我们咨询了几十个风险投资家 ，问在他们眼中最具应用潜力的人工智能是什么，他们一致同意是医疗保健领域的人工智能。 科技已经被用于逐步改善患者的医疗记录、保健服务、诊断准确性和药物开发，而人工智能可以协助我们在这些方面实现指数级的突破。
当多伦多大学的 Geoffrey Hinton 实验室团队在没有分子生物技术和药物开发经验的情况下赢得了默克药物研发比赛（Merck Drug Discovery Competition）时，深度学习首次引起了媒体的关注。 最近，在斯坦福大学医学院，一个由病理学家、生物医学工程师、遗传学家以及计算机科学家组成的多学科研究小组，开发出了一套诊断肺癌的深度学习算法，可以比人类病理学家的诊断更准确。
医疗的终极理想就是完全根除疾病。这个理想有一天可能在人工智能的帮助下变得可能，但是我们还有一段很长的路要走。
创新受到挑战：风险规避和数字化
“医疗作为一个系统，提倡‘无害’第一。不是‘做好事’，而是‘做无害的事’。人工智能在医疗领域的所有应用都是建立在这个基础上。”Kapila Ratnam如是说。他之前是一位科学家，现在是NewSpring Capital的风投合伙人。此外，GE创投的总经理Lisa Suennen则强调：“惯性思维是促使医疗保健领域出现差错和过度消费的最主要原因。““过去就是这么做的”——这种态度简直就是在杀人。
其他投资者认为，医疗保健系统中的极端保守主义虽然旨在保护患者，但是限制创新也是在危害患者。 Gavin Teo是B Capital Group的合伙人，也是数字健康方面的专家。他提出，医疗领域创业公司所面临的主要挑战之一就是“保守主义和对不能立刻带来收入的新技术的排斥”。Teo同样还指出整个行业因最近的一些事情都处于焦头烂额之中，例如电子病历（EMR）的数字化规定过于夸张。
在医疗中实施机器学习和人工智能会遇到很多众所周知的挑战。第一是缺乏“专业数据库”，它要求通过监督式学习训练人工智能。“专业数据库”在宽度和深度上对特定的应用程序进行训练是必不可少的，但是由于隐私问题、记录识别问题以及健康保险流通与责任法案的存在，所以很难去实现。“ Norwest Venture Partners的Robert Mittendorff博士解释道。
医学博士Summerpal Kahlon是Oracle Health Sciences的医疗护理创新的主任。他在提供技术基础设施以支持个性化护理的过程中，遇到过很多这样的数据上的挑战。“在美国，每年因为药物不良有77万人受伤和死亡，并且这会让每个医院每年花费560万美元进行补偿，”Kahlon披露，“但药物数据是混乱的，它们以多个形式从多处资源而来。此外，用于支持药物基因组学的基因数据现在还不可用。”
用人工智能技术减少医院的意外感染以及检测罕见疾病，同样需要比现在更好的数据。根据Kahlon所说，用于罕见疾病研究的基因和行为数据“既不很好定义也不是很好捕捉”，而“有关医院感染的危险因素的信息都被保存在不规范的地方，包括在流程表和临床笔记中。”
医疗中的数据问题比比皆是，而另一个挑战就是设计技术解决方案，并顺利将其运用到临床实践和病人护理中。“行为改变是数字医疗的重磅炸弹。”Mittendorff说道，但是在嘴上说改变习惯要比实际去做容易。错误的解决方案甚至可以对医疗保健行业造成伤害。
对于很多临床医生和实践者来说，实施并整合技术着实是一个负担。Jose I.Almeida博士是血管内静脉手术的专家，他有超过20年的手术经验。他最先采用了电子健康记录（EHR），但是并没有见到预期的好处。“我们在八年前就开始使用电子病历系统，希望它可以提高效率。我们现在在用第四个系统，但仍然让我们失望。”Almeida抱怨道，“现在，它更多的是一个麻烦是用一块屏幕破坏了医生和患者之间的关系。”
Leonard D’Avolio是Cyft的创始人，对于该行业的创业者进行了严厉的斥责：“我们看到那些医院仅仅为了实现电子医疗记录的挑战而损失惨重和大量裁员。 想象一下，你在这个时候出现并对他们说‘我有人工智能’，又会发生什么事。”
医疗行业最近刚刚开始数字化捕捉数据，但是仍有一些技术创业者错误地认为创建一个仪表板或删除一个产品会调整技术并改善业务。“有一个很大的误区就是人工智能需要大量的数据，但这并不是医疗保健真正的问题。真正的问题是了解你运用这些技术的环境。”D’Avolio提醒道，“你需要深刻了解环境以及谁会去使用这些技术以及要引进什么样的工作流程。”
即使一个医疗服务提供方在数字化数据上取得了成功，但粗糙的技术会给这个系统的所有人带来问题。根据NewSpring的Ratnam所说：“一个信用卡在黑市上价值10美分。而一个病例价值200美元。医疗数据是如此宝贵以至于黑客在不断地寻找进入支付系统以及其他医疗数据库的方法。”
风险投资支持的公司和医疗系统之间往往关系紧张，因为公司旨在快速发展，而医疗系统由于环境的复杂性追求规模。
“我们还没从这件事上吸取足够多的教训。”D’Avolio观察后说道。
机会很多，也有解决问题的方案
除了这些挑战，医疗创新必须保持下去。根据B Capital的Teo所说：“美国医疗大学协会的一项研究显示，预计到2025年，在14900到35600个初级保健医生之间将会有一个缺口产生。”与此同时，因为人口老龄化，我们需要得到更多的医疗关注。
因此，不作为和创新失败可能会带来伤害。
幸运的是，许多公司都在努力提前去解决这些问题。CB Insights最近介绍了106家进入医疗行业的人工智能创业公司，范围从监测病人到医院操作。
Teo认为人工智能聊天机器人和虚拟助手是一种通过扩大远程医疗的范围来缓解供应局限的方法。在这种情况下，可以通过机器学习驱动、人工智能训练来进行诊断。提供临床医师助理和保健服务的公司包括Babylon Health、Evidation Health、 Sensely以及Seniorlink。
人工智能不仅可以改善医疗保健，还能协助进行临床决策和提高运行效率，放大每个医生带来的影响。AnalyticsMD在急诊室、手术室以及住院病房中使用人工智能和机器学习。而一些预测公司，像Cyft和HealthReveal，通过分析不同的数据源来准确诊断生命危险度最高的病人。
人工智能不但帮助医生，还帮助病人。Mayo诊所的一个研究显示，50%的病人服药依从性存在困难。像AI Cure这样的公司使用了电脑视觉技术实现了智能手机识别人脸和药物，降低了成本并提高了跟踪性和依从性项目的效率。Mittendorff博士说：“人工智能的辅助让供应商或辅助系统可以同时管理1000个以上的病人，这是人工劳动效率的十倍。”
最后，药物开发公司像NuMedii和Kyan Therapeutics降低了在药物开发过程中的风险。Teo说道，这些公司开发出了“强大并特有的新组合疗法，以及具有前所未有的疗效和安全性的个性化的治疗。”另外，Suennen指出：“一般情况下，每个药物给市场带来的价值为25亿美元。”
甚至说，数字化所带来的技术挑战都会因为人工智能而减轻。还记得病历对于黑客而言多有价值吗？这些病例中的大部分都是通过社会工程学的方法偷来的，例如网络钓鱼和欺诈电话。Protenus是一个医疗安全公司，应用人工智能分析企业访问的范围并标记出可疑的记录供管理员审查。
向政策和收入看齐是成功的关键
使用医疗保健技术的关键就是，去确定正确的入口，然后将这些系统融入现有的工作流中。Cyft的D’Avolio花了超过12年的时间去把ML融入到医疗保健系统中。但是他在临床医生的会议上讲话时，回避了“人工智能”和“机器学习”这些词，侧重于实际的影响和好处。
许多慢性疾病的患者如糖尿病患者，需要多次去医院看医生，这让他们自己、保险公司以及医疗系统花费大量的钱。Cyft构建了复杂的模型，它可以识别患者，重新接纳并匹配他们到合适的治疗计划中去。传统上，这些决定都是在观察七到十个相关变量才能得到的，但是Cyft的模型观测了四百多个数据源，范围从护士的记录到呼叫中心的数据。虽然采用这种技术看起来很复杂，D’Avolio还是根据收入激励和政策而调整战略。
“在医疗保健行业，政策会把战略和文化当早餐吃掉，”D’Avolio解释道，“举个例子，美国复苏与再投资法案在2009年通过，那时采用电子健康记录的医院不到9%。现在，由于软硬兼施的激励机制，这个数字已经超过了90%。”另一个重大政策的转变，它极大地促进了医疗保健信息技术的投资，就是由CMMI资助的价值取向的护理实验（也称为示范项目）。
了解一个公司被哪些政策所驱动，这是识别顶尖客户的关键。根据D’Avolio所说：“那些从看病的病人数量上获益的公司，会希望人工智能为他们提供更快更复杂的护理。在政策项目中受益的公司会寻求以更低的成本让患者恢复健康的技术。”
GE Ventures的Suennen同意操作分析可以大大提高健康系统：“每年，70亿美元中的25%被用在膝盖和臀部手术上，这受到了捆绑支付计划的影响。决定如何管理这些捆绑资金很有挑战性，先进的技术可以帮助董事会和临床管理明白，为了确保健康系统可以回应，他们需要做出什么改变。”
Teo同样为促进医疗创新所实行的政策的改变而感到兴奋。“新的报销机制由MACRA和MIPS推动，将在2017年带来高质量的结果，让供应商给技术投资前进行更全面的思考。”另外，他认为食品及药物管理局在接下来几年的宽松政策会推动个性化医疗的发展。
成功的医疗创新需要创业者、投资人、医疗供应商、患者和政策制定人员之间的共同协作。当万事俱备之时，人类将会因人工智能技术的应用而获益匪浅，并且离我们所梦想的没有疾病的世界将更进一步。
