人工智能:改善药物依从性、虚拟医疗助手、智能看护、智能药物研发

2015-09-28 06:00 · brenda

人工智能用来提高健康医疗服务的效率和自动化程度。人工智能技术的发展在过去备受质疑,然后如今我们发现大数据技术正在推进人工智能的进程,在医疗健康领域也是如此。不妨一起看看以下几个推进中的人工智能应用。


人工智能用来提高健康医疗服务的效率和自动化程度。人工智能技术的发展在过去备受质疑,然后如今我们发现大数据技术正在推进人工智能的进程,在医疗健康领域也是如此。不妨一起看看以下几个推进中的人工智能应用。

分析患者行为,制定个性化肿瘤治疗方案

例如,两位乳腺癌患者可能会得到相同的治疗方案,但其实两者的身体情况可能完全不同。其中一个可能是马拉松长跑者,另外一个是喜欢安静的读书的人;一个可能是吸烟者,另一个也许是个注重养生的人;一个可能都60多岁了,另一个也就刚刚40。这样的情况在我们身边是常见的。所以考虑到方方面面的不同,这两位患者需要两种不同的治疗方案。

而对于科学家和医生来说,难度在于掌握特定患者的个人信息。重要的关键信息常常淹没于大量的数据当中,医生根本没有时间(可能要一年)在茫茫信息中筛选出他们想要的。于是许多研究者想方设法利用人工智能的方式来跨越这个难度。

比如,卡耐基梅隆大学和匹兹堡大学的科学家,正在用人工智能从电子病历、诊断影像、处方、基因组资料、保险记录,甚至是可穿戴设备的数据中挑选出有用信息,为特殊疾病和特殊人群设立医疗保健方案。研究者们利用大数据来创建特定的医疗方案、控制传染病,并寻找致命性疾病的治疗方法。


“现在遇到的最大问题就是,系统并不智能。” 卡耐基梅隆大学机器学习系的教授Eric Xing说道。“存储在系统中的数据基本上是死数据,而机器学习和人工智能可以把有用的信息从海量数据中分离出来。你可以这样理解,就像是有一个人工的大脑在代替一个‘死’的存储系统在工作。”

他表示,卡耐基梅隆大学和匹兹堡大学正在与匹兹堡大学医学中心合作一个“匹兹堡健康数据联盟”的项目。医疗中心在接下来的6年中,会每年资助研究者1000~2000万美元用于这项研究。

科学家正在用从医疗中心获得的健康数据(剔除了患者身份信息),来研究如何能够更快速有效的分析大数据,去创造一个与健康医疗相关的技术和服务,能针对不同患者更好的做诊断、治疗和沟通。

“每个患者都是不同的个体。”Xing补充道,“一个非常简单的观点,比如说乳腺癌应该用药物A或者B来治疗。但是由于生活方式、生活环境和其他相关健康因素的独特性,使得每个人都是一个不同的独立个体。而人工智能不单单是从一位医生那里提取信息,而是来自大量有经验的医生,这样,它就能从不同患者那里梳理出有共性的信息。”

此外,人工智能软件工作效率远远高于人脑,能够更快速的找到数据的模式和相似性,帮助医生和科学家发现最关键的信息。举例来说,一名50岁的糖尿病患者,生活方式很积极,某一种治疗方法可能对他很有效果。那么医生就可以用同一种治疗方法,来医治其他患有相同特性的糖尿病患者。

Xing表示,他们的团队就正在研究一款App,可以为用户提供一些健康生活建议,规避一些疾病。此款App可能会在一年内上线。Philip Lehman,卡耐基梅隆大学计算机科学副院长告诉笔者,这款App应用了人工智能,可以告诉人们什么时候该去看医生,咨询什么样的医生以及怎样保持身体健康。

“比如,现在大家一般会通过手机来搜索,‘我怎么到某个地方’。” Lehman在采访中表示。“其实,你把它搬到医疗上是一样的。‘我怎么做才能感觉好点或者活的久一点’?”Lehman和Xing希望,从App到机器学习工具和服务,他们都能延展出不同产品的原型,在未来的5-6年内,开发出十几个新产品。

这方面比较出名的公司,是获得IBM投资的Welltok,它借助IBM的“沃森”超级电脑,来构建通过个性化活动与用户沟通的愿景。其App Cafewell Concierge 利用沃森系统的自然语言处理能力,来更好的了解用户的需求,平衡对用户的激励和警告,以此达到预期目标来回馈用户。


虚拟医疗助手,改善药物依从性

比如,Aicure,利用移动技术和面部识别技术来判断患者是否按时服药,再通过App来获取患者数据,用自动算法来识别药物和药物摄取。患者数据会通过与HIPAA(健康保险流通与责任法案)兼容网络实时的反馈给临床医生,这样医生就可以确认他的患者是否在按照他们的嘱咐按时服药。当然,这项技术也可以被用来标识不良事件。


还有一个是,Next IT开发的一款app Alme Health Coach,去深掘人们为什么不按时服药。对于健康服务业来说,Next IT虽然还是个新手。但是它曾经开发了一款app“虚拟助手”来帮助消费者解决在银行、零售、财产管理等方面遇到的问题。

一般,一些人工智能的组件会重复用户话语来明确用户想法。而Alme Health Coach是专为特定疾病、药物和治疗设计配置。它可以与用户的闹钟同步,来触发例如‘睡得怎么样’的问题,还可以提示用户按时服药。这种思路是收集医生可用的可行动化数据,来更好的与病人对接(前提是患者愿意共享他们的数据)。


跟踪状态,自动汇报支持智能看护

人工智能技术公司Automated Insights把它的自然语言生成平台Wordsmith与Great Call(移动App开发者)合作。家人和朋友可以通过与App连接的GreatCall设备,来获取设备携带者的信息。它主要用于老年人看护,当携带者需要帮助的时候,App可以收到消息提醒。此外,该App还有GPS定位专利技术,可以获取用户的位置信息。

目前,该公司已经被Vista Equity Partners 和STATS(体育信息技术公司)收购。利用Wordsmith的自动书写功能,将对看护者的情况,包括所在地点、活动路线、电池状态、设备使用情况等信息自动生成文字报告给看护人。


智能化药物研发

生物科技公司也正在把人工智能和大数据结合到一起,来识别新的药物化合物,比如Cloud 制药和 Berg。

Berg通过开发的Interrogative Biology人工智能平台,来研究人体健康组织,探究人体分子和细胞自身防御组织,以及发病原理机制,利用人工智能和大数据来推算人体自身分子潜在的药物化合物。

这种方法有很多优点,不但使得靶向治疗成为今天医学治疗的趋势,而且利用人体自身的分子来医治类似于糖尿病和癌症等疑难杂症,要比研究新药的时间成本与资金少一半。

当然,Berg不是这个领域的唯一公司。Cloud制药就在专注于这个领域的研发,并已融资2000万美元。


还有,强生和赛诺菲,也正在用“沃森”超级系统(一个可迅速在海量数据中识别相关模式的计算机系统)来支持药物研发。

强生用“沃森“来快速分析详细的临床试验结果的科技论文,加快对不同治疗方法的对比效果研究,以求获得药物在更广泛领域的应用,而这些用普通的方法,需要3个人花费10个月的时间来完成这些工作。

“沃森”现在能识别化学、生物学、法律和知识产权语言,让科学家拥有别人无法拥有的与数据“交流”的能力,这将加快实现科学和医疗研究领域的突破。赛诺菲则利用Watson来鉴别现有药物的其他用途,沃森会组织筛选毒理学信息,来帮助研究者们判断哪种药物比较适合应用在新的领域。