通常，人們提到人工智能(artificial intelligence, AI)都會(huì )討論它將如何使我們的技術(shù)設備變得更好、如何引領(lǐng)無(wú)人駕駛汽車(chē)，甚至是可能會(huì )引發(fā)世界大戰。但是在醫療行業(yè)，AI能夠大大提高醫療效率和質(zhì)量。算法、圖像識別技術(shù)、自然語(yǔ)言處理以及其他AI技術(shù)最終能夠使醫療費用更便宜，減少研發(fā)新藥所需的時(shí)間，甚至可以幫助醫生診斷疾病。
更快的藥物研發(fā)
通常制藥公司平均需要10到15年的時(shí)間才能研發(fā)出一種新藥。包括IBM在內的一些公司指出，AI可以通過(guò)對基因和臨床大數據的篩選來(lái)減少尋找新藥的時(shí)間。
IBM表示，Watson for Drug Discovery利用自然語(yǔ)言處理使平臺能夠讀取數百萬(wàn)頁(yè)的非結構化數據，理解名詞、相關(guān)實(shí)體、相互關(guān)聯(lián)的動(dòng)詞和介詞來(lái)理解語(yǔ)境意義。
例如，Barrow神經(jīng)學(xué)研究所利用Watson for Drug Discovery發(fā)現可能與肌萎縮側索硬化癥(amyotrophic lateral sclerosis, ALS)有關(guān)的不明基因和蛋白質(zhì)。幾個(gè)月后，沃森發(fā)現了5個(gè)之前從未被認為與ALS相關(guān)的RNA結合蛋白(RNA-binding proteins, RBPs)。Barrow研究員在最近發(fā)表于A(yíng)cta Neuropathologica雜志上的一篇論文中指出：“總的來(lái)說(shuō)，我們成功地使用IBM Watson來(lái)幫助識別與ALS相關(guān)的其他RBPs，顯示了AI能夠加快ALS以及其他復雜的神經(jīng)系統疾病的科學(xué)研發(fā)。”
一些制藥商已經(jīng)把賭注押在了這類(lèi)AI上。2017年，著(zhù)名制藥公司葛蘭素史克公司表示，像這種先研究一種疾病靶點(diǎn)，然后找到與之相對的分子靶向藥物的方法，可以將藥品研發(fā)時(shí)間從5年半減少到1年，AI不僅可以減少研發(fā)藥物所需時(shí)間，而且還可以降低成本。
協(xié)助診斷
哈佛大學(xué)病理學(xué)家們最近創(chuàng )建了一款AI系統，該系統能夠幫助他們更精確地診斷乳腺癌。AI技術(shù)幫助醫生將準確率從96%提高到99.5%，這種輕微的增長(cháng)意義重大，因為這意味著(zhù)每年將有6.8萬(wàn)到13萬(wàn)名女性獲得更準確的診斷。
同樣，北卡羅來(lái)納大學(xué)Lineberger綜合癌癥中心的腫瘤學(xué)家對IBM沃森基因組學(xué)進(jìn)行了測試。沃森研究了1018個(gè)病例，AI給出的診斷與當時(shí)的診斷99%一致，但從其中300多個(gè)病例里，沃森發(fā)現了具有潛在意義的額外基因組事件。
2017年The Oncologist上一篇論文指出：“擁有認知計算授權的分子腫瘤委員會(huì )通過(guò)提供快速、全面的數據分析方法，并結合最新臨床試驗，從而有可能改善患者的護理。”
降低醫療成本
凱撒家庭基金會(huì )(Kaiser Family Foundation)估算，美國的醫療支出占其GDP的18%，相對于其財富而言，這是不成比例的。事實(shí)上，其他發(fā)達國家人均醫保支出是美國的一半左右。AI可以幫助降低這些成本。埃森哲表示，AI可以用于管理任務(wù)，比如語(yǔ)音到文本的轉換，這可以幫助醫療機構取消或減少編寫(xiě)圖表說(shuō)明、處方和預約檢查的需求。
例如，Alphabet旗下的一家AI公司DeepMind，去年與英國國家醫療服務(wù)體系合作使用AI算法閱讀醫學(xué)數據。DeepMind目前還沒(méi)有從數據中做出有關(guān)臨床決策，但隨著(zhù)AI繼續從數據中學(xué)習，它有望在未來(lái)為醫生提出建議，這將為醫護人員節約出更多時(shí)間。
根據埃森哲的研究，像這樣的新型工作流程輔助功能可以減少醫生17%的工作時(shí)間和注冊護士51%的工作時(shí)間。通過(guò)提高整體醫療行業(yè)的效率，AI有望在2026年之前為美國創(chuàng )造1500億美元的醫保儲值。
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
