導語
目前人工智能(AI)在醫療領域的快速發展讓人們倍感鼓舞,許多AI技術正在簡化患者的就醫流程,同時也在顛覆性地改變醫生的工作流程,根據風險投資公司Rock Health的數據,2011年-2017年間,共有121家醫療AI和機器學習相關的公司在206項交易中融資27億美元。
醫療保健領域內的AI應用看似范圍非常廣泛,幾乎涵蓋了從診斷到手術治療等的各個方面,但是從另一個角度來看,AI的范圍其實很窄,因為醫療保健領域內的AI通常只能執行一項任務。那么,目前為止,最有前景的醫療AI應用程序有哪些了?以下是《Harvard Business Review》雜志調查的10個最有應用前景的AI應用程序,他們估計在2026年前這些應用程序可以為美國的醫療保健創造高達1500億美元的年儲蓄。
調查基于AI應用程序的可接受性以及年儲蓄的潛在能力,發現AI目前在提高一線臨床醫生工作效率方面創造了最大價值,但是在臨床決策或者改善預后方面的應用尚比較少見,真正落實到臨床的應用程序更是少之又少。
那么目前醫療保健領域內最有前景的10大AI應用是什么了?請看下表:
應用實例
1、放射學科
AI能夠快速準確地標記放射科醫師注釋的特定異常情況,證明其有提高圖像分析效率的能力。 2011年,紐約大學Langone衛生研究所的研究人員發現,這種類型的自動分析可以找到并匹配特定的肺結節(在胸部CT圖像上),且速度還要比放射科醫師快62%至97%。 有研究結果表明,這種AI生成的圖像分析效率可以為放射科醫生提供更多的時間來專注于需要更多解釋或判斷的病例,從而每年可節省30億美元。
2、手術機器人
在骨科手術中,一種AI輔助機器人技術可以分析術前醫療記錄中的數據,以便在手術過程中實時指導外科醫生的器械操作, 它也可以使用來自實際手術經驗的數據并告知醫生新的手術技術。 對9個手術部位的379名骨科患者進行的一項研究發現,與外科醫生單獨手術相比,由Mazor Robotics創建的AI輔助機器人技術使手術并發癥減少了5倍。在骨科手術中研究發現,AI輔助機器人手術可以減少并發癥和錯誤處理,從而使患者術后的住院時間縮短21%,AI輔助機器人的使用每年可創造400億美元的儲蓄。
3、降低劑量誤差率
AI技術也被用于應對需要昂貴代價的劑量誤差問題,研究表明在這方面人工智能可以節省160億美元。 2016年,加利福尼亞州的一項開創性試驗發現,在AI的幫助下開發的數學公式正確地計算了靶向用于患者某個器官的免疫抑制藥物劑量。確定劑量傳統上取決于指導方針和醫生經驗的結合,并且劑量誤差占所有可預防醫學過失的37%。 雖然這種類型的AI技術是新生的,但考慮到正確的劑量對于確保器官移植后移植物不被排斥是至關重要的,所以該應用也是非常有前景的。
4、輔助診斷
AI輔助臨床判斷或診斷仍處于起步階段,但一些研究結果正在給我們不斷帶來希望。 2017年,斯坦福大學的一個小組比較了21位皮膚科醫生和AI算法識別皮膚癌的能力,如去年《Nature》雜志報道的那樣,AI阿算法能夠與所有測試過的專家達成一致,能夠對皮膚癌進行分類,并具有與皮膚科醫生相當的能力水平。研究表明,在患者進入急診部門之前用AI先進行初步診斷,每年可以創造50億美元的儲蓄。
5、虛擬護理
AI虛擬護理在照顧患者方面有巨大的潛力, 例如目前美國的舊金山加利福尼亞大學(UCSF)和英國的NHS正在使用的Sensely的“Molly”,是一個由AI驅動的與患者互動交流的護士頭像,它可以們詢問患者的健康狀況,評估他們的癥狀并指導他們到最有效的護理環境。研究估計,由AI支持的虛擬護理每年可以節省200億美元,節省護士花費在患者護理任務上的20%時間。
6、優化工作流程
AI 能夠幫助醫療保健行業解決昂貴的后臺問題和工作效率地下。護士工作的一般時間(51%)、醫生工作的近1/5(16%)都花費在了與患者護理無關的活動上。基于I的技術,如語音到文本的轉錄、編寫圖標筆記、填寫處方和訂購試劑等既可以優化管理工作流程,也可以避免與醫療無關的不必要活動。研究估計,這項應用可以節省180億美元。
例如,雖然貝斯以色列女執事醫療中心的人工智能癌癥篩查引起了人們的關注,但其首次應用人工智能卻是利用AI降低再次入院率并確定可能的失約者。利用機器學習,貝斯以色列醫療中心的技術專家開發了一個應用程序,用于預測哪些患者可能會是失約或者終止治療,以便他們可以提前介入。
7、欺詐識別
錯誤和欺詐對于醫療保健機構和保險公司來說都是棘手問題。欺詐檢測傳統上依賴于計算機化(基于規則)和人工審查的醫學索賠相結合。這是一個很耗時的過程,取決于在事件發生后能夠迅速發現異常情況并進行干預。健康保險公司正在試驗AI支持的數據挖掘,并結合基于AI的神經網絡(模仿人腦的過程,但更為迅速),以搜索與醫療報銷欺詐相關的醫療保險索賠。我們估計,AI可以提高醫療保險索賠中欺詐檢測的速度和準確性,每年節約170億美元。
8、網絡安全
除欺詐活動之外,在過去幾年中,諸如WannaCry或Petya等數據泄露事件使得網絡安全成為醫療保健機構的一個主要關注點。 據估計,醫療保健違規行為導致結構為每條患者記錄花費380美元。 AI監控和檢測,可以減少健康記錄漏洞,以及與專有數據的異常交互,每年可節省20億美元的成本。
結語
隨著AI技術的快速發展,醫療保健機構將不得不投資那些提供最大價值的機構。由于 AI臨床診斷仍然處于起步階段,還需要時間來不斷推進,因此應該優先考慮那些當今價值最大化的AI應用(如AI輔助手術,虛擬護理,管理工作流程等)。