5家创新型癌症AI公司、10大应用场景，除了影像之外，AI最有潜力的用途还有哪些？

医学博士Stefan Buttigieg认为，在日常生活中我们可能并不能感受到目前正在进行着的人工智能革命，但事实上这些前沿的技术正在以惊人的速度推动着医学的革新。

他预计，人工智能（AI）系统将在美国90％的医院和全球60％的医院和保险公司中得到应用，从而为70％的患者提供更加方便获取、价格更低廉且质量更高的护理。

此外，AI市场中的医疗保健应用将在全球得到迅速采用，预计到2021年的年复合增长率达到42％。Frost＆Sullivan甚至认为，到2021年这些AI的医疗保健应用的全球收益将达到67亿美元。

那具体到提高病症的治疗研究如世界医学公认的难题癌症的治疗，人工智能会产生哪些影响？Stefan Buttigieg对在AI技术推动下的癌症治疗和研究的未来进行了探索，动脉网进行了翻译。

人工智能在癌症治疗研究的影响

肿瘤学是专门针对癌症诊断和治疗的医学分支学科，其包含医学肿瘤学、放射肿瘤学和外科肿瘤学三门不同的子学科，人工智能（AI）在这些子专业中都发挥着重要的作用。

人工智能是怎样在癌症这种复杂的疾病的治疗研究中发挥作用的呢？

德克萨斯大学MD安德森癌症中心和加利福尼亚州帕洛阿尔托医学基金会的医生们已经开始探索人工智能和大数据在抗癌方面的潜在用途。

他们提出了14种可以使得癌症治疗研究可以获益的应用场景。AI研究人员和临床医生将这些场景主要归纳为三条主要途径来加速肿瘤学研究：

• 1、通过进一步发展和整合现有的癌症记录手册，从地方到全球层面，进行分析和解释，以更好地了解癌症机制（从常见到罕见癌症）。大数据集提供了可靠的证据基础，而另一方面由人工智能来帮助分析。

• 2、通过对最佳实践方式及趋势进行分析，来提升全球癌症治疗途径。

• 3、通过大力促进成本效益实验的实施。

AI重塑了我们用于诊断癌症的工具

传统医学上我们使用临床手段如超声检查、X射线、计算机断层扫描（CT）和磁共振成像（MRI）检测癌症。然而，这些技术其实对许多癌症是无法完全识别出的。

另一种方法是分析微阵列基因谱，这种听上去很复杂的方法只需使用极少量的遗传物质来检测癌症，以评估某些基因表达的程度。

这种遗传材料产生的数据可创造必须分析的巨大数据集。此分析可能需要好几个小时才能完成。但现在这个复杂耗时的分析可以通过AI来快速执行。

从2001就开始的研究中可以看出事实上，人工智能在这里起着重要的作用，而当我们快速推进到2017年时，我们看到神经网络的研究人员已经在通过创新技术（如Gene Masking）对癌症进行分类了。

当科学家难以理解甚至准确地预测肿瘤的行为方式时，肿瘤恶性作用就会暴露无遗。无数癌症患者及其家属都在与那些未知的复发可能性做斗争。当几个原癌细胞在初始治疗中侥幸存活下来或者因体积太小在治疗后难以被检测到，病人就有可能面临癌症复发的危险。

斯坦福人工智能实验室和斯坦福大学医学院之间的合作启发了TensorFlow和13万皮肤病图像数据库的诞生，并训练TensorFlow算法来视觉诊断潜在的皮肤癌。最重要的是，这套算法算出的结果与21名皮肤科医生团队也互相匹配。

抗癌战斗中的AI初创公司

肿瘤学领域的人工智能应用越来越多，目前有五家公司非常值得关注。近年，从图像中识别出对象物的图像识别技术借助深度学习，其应用范围得以迅速提高。

总部位于美国旧金山的新兴企业 Enlitic将深度学习运用到了癌症等恶性肿瘤的检测中。该公司开发的系统的癌症检出率高于放射技师。

深度学习是使用模拟人脑结构的“深度神经网络”的一种机器学习方法，也可用于语音识别及自然语音处理等，但取得显着成果的要数图像识别领域。

Enlitic正在使用深度学习来自动检测胸部CT图像中的肺癌结节，结果显示其比胸部放射科医师专家组具有更高的准确度。

Insilico Medicine 公司成立于2014年1月，位于巴尔的摩。其通过AI技术来进行药物研发、生物标志物开发和衰老研究，该公司应用深度学习算法来进行癌症治疗的药物研发，如免疫疗法。

今年8月Insilico Medicine还与全球领先的区块链技术全方位服务公司Bitfury签订了合作协议，共同研发将区块链技术应用于医疗健康应用程序的创新解决方案。

OncoraMedical公司正在为放射肿瘤学提供预测意见和风险分析。通过这种方式，他们正在帮助辐射肿瘤学家做出更好的决策，并更好地利用他们生成的多样化和有价值的数据。这家位于费城的初创公司专注于帮助癌症研究和治疗，特别是在放射治疗方面。

世界各地的病理医生每天都在诊断癌症，他们的工作需要分析上千张片子。如果有一个简单的方法帮助这些专家过滤所有正常的片子，并对需要进一步研究的片字进行标注，那么医生们的工作量将会减轻很多。

Proscia是一家将计算机智能应用于肿瘤病理学的公司，它收集整理来自全世界的肿瘤病理数据和图像，并将其应用于临床一线肿瘤治疗。

Proscia设计的这个数字病理平台，允许病理学家和研究人员利用每张片子中的病理数据。今年上半年，Proscia将这项云技术跨界应用于肿瘤病理分析，建立了让全世界的人们可以轻松共享的肿瘤病理切片云数据库。

AI在肿瘤学领域的未来

肿瘤学杂志在ESMO Open刊登了Curioni-Fontecedro博士的文章“应用人工智能的肿瘤学新时代”，该文章简要解释了目前的情况。

虽然这项技术和研究存在并可用于癌症护理和研究，但它们尚未覆盖到整个肿瘤学界。那些还没有覆盖到的地方需要在肿瘤学达到下一个水平时，通过医生拿到资助及接受培训去购买，才能得到实施。

癌症研究治疗的未来是光明的，我们期待在不久的将来，癌症将被以一种简单无缝的方式来看待及解决，为癌症患者们提供恢复健康的希望和机会。Stefan Buttigieg还提到了十种对人类医疗保健具有重大影响的人工智能应用场景。

1、电子病历挖掘

电子病历是一个汇集了患者们所有健康数据的存储库。如果决策者需要根据在某个特定的年份来分配资源，这就需要公共卫生专业人员、数据科学家和信息学家共同协作，根据特定的临床编码标准来分析成千上万的匿名患者记录。

在目前纸质临床文件主导的大环境下，这是不可能实现的。此外该过程通常还需要好几个月的时间且有诸多结果是不符合科学意义的。

但电子病历挖掘技术不仅限于高层次决策背景下的应用，其实它也可用于直接改善患者的医疗体验。比如在招募患者进行临床试验时，电子病历挖掘技术可对患者进行匹配。换而言之，患者招募系统（PRS）可以直接发掘到符合条件特定患者，为他们提供参与临床试验的机会。

2、高级咨询机器人

设想这样一个场景，在一个下雪天，你感受到鼻子快爆炸了且呼吸困难。在看医生与待家里吃点药等自己康复之间你难以抉择。

终于你下定决心要看医生，于是打电话预约你最信任的医生，可是却被通知今天来不了因为车坏了，只能够提供一些基础意见并改约其他时间。

在人工智能技术高速发展的今天，这将成为过去式了。

你只需打开智能手机与最信任的高级咨询机器人进行交流即可，这是一种可以以对话形式进行交互的特殊应用程序，已经通过了由专业且经验丰富的医生组成团队的科学验证。

高级咨询机器人的应用可以给出实用的建议，并且在紧急情况还可以实现下进行视频通话。

3、提高医生临床工作效率

从纸质临床文件到电子临床文件的过渡并不是我们想象中的那样简单。事实上，对于许多医生来讲，数据输入在日常工作仍然具有挑战性的。

但这个痛点已经促使了一些战略合作伙伴关系的形成，例如Nuance Communications和世界领先的患者电子记录提供商之一Epic的合作。

这项合作将使得Nuance的AI计算机辅助医师文档工具的人工智能功能被整合到Epic NoteReader模块中，临床文档从而得到改进。

通过使用深度学习和自然语言处理技术分析相关患者记录，Nuance CAPD工具可以标注出电子病历中的某些临床指标，并在数据丢失或需要说明时提醒医生。

不同专业的医生们在各自的岗位上从事着重复且乏味的工作，而人工智能还可以在特定专门或特定角色的上提供便利。例如，放射科医师每天需要看到无数的放射学图像。

大多数急诊室放射科医生每天可能会看200例以上的图像，一例下半身CT血管造影可以包含多达3000张图像。这可能会导致眼睛疲劳，而放射科医师在许多国家是稀缺人才资源，因此推进这种图像观看过程至关重要。

因此，IBM研发团队通过“医疗筛”项目，创建了一个图像引导信息系统，可以过滤医师需要了解的有关患者诊断和治疗计划的重要临床信息，以达到提高医生们临床工作效率的目的。

4、提升患者就诊体验

现如今，改善患者的就诊体验已经有了多种途径。而改善过程中最关键的因素之一就是在对的时间与卫生系统中，与对的供应商建立联系，称为患者访问解决方案，Kyruus和PokitDok就是这一领域的领头羊。

患者通过更简单的语言就可以完成预约，了解适合的医生人选，进行血液检查。目前，已经有一些创业公司推出了提供全面解决方案的服务，该服务将AI和医生组合，来将患者就诊体验提升到更高的水平。

5、个性化治疗方案和临床决策支持

个性化治疗方案可能带来的具有长期积极的治疗效果是至关重要的。此外，在临床决策支持下，可降低临床医生对治疗同时的影响（如药物的不良反应）的担忧。一些技术公司在这一领域已经处在了领先地位。

其中，IBM沃森肿瘤研究部门与肿瘤学家们合作，为临床医生提供循证治疗方案。这是对临床记录和报告中结构化及非结构化数据意义与背景的分析，已被证明在选择个性化治疗途径方面至关重要，特别是其具有同时考虑了病人文件，外部研究和数据的属性。

6、医疗支持和药物管理

虽然对护理人员和医生日益增长的需求已经是全球公认的医疗保健问题，但护理和医学院校的人才培养似乎还是空缺。