埃森哲：84%医疗机构高管以为 AI正在转变 他们的工作方法

日前，全球着名 咨询机构埃森哲宣布 一项研讨 陈述 ，该内容起源 于对100多家卫活力 构C级高管的采访。

该陈述 指出，AI在健康医疗范畴 施展 的感化 ，正从一个后端东西 转向花费 者和临床医师的前端，成为支持 小我 和体系 交互的一种方法 。跟着 大师 对AI主要 性的夸大 和存眷 ，有超五分之四（84%）的医疗行业高管以为 ，AI将彻底转变 他们从花费 者获守信 息的方法 ；还有四分之三（72%）的医疗机构表现 ，他们已经应用 虚拟助手办事 ，以便发明 更好的用户体验。

咨询公司 Sapient Healthcare 的董事总司理 Peter Borden 指出，现实 上，今朝 各行各业的人都在不分年纪 的谈论AI，需求场景也在急剧激增，特殊 是在如斯 主要 的医疗范畴 。 Bordon 还指出，在健康医疗范畴 ，大师 最关怀 的三个板块都与 AI 相干 ，其分辨 为：生齿 健康状态 洞察：经由过程 焦点 数据集，以剖析 生齿 可能须要 存眷 的点，加强 智能（Augmented Intelligence），精准介入 个性化的下一个阶段

Borden 说：“跟着 AI的成长 ，人类慢慢清楚 ，AI  不仅影响诊疗成果 ，同时也会影响贸易 化水平 。所以人类对 AI 利用 的接收 度也在慢慢 晋升 。”

说起 AI，大师 最先想到的多半会是Siri。正如 Broden 所说，“每小我 都知道 Watson，Google 在乐此不彼的加码 AI，亚马逊也在健康医疗范畴 多有结构 ，而一些云范畴 的巨子 也纷纭 有志于此。因为 其特有的性质，它答应 企业可以某种特定方法 和角度处置 和剖析 数据。除往 巨子 之外，时时刻刻 还都有新公司参加 这一战局。大师 都想成为将来 AI范畴 的获利者。”

位于纽约的 Prognos ，恰是 这批海潮 之下的健康医疗公司中的一个。据悉，该公司刚于本年 成立，目标 在于开辟 一种基于年夜 数据集的猜测 模子 。该模子 以用来确认患者未来 罹患某种病症的概率。依据 该公司官方数据显示，Prognos 树立 的这些模子 应用 了患者的匿名记载 ，且其数目 呈指数级增加 （2017Q1数目 曾到达 80亿）。

图：Prognos的结合 开创 人兼CMO：Jason Bhan

Prognos 的结合 开创 人兼 CMO（Chief Medical Officer：首席医疗官）Jason Bhan 在接收 采访时，曾转述了此前办事 过的一家机构CEO对他们说过的话，“我们方才 为这个EHR体系 破费 了1.5亿美元，可是 ，我们又为本身 做了什么？”Bhan 那时 不知该作何答复 。

后来，Bhan发掘 了这一客户的IT体系 的数据，并熟悉 到EHR体系 上的年夜 部门 数据都不长短 常有效 。他说，大夫 拥有的诊疗信息（试验 室数据、放射学和测试数据）是一个金矿。基于多年的实践和基于试验 室成果 的决议计划 ，这些都让他将更多的存眷 重点放在医疗诊断上。Bhan 弥补 说，“Prognos 即「打消 疾病」的意思。而我们如何 才干 在最早期就能跟踪和猜测 疾病，以便改良 健康状态 ？我想这就是AI参与 的处所 。”

▌应用 AI断定 罹患疾病的概率

有时辰 ，机械 进修 和人工智能之间的界线 会变得含混 。针对这一题目 ，SapientRazorfish（ Sapient团体 本年 成立的子公司，旨在辅助 客户推进 数字转换）的首席科学家  Larry Lefkowitz 出来说明 了二者的差别 。“机械 进修 是指，是否有足够的数据来代表我正在解决的题目 。然后在这个进程 中，我有公道 的机遇 让机械 进修 学会「懂得 」足量的数据，以便机械 在碰到 相似 情形 时，可以做出雷同 种类的猜测 ，并给出雷同 的成果 。”

他还弥补 道，“当你拥有大批 关于放射学或病理学的数据时，对机械 进修 来说都将是一种很好的利用 。好比 ，我已经告知 机械 ，X光片可能是什么样的或者可能意味着什么，那么，当我再给它一张X光片时，它就能直接给我一个谜底 。”

同时，Bhan 还说，AI 正在测验考试 猜测某些事项的可能性，非论 是客舱仍是 无人驾驶汽车，其正试图猜测 这些机械 向摆布 标的目的 动弹 的概率。在健康方面，AI则有可能被用来猜测 病人罹患某种疾病的风险，或验证某些信息的正确 度。“在医疗范畴 ，我们已经收集了很长一段时光 的数据，并邀请一些大夫 对它们做出说明 。究竟 要做出可以解读这些数据的机械 ，并不克不及 只从收集 上往 安排 相干 AI引擎。”Bhan说。

这也是Prognos 选择AI医疗诊断作为创业标的目的 的原因。其一，诊断是民众 较为熟知的，其次，AI在此中 施展 的猜测 感化 ，可认为 病人供给 更好更多的选择和机遇 。“我们正在看一些真实的临床材料 ，这些材料 不会告知 病人是否患有糖尿病，可是 会显示其是否在把持 范畴 内。”

同时，Prognos 还应用 了年夜 范围 的数据集，并经由过程 AI引擎来为特定健康事务 定制的AI“练习 集”进行处置 。另一方面，该公司还应用 汗青 数据和事务 距离 数据的宏大 缓存，来构建和练习 其他算法，并对其进行迭代和优化，以开辟 出机械 的靠得住 猜测 剖析 功效 。

▌辅助 保险机构，为患者承担风险

当然，将猜测 剖析 利用 于具体的患者数据上，还可以直接辅助 「保险公司」——其不仅实用 于私家 医保打算 ，还包含 医疗保险和医疗补贴 ，对最新呈现 的健康相干 趋向 做出反映 和辨认 。与可能须要 几周或几个月才干 处置 的声明分歧 ，这些诊疗测试成果 几乎可以做到及时 供给 。

在这种情形 下，Prognos 的焦点 营业 在于保险公司的市场。据官方数据显示，估摸有10%-15%的情形 从未被猜测 到，同时，疾病的严重性也少报了30%。他们还表现 ，高质量的试验 室数据不仅可以快速补充 这一不足，同时还能让保险公司在疾病的早期供给 个性化的干涉 办法 。

经由过程 Prognos 的云解决计划 ，保险公司拥有的全部 诊断数据都将被采取 ，所以假如 保险公司在全国或各个地域 都有患者，这些病人也将进进 分歧 的试验 室。当然有时辰 他们也不如许 做。Bhan说明 说，在这种情形 下，AI的参与 ，即在于清算 途径 并为AI的后续应用 做好预备 。“所以，数据集都在云端。经由过程 应用 保险公司的真实数据，从而为患者承担一部门 风险。”Bhan说。据悉，在应用 这些保险公司各个较小的数据集之后，Prognos力求 从其拼集 起来的海量数据平分 析出雷同 的常识 和算法。“我们做的所有工作 ，都是为了让数据实用 于保险公司的患者，从而为其分管 风险。”Bhan指出。

Prognos 的首席科学家 Fernando Schwartz 博士还把这些变更 与盘算 机时期 进行了比拟 。其表现 ，“我们此刻 做的，实在 是正在树立 下一场革命。我们正慢慢将AI利用 于保险公司的工作流程里，认为 患者供给 更精准和更个性化的医疗保险办事 。”

▌AI加快 医学影像诊断过程

众所周知，今朝 在医疗范畴 ，AI的利用 仍然处于不成熟阶段，但猜测 剖析 师对AI平台若何 纳进 病人护理这一远景 很是 看好。

据市场研讨 机构 Frost＆Sullivan 于2016年做的一项研讨 显示，2021年，AI+医疗市场范围 将达66亿美元，年复合增加 率将达40%。

该研讨 还指出，“AI对临床医疗的支撑 ，将加快 医学影像诊断的过程 。”同时，将AI 解决计划 利用 于病院 的工作流程傍边 ，还将加强 护理办事 。

综合而言，AI将对诊疗成果 改良 30%-40%，同时还将在治疗本钱 上，下降 50%以上。研讨 职员 进一步证实，AI 在其他行业已经获得 高水平 的利用 。在“AI体系 预备 转变 我们对疾病诊断和治疗方法 的思虑 ”之前，这只是一个时光 题目 。他们还表现 ，“到2025年，AI体系 可以介入 生齿 健康状态 治理 到数字化答复 患者题目 的一全部 进程 。在全球范畴 内，特殊 是在医疗举措措施 严重不足的患病生齿 区域，AI还将在信息*** 化和减轻资本 累赘 方面施展 主要 感化 。”

固然 这个设法 是让AI体系 进修 和懂得 新型医疗的功效 ，但其反过来，又将助力大夫 做出更好的医疗决议计划 。事实上，关于AI的技巧 潜力是否已经年夜 到可以代替 人类大夫 的田地 ，这一话题早在各个媒体上睁开 了热闹 的会商 。《财富》杂志曾有一篇文章引用了athenahealth的CEO Jonathan Bush 说过的话，“假如 放射科大夫 被AI代替 ，那么这将是一场屠戮 。”

图：athenahealth 的 CEO Jonathan Bush

然而年夜 大都 医疗察看 员并不会走上Bush那条路。甚而有良多 人会以为 ，AI不会代替 大夫 。在他们看来，

人工智能和机械 进修 的工作重要 是进修 人类的认知功效 和减轻大夫 的反复 工作，而不是代替 大夫 自己 。

Bhan对此表现 ，“良多 人都在会商 AI将在将来 代替 大夫 ，但我并不佩服 。事实上，AI更可能是“打败大夫 ，或者“以友爱 的方法 辅助 大夫 。”。

然而年夜 大都 医疗察看 员并不会走上Bush那条路。甚而有良多 人会以为 ，AI不会代替 大夫 。在他们看来，人工智能和机械 进修 的工作重要 是进修 人类的认知功效 ，并打消 大夫 的反复 工作，而不是打消 大夫 自己 。

Bhan对此表现 ，“良多 人都在会商 AI将在将来 代替 大夫 ，但我并不佩服 。事实上，AI更可能是“打败大夫 ，或者是“以友爱 的方法 辅助 大夫 。”Bhan还指出，当他在阅读 病人的图表时，他不想要的是由盘算 机来告知 他应当 做什么。“没有大夫 会兴奋 如许 做。”“我们知道若何 照料 病人，也盼望 获得 辅助 。AI有很年夜 的机遇 来辅助 临床大夫 做出决议计划 。”

Bhan举了个给一位病人看病历的例子，他可以凭借多年的临床经验得出结论，并猜测 患者在将来 几年患有糖尿病的概率很年夜 。“可是 机械 可以往 看病人的病历，可能就会猜测 该名患者将有80%的概率患有糖尿病。这真的转变 了我的治理 。”他说，“经由过程 临床数据和试验 室数据，你可以将这个时光 范畴 转化为一个可行的、可预感 的范畴 。这就是AI可以参与 的处所 。”

同时，Sapient Healthcare的高层也留意 到，他们在和保险机构的CIO以及大夫 本人沟通时发明 ，这些人也对「AI将代替 大夫 」表现 担忧 ，不外 一些剖析 师正试图平息人类的胆怯 。Larry Lefkowitz 博士对此表现 ，“真实的情形 应当 是，AI会增添 工作机遇 ，以让人类做更多发明 性的、有趣的工作 。”他还表现 ，“AI的好坏 势实在 可以经由过程 技巧 互补。好比 ，AI可以辅助 大夫 和研讨 职员 把握 更周全 的信息，从而做出更准确 的决议计划 。”

Borden对此表现 ，今朝 ，人类更偏向 于把AI懂得 为加强 认知（Augmented Intelligence）。其意味在于AI不是代替 人，而在于使工作 变得更有用 率。“可是 ，这种胆怯 到底是怎么影响人类的生涯 的，还须要 进一步弄明白 。它就像一个组织机构里的贸易 案例一样，假如 内部人士不知道其会带给他们哪些影响，其将不会被采用 。”

Lefkowitz 给大师 举了一个AI若何 完美 放射学家工作的例子。由于 放射学属于医疗保健范畴 ，AI和机械 进修 凡是 会在求助紧急 情形 下被应用 。Lefkowitz表现 ，依据 多项研讨 表白 ，人类大夫 在诊断时会存在必定 的过错 率，而主动 化体系 也会有必定 的过错 率。但当二者联合 一路 应用 时，他们的过错 率就会低得多。他还特殊 说明 说：“放射科大夫 几乎从来没有得出过假阳性的成果 。所以，假如 他们诊断说这是一种癌症或者它可能是某种疾病时，那么，大夫 们几乎老是 准确 的。可是 ，这也很可能会错过良多 病例。而另一方面，机械 进修 固然 也几乎从未得出假阳性的成果 ，但在诊断上往往加倍 守旧 。所以，假如 将二者联合 ，就可以让机械 进修 先筛查一次病症，从而可认为 人类剖析 师供给 少得多的病例。如许 一来，大夫 将在医疗诊断上呈现 更小的误差 。”

▌一些挑衅

固然 临床大夫 的不共同 ，可能会是AI在医疗范畴 获得 更普遍 利用 的真正阻碍，但关于其他具体的挑衅 确切 存在。在这篇文章中，我们采访的多位专家都表现 ，获取“高质又清洁 ”的数据仍然是一个题目 。事实上，Bhan以为 这是“我们在这个范畴 遭受 的最年夜 的题目 ”。专家还指出，现阶段，医疗保健数据集还不敷 强盛 ，而机械 要进修 的准确 谜底 在当前状况 下经常 含混 不清，甚至是未知的。由于 ，这些数据年夜 部门 是起源 于人体，相当庞杂 ，而生涯 方法 和情况 功效 正在施展 效用，但依然难以权衡 。

此外，应用 AI技巧 的人类，在舒适水平 上也有可能遭遇 挑衅 。Borden说，在和CIO沟通的进程 中，实在 并纷歧 定是对AI的谢绝 ，而是他们想懂得 AI将对他们的工作带来哪些辅助 。针对这种情形 ，业内还需进一步制订 明白 计谋 ，应用 AI招纳人才，减轻机构压力。“当然，为便利 剖析 而对数据进行整体解读，是每个CIO自设线路图的焦点 。”Borden说，“但今朝 营业 疲软。固然 他们知道这此中 暗含宏大 的潜力，但他们也直不雅 的感触感染 到这个变更 将意味着如何 的风险。这是一个治理 打算 的变更 ，所以将该打算 纳进 组织是要害 。”

Bhan还指出，良多 人都以为 医疗保健在采取 技巧 方面会比其他行业落伍 10年，所以，若采取 更高程度 的AI技巧 ，将须要 更长的时光 。“我永远不会和一个大夫 说‘这里有很好的AI东西 ，可以告知 你患病的概率。’由于 这些大夫 基本 还没预备 好。全部 体系 必需 放松本身 的方法 ，并经由过程 发明 立异 者来做到这一点。”Bhan说。

Bhan最后说，这些立异 者，可能存在于保险公司、制药公司或者行业供给 者之中，要害 即在于找到这些立异 者并让他们有所投进 。“你只须要 慢慢的推动 ，由于 一般来说，大夫 都很是 守旧 。所以，在做这件工作 的时辰 ，须要 将病人优先放在首位。”