医疗保健正逐渐成为人工智能研究和应用的重要领域。
如今，医疗保健行业的几乎每个领域都将受到技术崛起的影响。
例如，图像识别正在彻底改变诊断过程。
最近，谷歌的 DeepMind 神经网络可以诊断 50 种威胁视力的眼部疾病，准确度可与医学专家相媲美。
甚至一些制药公司也在尝试更多地了解新药的设计。
例如，Merk 与初创公司 Atomwise 合作，葛兰素史克 (GlaxoSmithKline) 宣布与 Insilico Medicine 建立合作伙伴关系。
在私募市场，医疗保健人工智能初创公司自2018年以来已筹集了43亿美元的次级融资，这一数字远远超过人工智能涉及的其他领域。
医疗保健领域的人工智能目前专注于改善患者治疗结果、协调各利益相关者的利益以及降低医疗保健成本。
人工智能在医疗保健领域面临的障碍之一是克服惯性，彻底改革不再有效的现有流程，并尝试应用新兴技术。
人工智能面临着医疗保健行业特有的技术和可行性挑战。
例如，在美国，患者数据没有标准格式，也没有中央存储库。
当患者文档以不可读的 PDF 格式通过传真、电子邮件或手写笔记图片发送时，从中提取信息对于人工智能来说将是一个独特的挑战。
像苹果这样的大型科技公司在这方面具有优势，特别是在加入包括医疗保健提供商和 EHR（电子健康记录）供应商在内的大型合作伙伴网络时。
Apple 设计和开发的 ResearchKit 和 CareKit 可以生成新的数据源，并将 EHR 数据交到患者手中。
这两个软件框架有望成为临床研究的革命性产品。
在对行业人工智能的首次深入研究中，CB Insights 数据可用于揭示正在改变医疗保健行业的趋势。
人工智能是医疗设备的兴起。
FDA（美国食品和药物管理局）已针对用于临床成像和诊断的人工智能软件实施了快速监管审批计划。
今年4月，FDA批准了用于筛查糖尿病视网膜病变患者的AI软件，该软件可以准确筛查患者，无需专家诊断意见。
它被授予“突破性设备称号”，加快了产品推向市场的进程。
该软件 IDx-DR 能够正确识别患有“轻度以上糖尿病视网膜病变”的患者，正确率达 87.4%，正确识别出未患有该疾病的患者正确率达 89.5%。
IDx是近几个月FDA批准用于临床商业用途的众多软件产品之一。
即。
AI已被批准用于分析CT扫描图像，以检测中风相关指标，并及时告知医护人员患者信息。
获得 FDA 批准后，即。
ai 完成了 10,000 美元的 A 轮融资，由 Google Ventures 和 Kleiner Perkins Caufield & Byers 参与。
Arterys 是 GE Ventures 旗下的一家初创公司，去年获得 FDA 批准，可以通过其云人工智能平台分析心脏图像。
今年，FDA 撤销了对其用于定位肝脏和肺部病变以进行癌症诊断的人工智能软件的批准。
监管的快速审批，为今年以来进行股权融资的70多家人工智能影像和诊断公司开辟了新的业务途径，共启动了2轮融资。
FDA 致力于明确定义和监管“作为医疗设备的软件”，特别是考虑到人工智能最近的快速发展。
FDA 计划将今年 1 月试行的预认证计划应用于人工智能软件。
FDA 补充说：“该计划允许对其设备进行微小的更改和逆行，而无需每次都提交认证申请。
” FDA 表示，其监管框架的各个方面，例如软件认证工具，将“足够灵活”以适应。
人工智能的进步。
神经网络发现非典型风险因素利用人工智能，研究人员开始研究和测量过去难以量化的非典型风险因素。
使用神经网络分析视网膜图像和语音模式可以帮助识别有心脏病风险的人。
根据今年在《Nature》杂志上发表的一篇论文，谷歌的研究人员使用经过训练的神经网络来识别和分析视网膜图像，以发现心血管危险因素。
研究发现，不仅可以从视网膜图像中识别年龄、性别和吸烟模式等风险因素，而且还可以“将其量化到以前从未达到的精确度”。
在另一项研究中，梅奥诊所与以色列初创公司 Beyond Verbal 合作，专注于分析声音中的声学特征，以识别冠状动脉疾病 (CAD) 患者独特的声音特征。
。
研究发现，当测试对象描述情绪体验时，有两个声音特征与 CAD 密切相关。
初创公司 Cardiogram 最近的一项研究表明，“通过深度学习，可穿戴心率传感器可以检测与人体接触后由糖尿病引起的心率变异性变化。
”传感器使用的算法可以通过心率检测糖尿病，准确率高达85%。
人工智能有能力发现疾病模式，并将继续为新的诊断方法和识别以前未知的风险因素铺平道路。
苹果颠覆临床试验 苹果正在围绕 iPhone 和 Apple Watch 等设备构建临床研究生态系统。
数据是人工智能应用的核心，苹果可以为医学研究人员提供两种以前无法访问的患者健康数据。
尽管许多公司努力将健康记录数字化，但在不同机构和软件系统之间实现健康信息的轻松共享（即互操作性）仍然是医疗保健领域的一大挑战。
这个问题在临床试验中尤为明显，对于临床研究团队和患者来说，将试验对象与患者准确匹配是一个耗时且具有挑战性的过程。
目前仅在美国就有超过 18,000 项临床研究招募患者。
如果医生知道正在进行的临床试验，他们有时可能会向患者推荐这一点。
否则，唯一的选择是临床试验，这是一个包含已完成和正在进行的临床试验的综合联邦数据库。
政府招募受试者。
苹果正试图改变医疗保健领域的信息传播方式，并为人工智能开辟新的可能性，特别是在临床研究人员如何招募和监测患者方面。
今年以来，苹果推出了两个开源框架——ResearchKit和CareKit——帮助临床试验项目招募患者并远程监测他们的健康状况。
这两个框架允许研究人员和开发人员创建医疗应用程序来监控受试者的日常生活。
例如，杜克大学的研究人员开发了 Autism & Beyond，这是一款使用 iPhone 前置摄像头和面部识别算法来筛选患有自闭症儿童的应用程序。
同样，大约有 10,000 名用户使用 mPower 应用程序，该应用程序提供手指敲击和步态分析等练习来确定患者是否患有帕金森病。
这些患者还同意与更广泛的科学研究界分享他们的数据。
苹果还与 Cerner 和 Epic 等 EHR（电子健康记录）供应商合作解决互操作性问题。
今年1月，苹果宣布iPhone用户可以通过手机自带的“健康”应用程序访问参与机构的电子健康记录。
健康记录功能是 AI+ 医疗保健初创公司 Gliimpse 在 2018 年被苹果收购之前的衍生产品。
该界面简单易用，让用户可以轻松找到有关过敏、病症、免疫接种、实验室结果、程序的信息和生命体征。
6 月，苹果为开发者推出了健康记录 API。
用户可以选择与第三方应用程序和医学研究人员共享数据，这也为疾病管理和生活方式监测创造了新的机会。
大型制药公司正在利用人工智能重塑其品牌。
如今，人工智能生物技术初创公司不断涌现。
传统药企感受到前所未有的压力，纷纷将目光转向AI+SaaS（软件即服务）初创公司，希望找到创新的解决方案。
。
今年5月，辉瑞与Rational drug design建立了战略合作伙伴关系。
不过，辉瑞并不孤单。
诺华、赛诺菲、葛兰素史克、安进、默克等顶级制药公司近几个月宣布与人工智能初创公司合作，寻找治疗肿瘤和心脏病的新药。
一系列的疾病。
制药公司对该行业的兴趣也推动了股权交易数量的增加，截至第二季度，股权交易数量达到 20 起，与年度总数持平。
尽管很多AI+Saas初创公司仍处于投资初期，但已经吸引了众多药企与之合作。
人工智能在医疗行业的应用不仅限于药物开发。
2 月份，罗氏控股 (Roche Holdings) 以 19 亿美元收购了 Flatiron Health，这是最大的人工智能并购交易之一。
后者可以通过机器学习挖掘患者数据。
目前有超过 100 家诊所使用 Flatiron 的肿瘤电子病历 OncoEMR，有数以万计的活跃病历可供研究。
罗氏希望收集真实世界数据（RWE），分析电子病历和其他数据源，以确定药物的益处和风险。
除了用于测试药物上市后的安全性之外，RWE 还可以帮助设计未来更好的临床试验和新疗法。
人工智能需要医生人工智能公司需要医学专家来注释图像，以教导算法如何识别异常。
科技巨头和政府正在该领域大力投资，并向研究人员提供数据库。
谷歌 DeepMind 两年前与莫菲尔德眼科医院合作，探索人工智能在眼部疾病检测中的应用。
最近，DeepMind 的神经网络能够对 50 种威胁视力的眼部疾病做出正确的转诊决策，准确率高达 94%。
这只是研究的第一阶段。
为了训练算法，DeepMind投入了大量的时间来标记和清理OCT（光学相干断层扫描）扫描数据库，以检查眼睛状况，为后续的AI应用做好准备。
阿里巴巴还决定在今年左右将人工智能应用到诊断过程中。
阿里云人工智能首席科学家闵万里表示，一旦公司与医疗机构合作获得医疗影响数据，就必须聘请专家对图像样本进行标注。
AI独角兽依图科技正试图拓展人工智能诊断领域。
该公司在接受《南华早报》采访时也强调了医疗团队的重要性。
依图声称拥有一支由名医生组成的团队来标记医疗数据，并补充说，由于美国医生的工资更高，因此美国人工智能初创公司做这项工作的成本会高得多。
但在美国，美国国立卫生研究院（NIH）等政府机构正在开展人工智能研究。
美国国立卫生研究院 (NIH) 今年 7 月发布了一个数据库，其中包含 32,000 个在 CT 图像上注释和识别的病变，这些图像由患者匿名提供。
此外，通用电气（GE）和西门子等私营公司也在寻找创建大规模数据库的方法。
GE医疗集团于今年5月获得了一项专利，该专利探索如何使用机器学习来分析显微镜图像中的细胞类型。
该专利提出了一个“直观的界面，以方便医务人员（如病理学家、生物学家）注释和评估算法中使用的不同细胞表型以及通过界面呈现的细胞表型。
尽管目前已经提出的一些算法可以用于减少人工流程，人工智能仍严重依赖医疗专家进行培训 中国投资者已开始加大对许多海外初创企业的投资，中国本土科技巨头也正在逐步建立合作伙伴关系。
将其他国家的产品带到大陆，过去几年中国的交易活跃度在全球不值一提，但现在在全球医疗保健人工智能市场上却大幅上升，2020年上半年中国超过了全球。
英国成为全球医疗人工智能交易第二活跃国家 在筹集1万美元融资并获得红杉资本中国等投资者支持后，推想科技成为全球医疗人工智能交易第二活跃国家。
该行业人工智能解决方案领域资金最雄厚的中国初创企业。
与此同时，中国对国外医疗保健人工智能初创企业的投资也在不断增加。
最近，复星医药收购了美国Butterfly Network的少数股权，腾讯投资了Atomwise，联想也投资了该公司。
它投资了韩国的Lunit，IDG资本投资了印度的SigTuple。
中国政府去年发布了人工智能计划，旨在到2020年使中国在人工智能研究方面处于全球领先地位。
医疗保健是中国人工智能的第一个应用。
四大重点领域之一。
中国对医疗保健行业的关注不仅仅是为了成为人工智能技术的全球领导者。
根据去年的人口普查，长期的独生子女政策导致人口老龄化：65岁以上。
1.58亿人口，加上劳动力短缺，迫使政府将重点转向提高医疗保健领域的自动化程度。
早在2016年，中国就开始努力将医疗数据整合到类似于美国的数据库中。
数据混乱、缺乏互操作性等问题。
为了解决这个问题，中国政府开设了多个区域卫生数据中心，整合来自全国保险理赔、出生和死亡登记以及电子健康记录的数据。
中国的大型科技公司也在政府的大力支持下进军医疗保健人工智能领域。
DIY 诊断看这里 人工智能正在逐渐将智能手机和消费者可穿戴设备转变为强大的家庭诊断工具。
启动健康。
io 声称正在尝试简化尿液分析步骤，使其像拍照一样简单。
它的第一个产品Dip。
io 使用传统的尿液分析试纸来监测一系列尿路感染。
计算机视觉算法使用智能手机来分析不同照明条件和相机质量下的测试条。
蘸。
已在欧洲和以色列投入商用。
io 最近获得 FDA 批准。
近年来，美国智能手机的普及率有所提高。
同时，图像识别算法的错误率也因深度学习而大幅下降。
两者的结合为用作诊断工具创造了新的可能性。
例如，SkinVision 使用智能手机的摄像头来监测皮肤病变并评估皮肤癌风险。
该公司今年7月从现有投资者Leo Pharma和PHS Capital获得了10,000美元的融资。
据报道，这家总部位于阿姆斯特丹的公司将利用这笔资金来推动 FDA 的批准。
人工智能在基于价值的护理中的新角色人工智能开始在量化患者在医院接受的服务质量方面发挥作用。
基于价值的服务模式以患者为中心，并激励提供者以尽可能低的成本提供最高质量的护理。
这种类型的模型与按服务付费的模型形成鲜明对比，在这种模型中，服务人员根据所执行的服务数量按一定比例付费。
规定的程序越多（例如，测试越多），经济回报就越高。
2006年《患者保护和平价医疗法案》通过，基于价值的服务模式开始进入公众视野。
现有的一些保障措施包括仅在医疗保健提供者达到质量绩效指标时才向其提供经济激励，或者对医院获得性感染和可预防的再入院实施处罚。
转向基于价值的医疗保健系统的目标是使提供者的激励措施与患者和付款人的激励措施保持一致。
例如，在新制度下，医院将对减少不必要检查的医生提供一定的经济激励。
总部位于佐治亚州的初创公司 Jvion 与 Geisinger、Northwest Medical Specialties 和 Onslow Memorial Hospital 等提供商合作。
Jvion 的一些案例研究强调了成功使用机器来识别住院 30 天内有再次入院风险的患者。
然后，护理团队可以根据 Jvion 的建议教导患者日常预防措施。
该算法将患者健康数据与社会经济因素（如收入、可及性）和不依从性的历史数据结合起来，以计算风险。
另一种方法是保险公司识别高危患者并通过提醒医疗保健提供者进行干预。
用于医院管理解决方案的人工智能技术仍处于早期阶段，初创公司正在努力帮助医疗保健提供商降低成本并提高护理质量。
治疗机器人的“能”与“不能” 如今，心理健康治疗费用昂贵，且无法提供全天候服务。
许多公司开始将注意力转向基于AI的心理健康机器人的开发。
早期的初创公司专注于使用认知行为疗法，这是一种逐渐改变患者消极想法和行为的治疗过程。
市场上的许多情绪跟踪和数字日记健康应用程序遵循一种方法，创建了对话扩展。
Woebot（由临床心理学家 Alison Darcy 开发的基于 Facebook Messenger 的聊天机器人）获得 NEA 的 10,000 美元融资，并明确声明其不能取代传统治疗和人际互动。
另一家公司Wyse去年获得了1万美元的融资，并在iTunes上推出了一款“焦虑和抑郁”机器人。
初创公司X2 AI声称，其AI机器人Tess拥有超过100名付费用户。
它开发了一个名为“Sister Hope”的“基于信仰”的聊天机器人，在开始对话之前告知用户明确的免责声明和隐私条款（对于Messenger来说，聊天受Facebook隐私政策的约束，对话内容也是可见的）。
但 Facebook 的可访问性和缺乏监管使得验证某些机器人及其隐私条款变得困难。
但正如深度学习研究员 Yoshua Bengio 在最近的《人工智能元素》播客中提到的那样，“人工智能就像一个白痴学者”，对心理学、人类是什么、心理变化如何发生等知之甚少。
心理健康是一个很大的问题。
点，在分析过程中症状和主观性具有很大的可变性。
目前，人工智能能做的不仅仅是进行常规检查，还可以培养与人类语言产生的“陪伴”感。
但是，正如最近的一篇心理学文章中提到的，我们的大脑相信我们正在与机器人聊天，而无需破译非语言线索的复杂性。
对于更复杂的心理健康问题来说，这可能会产生问题，因为这些问题可能依赖于机器人和快速修复解决方案，而这些解决方案无法深入分析或解决根本原因。
这项被认为是自动化中最安全的工作，需要人工智能机器人具有高水平的情感认知，并能够与人之间自由互动。
尽管成本和可及性有所改善，但精神卫生保健对于人工智能来说仍然是一项极其艰巨的任务。