發(fā)布日期：2018-05-07
在人類(lèi)歷史發(fā)展的長(zhǎng)河中，每次技術(shù)的革新都會(huì)帶來(lái)醫(yī)療水平的飛躍，從人類(lèi)理解細(xì)菌致病的原理，發(fā)明抗生素到現(xiàn)代信息技術(shù)的發(fā)展，先后出現(xiàn)了多種現(xiàn)代醫(yī)療設(shè)備如X光機(jī)、CT、核磁共振等各種用于輔助診斷和治療的設(shè)備。
可以預(yù)見(jiàn)隨著大數(shù)據(jù)時(shí)代的到來(lái)而出現(xiàn)的人工智能必然會(huì)導(dǎo)致人類(lèi)醫(yī)療歷史的又一次飛躍。從目前來(lái)看，以大數(shù)據(jù)為基礎(chǔ)的智慧醫(yī)療可以給醫(yī)療帶來(lái)的革新主要包括三個(gè)方面：降低醫(yī)療成本、輔助診斷以及幫助解決醫(yī)療資源分配不均與短缺的問(wèn)題。
降低醫(yī)療成本
人類(lèi)在醫(yī)療上遇到的最大障礙恐怕就是居高不下的醫(yī)療成本了，根據(jù)世界銀行數(shù)據(jù)，美國(guó)與醫(yī)療相關(guān)的開(kāi)銷(xiāo)可以占到GDP的17%-18%，并且呈逐年上升趨勢(shì)，預(yù)計(jì)到2020年將會(huì)達(dá)到GDP的20%左右。在中國(guó)看不起病、因病致貧的例子也并非罕見(jiàn)。
導(dǎo)致醫(yī)療成本過(guò)高的原因主要有兩個(gè)：高昂的藥費(fèi)與診療費(fèi)。藥品開(kāi)發(fā)成本過(guò)高與醫(yī)生的培養(yǎng)成本過(guò)高似乎給了藥品價(jià)格與治療費(fèi)用居高不下很好的解釋。
藥品成本過(guò)高的原因可以歸結(jié)為新藥研發(fā)周期太長(zhǎng)、費(fèi)用太高，并且伴隨著研發(fā)失敗的高風(fēng)險(xiǎn)，導(dǎo)致有很好療效藥物的售價(jià)昂貴，并非人人都可以負(fù)擔(dān)。新藥的研發(fā)需要大量的醫(yī)藥專(zhuān)家通過(guò)閱讀大量的論文與數(shù)據(jù)，積累經(jīng)驗(yàn)找出藥物與疾病之間的關(guān)系。
據(jù)統(tǒng)計(jì)，科學(xué)成果的數(shù)量每九年便會(huì)翻一番，要理解不同類(lèi)型的數(shù)據(jù)，閱讀大量的論文找到數(shù)據(jù)之間的相關(guān)關(guān)系已超出了人的能力范圍。但正是由于積累了足夠的數(shù)據(jù)給人工智能在制藥領(lǐng)域的應(yīng)用提供了沃土。
人工智能系統(tǒng)通過(guò)閱讀專(zhuān)利數(shù)據(jù)庫(kù)、醫(yī)療數(shù)據(jù)庫(kù)、醫(yī)學(xué)論文，學(xué)習(xí)從分子結(jié)構(gòu)、基因組序列和圖像的一切信息，建立關(guān)聯(lián)，形成假設(shè)，尋找可用于制造新藥的分子或配方。
人工智能算法可在幾周內(nèi)闡明數(shù)據(jù)之間的強(qiáng)相關(guān)性，提供新的思路，可以很大程度提高新藥的研發(fā)進(jìn)度，降低藥品的研發(fā)成本與風(fēng)險(xiǎn)。而人類(lèi)要想得到同樣的成果，除了需要大量專(zhuān)業(yè)人員花費(fèi)大量時(shí)間外可能還需要醫(yī)藥專(zhuān)家們的靈光一現(xiàn)。
冗長(zhǎng)的新藥研發(fā)周期
醫(yī)生的培養(yǎng)同樣面臨高成本與高風(fēng)險(xiǎn)的問(wèn)題，以美國(guó)醫(yī)生為例要成為一名醫(yī)生首先要完成四年大學(xué)本科的學(xué)習(xí)，本科畢業(yè)后經(jīng)過(guò)激烈的競(jìng)爭(zhēng)才能進(jìn)入醫(yī)學(xué)院，較好的醫(yī)學(xué)院錄取率低于哈佛大學(xué)，在醫(yī)學(xué)院里仍然要進(jìn)行四到五年的學(xué)習(xí)才能夠獲得醫(yī)學(xué)博士學(xué)位。
結(jié)束了醫(yī)學(xué)院的學(xué)習(xí)后需要經(jīng)過(guò)兩年左右的醫(yī)院實(shí)習(xí)和兩到三年的專(zhuān)科醫(yī)生實(shí)習(xí)才能獲得專(zhuān)科的行醫(yī)執(zhí)照。整個(gè)過(guò)程平均需要花費(fèi)13年時(shí)間，期間還有很高的被淘汰的風(fēng)險(xiǎn)。一個(gè)獲得行醫(yī)資格的醫(yī)生從本科算起需要的花費(fèi)在50-70萬(wàn)美元之間，這些醫(yī)生投入了大量的時(shí)間和金錢(qián)，從投資回報(bào)率的角度看，必須要有高的收入才合理，這也就導(dǎo)致了診療費(fèi)用的昂貴。
然而，以放射科醫(yī)生為例，曾經(jīng)被認(rèn)為需要太多專(zhuān)業(yè)技能與經(jīng)驗(yàn)，但是如今基于智能模式開(kāi)發(fā)的識(shí)別軟件通過(guò)對(duì)醫(yī)學(xué)影像的識(shí)別和分析，比經(jīng)過(guò)多年培養(yǎng)有經(jīng)驗(yàn)的放射科醫(yī)生的診斷正確率與診斷效率更高。這無(wú)疑要改變醫(yī)療行業(yè)的現(xiàn)狀，能夠被廣泛復(fù)制的智能算法代替需要花大量時(shí)間和金錢(qián)培養(yǎng)出來(lái)的醫(yī)學(xué)專(zhuān)家必然會(huì)大幅度的降低醫(yī)療費(fèi)用，當(dāng)然這對(duì)醫(yī)生這個(gè)行業(yè)也是一個(gè)巨大的沖擊。
輔助疾病診斷
在很多患者心目中，看病要找有經(jīng)驗(yàn)的年長(zhǎng)的大夫。老大夫的經(jīng)驗(yàn)積累來(lái)源于一個(gè)病例一個(gè)病例的學(xué)習(xí)與研究。然而學(xué)習(xí)能力再?gòu)?qiáng)的大夫也不如計(jì)算機(jī)學(xué)得快。一個(gè)放射科的大夫每天能夠閱讀的X光片數(shù)量有限，窮其一生也很難研究10萬(wàn)個(gè)病例，而計(jì)算機(jī)則很容易在短時(shí)間內(nèi)學(xué)習(xí)能夠獲得的所用病例。應(yīng)用輔助診療軟件，放射科醫(yī)生可以根據(jù)計(jì)算機(jī)輸出的結(jié)果結(jié)合經(jīng)驗(yàn)對(duì)病人的病情進(jìn)行判斷，不僅提高了診斷效率，由于計(jì)算機(jī)學(xué)習(xí)了大量案例更是提高了診斷的正確率。
致力于機(jī)器學(xué)習(xí)的IBM公司聯(lián)合了20多個(gè)頂尖的癌癥研究機(jī)構(gòu)，用這些機(jī)構(gòu)提供的數(shù)據(jù)教會(huì)其著名的人工智能系統(tǒng)Watson理解基因和腫瘤學(xué)。Watson僅用了一周的時(shí)間就讀完了2500篇醫(yī)學(xué)論文。
據(jù)統(tǒng)計(jì)每天新發(fā)表的醫(yī)學(xué)論文有8000多篇，沒(méi)有哪個(gè)人可以有如此巨大的閱讀量，因此醫(yī)生的診斷通常都是滯后于最新研究成果的，而且通常是滯后一到兩年。然而Watson卻是能夠及時(shí)的分析大量的數(shù)據(jù)并據(jù)此作出診斷的?；赪atson的輔助診療頗有成效，在其研究的病例樣本中，Watson為其中30%的病人找到了治療方法，但是一群醫(yī)學(xué)專(zhuān)家卻沒(méi)有找到。
IBM Watson計(jì)算機(jī)
人工智能不僅幫助病人找到治療方法，在惡性疾病的早期診斷上也具有人類(lèi)所沒(méi)有的優(yōu)勢(shì)。2012年美國(guó)的一位高中生，通過(guò)對(duì)760萬(wàn)個(gè)樣本的機(jī)器學(xué)習(xí)，設(shè)計(jì)了一種確定乳腺癌細(xì)胞位置的算法，其位置預(yù)測(cè)的準(zhǔn)確率高達(dá)96%，已經(jīng)超過(guò)目前專(zhuān)科醫(yī)生的水平。
據(jù)統(tǒng)計(jì)美國(guó)每年新增的肺癌患者高達(dá)22.5萬(wàn)人，每年消耗在肺癌診療上的經(jīng)費(fèi)有120億美元之多。如果利用大數(shù)據(jù)結(jié)合機(jī)器學(xué)習(xí)能提高早期肺癌的診斷率，這對(duì)人類(lèi)整體健康而言具有難以估量的現(xiàn)實(shí)意義。
相比醫(yī)生，計(jì)算機(jī)在診斷方面具有更大的優(yōu)勢(shì)，首先，計(jì)算機(jī)診斷的失誤概率非常的低，能夠發(fā)現(xiàn)醫(yī)生很容易忽視的問(wèn)題，其次，計(jì)算機(jī)診斷的準(zhǔn)確率很高，并且隨著醫(yī)療數(shù)據(jù)的不斷累積，診斷的準(zhǔn)確率會(huì)不斷提高；最后，計(jì)算機(jī)不像醫(yī)生那樣有情緒問(wèn)題的困擾，診療的穩(wěn)定性更好。
解決醫(yī)療資源短缺
當(dāng)今，世界醫(yī)療水平分布極為不均，很多國(guó)家醫(yī)生數(shù)量不足，社區(qū)醫(yī)院與頂級(jí)醫(yī)院醫(yī)生的診療水平相差甚遠(yuǎn)。在人工智能的幫助下，同樣數(shù)量的醫(yī)生可以服務(wù)幾倍甚至更多的患者，醫(yī)療資源匱乏的地區(qū)可以通過(guò)引入智慧醫(yī)療系統(tǒng)為患者提供頂級(jí)醫(yī)院頂級(jí)醫(yī)療專(zhuān)家的服務(wù)。
仍然以Watson智能系統(tǒng)為例，它可以分析各種醫(yī)學(xué)數(shù)據(jù)和各種影響，幫助疾病診斷和醫(yī)療信息的理解。目前如果沒(méi)有醫(yī)生的干預(yù)，僅僅靠計(jì)算機(jī)通過(guò)分析病人病例，閱讀各種檢驗(yàn)結(jié)果，傾聽(tīng)病人陳述而得出的診斷已經(jīng)能達(dá)到中等水平醫(yī)生的水平，這在醫(yī)療資源并不匱乏的大城市似乎作用不大，但在醫(yī)療資源匱乏的地區(qū)就顯得尤為重要了?？紤]到隨著醫(yī)療數(shù)據(jù)的不斷積累，計(jì)算機(jī)學(xué)習(xí)能力的不斷增強(qiáng)，可以預(yù)見(jiàn)在不久的將來(lái)計(jì)算機(jī)在某些疾病的診療上會(huì)超過(guò)頂級(jí)醫(yī)療專(zhuān)家。
未來(lái)的醫(yī)生也許只需讀取診療方案
在人工智能的幫助下，頂尖的醫(yī)生和科學(xué)家可以騰出時(shí)間研究更具挑戰(zhàn)型的項(xiàng)目。在醫(yī)療資源匱乏的地區(qū)，醫(yī)療水平一般的醫(yī)生可以提高診斷的準(zhǔn)確率，提高醫(yī)療服務(wù)質(zhì)量。智慧醫(yī)療無(wú)疑是解決醫(yī)療資源分配不平衡的最好方法。
結(jié)語(yǔ)
2015年互聯(lián)網(wǎng)+成為了一個(gè)新的概念，造就了很多新行業(yè)的出現(xiàn)。如今隨著互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)再到物聯(lián)網(wǎng)的演進(jìn)，使得數(shù)據(jù)的積累量達(dá)到了前所未有的規(guī)模，為以大數(shù)據(jù)為基礎(chǔ)的人工智能+行業(yè)的涌現(xiàn)提供了條件。計(jì)算機(jī)、大數(shù)據(jù)和算法相結(jié)合的智慧醫(yī)療是人工智能對(duì)人類(lèi)社會(huì)最有意義的貢獻(xiàn)，隨著智慧醫(yī)療的不斷發(fā)展，人工智能將會(huì)徹底改變?nèi)祟?lèi)健康管理的歷史。
來(lái)源：機(jī)電商報(bào)
