本文经授权转载自“药明康德”
编者按：
今日上午10点30分，世界围棋第一人，中国棋手柯洁与AlphaGo揭开三番棋大战的序幕，这是去年李世乭与AlphaGo的大战后，围棋界人机大战的第二个焦点，而它也被视为是围棋界的巅峰之战。
现在人机大战第一局比赛已经结束，围棋人工智能AlphaGo执白1/4子战胜目前等级分排名世界第一的中国棋手柯洁，暂时1比0领先。
除了柯洁，芈昱廷、时越、唐韦星、周睿羊、陈耀烨五名中国顶尖棋手也将组队与AlphaGo比试。人类在围棋上是否与人工智能（AI）还有一较高下的余地，将在这短短几天内揭晓答案。
毫无疑问，中国棋手们的高度重视，体现了对手的强大。从2016年3月到2017年5月，短短一年多的时间里，AlphaGo已经有了巨大的进步，这也反映了整个人工智能领域的变迁。同样是在过去的一年多里，我们在医疗健康领域见到了太多重量级的人工智能研究。略显尴尬的是，在与人工智能的直接交锋中，败下阵来的往往是人类。这些结果，也引发了“人工智能是否会取代人类”的思考。在人机大战二周目即将展开之际，我们为大家整理了一些资料，送上人工智能在医疗健康领域的动态盘点。今日，我们将读到业内人工智能目前的进展、遭遇的难题、以及未来的方向。
曾几何时，如果一家公司说自己的特色是“人工智能”，就能迅速与其他初创公司拉开距离。而现在，和人工智能相关的公司在业内早已习以为常。倘若一家公司和人工智能毫无瓜葛，很难想象它顺利能找到投资人或合作伙伴。
从新闻推荐到机器翻译，再到智能出行和精准营销，人工智能在这个社会无处不在。但对于医疗健康行业来说，人工智能的应用走得更加缓慢和谨慎。这不仅是因为医药行业的创新成本更高，更大的原因是，在这个领域，一个算法的错误可能导致的就是生死之差。
▲医疗健康领域，越来越多的公司正在使用人工智能（图片来源：CB Insights）
尽管如此，在过去五年里，采用人工智能技术的数字医疗公司仍然在快速增长。根据CB Insights的统计，2012年，和人工智能相关的协议不到20起，而在2016年，这一数字就增长到了70。最近的一项调查还发现，美国一半以上的医院将在5年内采用人工智能，而35％的医院计划在两年内就这样做。
在医疗健康领域，人工智能可以解决的第一大问题就是生产率。“在未来，我们需要以更少的资源来照顾更多的人，单纯从商业模式或工具发明角度去做改变，是改变不了人类生产率的，而这正是大数据时代，人工智能可以实现的事。” 美国医疗保险与救助中心（Centers for Medicare and Medicaid Services）的前任执行委员Andy Slavitt先生说。
多项研究表明，在医疗健康行业，人工智能技术将会最先在人口健康管理、临床决策支持、诊断和精准医疗领域获得应用。甚至在药物开发领域，运用人工智能也能帮助人们更加快速、精确和低成本地完成现实世界的证据收集和临床试验。
人工智能如何变革医疗健康行业？
就在上周，谷歌（Google）宣布已尝试将其面向消费者的机器学习能力应用到医疗保健领域中。公司的研发团队Google Brain还宣称已经与加州大学旧金山分校（University of California San Francisco）、斯坦福大学（Stanford University）等著名学府一起从上百万名患者身上获得了去标识的庞大数据。去年11月，谷歌的研究人员在《Journal of the American Medical Association》发表了一篇论文，表明谷歌的深入学习算法能够对大量眼底图像进行识别，并能以90％以上的准确度检测出糖尿病性视网膜病变。今年，谷歌的人工智能算法在乳腺癌的诊断上，也表现出了惊人的准确度。
▲谷歌首席执行官Sundar Pichai先生（图片来源：News India Time）
“这是一个大数据问题，但机器学习能独一无二地解决它，”谷歌首席执行官Sundar Pichai先生说：“所以我们打造了一个神经网络，检测淋巴结周边的癌症转移。尽管还很初期，但我们的神经网络已经显示出了高度的准确性，它的准确度达到了89%，而人类医生只有73%。”
IT界的另一些公司也不甘人后。苹果（apple）公司最近收购了一家AI公司Lattice，该公司在开发医疗应用的算法方面具有很强的背景。而在几个月前，微软（Microsoft）推出了Healthcare NExT计划，将把人工智能、云计算、研究和行业合作融合在一起。该计划包括了专注于基因组学分析和聊天机器人的项目，并与匹兹堡大学医学中心（Pittsburgh Medical Center）建立了合作伙伴关系。几周前，微软与数据连接平台提供商Validic达成了一项合作，将致力于把患者参与增加到其HealthVault Insights研究项目中。
▲微软的Healthcare NExT计划将利用人工智能改写医疗健康的格局（图片来源：微软）
除了这些大公司以外，医疗初创公司在人工智能方面的应用更加多样。Ginger.io用它搭建了行为健康监测与分析平台；Sensely则在手机应用和穿戴设备上加入了虚拟人工助理；Clue用人工智能帮助客户预测生育时机；Buoy Health基于18000份临床论文和500万名患者的数据建立了医疗搜索引擎。
另一个人工智能可以大展宏图的领域是医学成像。去年11月，以色列医学公司Zebra Medical Vision宣布推出一个新的技术平台，允许人们随时随地通过互联网上传和接收他们的医疗扫描分析报告。成立于2014年的Zebra公司致力于教电脑自动分析医学图像，诊断从骨骼健康到心血管疾病的各种状况。另一家知名的结合了人工智能的医疗公司AiDoc也于近日宣布获得了700万美元投资。
但是对于人工智能的应用来说，无论你的技术多么强大，最核心的仍然是数据。这也是为什么患者数据变得越来越重要。知名风投机构8VC的首席执行官Joe Lonsdale先生说：“最难的部分，是如何在一开始就获得数据。”加州大学伯克利分校（University of California Berkeley）的Maya Peterson教授也认为，“在真实世界中，我们与数据的关系是错综复杂的。目前我们还不能完全理解它们。”可以想象，有没有足够的患者数据，将成为区分一家医疗公司能否真正实现价值的关键因素。
▲数据是人工智能取得成功的核心（图片来源：Annalect）
人工智能的好算法，知易行难
如果说机器学习还有什么局限，那就是它只能从提供的数据中学习。因此，提供大规模、高质量的数据库，就成为了研究者、工程师、企业家需要费心解决的问题。
上个月，与谷歌颇有渊源的Verily启动了“基线项目”。研究人员通过与斯坦福大学医学院以及杜克大学（Duke University）医学院合作，计划收集大量健康人类的数据，作为未来研究的基准。在项目公开的信息中，研究人员计划招募10000名参与者，并对他们进行长达4年的追踪。这些数据有望告诉我们，人类从健康到发病的过程中，究竟经历了什么样的转变。这些庞大的数据将利用谷歌云端平台进行储存和计算。
Verily的“基线项目”还需要一些时间才能带来实际的改变，但目前，已经有一些人工智能项目为世界带来了真切的影响，其中最好的例子之一就是IBM的沃森系统（IBM Watson Health）。利用大量的数据，IBM的研究人员让一款认知平台自我学习大量患者的信息，并希望这些信息能为患者的治疗带来洞见。在一些人看来，这是机器学习在医疗健康领域最初的几个大型应用之一。
▲IBM的沃森已在真实世界中带来的很大的影响（图片来源：IBM）
“医疗健康领域非常复杂，在全球的不同地区，有着不同的特点。因此我们必须对沃森系统进行训练。比如说，我们要让它理解医学用语，”IBM沃森副总裁兼首席战略官Shiva Kumar博士说：“所以第一步是处理自然语言。我们要和患者对话，同化信息，然后开展下一步的工作。”
其中，最大的问题在于数据的非结构化。“医疗健康领域很特别，它有大量无法被我们利用的数据，”Kumar博士说：“所以，我们需要大量新的技术去改善这一现状。但我相信，我们这些从业人士最终能取得成功。”
人工智能的未来
德勤（Deloitte）生命科学与医疗健康领域的主管Rajeev Ronanki先生明确指出，在业内，有三大重要因素能让机器学习的趋势得到推动，它们分别是“呈指数增长的数据，更快的分布式系统，以及更智能、能够分析处理数据的算法”。这三者的结合，将增强人类的决策能力，提供基于人工智能的工具和设备，并能在特定的领域发展出更深的专精。“我们预计人工智能的增长还将持续”，Ronanki先生说。
许多专家预言，人工智能将为医疗健康行业带来一波又一波的新冲击。Allscripts Analytics的首席医学官Fatima Paruk博士认为，人工智能有望首先在慢性疾病的管理上带来应用。随后，人们将把患者的健康信息与环境、社会经济因素等统一起来，用人工智能做分析。再下来，整合了遗传学信息的健康管理手段将最终把精准医学变成现实。
▲当遗传学遇上人工智能（图片来源：华尔街日报）
对医药企业来说，人工智能的时代正在来临。Lux Capital合伙人，辉瑞（Pfizer）前首席执行官Jeff Kindler博士指出，医药行业在见识到人工智能加速新药研发的潜力后，不会轻易放弃这一工具。下一步，是如何真正应用上人工智能的问题。要知道，在医药行业，我们需要100%的准确性。任何错误所付出的代价，都是人的生命。
“我们所处的行业，平均需要12年才能让一款产品走进市场，”辉瑞的数码战略与数据创新副总裁Judy Sewards女士说：“12年够完成3个总统任期，或是打完3届世界杯了。在这12年里，我们大约需要1600名科学家来进行研究，需要3600个临床试验，需要数千名患者。有了人工智能之后，我们开始思考，如何能加速新药研发的过程，让它变得更智能，并能更好地将突破性新药与患者连接起来？”
Sewards女士提到的是研发效率的问题。她认为，与人工智能的合作，有望让效率产生飞跃式的提升。与此同时，她并不认为人工智能将完全替代人类：“有些人觉得机器或人工智能会替代科学家或医生，但我觉得更有可能成真的现象是，它会成为研究者最好的助手。”
后记
无论柯洁与AlphaGo的三番棋最终结局如何，没有人能够否认，未来早已到来。但人工智能与人类之间，并不是纯粹的“谁优谁劣”的问题，这个问题早就有了答案——普利策奖获得者Siddhartha Mukherjee博士在一篇《纽约客》的长文中说道：“机器学习算法将来也只是在区分能力上更胜一筹——区分和辨识出痣与黑素瘤。但是，全方位认知超越了以任务为中心的算法。在医学领域，或许终极奖赏还是要靠整体认知。”
换句话说，人类与人工智能，各有各的擅长。我们所需要问的，不是“人类如何避免被人工智能所打败”，也不是“人工智能是否会取代人类”，而是“人类如何能利用好人工智能，打造一个更美好的未来”。我们期待人工智能能为患者们更快带来新药，并更好地管理他们的健康。这是我们想要看到的未来的模样。
相关会议推荐:
重点嘉宾摘要：
孙洪业
CTO
明码（上海）生物
Artificial Intelligence (AI) is the single most transformative technology in human history. Advancements in personalized medicine depend upon significantly furthering our current understanding of how genetic variation and somatic mutation regulate aberrant gene activity and subsequent disease biology, including the myriad of dysregulated molecular mechanisms of cancer. To this end, we have built a robust AI method to precisely assess pathogenicity for all genomic missense variants. Coupled with our advanced deepCODE feature selection strategy for constructing deep learning models, we can quantitatively integrate a priori pathway-based biological knowledge with multiple types of high-throughput omics data. This approach significantly improves performance of established classification methods via enhanced semantic interoperability for mapping between multiple biomedical ontologies and the subsequent identification of genes and molecular pathways more highly predictive of cancer type etiology. Specifically, our deepCODE AI methods greatly improve tumor subtype and drug-response classification accuracies by combining tumor DNA- and RNA-seq data. Our results indicate classification of human breast and lung cancer subtypes with 96% and greater than 99% accuracy, respectively……
会议形式
：
现场高、精、新技术展示与经验分享、
人工智能在医学领域应用成功案例分享、项目路演、圆桌讨论，创新大赛；
会议地址
：上海远洋宾馆（上海市虹口区东大名路1171号）
会议优惠截止日期
：6月2日
参会赞助咨询
：
谢建胜
E-mail
:[email protected]
Mt:
183 6073 4019
点击
【
阅读原文
】
了解会议详情
与报名
！
