AI醫療行業一直是資本關注熱點。相關業內分析師認為，到2021年，人工智能醫療市場有望達到66億美元，到2026年，每年可為美國醫療體系節省1500億美元。但從真正使用者角度，卻幾乎沒有醫院應用機器學習的案例。作為政策密集行業，醫療保健系統的任何變化，包括員工保險范圍、醫院管理政策等都會直接影響到產業的發展。由此，探討AI/ML（Machine Learning）在醫院中的實際應用狀況尤為重要。

本文將通過對全美最頂尖的五家醫院（麻省總醫院、梅奧醫學中心、克利夫蘭診所、馬薩諸塞州綜合醫院、約翰霍普金斯醫院）的AI/ML等技術的使用情況分析，來重點回答三個問題：

1. 目前醫院正在使用哪些類型的機器學習和應用程序？

2. 這些創新應用能否成為醫療保健行業未來趨勢？

3. 醫院在機器學習和新興技術創新方面的資金投入情況如何？

應用共性

當前，排名前五位的醫院人工智能應用主要圍繞著三個方面：

1. 預測分析 通過分析關鍵指標數據來監控患者并處理患者緊急情況。

2.聊天機器人自動執行醫師咨詢，為轉診安排適當的專家。

3. 預測性健康跟蹤 通過收集實時數據來監控患者健康狀況。

梅奧醫學中心

2017年1月，梅奧醫學中心（Mayo Clinic）個性化醫學中心與健康科技初創公司Tempus達成合作，將通過機器學習探究個性化癌癥護理。

雙方合作基于Tempus對包括“肺癌，黑素瘤，膀胱癌，乳腺癌和淋巴瘤”在內的多種癌癥類型，進行的“針對參與免疫療法研究的1，000例梅奧醫學中心患者的分子測序和分析”。目前該合作處于研發階段。梅奧醫學中心希望通過該分析結果為梅奧癌癥患者提供更多定制的治療選擇。

“Tempus正在嘗試建立一個足夠大的數據庫，從而為癌癥患者提供診療建議。” Tempus聯合創始人兼首席執行官Eric Lefkofsky 說道。

除了與Tempus的合作，根據疾病預防控制中心（CDC）的數據，心臟病已成為美國主要致死疾玻2017年3月，梅奧醫學中心與醫療設備制造商

歐姆龍醫療保健公司（Omron Healthcare）共同對心臟保健初創公司AliveCor進行了3000萬美元的D

輪投資。AliveCor所設計的Kardio Pro是一個為臨床醫生設計的AI驅動平臺，具有監控患者心房顫動的早期檢測能力。

克利夫蘭診所

2016年9月，微軟與克利夫蘭診所達成合作，研究人員使用Microsoft的AI數字助手Cortana來進行預測和分析，幫助醫療中心“確定ICU潛在的高危患者” 。

2014年，Cortana已集成到克利夫蘭診所的eHospital系統中。目前，Cortana從晚上7點到凌晨7點監控“六個ICU中的100張病床”。監測可能會心臟驟停的高風險患者。如果患者突然心臟驟停，則需要為其提供血管加壓藥物，這也是“無脈搏性突然心臟驟停管理方案”的一部分，但升壓藥也會升高血壓。研究人員旨在判斷患者是否需要升壓藥。

ICU收集的數據存儲，諸如患者生命周期和實驗室數據等的數據，將收納在Microsoft的Azure SQL數據庫中，從而建立預測分析數據模型。

馬薩諸塞州綜合醫院

馬薩諸塞州綜合醫院臨床數據科學中心于2016年4月宣布與NVIDIA成為“基礎技術合作伙伴”。該中心旨在充當醫療保健中AI應用程序的樞紐，用于“疾病的檢測、診斷、治療和管理”。

2016年GPU大會上，NVIDIA正式提出 NVIDIA DGX-1，被稱為“深度學習超級計算機”。該機器將對馬薩諸塞州綜合醫院由“ 100億張醫學圖像”組成的數據庫進行學習，以用于放射學和病理學。該中心的目標是以后擴展到電子健康記錄（EHR）和基因組學。

NVIDIA DGX-1將減輕該領域面臨的一些挑戰：

“如果我們能夠以一種高度結構化、透徹、細致的方法無縫地捕獲相關數據，就可以減輕醫生的負擔。并以新的方式獲取AI工作所需的數據。” RemedyHealth的聯合創始人兼首席執行官Will Jack 說道。

約翰霍普金斯醫院

2016年3月，約翰霍普金斯醫院宣布啟動醫院指揮中心，該醫院與GE 合作設計了Judy Reitz容量指揮中心，該中心每分鐘可接收500條消息，并將來自“ 14個不同的醫院IT系統”的數據集成到22臺高分辨率、帶觸摸屏的計算機顯示器中。

由此，指揮團隊能夠更好地識別和減輕患者風險并進行合理調度。“根據患者情況安排優先級，并觸發干預措施以加快患者流動。”

指揮中心啟動以來，約翰霍普金斯醫院稱，接納來自周圍地區和整個國家的“患有復雜疾病”的患者能力提高了60％，急診部門的病床分配速度提高30％，中午前出院病人數量增加了21％。

加州大學洛杉磯分校醫學中心

2017年3月，加州大學洛杉磯分校（UCLA）研究人員愛德華李（Edward Lee）博士在一次會議上，介紹了虛擬介入放射學家（VIR）設計。從本質上講，VIR是一個聊天機器人，“可以自動與轉診臨床醫生進行交流，并迅速為常見問題提供基于證據的答案。”

目前，VIR處于測試模式，第一個VIR原型已經由UCLA衛生專業人員小組，包括“醫院醫師、放射腫瘤學家和介入放射學家”在內的小組成員使用。

VIR建立在2000多個示例數據點的基礎上，這些數據點能夠反映放射科醫師會診期間經常會出現的問題。響應不僅限于文本格式，還可以包括“網站，信息圖表和自定義程序”。

研究團隊使用IBM Watson AI系統將VIR與自然語言處理能力集成在一起。參照服務聊天機器人的傳統，如果VIR無法對特定查詢提供響應，則聊天機器人會提供相應放射科醫生聯系信息。 現在，研究人員意欲擴展該應用程序的功能，為與其他專家（例如心臟病專家和神經外科醫生）進行交互的普通醫師提供服務。

總結性思考

與電子商務相比，機器學習在醫療保健領域應用面臨著強有力的約束和規范。目前看來，AI技術在這些頂級醫院的應用還未產生明顯的效果。衛生技術投資者史蒂夫古蘭斯（Steve Gullans）博士在接受采訪時，對AI技術落地情況作出分析。他認為，許多專家醫師對AI工具的恐懼，是導致醫院應用過慢的因素之一。當被問及醫院和醫療機構如何繞開這些障礙時（假設該技術實際上將改善患者的生活），他認為，在可量化的結果得到驗證之前，我們應該保持對技術應用的懷疑。

與幾乎所有其他注入AI的行業一樣，醫療保健中的機器學習正在產生大量的“技術信號”（為吸引注意力和壓力而大肆宣傳“AI”，而實際上并不是在改善組織成果）。對于像NVIDIA或Microsoft這樣的AI供應商來說，向一家頂級醫院授予“新的，超一流”的AI技術并授予該醫院“創始技術合作伙伴”的頭銜是互利互惠的。幾乎可以肯定，這類事件會引起媒體的關注，并且（可能）對雙方都有利無論AI應用程序是否為醫院（效率）或患者（更好的健康結果）帶來了成果。
責任編輯：YYX