|AI內參|人工智慧雖然不能治癒癌症，但已經改變了醫學

一年多前，人工智慧(AI)在醫學領域應用仍停留在概念上。現在，部分醫院已轉變思路，開始把AI融入日常診療實踐中，希望利用病人數據改進醫療服務，使其更實惠和更有效。

可以預言：兩年後，在臨床上應用AI技術比過去10年總和還要多得多。不信的話，咱們可以拉鉤打賭？

就在一年前，AI在醫學領域的應用仍停留在概念上。每家醫院都想利用AI亮點宣傳自己，彌補其它方面不足。今天再忽悠AI替代醫生或治癒癌症恐怕就言過其實了。

經過上一輪炒作，醫院開始轉變思路，把AI融入日常醫療實踐中去，利用病人數據改進醫療服務，使其更有效，不可謂不為之。

AI在醫療領域裡的應用算是包羅萬象，比如，利用AI測算危及生命癥狀的發作；AI虛擬助手輔助患者遵守限制性飲食；預測患者可能住院時間以及再入院風險的程式等等。

數字健康專家認為，雖然AI技術仍不能應用治療目前無法治癒的疾病，但AI已經達到了一個成熟技術的轉折點，在醫療領域應用越來越切實可行。

美國Mercy Health機構副總裁斯圖爾特博士樂觀地認為，在未來兩年裡，可以看到AI技術在臨床實踐中的應用比過去10年總和還要多。

不可思議的是：很多人卻沒有意識到這一點！或許是AI技術的應用是悄無聲息的。目前而言，其影響也是微妙的。就好像一個網站突然快速而精準地生成資訊，一切皆在於幕後操盤手的內功。

AI技術的應用也引發了一系列有待解決的倫理問題。比如，基於有偏見的數據創建的演算法，如何保障其公正性？AI系統會不會插入「隱形」過濾器，以不正常方式改變醫患關係？包括種族、膚色和經濟狀況等等。

當然，最壞的情形是第三方操縱演算法， AI是否會騙過監管系統，或拒絕提供醫療服務呢？這些都是已知的未知。

鑒於如上擔憂，醫院和醫生在選擇AI應用時非常謹小慎微。許多人使用AI技術僅僅是為了提高效率，用於文書或帳務管理。在AI輔助患者醫療服務決策方面，目前的AI演算法和機器學習僅用於傳達決策，不能直接執行。

例如，在Mercy Health機構裡，醫生和數據科學家正在使用AI演算法檢測膿毒血症的發病情況。膿毒血症是一種感染後併發症，美國每年約有25萬人死於膿毒血症，醫護人員若能及時發現，就可以採取積極應對措施。

波士頓貝斯以色列婦女醫療中心的長官們也準備推出一個AI新項目，利用亞馬遜機器學習管理醫院手術室排班日程。更確切地講，這只能算是智能化，不是真正意義上的AI機器學習系統。

從表面上看，這是一個很小的轉變。但深入思考根據病人和醫生的具體特點，對手術日程進行精準安排。由此，醫院可以在每台手術中節省更多時間和費用，拓展更多手術，而無需額外投入，這就是智能化管理節省了成本。

貝斯以色列婦女醫院CTO哈拉姆卡教授說：引入AI機器學習後，聘請的15名外科醫生又釋放出了30%的工作能力。提高工作效率不僅讓醫生獲益增多，也有效地降低了手術成本。

哈拉姆卡的目標是通過AI智能化管理，在精確的地點和時間，為患者提供最恰當的醫療護理提服務。

醫院使用AI技術的頻率越來越高，得益於AI的迅速發展和成熟。自上世紀80年代以來，機器學習可以用於對海量非結構化資訊(如醫生筆記)進行梳理、整合分析。

斯坦福大學生物資訊學副教授尼格姆·沙阿指出，AI技術已經有可能把來自不同機構的雜亂數據以一種可用的輸入格式整合在一起，這樣就實現可操作的預測。

最近，沙阿教授的團隊開發了一款AI程式，預測患者在3至12個月內的死亡可能性。根據這些資訊，臨終關懷團隊可以為這些患者提供量身訂製的周到服務。

他們還開發了一個檢測家族性高膽固醇血症的AI程式。家族性高膽固醇血症是一種罕見的遺傳性疾病，患冠心病的風險增高20倍。90%患有家族性高膽固醇血症的患者沒有得到及時診治，通常會發展成為嚴重的心臟病。

AI系統不僅有助於鑒別患者健康問題，還能把醫生、醫保和葯企整合在一起，為患者提供最佳藥物治療。雖然治療費不菲，但與心臟病相比，格外的費用可以說是微不足道。

雖然AI有望在醫學領域裡被廣泛應用，但醫生和醫院一直謹慎行事。業界專家認為AI技術與醫學兩個領域之間存在根本的對立關係。前沿科技領域對新生事物敏感且高效，能將新產品在短期內實現商品化，並在最早時期打破行業規則。

在醫療實踐中，醫生採用新技術的速度相對較慢，必須投資花錢，用數據來科學證明一種新產品對病人是安全和有效的。

沙阿和他的團隊正設計一個新程式來驗證AI技術輔助醫療決策的有效性。他們希望通過增加對醫生的培訓，讓醫生了解AI能做什麼，不能做什麼？以及面臨臨床實踐、醫療費用和倫理等挑戰。

AI技術擴大應用帶來的倫理問題也層出不窮。如果機器學習演算法基於壞數據或缺乏多樣性的數據，其得出結論可能不準確或帶有偏見。

此外，如果現有的醫學證據表明患有特定疾病的患者會在預測的時間內死亡，是基於AI參照數據得出結論，那麼，申請新的治療方案和專項治療資金的請求可能因此會被拒絕。

沙阿教授認為解決這些問題的辦法是針對這個問題展開社會廣泛討論，公布更多關於演算法設計、訓練和應用的資訊。在可控環境下開展一些臨床試驗，並制定相關政策或倫理框架。

目前，關於AI的臨床試驗已在醫院迅速而廣泛的開展起來。其明確優勢正是醫院系統採用的原始驅動力。影像學和電子醫療健康檔案相關領域的資訊提取量也在穩步增長。

在成像技術方面，AI技術開發人員已證實基於即時交叉引用大量資訊的能力，在疾病檢測或排除疾病方面，AI已經超越了人類的能力。

在電子健康檔案應用中，一方面，許多醫院渴望挖掘臨床數據以獲取資訊；另一方面希望減輕醫生和護士由於繁重工作而導致倦怠。針對資訊過量的問題，層出不窮的新發現和不斷變化的標準，醫護人員越來越難與時俱進，甚至疲於應付。

醫院的數據和新協定的數量和速度都在加快，雖然AI系統操作起來並非易事，但這項技術正迅速發展並越來越契合臨床需求，醫院和醫生對此都表現出前所未有的濃厚興趣。

AI技術發展到今天，終於有了足夠數據和計算能力，可用於構建專用系統。未來讓醫生參與到這些系統設計和測試中來，將是一件極為重要且有意義的事情。

《2018全球基因治療研究報告》

第一部分：技術與市場

摘要內容

1、引言

2、基因治療技術

3、基因治療臨床應用

4、基因治療遺傳疾病

5、基因治療癌症

6、基因治療神經系統疾病

7、基因治療心血管疾病

8、基因治療病毒感染

9、基因治療的研究、發展和未來

10、基因治療監管、安全和道德，專利問題

11、基因治療市場

12、參考文獻

第二部分：公司和研發機構
13、基因治療的公司和研發機構

《報告》目錄共30頁！留電子郵箱免費獲取

《報告》全文$5000美元，

有意購買版權參與「眾籌」，請留言

本平台將更新內容，擴大覆蓋面、強化知識和科學趣味性，特聘兼職或全職編輯人員和管理人員。請在sasctm留言或添加微信GlobalMD，非誠勿擾。

歡迎轉發分享，微信平台等轉載，請務必聯繫授權：sasctm告知。