IT老兵组队医疗新军

　　推动AI技术的发展和在医疗领域的应用，已经快成为一种“政治正确”，但在这个过程中，无论是技术、标准还有观念上的困难，都不能被忽视。

　　拉里·佩奇曾经希望以160万美元的价格卖掉谷歌，然而无人接盘，于是不得不努力将谷歌打造成了一家世界级的伟大公司。这个足以令所有风投心碎的故事，是时代的机遇在市场诞生之初的投石问路，就如谷歌创始人拉里·佩奇所说：“当有伟大的梦想出现时，就一定要抓住它。”

　　一直以来，谷歌在人工智能上的发展都令世界瞩目，在2015 年谷歌重组成 Alphabet后，AI 几乎成了每一个分支部门的战略中心。

　　与此同时，人工智能在医学领域的应用研究正成为热门领域，快速发展的技术和潜力惊人的医疗市场，都给这一组合极大的想象空间。如谷歌、英特尔、IBM、苹果、微软等巨头也纷纷入场，或结合自身优势或通过收购，推出相应的计划与产品，期望在AI医疗市场分一杯羹。

　　抢占优势

　　入局者中，坚持AI First的谷歌无疑占据了优势。目前公司旗下有三家专注医疗健康项目的子公司，其中Verily（原Alphabet旗下生命科学部门）专注于数据利用，通过分析工具、干预协助、研究等方法来改善医疗健康，承担了 Alphabet 大部分的医疗任务；DeepMind则致力于人工智能研究，这家位于伦敦的公司被谷歌以500亿美金收购，专注寻找 AI 在医疗健康领域的应用形式；Calico则通过人工智能来处理大型数据集，专注于研究和防治衰老以及其他与年龄有关的疾病。

　　而在特定疾病的防治上，目前谷歌也取得了不错的成果。早在数年之前，谷歌的一支团队就在研究如何把机器学习技术运用到糖尿病视网膜病变的诊断中，在2016年末，谷歌将研究成果发表在《美国医学会杂志（Journal of the American Medical Association）》，并分享了能够通过眼部扫描图像判断患者的视网膜是否发生了病变的深度学习算法，该技术就可以帮助全球4.15亿的糖尿病患者在失明之前及时诊断治疗，并达到专业医生的水平。

　　今年2月份，谷歌大脑团队产品经理Lily Peng对外称，通过对284335名患者的数据进行深度学习训练，目前他们可以对视网膜图像进行更高精度的检测识别，除了眼部疾病外，还可以准确的检测影响心血管健康的危险因素，“这一发现特别令人兴奋，因为这意味着我们可能会发现更多从视网膜图像中诊断健康问题的方法。” Lily Peng说。

　　据了解，尼康的附属机构 Optos为Verily合作制造了视网膜成像检测和眼疾检测的机器，Deepmind的分部也正在与英国的莫尔菲尔德眼科医院合作。与之类似的还有糖尿病的检测与管理领域、心脏病、帕金森症等，也都是Verily投入或合作研究的领域，例如在糖尿病管理领域与Sanofi成立合资公司Onduo。在癌症领域，DeepMind长期致力于癌症识别方法研究以及癌症治疗计划的推荐，基于乳腺癌图像训练集，其算法的肿瘤检测准确率已达到 92%。

　　DeepMind研究的数据大多来自于合作的医院或研究机构，如英国国家医疗服务体系和伦敦帝国理工学院的英国癌症研究中心，但实际上，医疗机构的数据现象一直被诟病，对于需要海量数据参与训练的人工智能来说，这无疑是不利的。对此，谷歌也在推动医疗数据基础设施层的建设，2016年，谷歌以6.25亿美元收购API管理公司Apigee ，后者的系统可以帮助医疗机构连接不同数据流，DeepMind也在尝试将电子病历、医院设备数据和医生笔记组合成为统一结构化的数据库，并通过人工智能技术进行分析利用。

　　今年5月，谷歌AI项目经理、研究科学家Alvin Rajkomar公布了人工智能在电子健康记录上的研究成果，在患者住院24小时后，通过深度学习模型对患者的病情进行预测，获得准确和可扩展的结果，帮助医生进行患者管理。

　　硬件上的进步

　　不同于在人工智能软件层面走得更远的谷歌，老牌IT巨头英特尔在硬件上的优势更明显。

　　同样是在糖尿病视网膜病变的筛查上，英特尔联合爱尔眼科及极视互联、晋弘科技推出人工智能眼科疾病识别解决方案。爱尔眼科集团总院长唐仕波曾表示：“该人工智能解决方案基于英特尔的硬件和深度学习平台，在爱尔眼科已有的人工智能识别成果基础上，解决专业医师看病过程中阅片量过大等问题，大幅度提高医生临床诊断的效率”。

　　计算力的提升是AI发展的重要推动力，这一点也体现在AI医疗上。2017年浪潮基于英特尔基因领域的集成解决方案BIGstack 1.0，并融合了英特尔至强可扩展处理器与FPGA协处理器，发布了新一代的基因一体机。根据实测数据，其性能在全基因组分析上较上一代最大提升3倍以上。同样采用了BIGstack基因组解决方案诺禾致源CEO李瑞强说：“与英特尔的合作能够提高大规模数据处理能力，从而满足全球化、可扩展基因组数据中心模式的需求。”

　　不久前，三星医学中心（SMC）和英特尔宣布在韩国合作建立基于AI的医学研究基础设施，研发癌症诊断、治疗和预测模型，其中英特尔将提供加载了Xeon可扩展处理器的AI计算基础设施。据了解，目前英特尔在医疗健康领域的合作伙伴包括GE医疗、西门子、夏普医疗等，提供了覆盖图片识别、电子病历、可携带设备等多场景的AI解决方案。

　　另外，医院数据孤岛和非结构化数据现象导致的数据利用率低，也是英特尔关注的问题，英特尔集团数据中心部门执行副总裁兼总经理Navin Shenoy在演讲中说，未来AI医疗将面对包括图像、视频的海量数据，这对存储和网络都提出了更高的要求，而英特尔在硬件上的进步，将有助于合作伙伴建立从边缘到网络再到云的适合人工智能应用的医疗系统。

　　成果与思考

　　IBM的沃森（Waston）一直是AI医疗领域的明星产品，早在上世纪90年代，IBM的技术团队就在围绕医疗健康打磨沃森技术，2011年，沃森在电视游戏节目“JeopARDY！”中击败人类选手引发关注。

　　4年前，美国斯隆·凯特琳癌症中心与IBM 沃森达成合作，通过输入中心大量的病历研究信息共同训练IBM 沃森肿瘤解决方案（Watson for Oncology）。据估计，IBM在沃森上投入约数十亿美元。

　　2017年，美国临床肿瘤学会（ASCO）的年度会议中披露的数据显示，IBM的沃森给出的癌症治疗方案大部分时候与医生的建议十分吻合；印度的一项研究显示，在治疗肺癌时，沃森给出的治疗建议96%的情况下与医生的方案相吻合；治疗直肠癌和结肠癌时，与医生建议的吻合率也分别高达93%和81％。

　　2017年4月，青岛两家公立三甲医院同时通过百洋智能科技引进沃森肿瘤（Watson for Oncology ）人工智能解决方案，5月7日，肿瘤医生的智能助手“沃森肿瘤”也正式面向中国境内医院发布。

　　不可否认沃森在AI技术上的强大，也由于技术的先进，让沃森在技术之外的问题更早显现。在今年5月底，沃森健康部门进行了大规模裁员，被解雇的员工主要来自之前IBM收购的三家企业：Phytel、Explorys和Truven。这三家公司曾经为沃森带来了大量的医疗数据和分析系统，据了解，Phytel有近80％的员工被裁，Explorys、Truven也有近300人收到了裁员通知。目前来看，沃森的困难绝不只是技术问题，难以实现业务落地和盈利也是重要原因，比如MD Anderson癌症中心就在耗资6200万美元之后暂停了沃森项目。

　　而AI医疗的发展，同样也受到传统医疗行业从业者观念的影响，英特尔不久前委托调查机构采访了200位美国医疗界高层人士，关于对人工智能在医学上应用的态度。调查结果显示，过半的受访者认为人工智能的实施会出现问题，将导致致命错误，但大多数受访者相信AI将改善治疗的预测分析（91%）和临床决策支持（91%），并提高效率和降低医疗费用。英特尔在报告中总结，为了让AI更好地与医疗相结合，AI医疗需要做到四点：首先，人们需要了解人工智能正在做什么；其次，在执行复杂问题之前，人工智能要先执行简单的任务；第三，要清楚强调AI带来的好处；最后，医疗保健部门需要向监管提供反馈。

　　文/李昊原