My Secret Rainbow

AI医疗全球发展现状如何？来看看这32种创新应用

人工智能在医疗保健行业应用广泛，包括用于发现遗传密码之间的联系，为外科手术机器人提供动力，以及提高医院效率等。以下是AI在医疗保健行业逐步落地的32种应用（有删减）。

使用AI精确诊断，降低误诊率

2015年，由于疾病误诊和医疗失误事故占全美死亡人数的10%，为改善参差不齐的医生治疗水平，通过AI来提高诊断准确率是最受人期待的人工智能应用之一。

据研究显示，使用深度学习的AI模型比11位病理医生诊断的乳腺癌正确率更高。人工智能可以不受其他变量影响，比大多数医学专业人员更快地预测和诊断疾病。以下是AI减少错误并挽救生命的六种方案。

PathAI：借助AI对癌症精确诊断

PathAI正在开发机器学习技术，以帮助病理医生做出更准确的诊断。该公司目标包括减少癌症诊断失误以及开发个性化医疗方法。PathAI通过与Bristol-Myers Squibb等药物开发商以及Bill＆Melinda Gates Foundation等组织合作，希望将其AI技术扩展到医疗保健其他领域。

Buoy Health：智能症状问询与诊断

Buoy Health提供基于AI的症状问询与治疗建议。通过聊天机器人倾听患者的症状和健康问题，包括原因、严重程度、实际感受等，然后作出诊断，并指引患者进行正确护理。哈佛医学院是Buoy的医院和医疗服务提供商之一。

Enlitic：放射学诊断

Enlitic通过深度学习来简化放射学诊断。该公司的深度学习平台可以分析非结构化的医学数据（放射线影像，血液检查，EKG，基因组学，患者病史），以便医生更好地了解患者的实时需求。麻省理工学院（MIT）将Enlitic评为全球第五大最聪明的人工智能公司，其排名高于Facebook和Microsoft。

Freenome：早期癌症筛查

Freenome通过在诊断测试和血液检查中使用AI来进行癌症早筛。通过在常规检查中部署AI，Freenome希望能尽早发现癌症，并开发相应治疗方法。

Beth Israel Deaconess Medical Center：诊断严重血液疾病

哈佛大学的教学医院贝丝·以色列女执事医疗中心（Beth Israel Deaconess Medical Center）使用人工智能诊断可能致命的血液疾病。

科学家们使用了25,000张血样的图像来教机器如何搜索细菌。现在，医生正在使用AI增强型显微镜来扫描血液样本中的有害细菌（例如大肠杆菌和葡萄球菌），其扫描速度要比手动扫描更快。机器学习识别和预测血液中有害细菌的准确率可达到95%。

Zebra Medical Vision：放射学影像辅助诊断

Zebra Medical Vision为放射科医生提供AI助手。该助手可以接收成像扫描并自动分析临床发现。然后将这些发现传递给放射科医生，放射科医生在进行诊断时会考虑助手的报告。

图片来源：图虫创意

用AI开发新药物

药物进行临床试验的平均花费为26亿美元，其中只有10％可以成功投放市场。不断增长的开发成本和人力成本使药物开发陷入困境。由此，生物制药公司希望通过AI提高药物研发的效率、准确性。

AI在药物研发领域获得突破始于2007年，研究人员任命名为Adam的机器人来研究酵母功能。通过在公共数据库中搜寻的数十亿个数据点，来推测酵母中19个基因的功能。亚当的机器人朋友夏娃（Eve）发现，牙膏中的一种常见成分三氯生（Triclosan）可以抵抗疟疾引起的寄生虫。以下是六家依靠AI进行药物研发的公司。

BioXcel Therapeutics：生物制药开发

BioXcel Therapeutics使用AI来识别和开发肿瘤免疫学和神经科学领域的新药。此外，该公司的药物创新计划采用AI来查找现有药物的新应用或识别新患者。BioXcel Therapeutics研究成果被评为“2019年最具创新性的AI医疗开发”之一。

Berg Health：通过AI治疗罕见病

BERG提供基于AI的生物技术平台。通过绘制疾病图谱以加快开发突破性药物的速度。通过将“问询生物学”方法与传统研发相结合，BERG可以开发出更强大的抗击罕见疾病的候选产品。

BERG最近在Neuroscience 2018大会上介绍了其有关帕金森氏病治疗的发现——他们使用AI寻找未知的人体化学物质之间的联系。

XtalPi：基于云计算进行数字药物研发

Atomwise：用于临床试验

Atomwise使用AI来解决当今一些最严重的疾病，包括埃博拉病毒和多发性硬化症。

该公司的神经网络AtomNet可帮助预测生物活性，并确定患者特征以进行临床试验。Atomwise的AI技术每天可以筛查10到2000万种遗传化合物，其交付结果的速度是传统制药公司100倍。

Deep Genomics：找寻最佳候选药物

Deep Genomic的AI平台可帮助研究人员找到与神经肌肉和神经退行性疾病相关的最佳候选药物。在药物研发过程中，找到正确候选药物能够增加成功通过临床试验的机会，同时也减少了上市时间和成本。

该公司也在研究“土星计划”，通过分析690亿种不同的细胞化合物，来为研究人员提供建议和反馈。

BenevolentAI：数据驱动药物开发

BenevolentPlatform建立在大数据基础和先进技术之上，科学家可通过解读人类生物学代码，找到治疗疾病的新方法。BenevolentAI数据结构可在整个药物发现和开发过程中实现强大的协同作用。

图片来源：图虫创意

借助AI增强患者体验

在医疗保健行业，时间就是金钱。2016年，美国医院接待了超过3500万患者，每人都有不同的疾病、保险范围和所需服务。研究发现，96%的病人投诉是由于缺乏客户服务，就医环境混乱。

通过AI能够改善患者服务，简化患者流程，帮助医院工作人员更高效地处理数百万个（甚至数十亿个）数据点。以下六个案例，能说明AI如何帮助医疗机构更好地管理患者流量。

Olive：执行卫生保健大部分重复性过程

Olive的AI平台旨在将医疗保健行业中重复任务自动化，使管理员可以腾出时间来处理更高级别的任务。该平台可自动执行从资格检查到未裁决的索赔以及数据迁移的所有操作，因此员工可以集中精力提供更好的患者服务。

Olive的AI即服务服务可轻松集成到医院现有的软件和工具中，无需进行昂贵的集成或装备。

Qventus：实时患者路线优化

Qventus是一个基于AI的软件，用以解决急诊室运营挑战。该公司的自动化平台能综合考虑患者的疾病/伤害，判断在医院的等待时间，甚至可以绘制最快的救护车路线。

CB Insights根据Qventus在自动化和优先考虑患者安全方面所做的工作，将Qventus评为2019年100家最具创新性的AI初创企业之一。

Babylon：聊天机器人

Babylon使用AI提供个性化和交互式的医疗保健咨询服务。甚至包括与医生的面对面服务。该公司基于AI的聊天机器人能够分析患者的症状，建议患者进行虚拟检查或与医疗保健专业人员进行面对面的访问。

Babylon和加拿大的Telus Health合作开发了专属加拿大的AI应用程序，该应用程序扫描患者的调查答案，然后通过视频将其与合适的医疗保健提供者或专业人员联系起来。

CloudMedX：医疗健康数据收集与分析

CloudMedX从众多医院实时收集不同病患的数据，经处理分析后向医疗机构提供符合 HIPAA（健康保险携带与责任法案）的健康预测和分析。对原始病患数据分析后可以反映一些病症的发展趋势、发生模式、偏差以及预测可能性结果，从而为临床治疗和早期检测诊断提供参考。

Cleveland Clinic：个性化的医疗保健计划

Cleveland Clinic联手IBM，正在使用AI来收集有关数万亿个健康记录数据点的信息，以简化患者体验。为患者提供个性化的医疗保健计划。

Johns Hopkins Hospital：提高患者手术流程

约翰霍普金斯医院与GE合作，使用预测性AI技术来提高患者手术流程的效率。自实施该计划以来，该设施的入院能力提高了60％，出院率提高了21％，带来更快、更积极的患者体验。

图片来源：图虫创意

使用AI挖掘和管理医疗数据

每年，医疗保健行业因为数据没有得到好的开发与应用，造成的损失约1000亿美元。此外，由于数据孤岛的存在，阻碍了新药、预防医学和正确诊断的速度。

通过AI技术，可以阻止信息泄漏，打破数据孤岛。并在几分钟内测算过去需要花费数年时间处理的信息。以下是七个在医疗保健行业数据应用中发挥作用的AI公司。

Tempus：个性化健康的大规模数据库

Tempus正在开发AI工具，该工具可以收集和分析从基因测序到图像识别等数据，从而帮助医生更好地了解治疗方法，Tempus目前正在使用其AI驱动的数据来应对癌症的研究和治疗。

KenSci：AI用于医院风险预测

KenSci通过从现有资源中获取数据来进行预测。将大数据与人工智能结合来预测临床、财务和运营风险。KenSci与技术和数据科学领域的一些知名企业合作，包括GE、毕马威、Allscripts和Microsoft。

Proscia：数字病理平台

Proscia是一个数字病理平台，能够使用AI来检测癌细胞。该公司的软件可帮助病理实验室消除数据管理中的瓶颈，并使用基于AI的图像分析来连接癌症发现和治疗的数据点。

Proscia最近在A轮融资中筹集了830万美元，将用于扩大公司数字病理软件和AI工具的部署。

H20.ai：分析医疗保健数据

H2O.ai分析整个医疗保健系统中的数据，用以预测流程。目前已实际落地。可以被用来预测ICU的转移，改善临床工作流程，甚至查明患者感染风险。同时，还可以挖掘健康数据，预测和检测败血症，从而最终降低死亡率。

DeepMind：与医生共通患者紧急情况

Google的DeepMind Health AI软件能够帮助患者更有效地从测试转移到治疗。当患者的健康状况恶化时，DeepMind Health程序会通知医生，甚至可以通过组合大量可比较症状的数据集来帮助疾病诊断。通过收集患者的症状并将其输入DeepMind平台，医生可以更有效地进行诊断。

iCarbonX：数据和“数字生活”

ICarbonX正在使用AI和大数据以被称为“数字生活”的方式观察人类生活特征。ICarbonX相信其技术可以收集足够的数据来更好地分类症状，制定治疗方案。让人们更健康。

图片来源：图虫创意

AI机器人辅助手术

机器人辅助手术的普及率直线上升。医院正在使用机器人来协助进行微创手术到心脏支架手术。机器人辅助手术减少了与手术相关的并发症，减轻了痛苦，并缩短了恢复时间。看看机器人改变外科手术的七个例子。

Vicarious Surgical：虚拟现实机器人

Vicarious Surgical将虚拟现实与AI机器人相结合，因此外科医生可以执行微创手术。使用该公司的技术，外科医生实际上可以更详细地探查患者身体。

Auris Health：AI内窥镜机器人

Auris Health开发了多种机器人，ARES（Auris Robotic Endoscopy System）是一款治疗肺部疾病的内窥镜机器人。ARES可使内窥镜检查手术变得简单，医生从物理和数据角度都可以更清楚地了解患者的病情。该公司正在开发AI机器人来研究肺癌，目标是有一天能治愈它。

Accuray：癌症治疗机器人

Accuray射波刀系统采用机械臂对肿瘤进行精准治疗。利用机器人的实时肿瘤追踪功能，医生和外科医生只用治疗受影响的区域，而不是整个身体。Accuray CyberKnife机器人使用6D运动感应技术来积极追踪和攻击癌性肿瘤，同时保存健康的组织。

Intuitive：开创性机器人手术

Intuitive的da Vinci平台开创了机器人手术行业的先河。作为18年前FDA批准的首个机器人手术助手，这些手术机器配备了摄像头，机械臂和手术工具，可帮助进行微创手术。达芬奇平台不断获取信息并为外科医生提供分析，以改善未来的手术。迄今为止，达芬奇已协助进行了超过500万次手术。

Carnegie Mellon University：机器人辅助心脏疗法

Carnegie Mellon University的机器人系开发了Heartlander，这是一款微型移动机器人，能够促进心脏治疗。在医师的控制下，微型机器人通过一个小切口进入胸部，自行导航到心脏的某些位置，粘附在心脏表面并进行治疗。

MicroSure：改善手术精度

MicroSure的机器人可帮助外科医生克服人类身体限制。据报道，该公司的运动稳定器系统可提高手术过程中的性能和精度。目前，MicroSure的八个微外科手术已获批准用于淋巴系统手术。

Mazor Robotics：脊椎手术机器人

外科医生使用Mazor Robotics的3D工具能够对手术进行可视化，并使用AI读取可识别解剖特征的图像，执行更稳定和精确的脊柱手术。

*本文编译自Sam Daley—32 EXAMPLES OF AI IN HEALTHCARE THAT WILL MAKE YOU FEEL BETTER ABOUT THE FUTURE.