。除去巨頭之外，每時每刻還都有新公司加入這一戰局。大家都想成為未來AI領域的獲利者。」

位於紐約的 Prognos ，正是這批浪潮之下的健康醫療公司中的一個。據悉，該公司剛於今年成立，目的在於開發一種基於大數據集的預測模型。該模型以用來確認患者將來罹患某種病症的概率。根據該公司官方數據顯示，Prognos 建立的這些模型使用了患者的匿名記錄，且其數量呈指數級增長（2017Q1數量曾達到80億）。

圖：Prognos的聯合創始人兼CMO：Jason Bhan

Prognos 的聯合創始人兼 CMO（Chief Medical Officer：首席醫療官）Jason Bhan 在接受採訪時，曾轉述了此前服務過的一家機構CEO對他們說過的話，「我們剛剛為這個EHR系統花費了1.5億美元，但是，我們又為自己做了什麼？」Bhan 當時不知該作何回答。

後來，Bhan挖掘了這一客戶的IT系統的數據，並認識到EHR系統上的大部分數據都不是非常有用。他說，醫生擁有的診療信息（實驗室數據、放射學和測試數據）是一個金礦。基於多年的實踐和基於實驗室結果的決策，這些都讓他將更多的關注重點放在醫療診斷上。Bhan 補充說，「Prognos 即「消除疾病」的意思。而我們怎樣才能在最早期就能跟蹤和預測疾病，以便改善健康狀況？我想這就是AI介入的地方。」

利用AI確定罹患疾病的概率

有時候，機器學習和人工智慧之間的界限會變得模糊。針對這一問題，SapientRazorfish（ Sapient集團今年成立的子公司，旨在幫助客戶推動數字轉換）的首席科學家 Larry Lefkowitz 出來解釋了二者的差異。「機器學習是指，是否有足夠的數據來代表我正在解決的問題。然後在這個過程中，我有合理的機會讓機器學習學會「理解」足量的數據，以便機器在遇到類似情況時，可以做出相同種類的預測，並給出相同的結果。」

他還補充道，「當你擁有大量關於放射學或病理學的數據時，對機器學習來說都將是一種很好的應用。比如，我已經告訴機器，X光片可能是什麼樣的或者可能意味著什麼，那麼，當我再給它一張X光片時，它就能直接給我一個答案。」

同時，Bhan 還說，AI 正在嘗試猜測某些事項的可能性，不論是客艙還是無人駕駛汽車，其正試圖預測這些機器向左右方向轉動的概率。在健康方面，AI則有可能被用來預測病人罹患某種疾病的風險，或驗證某些信息的準確度。「在醫療領域，我們已經收集了很長一段時間的數據，並邀請一些醫生對它們做出解釋。畢竟要做出可以解讀這些數據的機器，並不能只從網路上去部署相關AI引擎。」Bhan說。

這也是Prognos 選擇AI醫療診斷作為創業方向的原因。其一，診斷是大眾較為熟知的，其次，AI在其中發揮的預測作用，可以為病人提供更好更多的選擇和機會。「我們正在看一些真實的臨床資料，這些資料不會告訴病人是否患有糖尿病，但是會顯示其是否在控制範圍內。」

同時，Prognos 還使用了大規模的數據集，並通過AI引擎來為特定健康事件定製的AI「訓練集」進行處理。另一方面，該公司還使用歷史數據和事件間隔數據的巨大緩存，來構建和訓練其他演算法，並對其進行迭代和優化，以開發出機器的可靠預測分析功能。

幫助保險機構，為患者承擔風險

當然，將預測分析應用於具體的患者數據上，還可以直接幫助「保險公司」——其不僅適用於私人醫保計劃，還包括醫療保險和醫療補助，對最新出現的健康相關趨勢做出反應和識別。與可能需要幾周或幾個月才能處理的聲明不同，這些診療測試結果幾乎可以做到實時提供。

在這種情況下，Prognos 的核心業務在於保險公司的市場。據官方數據顯示，估摸有10%-15%的情況從未被預測到，同時，疾病的嚴重性也少報了30%。他們還表示，高質量的實驗室數據不僅可以快速彌補這一不足，同時還能讓保險公司在疾病的早期提供個性化的干預措施。

通過 Prognos 的雲解決方案，保險公司擁有的整個診斷數據都將被採用，所以如果保險公司在全國或各個地區都有患者，這些病人也將進入不同的實驗室。當然有時候他們也不這樣做。Bhan解釋說，在這種情況下，AI的介入，即在於清理道路並為AI的後續使用做好準備。「所以，數據集都在雲端。通過使用保險公司的真實數據，從而為患者承擔一部分風險。」Bhan說。據悉，在使用這些保險公司各個較小的數據集之後，Prognos力圖從其拼湊起來的海量數據中分析出相同的知識和演算法。「我們做的所有事情，都是為了讓數據適用於保險公司的患者，從而為其分擔風險。」Bhan指出。

Prognos 的首席科學家 Fernando Schwartz 博士還把這些變化與計算機時代進行了比較。其表示，「我們現在做的，其實是正在建立下一場革命。我們正慢慢將AI應用於保險公司的工作流程里，以為患者提供更精準和更個性化的醫療保險服務。」

AI加速醫學影像診斷進程

眾所周知，目前在醫療領域，AI的應用仍然處於不成熟階段，但預測分析師對AI平台如何納入病人護理這一前景非常看好。據市場研究機構 Frost＆Sullivan 於2016年做的一項研究顯示，2021年，AI+醫療市場規模將達66億美元，年複合增長率將達40%。

該研究還指出，「AI對臨床醫療的支持，將加速醫學影像診斷的進程。」同時，將AI 解決方案應用於醫院的工作流程當中，還將增強護理服務。綜合而言，AI將對診療結果改善30%-40%，同時還將在治療成本上，降低50%以上。研究人員進一步證實，AI 在其他行業已經得到高程度的應用。在「AI系統準備改變我們對疾病診斷和治療方式的思考」之前，這只是一個時間問題。他們還表示，「到2025年，AI系統可以參與人口健康狀況管理到數字化回答患者問題的一整個過程。在全球範圍內，特別是在醫療設施嚴重不足的患病人口區域，AI還將在信息民主化和減輕資源負擔方面發揮重要作用。」

雖然這個想法是讓AI系統學習和了解新型醫療的功能，但其反過來，又將助力醫生做出更好的醫療決策。事實上，關於AI的技術潛力是否已經大到可以取代人類醫生的地步，這一話題早在各個媒體上展開了熱烈的討論。《財富》雜誌曾有一篇文章引用了athenahealth的CEO Jonathan Bush 說過的話，「如果放射科醫生被AI取代，那麼這將是一場屠殺。」

圖：athenahealth 的 CEO Jonathan Bush

然而大多數醫療觀察員並不會走上Bush那條路。甚而有很多人會認為，AI不會取代醫生。在他們看來，人工智慧和機器學習的工作主要是學習人類的認知功能和減輕醫生的重複工作，而不是取代醫生本身。

Bhan對此表示，「很多人都在討論AI將在未來取代醫生，但我並不信服。事實上，AI更可能是「打敗醫生，或者「以友好的方式幫助醫生。」。

然而大多數醫療觀察員並不會走上Bush那條路。甚而有很多人會認為，AI不會取代醫生。在他們看來，人工智慧和機器學習的工作主要是學習人類的認知功能，並消除醫生的重複工作，而不是消除醫生本身。

Bhan對此表示，「很多人都在討論AI將在未來取代醫生，但我並不信服。事實上，AI更可能是「打敗醫生，或者是「以友好的方式幫助醫生。」Bhan還指出，當他在瀏覽病人的圖表時，他不想要的是由計算機來告訴他應該做什麼。「沒有醫生會高興這樣做。」「我們知道如何照顧病人，也希望得到幫助。AI有很大的機會來幫助臨床醫生做出決策。」

Bhan舉了個給一位病人看病歷的例子，他可以憑藉多年的臨床經驗得出結論，並預測患者在未來幾年患有糖尿病的概率很大。「但是機器可以去看病人的病歷，可能就會預測該名患者將有80%的概率患有糖尿病。這真的改變了我的管理。」他說，「通過臨床數據和實驗室數據，你可以將這個時間範圍轉化為一個可行的、可預見的範圍。這就是AI可以介入的地方。」

同時，Sapient Healthcare的高層也注意到，他們在和保險機構的CIO以及醫生本人溝通時發現，這些人也對「AI將取代醫生」表示擔心，不過一些分析師正試圖平息人類的恐懼。Larry Lefkowitz 博士對此表示，「真實的情況應該是，AI會增加工作機會，以讓人類做更多創造性的、有趣的事情。」他還表示，「AI的優劣勢其實可以通過技術互補。比如，AI可以幫助醫生和研究人員掌握更全面的信息，從而做出更正確的決策。」

Borden對此表示，目前，人類更傾向於把AI理解為增強認知（Augmented Intelligence）。其意味在於AI不是取代人，而在於使事情變得更有效率。「但是，這種恐懼到底是怎麼影響人類的生活的，還需要進一步弄清楚。它就像一個組織機構里的商業案例一樣，如果內部人士不知道其會帶給他們哪些影響，其將不會被採納。」

Lefkowitz 給大家舉了一個AI如何完善放射學家工作的例子。因為放射學屬於醫療保健領域，AI和機器學習通常會在危急情況下被使用。Lefkowitz表示，根據多項研究表明，人類醫生在診斷時會存在一定的錯誤率，而自動化系統也會有一定的錯誤率。但當二者結合一起使用時，他們的錯誤率就會低得多。他還特別解釋說：「放射科醫生幾乎從來沒有得出過假陽性的結果。所以，如果他們診斷說這是一種癌症或者它可能是某種疾病時，那麼，醫生們幾乎總是正確的。但是，這也很可能會錯過很多病例。而另一方面，機器學習雖然也幾乎從未得出假陽性的結果，但在診斷上往往更加保守。所以，如果將二者結合，就可以讓機器學習先篩查一次病症，從而可以為人類分析師提供少得多的病例。這樣一來，醫生將在醫療診斷上出現更小的偏差。」

一些挑戰

雖然臨床醫生的不配合，可能會是AI在醫療領域得到更廣泛應用的真正阻礙，但關於其他具體的挑戰確實存在。在這篇文章中，我們採訪的多位專家都表示，獲取「高質又乾淨」的數據仍然是一個問題。事實上，Bhan認為這是「我們在這個領域遭遇的最大的問題」。專家還指出，現階段，醫療保健數據集還不夠強大，而機器要學習的正確答案在當前狀態下常常含糊不清，甚至是未知的。因為，這些數據大部分是來源於人體，相當複雜，而生活方式和環境功能正在發揮效用，但依然難以衡量。

此外，使用AI技術的人類，在舒適程度上也有可能遭受挑戰。Borden說，在和CIO溝通的過程中，其實並不一定是對AI的拒絕，而是他們想了解AI將對他們的工作帶來哪些幫助。針對這種情況，業內還需進一步制定明確戰略，利用AI招納人才，減輕機構壓力。「當然，為方便分析而對數據進行整體解讀，是每個CIO自設線路圖的核心。」Borden說，「但目前業務疲軟。雖然他們知道這其中暗含巨大的潛力，但他們也直觀的感受到這個變化將意味著怎樣的風險。這是一個管理計劃的變革，所以將該計劃納入組織是關鍵。」

Bhan還指出，很多人都認為醫療保健在採用技術方面會比其他行業落後10年，所以，若採用更高水平的AI技術，將需要更長的時間。「我永遠不會和一個醫生說『這裡有很好的AI工具，可以告訴你患病的概率。』因為這些醫生根本還沒準備好。整個系統必須放鬆自己的方式，並通過發現創新者來做到這一點。」Bhan說。

Bhan最後說，這些創新者，可能存在於保險公司、製藥公司或者行業提供者之中，關鍵即在於找到這些創新者並讓他們有所投入。「你只需要慢慢的推進，因為一般來說，醫生都非常保守。所以，在做這件事情的時候，需要將病人優先放在首位。」

雷鋒網註：Via healthcare informatics，雷鋒網編譯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！