人工智能對(duì)于醫(yī)療健康領(lǐng)域中的應(yīng)用已經(jīng)非常廣泛，從應(yīng)用場(chǎng)景來(lái)看主要分成了虛擬助理、醫(yī)學(xué)影像、藥物挖掘、營(yíng)養(yǎng)學(xué)、生物技術(shù)、急救室/醫(yī)院管理、健康管理、精神健康、可穿戴設(shè)備、風(fēng)險(xiǎn)管理和病理學(xué)共11個(gè)領(lǐng)域，我們著重分析前8個(gè)，這一篇包含生物科技、急救室/醫(yī)院管理、健康管理和精神健康四個(gè)方面。
生物科技：帶來(lái)更好的數(shù)據(jù)處理
在生物科技方面，人工智能能帶給我們更好的數(shù)據(jù)處理方式。在中國(guó)，人工智能在生物技術(shù)領(lǐng)域上已經(jīng)走在了世界的前列，比如在語(yǔ)音技術(shù)、生物特征識(shí)別方面，甚至能夠與發(fā)達(dá)國(guó)家并列。在我國(guó)，最為出名的人工智能生物科技初創(chuàng)公司，就是碳云智能。
碳云智能希望建立一個(gè)健康大數(shù)據(jù)平臺(tái)，通過(guò)收集人們各種各樣的生物數(shù)據(jù)，然后在這個(gè)數(shù)據(jù)基礎(chǔ)上建立一個(gè)人工智能的內(nèi)核模型，然后把它對(duì)接起來(lái)，做這樣一個(gè)整合。利用人工智能技術(shù)處理這些數(shù)據(jù)，幫助人們做健康管理。碳云智能的數(shù)據(jù)來(lái)源包括兩部分，一部分靠自己的技術(shù)能力獲取，一部分靠合作伙伴獲取。靠該團(tuán)隊(duì)的核心技術(shù)獲取的有基因數(shù)據(jù)、微生物數(shù)據(jù)（腸道、口腔、皮膚等）、蛋白及代謝數(shù)據(jù)（尿液、汗液、血液等）等。碳云智能要做的事情主要是將生物技術(shù)、生命大數(shù)據(jù)、人工智能和互聯(lián)網(wǎng)++結(jié)合起來(lái)。
碳云智能的創(chuàng)始人來(lái)自華大基因，但是他們并沒(méi)有選擇重資產(chǎn)的上游測(cè)序行業(yè)，也沒(méi)有選擇重運(yùn)營(yíng)的針對(duì)C端進(jìn)行服務(wù)的下游基因檢測(cè)，而是成為中間端的數(shù)據(jù)整合、挖掘、分析的服務(wù)提供商。通過(guò)智能的大數(shù)據(jù)分析，提出對(duì)不健康狀態(tài)的干預(yù)措施，為醫(yī)療、慢病管理、美容、健身提供個(gè)性話解決方案。
急救室/醫(yī)院管理：輔助急診室管理
在大型醫(yī)院中，急診科的管理往往非常混亂。從普通連鎖醫(yī)院到頂尖醫(yī)療機(jī)構(gòu)，管理者和前線的醫(yī)護(hù)人員每天面對(duì)數(shù)以千計(jì)的諸如怎么配備人員、手術(shù)室、占用時(shí)間預(yù)估問(wèn)題，整個(gè)管理和看病流程效率偏低，對(duì)醫(yī)生經(jīng)驗(yàn)非常要求高。以協(xié)和醫(yī)院為例，協(xié)和醫(yī)院急診科成立于1983年，建科之初，日均急診量大約為三四十人次，1996年達(dá)到一百多人次，2012年升至五六百人次。為適應(yīng)急診患者人數(shù)的增長(zhǎng)，急診床位由21張?jiān)鲋?00多張。然而，床位的增長(zhǎng)速度仿佛永遠(yuǎn)跟不上患者的增長(zhǎng)速度，剛剛增加的床位總是很快又被填滿，急診科總是人滿為患。但是實(shí)際上，非急診患者至少占1/3，需要立刻搶救的大概只占急診總量的5%～10%。而在美國(guó)，每年在醫(yī)療上的開(kāi)支接近3萬(wàn)億美元，占GDP比例超過(guò)18%，不過(guò)更為痛心的是7500億美元是浪費(fèi)的，比如一個(gè)手術(shù)室即使不做手術(shù)，成本也是5000美元/小時(shí)，醫(yī)療資源浪費(fèi)是一個(gè)頑疾。因此如何提高醫(yī)療服務(wù)效率是政府頭痛的事，由于沒(méi)有智能的醫(yī)療健康系統(tǒng)，經(jīng)常會(huì)出現(xiàn)病人在急診室門口等待幾小時(shí)卻無(wú)人醫(yī)治，或者醫(yī)護(hù)人員和病床資源空閑時(shí)，卻無(wú)人可醫(yī)的情況。
AnalyticsMD是一家提供醫(yī)院智能決策分析系統(tǒng)技術(shù)的初創(chuàng)公司，成立于2013年，總部位于美國(guó)加州。AnalyticsMD開(kāi)發(fā)符合HIPAA標(biāo)準(zhǔn)的SaaS，已經(jīng)使用在了舊金山的醫(yī)療機(jī)構(gòu)。它從美國(guó)政府醫(yī)療網(wǎng)站收集詳細(xì)數(shù)據(jù)，美國(guó)所有接受醫(yī)療保險(xiǎn)以及醫(yī)療補(bǔ)助基金的醫(yī)療機(jī)構(gòu)數(shù)據(jù)都匯聚于此。利用實(shí)時(shí)分析的saas平臺(tái)分析這些數(shù)據(jù)，可輸出輔助性的推薦信息，幫助醫(yī)院管理者、醫(yī)護(hù)人員決策。
如何將得到的龐大數(shù)據(jù)進(jìn)行分析，輸出直觀和具有參考指導(dǎo)意義的結(jié)果，減少醫(yī)療資源的浪費(fèi)，是考驗(yàn)AnalyticsMD的一道難題，也是其差異化競(jìng)爭(zhēng)的優(yōu)勢(shì)所在。AnalyticsMD幫助醫(yī)院建立SaaS系統(tǒng)有兩個(gè)目的。第一可以讓醫(yī)院的管理者時(shí)時(shí)掌握目前的工作狀態(tài)和進(jìn)度，做出更好的選擇，不落后于其他同行。另一個(gè)目的就是提高病人和醫(yī)護(hù)人員看病的質(zhì)量和效率，比如醫(yī)護(hù)人員和病床之類的資源可以在空出來(lái)的第一時(shí)間被利用，防止出現(xiàn)那種病人在急診室門口無(wú)人醫(yī)治的情況。還有，只要使用了AnalyticsMD開(kāi)發(fā)的系統(tǒng)，利用系統(tǒng)分析的數(shù)據(jù)，就可以得到類似如何讓病人避免遭遇治療瓶頸的建議等。
以往，能否減少醫(yī)療開(kāi)支決定因素在于前線的醫(yī)務(wù)人員、臨床醫(yī)生以及護(hù)士，他們的經(jīng)驗(yàn)是決定成本和服務(wù)水平的關(guān)鍵。現(xiàn)實(shí)情況是，他們得不斷地處理一個(gè)又一個(gè)的緊急病例，根本沒(méi)有時(shí)間去研究繁多的病例圖表來(lái)提高效率。有了AnalyticsMD開(kāi)發(fā)系統(tǒng)自帶的DecisionOS之后，情況就有了變化。從醫(yī)院自身的EMR系統(tǒng)提取大數(shù)據(jù)（兼容大部分主流醫(yī)院的EMR系統(tǒng)，數(shù)據(jù)經(jīng)過(guò)加密處理符合HIPAA），通過(guò)機(jī)器算法處理，系統(tǒng)自動(dòng)分析、監(jiān)測(cè)和預(yù)估，給臨床醫(yī)生提供最合理的建議，幫助他們?cè)诤线m的時(shí)間內(nèi)給病人提供最合適的治療和服務(wù)。醫(yī)生不需要再去反復(fù)研究那些繁雜的病例報(bào)告等數(shù)據(jù)。結(jié)果是，無(wú)論在病人的安全性、滿意度和醫(yī)療成本控制上，都有效得到解決。
AnalyticsMD通過(guò)大規(guī)模的機(jī)器學(xué)習(xí)預(yù)測(cè)，經(jīng)過(guò)分析后的一些指標(biāo)，如病人的停留時(shí)間和數(shù)量，可視化的數(shù)據(jù)將提供給醫(yī)護(hù)人員更多輔助。根據(jù)每家醫(yī)院服務(wù)病人的相關(guān)數(shù)據(jù)，分析出如病房或手術(shù)室不足等問(wèn)題的原因，從而幫助管理者優(yōu)化醫(yī)院的資源配置。
健康管理：更智能更全面的數(shù)據(jù)管理
有關(guān)個(gè)人健康的數(shù)據(jù)是十分復(fù)雜的。假如我們把一個(gè)人所有的健康數(shù)據(jù)都收集起來(lái)，完全可以用“生命數(shù)據(jù)化”來(lái)形容。生命數(shù)據(jù)化有不同維度的數(shù)據(jù)：基因數(shù)據(jù)、生理數(shù)據(jù)(比如血壓、脈搏)、環(huán)境數(shù)據(jù)(比如每天呼吸的空氣)、社交數(shù)據(jù)、蛋白數(shù)據(jù)等。有了生命科學(xué)大數(shù)據(jù)，加上人工智能最終可以實(shí)現(xiàn)人們對(duì)健康的前瞻性管理。
Welltoks是一家健康管理公司，主要關(guān)注個(gè)人健康管理和生活習(xí)慣提升，它本身不僅做健康數(shù)據(jù)分析或者專業(yè)健康管理建議，還將此作為平臺(tái)切入點(diǎn)，接入其他服務(wù)商，比如硬件、保險(xiǎn)公司、內(nèi)容、應(yīng)用等，同時(shí)幫助一些群體健康管理公司提供管理辦法。
最有名的要數(shù)其CaféWell Health Optimization Platform健康管理優(yōu)化平臺(tái)，這是一個(gè)以網(wǎng)站為主要入口的習(xí)慣干預(yù)和預(yù)防性健康管理計(jì)劃，合作方有專門記錄數(shù)據(jù)的可穿戴硬件 MapMyFitness 、FitBit和社交網(wǎng)絡(luò)。它包含特定的計(jì)劃和成效預(yù)測(cè)，同時(shí)以Gaming和個(gè)性化的數(shù)據(jù)將服務(wù)精確到個(gè)人。當(dāng)用戶按照Welltok提供的方案培養(yǎng)生活習(xí)慣時(shí)，它還會(huì)給予相應(yīng)獎(jiǎng)勵(lì)，比如積分、禮品卡或者現(xiàn)金，激勵(lì)用戶改善健康。IBM投資WellTok，將Watson 融入CafeWell，主要功能是借助Watson 的認(rèn)知能力理解復(fù)雜的人類語(yǔ)言，數(shù)秒內(nèi)從海量數(shù)據(jù)中找到科學(xué)答案，給予用戶健康管理、慢病恢復(fù)、健康食譜等指導(dǎo)。
精神健康：加強(qiáng)診斷和疾病控制
人工智能在人類精神健康方面可以做的事情相當(dāng)多，我們可以通過(guò)兩個(gè)方面來(lái)談，一個(gè)是針對(duì)正常人的應(yīng)用，一個(gè)是針對(duì)有精神疾病的患者的應(yīng)用。對(duì)于我們普通人來(lái)說(shuō)，人工智能在精神健康方面最大的用處就是情緒識(shí)別能力。
情緒識(shí)別主要是通過(guò)收集人的外在表情和行為變化，對(duì)人的心理狀態(tài)進(jìn)行推斷。能通過(guò)面部表情、聲音、行為、心率、甚至筆跡，來(lái)判斷人的情緒變化。最常規(guī)的方式通過(guò)攝像頭來(lái)捕捉記錄人們的表情，并通過(guò)面部表情的變化，分析判斷出人的情緒是高興、生氣、厭惡還是困惑等。另一種方式是通過(guò)人的聲音，說(shuō)話聲音的高低、語(yǔ)速、口氣詞匯的變化進(jìn)行智能識(shí)別。
即使人會(huì)故意控制面部表情和聲音不產(chǎn)生變化或者展現(xiàn)出與內(nèi)心世界不一樣的表情和聲音，也總會(huì)露出一些破綻，只不過(guò)可能這些破綻會(huì)很微小或一閃而過(guò)，讓人不易察覺(jué)。但對(duì)于人工智能來(lái)說(shuō)，發(fā)現(xiàn)細(xì)微的現(xiàn)象或捕捉稍縱即逝的變化正是他們的長(zhǎng)項(xiàng)。從這個(gè)方面來(lái)說(shuō)，人工智能對(duì)人類情緒的理解可能會(huì)比人還優(yōu)秀。在判斷出人的情緒變化之后，就可以通過(guò)一些方法，幫助人類進(jìn)行情緒的管理和調(diào)節(jié)。
蘋(píng)果收購(gòu)的人工智能公司Emotient就是一家擅長(zhǎng)通過(guò)人臉識(shí)別分析情緒的公司。Emotient已經(jīng)能夠分辨出類似于喜悅、憤怒、悲傷、驚訝等等這種的基礎(chǔ)表情，還能夠分析出一些更細(xì)微和復(fù)雜的表情，比如焦慮以及沮喪。Emotient起源于加利福尼亞大學(xué)的“機(jī)器感知實(shí)驗(yàn)室”，（MachinePerceptionLab），他們最終的目的是打造一套“無(wú)所不在”的人類情感分析系統(tǒng)。Emotient利用攝像頭來(lái)捕捉、記錄面部肌肉運(yùn)動(dòng)，并根據(jù)其計(jì)算模型來(lái)分析出面部表情，最終得出關(guān)于表情的動(dòng)態(tài)結(jié)果。Emotient同時(shí)還提供API接口，能夠?qū)⑵浼夹g(shù)輕松地與任何硬件或者軟件進(jìn)行整合。
而在精神疾病治療方面，人工智能能夠發(fā)揮出更大的作用。2015年3月, 《Telemedicine and e-Health》刊登了一篇用機(jī)器學(xué)習(xí)預(yù)測(cè)產(chǎn)后抑郁的論文，目的是建立產(chǎn)后抑郁癥發(fā)作的風(fēng)險(xiǎn)分層模型，以便提前干預(yù)。同時(shí)開(kāi)發(fā)一款A(yù)PP，目標(biāo)用戶是產(chǎn)后希望了解自己情緒的媽媽。同時(shí)，人工智能在PTSD（創(chuàng)傷后應(yīng)激障礙）方面的診斷和治療，以及對(duì)精神疾病的監(jiān)控上，能起到相當(dāng)大的作用。
NeuroLex公司的人工智能產(chǎn)品會(huì)通過(guò)一部安裝在附近看不到的墻上的智能手機(jī)或是其他設(shè)備記錄病人的信息，會(huì)從病人的錄音中搜索語(yǔ)言線索，以數(shù)字的方式呈現(xiàn)——像血壓讀數(shù)那樣——精神病學(xué)家做診斷的時(shí)候就可以參考這些數(shù)據(jù)。并且隨著該算法被越來(lái)越多的病人訓(xùn)練，產(chǎn)生的讀數(shù)更準(zhǔn)確。
除了找診斷，人工智能可以更快地為一個(gè)精神病患者開(kāi)出正確的處方與合適的劑量，通過(guò)已經(jīng)在醫(yī)院里的精神病病人進(jìn)行“前-后研究（pre-post study）”，可以觀察患者在醫(yī)院里的發(fā)病狀態(tài)或抑郁狀態(tài)過(guò)程中的語(yǔ)音模式是如何變化的。
如果一個(gè)人的語(yǔ)音在服用某種藥物之后，表現(xiàn)出更少的抑郁癥或躁動(dòng)癥的信號(hào)，該工具就能幫助證明該藥物是有效的。如果服藥后沒(méi)有變化，該人工智能可能會(huì)建議立即嘗試另外一種藥。并且，一旦它獲取了足夠的數(shù)據(jù)，它就能根據(jù)有相似語(yǔ)音特征的病人的情況推薦藥品。
人工智能在精神健康方面的市場(chǎng)需求是十分巨大的。WHO的數(shù)據(jù)顯示，在美國(guó)有1/5的人有精神健康方面的問(wèn)題，因精神問(wèn)題而產(chǎn)生住院的次數(shù)每年有200萬(wàn)次。而且精神疾病的痊愈相當(dāng)困難，病人的重復(fù)住院率為37.5%，導(dǎo)致每年的花費(fèi)為452億美元。在中國(guó)，由于人口基數(shù)的龐大，各類受精神健康影響的人群更多。
