近年來，資本扎堆醫療AI。
自2014年以來，國內醫療AI企業數量進入高速增長期，2016年已經達到36家之多，到今年這個數字已經超過50。
而近距離觀察這些企業，我們發現「醫療+AI」構想雖多，技術層面也不斷有產品推出，應用場景的國內商業落地卻少之又少。
4月17日，動脈網「醫療AI商業化落地」系列文章《希氏異構與華西醫院深度合作，走出了一套自己的模式》報導了希氏異構深耕華西醫院，探索其商業化落地之路的案例。
正如希氏異構創始人兼CEO宋捷所講，國內醫療AI商業落地面臨遭遇諸多瓶頸，諸如條塊分割的「科室+AI」模式無法形成合力去觸發真正的變革、數據採集法律壁壘過高致無法達到「量」的需求、技術商硬體研發能力弱無法將技術成果轉化為最終產品等難題。這無疑制約了人工智慧技術對於改善醫療行業痼疾發揮實質作用。
那麼如何破解這些難題呢？國內AI企業做了許多嘗試，動脈網一直在進行跟蹤報導。現在讓我們換一種思路，將視角轉向美國的大醫院，看看他們是如何應用AI的。一百多年以來，美國一直能夠快速將創新成果迭代到現實場景中，成為技術變革最大的受益者。
為了幫助患者縮小就醫檢索範圍，《美國新聞與世界報導》每年會公布「最佳醫院榮譽榜」。在本文中，我們選擇了2017-2018年度榜單排名前五的大醫院，分別是梅奧診所、克利夫蘭診所、麻省總醫院、約翰霍普金斯醫院和UCLA醫療中心。
梅奧診所：聯手創業企業，關注致命疾病預測及個性化治療
梅奧診所位於美國明蘇尼達州羅切斯特，是世界最著名的醫療機構之一。梅奧診所創立與1889年，目前已經成為全面的醫療保健系統，包括門診、醫院、醫學研究及醫療教育機構等。
2017年1月，梅奧診所個性化醫療中心宣布與Tempus合作，雙方將基於分析和機器學習技術為癌症患者提供個性化治療。
梅奧診所與Tempus計劃合作開展兩項研究。Tempus對梅奧診所的1000名患者進行分子測序和分析，從而獲得可以臨床級腫瘤測序的基因組結果。
隨後，Tempus運用生物信息學分析和機器學習工具將這些基因組結果生成可供梅奧診所研究團隊直接使用的數據。
梅奧診所可以運用這些數據為患者制定個性化的癌症治療方案，讓他們儘量避免被採用無效藥物，從而減少不必要的藥物毒性。
梅奧診所認為，最為重要的是個性化的癌症治療將提高患者存活率，改善患者生活質量。
Tempus CEO埃裡克·萊夫科夫斯基指出，過去二十年來，科技取得了令人難以置信的進步，但尚未完全滲透到醫療系統中。「我們很高興能將Tempus的作業系統和分析技術帶到梅奧診所，為醫生和患者的癌症戰爭帶來益處。」
Tempus是一家專注於使用機器學習平臺開發個性化癌症護理的健康科技初創公司。Tempus創建了數據管道，用於收集和分析海量數據，以及管道動力軟體應用程式，用以協助臨床決策支持和學術研究。
Tempus還擁有自己的CLIA認證實驗室，目前每年有超過50000名患者。成立至今三年，Tempus始終貫徹公司的使命：從癌症患者身上積累海量的基因組和臨床數據，以便醫生使用這些信息來更好地進行個性化治療。
此外，2017年3月，梅奧診所與醫療設備製造商Omron Healthcare一起完成了對心臟健康創業企業AliveCor的D輪投資，投資總額3000萬美元，動脈網曾對此進行過報導。
2017年7月，梅奧診所與AliveCor合作將AliveCor的AI技術與梅奧診所的專利算法相結合開發幫助醫療和非醫療人員輕鬆地篩選長QT症候群的工具。
長QT是一種先天的獲得性疾病，每年導致三千至四千名美國兒童和年輕人猝死，美國有16萬人屬於這種疾病高危人群。
通過這次合作，Kardia Mobile設備將開發檢測長QT症候群的新方法和新技術。
AliveCor擁有人工智慧專利技術、算法和數以百萬計的心電圖數據，梅奧診所則擁有海量醫療數據數據和世界領先的臨床專業知識，雙方融合將使人們能夠以前所未有的規模實踐預防性醫學，並提供以前無法獲得的即時結果。
患者能夠更全面地了解他們的心臟健康狀況，主動監測並創建心臟護理的新標準。心電圖包含大量關於一個人整體健康狀況的信息，並將機器學習應用於數百萬條心電圖記錄，作為對傳統心電圖分析的重要改進。
AliveCor是一家智慧型手機心電圖設備製造商，同時也是蘋果手機的配套商之一。
AliveCor的旗艦產品Kardia Mobile和升級產品Kardio Pro可以讓患者隨時採集自己的心電圖，並將結果以郵件形式發送給醫生，是第一個經過臨床驗證和FDA批准的心電圖消費級產品。
Kardio Pro是AliveCor運用人工智慧的技術對Kardia Mobile進行了改進的產品，它以心電圖資料為背景，可以追蹤患者血壓、體重、活動量情況，數據都被放到同一個面板中進行綜合比較。
通過機器學習，Kardio Pro系統把醫生需要重點關注的患者圈出來，並標出沒有問題、可以忽略的健康人群。
克利夫蘭診所：聯手微軟，優化ICU患者夜間監測
克裡夫蘭診所位於美國俄亥俄州，隸屬於非營利性公司克利夫蘭臨床基金會，並由其經營。
克裡夫蘭診所創立於1921年，集合醫療、研究和教育三位一體，提供專業醫療和最新治療方案的非營利性機構。
克裡夫蘭診所開創了醫療領域許多首例，例如首例冠狀動脈造影、首例微創心臟瓣膜手術、首例fMRI引導的腦深部電刺激手術等。
2016年9月，克利夫蘭診所與微軟合作，使用微軟AI數字助理Cortana 進行預測性和高級分析，幫助克利夫蘭診所 「根據ICU護理確定潛在的心臟驟停高危患者」。
早在2014年，克利夫蘭診所就推出了自己的指揮中心eHospital，來實現對ICU中的患者進行夜間遠程監測，與微軟的合作讓eHospital系統將Cortana整合其中，變得更加智能。
此外，從eHospital系統收集的數據被存儲在微軟的Azure SQL資料庫中，Azure SQL資料庫是為應用程式開發人員設計的基於雲的資料庫。
未來，數據收集點將拓展到患者生命體徵和實驗室數據。
根據微軟2016年年度報告顯示，Cortana每月用於1.26億個Windows 10用戶，是微軟智能雲部分的一部分。
Cortana的功能包括設置備忘、無須用戶提前錄入預定義命令即可識別人類語言，以及從Bing搜尋引擎上抓取信息從而回答問題。
麻省總醫院：聯手NVIDIA，領跑醫療放射
麻省總醫院是一所坐落于波士頓的綜合型醫院，是哈佛大學最大型的醫學教育中心及生物醫學研究基地，具有非常濃厚的研究氣氛。
麻省總醫院創立於1811年，至今共有11名諾貝爾獎得主與麻省總醫院有聯繫，他們曾在這裡從事研究工作或者接受培訓。
動脈網在2015年對麻省總醫院在數字醫療領域發展布局進行過梳理。截至發稿的2015年8月，麻省總醫院尚未嘗試將機器學習應用到現實場景中。
隨後，在2016年4月NVIDIA宣布作為「創始技術合作夥伴」加入麻省總醫院「臨床數據科學中心」。
當時NVIDIA已經開始了人工智慧戰略，而麻省總醫院所設立的「臨床數據科學中心」目標是成為利用醫療AI來改進檢測、診斷、治療和管理疾病。
合作中，NVIDIA將NVIDIA DGX-1安裝在麻省總醫院，按照NVIDIA公司描述，NVIDIA DGX-1是一款「深度學習的超級計算機」GPU。
麻省總醫院擁有一個包含約100億張醫學圖像的資料庫，利用資料庫總的大量表型、遺傳學和成像數據可以訓練深層神經網絡。
運用人工智慧，醫生可以將患者的症狀、測試和病史與大量其他患者的見解進行比較。最初，麻省總醫院臨床數據科學中心將重點放在放射科和病理學領域，這些領域擁有特別豐富的圖像和數據，隨後將擴展到基因組學和電子健康記錄。
「我們現在有能力將放射學領域擴展到為人類解析提供可視化信息的主要功能之上，」麻省總醫院放射學副主席兼中心執行主任Keith J. Dreyer在一份聲明中說，「在精確醫療保健的指導下，我們正在進入生物統計量化的放射時代，我們的解析將通過從廣大患者群體的診斷數據中學到的算法得到加強。沒有GPU的處理能力，這是不可能的。」
約翰霍普金斯醫院：聯手GE，實現智能化醫院管理
約翰霍普金斯醫院位於美國馬裡蘭州巴爾的摩，是一家大型綜合醫院，曾連續23年獲評《美國新聞與世界報導》全美最佳醫院。約翰霍普金斯醫院創立於1889年，是約翰霍普金斯大學的教學與科研醫院。2016年3月，約翰霍普金斯醫院宣布啟動醫院指揮中心，GE Healthcare Partners是其合作夥伴，負責指揮中心的設計和建造。該中心使用預測性分析來支持更高效的操作流程，從而提高病人護理管理效率。
指揮中心裡分布著22臺顯示實時數據的監視器，場景類似於美國宇航局軍事和太空作戰設施的作戰室，將最新的系統工程、預測分析和情境意識相結合。
指揮中心的工作人員有24名工作人員，都是從醫院不同的現有部門中抽調的，他們負責集中管理病人從入院到出院的整個流程。
平均而言，該中心每分鐘約翰霍普金斯醫院的從14個不同IT系統接收500條消息，生成實時數據。
這些數據每30秒刷新一次，涵蓋從床位可用性和手術室效率到病人狀態和人員配置等所有內容，工作人員可以立即採取措施預防或解決瓶頸問題，減少患者等待時間，協調服務並降低風險。
對採集數據進行分析，指揮中心還能夠預測每層樓未來兩天的入住情況及未來三天每天進出病人的具體預期數量。
指揮中心運行一段時間以來，在改善患者體驗和操作結果方面取得了重大成果。根據約翰斯霍普金斯報告，其接受來自全國其他醫院的複雜醫療狀況患者的能力提高了60％、急診科為患者病床速度提高了30％、手術後手術室轉移延遲減少了70％、中午前病人數量出院增加21％。
UCLA醫療中心：聯手IBM，打造醫療聊天機器人
UCLA醫療中心坐落於美國洛杉磯，創立於1955年，附屬於加州大學，是一所教學醫院性質的綜合醫院。
2017年3月，UCLA介入放射科醫生利用人工智慧創建了一個虛擬放射科醫師（VIR），為非介入放射科醫生提供臨床決策支持。
VIR是使用IBM的沃森人工智慧計算機自然語言處理技術創建的類似於在線客戶服務的聊天機器人。
IBM的沃森人工智慧計算機為VIR提供了超過2000個示例數據點，以模擬常見的介入放射科醫師接收諮詢期間收到的數據。VIR計劃使用「深度學習」，隨著更多數據的輸入，它變得更加智能。
VIR通過簡訊自動回復臨床醫生的問題，幫助其選擇最佳的療程。例如，它可以告訴提問者是否對患有特定過敏症的患者執行特定治療。
「這就像與人類放射科醫生發簡訊一樣，但它使用人工智慧來自動響應。這是獲取信息的最快捷方式，它是由醫療數據支持的非常精心策劃的信息，所以結果是更好的患者護理，「UCLA放射學住院醫師兼應用程式員Kevin Seals博士說。
若查詢的問題超過VIR自動處理能力，VIR將提供醫院中的介入放射科醫師聯繫信息，從而建立人與人直接聯繫。
他山之石
基於機器學習的人工智慧技術佔據資本市場風口已經兩年有餘，參與者從最早資本端的私募、風投已經蔓延到產品端的大型實業企業，似乎驗證了它作為一種未來趨勢改變世界的能力。
通過以上對美國頂級醫院AI應用的梳理，我們發現了兩點值得關注。
一是，數據壁壘最小化。在美國，頂級醫院通常選擇與強大的頭部企業合作，例如克利夫蘭診所聯手微軟、麻省總醫院聯手NVIDIA、約翰霍普金斯醫院聯手GE、UCLA醫療中心聯手IBM等，這些案例中的技術供應商都是技術領域老牌的頂級企業。
此外，一些頭部技術企業選擇在同一時期與多家頂級醫院合作，如GE。這種強強聯合，甚至是網絡化的強強聯合，能夠打破數據壁壘，使得醫療AI應用得以基於海量數據，確保機器學習具有準確的人工智慧。
而在國內，儘管一些技術供應商選擇了頂級醫院作為突破口，但囿於有限的實力和法律障礙，醫療AI應用被局限在科室內部或者醫院內部，產生的數據壁壘自不必說。
二是，應用場景前端化。
一般來說，醫療AI應用細分領域分為疾病預測、醫院管理、輔助診療、精準手術和健康管理。
與國內醫療AI將重心放在輔助診療不同，美國大醫院在醫療AI應用內場景方面側重疾病預測（如克利夫蘭診所與微軟合作、約翰霍普金斯與GE合作、UCLA醫療中心的VIR）和健康管理（如Mayo Clinic與AliveCor的合作）等前置位。
醫療最終目的是健康，將醫療AI應用與健康鏈條更前端能夠有效提高社會健康水平。
新技術的應用必然是探索、總結、再探索的過程，探索中的總結可以是向內的，也可以是向外的。未來，動脈網將持續關注國內外醫療AI商業落地的最新進展。