138-2338-5118

智能醫療 人工智能+醫療將成為的下一個風口

INTELLIGENT MEDICAL COMBINING ARTIFICIAL INTELLIGENCE AND MEDICIAL TREATMENT WILL BE THE NEXT TUYERE

隨著人工智能的發展,漸趨成熟的人工智能技術正逐步向“人工智能+”進行轉變,醫療作為生活構造重要一環,自然而然 也就成了一個關注點。而談及當前人工智能+醫療的具體應用,主要還是集中在機器人和機器學習兩塊。


人工智能+醫療的深度領域(診斷治療),谷歌、IBM早已比微軟先幾步進行布局。其中,IBM更是逐漸打開了自己的 市場,譬如去年,就有21家中國醫院引入IBM的認知技術,以輔助癌癥的診療。而隨著科技巨頭微軟的此次入局,我們可以 解到,AI+醫療正漸漸受到行業的重視。


正在進行時的人工智能+醫療

隨著人工智能的發展,漸趨成熟的人工智能技術正逐步向“人工智能+”進行轉變,醫療作為生活構造重要一環,自然而然也就成了一個關注點。而談及當前AI+醫療的具體應用,主要還是集中在機器人和機器學習兩塊。在醫療領域的部署上,機器 人以手術和看護為主,其中又以手術機器人“達芬奇”為典型代表。憑借靈活的關節、多功能的機械臂以及高分辨率的三維圖像 處理設備,達芬奇機器人已協助醫生完成了多項手術。就在近日,它還幫助醫生為一名年僅20個月大、身患先天性腎臟畸形 嬰兒成功進行了微創手術。至于機器學習,除了不能做手術,它幾乎可以被稱為“全能醫生”,從診斷到治療方案一手抓。 IBM開發的Watson Oncology系統,它能幫助醫生分析臨床數據,為病患制定個性化治療方案,還有南加州大學開發的機器 學習工具SimSensei,它可以幫助醫生診斷抑郁癥等等類似的還有很多。此外,還有智能穿戴、計算機視覺、語音識別等多項 AI技術正在被人們引入醫療領域;诖,我們是否可以猜測,人工智能的下一個“藍!本褪侵悄茚t療?


智能醫療是人工智能的下一個藍海

人工智能+”有多種可能性,但為何鎂客君偏說智能醫療是人工智能的下一個藍海呢?主要還是基于兩個因素的考慮: 就是巨頭的入局以及投資者的目光走向。加上微軟,目前已有4家科技巨頭進入智能醫療,其余三家分別為谷歌、IBM和蘋 果。隨著這些擔當“行業風向標”的科技巨頭的紛紛加入,哪怕項目再冷門,一直跟在他們身后的行業追隨者們也會將目光投 在該領域,從而有所動作。并且,依靠著品牌知名度,非行業的普通大眾也會被項目吸引一部分注意力,緊接著引起廣泛熱議, 而這也將成為推動行業人士在特定領域內大展拳腳的一股力量。

 

據統計,全球活躍其中的92家初創公司,僅僅4年的時間,人工智能醫療公司的融資交易就從2011年的10起增加到2015年 的60起。參照這些數據,我們可以看到,注重利益的投資者正將目光轉向智能醫療領域,由此也說明了“人工智能+醫療”是具有 前景性的。

 

其次就是基礎技術、設施的逐漸完善。以微軟Hanover用機器學習預測藥物的有效性,并為病患制定個性化治療方案為例, 在預測、制定方案之前,Hanover需要“閱讀”大量的資料,然后進行大數據分析以得出最終結果。對人類而言,大量數據的搜集 和整理分析工作是非常耗時耗力的,但在云儲存與云計算的幫助下,再多的數據也只是分分鐘的事兒,從根本上提高診斷效率。

 

作為“云”的兩項最基本服務,“云儲存與云計算”的性能已發展的相當成熟,而共享服務更是在醫院與醫院、醫生與患者之間搭建了一個平臺,通過數據分享讓患者的診斷更為全面。

 

此外,隨著語音識別、圖像識別等技術的逐漸提升,作為搜集相關數據的智能手環、可實時規劃最佳行駛路線的智能汽車等醫療附屬硬件設施也在走向成熟(落地),進而推動了整個智能醫療產業鏈的成熟。當產業鏈成熟,也就意味著這個領域是 可以發展起來的,加上醫療行業的重要性以及人工智能技術的先進,智能醫療必將成為一個重點“人工智能+”領域。


創業公司的機會

在智能醫療領域,微軟、谷歌等科技巨頭紛紛介入,且受到眾多投資者的一致看好,覆蓋面也相對全面,整體大環境呈現出一片利好趨勢。但是,從目前情況來看,智能醫療還處于剛剛萌芽階段。其實,當前智能醫療只顯露冰山一角的原因還是在 于項目的不成熟。像谷歌、微軟等公司雖然已經公布了智能醫療項目,并已找到相關合作機構進行測試,但是,在公眾、投資 者還沒看到結果的情況下,智能醫療還不能夠引起他們足夠的重視,只會以一個“看客”的身份圍在周邊。

 

同時很多智能醫療公司在市面上出現,比如Airdoc,目前該公司已經在在大腦、心血管、肺部、肝臟和骨骼健康領域有了比較完善的模型,特別是在糖尿病性視網膜病變問題上,該團隊在有明顯癥狀和無明顯癥狀二分方面的診斷準確性已經基本和三甲的人類醫生相當,同時,該算法在眼底照片國際標準5分類方面準確性也不遜于專業眼科醫生。盡管人工智能醫療已經火全球,但還面臨很多應用落地的問題。張大磊提到,人工智能在醫療健康領域同樣存在6個方面的挑戰:

首先,就是數據質量問題。機器學習所用到的數據其實是訓練學習模型的教材,教材的質量最終決定了學習的成果,如何獲取高質量的教材是大部分人工智能醫療企業共同面臨的問題,臨床數據質量不容樂觀。

 

其次,病人的隱私問題。在訓練模型和數據預處理之前,患者隱私保護需要每個行業參與者高度重視,Airdoc嚴格遵循HI-PPA,也在和中國主管部門溝通建言推出類HIPPA的信息保護法案,患者隱私保護不容有失。

 

第三,還有觀念問題;谌宋膫惱淼膫鹘y觀念影響,接受人工智能醫療這一事實的過程可能比想象的要長。

 

第四,監管問題。目前對于人工智能醫療健康大數據的使用監管,我國的法規較美國英國澳大利亞等國家而言還有一些差需要補足。其余兩點分別是跨機構數據模型驗證和支付問題!叭斯ぶ悄茚t療健康所面臨的挑戰還有很多,希望能和更多有志 于改變醫療的人士一道共同戰勝人類疾病,讓所有人更健康。


Copyrignt © 2006 - 2020 huaman All rights reserved. 粵ICP備15018291號 版權所有

:華曼國際綜合醫院設計、養老設計等醫院規劃設計服務解決方案!
辽宁快乐十二选五助手