• 作者 程婷婷 • 2017年05月15日18:06 • 速途網
2016年，是人工智慧崛起的一年，AlphaGo的那次人機大戰一經流傳，迅速引起社會各界人士對人工智慧領域的關注，各行各業
開始由「網際網路+」向「AI+」轉型發展。此外，據VentureBeat報導，近日在英偉達ceo黃仁勳主辦的一場競選賽中，從三大類別的2000多家AI創業公司中，選出了14家最優秀的AI初創公司，其中就有5家為AI醫療創業公司。由此可見，AI技術開始對準精準醫療，為網際網路醫療的發展開闢一條新道路。
發展精準醫療
醫療領域因其複雜程度和專業程度，一直以來，從疾病的預測、診斷、治療到後期康復護理，從醫療硬體設備、診治過程到診後患者反饋更進都受到社會各界人士的關注。由此，社會各界人士一直對基於傳統經驗的醫學進行探索、挑戰。與傳統醫療相比，精準醫療因將個人基因、環境與生活習慣差異考慮在內，而形成了一種疾病預防與處置的新興方法。精準醫療的提出，或許會給傳統醫療模式帶來新的發展路徑，傳統醫療的經驗積累加上精準醫療新鮮觀念，兩者的巧妙結合將可能產生讓人驚喜的化學反應。
精準醫療主要包括精準診斷與精準治療兩個方面，可以通過精密儀器、生命科學等先進現代技術與我國傳統經驗整合，減小臨床實踐的不確定性，在保證精準的同時儘可能將損傷控制到最低。中國早在本世紀開始關注精準醫療，2006年首先推出了精準外科概念，得到國內外醫學界認可後，被引用到腫瘤放療、婦科等醫學領域中。其目標是通過合理資源調配、全流程的成本調控，獲得效益與耗費之比的最大化。至此，精準醫療成為網際網路醫療發展的一個新方向。
AI助力實現精準診斷
AI的技術核心主要在於大數據分析能力和深度學習能力。從AI技術的大數據分析能力來看，在醫療行業裡，龐大的患者案例、數據，是傳統醫療行業對現代醫療的完善發展最大的價值所在。根據這些已有的案例進行數據分析、信息整合，形成一張不斷完善的知識圖譜，對未來醫療行業的建設與發展都將起著至關重要的作用。但現階段，由於醫療行業數據基數龐大，非規則化數據結構佔比較大，加上因患者不同而導致同類病症依然千差萬別的情況，傳統醫療行業單憑本就匱乏的醫療資源，來對如此龐大且複雜的數據進行深度分析，難度可見一般。
AI的出現，正好可以走出這一困境。比起人腦，AI可以更高效地處理海量數據，並迅速找到一些特徵和規律，不僅如此，還可以利用龐大的易學知識庫和資料庫，建立醫生的臨床輔助決策系統，幫助醫生進行診斷。以癌症為例，AI通過數據分析，進行基因測序，就找到癌症的突變基因，從而迅速確定對症藥物，省去患者嘗試各種治療方法的時間，並且只需要患者的血液甚至唾液，無需傳統的病理切片，可以減少診斷過程中對患者身體的損傷，顯著改善患者的診療體驗和診療效果，發展潛力巨大。
從AI技術的深度學習能力來看，AI可以對人的意識、思維信息過程進行模擬，通過知識圖譜的建立，甚至可以自主諮詢患者情況，通過聊天的形式，對患者情況進行初步診斷。在如今優質醫療資源極其匱乏的情況下，AI如此強大的學習能力，的確可以相對減輕對醫療人才的培養負擔。同時，還可以有效輔助醫生診療，進行治療方案的初步制定，大大提供工作效率。據相關數據分析顯示，在兒科發熱相關疾病中的AI運用中，人工智慧已經可以達到中級醫生的水平。
AI為精準治療提供便捷
在精準診斷之後，更重要的是精準治療。一方面，AI技術可以向機器人研發方向發展，通過對市場需求的正確把握，實現與各個醫療應用場景的有效對接。例如，AI技術在計算機視覺方向有著獨特的技術優勢，通過技術支持，提高醫療成像的分析能力，協助醫生在治療過程中進行準確分析，降低醫生因主客觀因素的幹擾，導致的在整個診療過程中存在的誤差。再如，通過AI的技術支持，能夠實現在手術室、病房等多個醫療場景中，與醫生進行配合治療，通過人機合作達到一定的醫療水準和效率。
另一方面，可以利用技術優勢，進行藥物研發，進行靶向治療。人工智慧具有先天的技術優勢，通過對大數據的深度整合分析和較高水平的專業學習模仿能力，加上人工智慧在自然語言處理、語音識別等領域的優勢，對已經明確的癌位點進行有針對性的藥物研發。在慢病管理方面，人工智慧的運用能夠突破傳統醫療行業壁壘，從技術層面切入治療痛點。例如，針對腫瘤等慢性病症的治療，需要漫長的時間和悉心的療養，人工智慧的引入一方面可以對患者進行實時監控，針對患者個體差異，提供個性化的療養方案;另一方面，可以通過技術層面，從基因測序、細胞分析等方面，完善相關醫療手段、技術，為精準醫療提供切實有效的發展路徑。
網際網路醫療開啟AI模式，雖然現在仍處於初級階段，但較傳統醫療模式展示很多優勢，人工智慧的運用從長遠來看，的確可以為醫療領域的發展帶來新的生機。筆者認為，將AI對準精準醫療，通過技術研發和大數據的整合、採集，實現醫療個性化服務，可以成為網際網路醫療未來發展的一條可行之道。但傳統醫療模式在患者心理已經根深蒂固，AI在高度依賴大數據的同時，也挑戰著患者數據隱私等相關問題。如何打破用戶的心理芥蒂，讓患者接受人工智慧進入醫療行業，則需要多方努力。