原标题:5年来医疗保健AI初创公司已筹集43亿美元 中国迅速攀升至第二
医疗保健正在成为人工智能研究和应用的重要领域。
几乎整个行业的每个领域都会受到技术崛起的影响。
例如,图像识别正在彻底改变诊断。最近,Google DeepMind的神经网络在诊断50种威胁视力的眼疾方面,准确性可媲美医学专家。
在私人市场,医疗保健AI初创公司自2013年以来已经在576笔交易中筹集了43亿美元,超过了所有其他行业的人工智能交易活动。
医疗保健领域的AI目前旨在改善患者结果,调整各利益相关方的利益,降低医疗成本。
人工智能在医疗保健领域面临的最大障碍之一就是克服保守方式,彻底改革不再有效的现有流程,并尝试新兴技术。
AI面临着医疗行业独有的技术和可行性挑战。例如,在美国没有标准格式或患者数据的中央存储库。
当患者文件被传真,通过电子邮件发送不可读的PDF格式,或以手写笔记的图像形式发送时,提取信息对AI提出了独特的挑战。
但像苹果这样的大型科技公司在这方面具有优势,特别是在加入包括医疗保健提供商和EHR供应商在内的大型合作伙伴网络方面。
生成新的数据来源并将EHR数据交给患者——正如苹果正在使用ResearchKit和CareKit一样 —— 有望成为临床研究的革命性产品。
在我们的第一次行业AI深度挖掘中,使用CB Insights数据库来发现正在改变医疗保健行业的趋势。
4月,美国食品和药物管理局(FDA)批准了用于筛查糖尿病视网膜病变患者的AI软件,无需专家的第二意见。
它被赋予了一个“突破性的设备名称”,以加快将产品推向市场的过程。
该软件称之为IDx-DR,能够在87.4%的时间内正确识别“超过轻度糖尿病视网膜病变”的患者,并在89.5%的时间内确定那些没有患有该疾病的患者。
IDx是近几个月FDA批准用于临床商业应用的众多AI软件产品之一。
GE Ventures支持的创业公司Arterys去年获得FDA批准,用于通过其云AI平台分析心脏图像。今年,FDA清除了用于癌症诊断的肝脏和肺部AI病变定位软件。
快速监管批准通道为超过70家人工智能成像和诊断公司开辟了新的商业途径,这些公司自2013年以来一直在筹集股权融资,总共有119宗交易。
FDA专注于明确定义和管理“软件即医疗设备”,尤其是考虑到最近人工智能的快速发展。
它现在想要将“预证明”方法 —— 一月份试行的程序 —— 应用于AI。
这将使公司能够“对其设备进行微小改动而无需每次都提交。”FDA补充说,其软件验证工具等监管框架的各个方面将“足够灵活”以适应人工智能的进步。
神经网络发现非典型危险因素
使用神经网络分析视网膜图像和语音模式可能有助于识别心脏病的风险。
根据今年发表在《自然》杂志上的一篇论文,谷歌的研究人员利用一个训练有视网膜图像的神经网络来发现心血管危险因素。
研究发现,不仅可以通过视网膜图像识别年龄、性别和吸烟模式等风险因素,还可以“量化到之前未报告的精确度”。
在另一项研究中,梅奥诊所与以色列创业公司Beyond Verbal合作,该公司分析声音中的声学特征,以便在患有冠状动脉疾病(CAD)的患者中找到明显的声音特征。该研究发现,当受试者描述情绪体验时,有2种语音特征与CAD密切相关。
初创公司Cardiogram最近的一项研究表明,“使用深度学习,可以通过消费者自我穿戴的心率传感器检测出由糖尿病驱动的心率变异性变化”。一种算法方法在从心率检测糖尿病方面显示出85%的准确性。
另一个新兴的应用是使用血液检测癌症。像Freenome这样的创业公司正在使用人工智能,来寻找在血液中循环的无细胞生物标志物中可能与癌症相关的模式。
AI发现模式的能力将继续为新的诊断方法和识别以前未知的风险因素铺平道路。
尽管努力将健康记录数字化,但互操作性 —— 在机构和软件系统之间轻松共享健康信息的能力 —— 是医疗保健领域的一个问题。
这在临床试验中尤其成问题,因为将正确的试验与正确的患者匹配对于临床研究团队和患者来说是耗时且具有挑战性的过程。
就此背景而言,目前有超过18,000项临床研究仅在美国招募患者。
如果医生知道正在进行的试验,患者可能偶尔会得到医生的试用建议。
否则,通过ClinicalTrials.Gov进行搜索的重担 —— 一个关于过去和正在进行的临床试验的综合联邦数据库 —— 落在患者身上。
苹果正在改变医疗保健领域的信息流动,并为人工智能开辟了新的可能性,特别是围绕临床研究人员如何招募和监控患者。
自2015年以来,苹果推出了两个开源框架,分别为ResearchKit和CareKit,以帮助临床试验招募患者并远程监控他们的健康状况。
该框架允许研究人员和开发人员创建医疗应用程序来监控人们的日常生活。
例如,杜克大学的研究人员开发了一款Autism&Beyond应用程序,该应用程序使用iPhone的前置摄像头和面部识别算法来筛查孩子的自闭症。
同样,近10,000人使用mPower应用程序,该应用程序提供手指敲击和步态分析等练习,以研究同意与更广泛的研究团体分享数据的帕金森病患者。
苹果还与Cerner和Epic等流行的EHR供应商合作解决互操作性问题。
在2018年1月,苹果宣布iPhone用户现在可以通过访问iPhone的Health应用程序参与机构的所有电子健康记录。
这项名为“Health Records”的功能是AI医疗保健创业公司Gliimpse在2016年被苹果收购之前所做的工作的延伸。
在易于使用的界面中,用户可以找到他们在过敏,病症,免疫,实验室结果,药物,程序和生命体征方面所需的所有信息。
用户现在可以选择与第三方应用程序和医学研究人员共享数据,为疾病管理和生活方式监控开辟新的机会。
当涉及到使用人工智能和机器学习进行早期诊断,推动药物设计决策,招募合适的患者进行研究,以及在整个研究过程中远程监控患者的进展时,这种可能性似乎是无止境的。
大型制药公司的AI品牌重塑
2018年5月,辉瑞公司与XtalPi建立战略合作伙伴关系 —— 这是一家由腾讯和谷歌等科技巨头支持的人工智能初创公司 —— 用于预测小分子的药物特性,并开发“基于计算的合理药物设计”。
但并非只是辉瑞这么做。
诺华公司,赛诺菲公司,葛兰素史克公司,安进公司和默克公司等顶级制药公司近几个月都宣布与AI创业公司建立合作伙伴关系,旨在为肿瘤学和心脏病学领域的一系列疾病寻找新的候选药物。
“我们仍然处于早期阶段的最大机会,是使用深度学习和人工智能来识别全新的适应症,全新的药物。”诺华公司肿瘤学前首席执行官Bruno Strigini
对该领域的兴趣正在推动创业公司的股权交易数量:截至2018年第二季度有20笔,相当于2017年全年的数量。
虽然像Recursion Pharmaceuticals这样的生物技术AI公司正在投资AI和药物研发,但传统制药公司正在与AI SaaS初创公司合作。
尽管这些创业公司中的许多仍处于资助的早期阶段,但他们已经拥有一批制药客户。
在药物制剂阶段几乎没有可衡量的成功指标,但制药公司正在投入数百万美元的人工智能算法,以发现新的治疗候选药物,并改变漫长的药物发现过程。
AI的应用超出了药物开发的发现阶段。
在最大的人工智能并购交易之一中,罗氏控股于2018年2月以19亿美元的价格收购了Flatiron Health。Flatiron使用机器学习来挖掘患者数据。
今天,超过2,500名临床医生使用Flatiron的OncoEMR,这是一种专注于肿瘤学的电子医疗记录软件。据报道有超过200万活跃的患者记录可用于研究。
罗氏希望收集真实世界证据(RWE),通过分析电子病历和其他来源的数据,确定药物的益处和风险,以支持其肿瘤学管道。
除了用于监测上市后药物安全性之外,RWE还可以帮助设计更好的临床试验和未来的新疗法。
两年前,谷歌 DeepMind与Moorfield眼科医院合作,探索使用AI检测眼部疾病。最近,DeepMind的神经网络能够推荐50种威胁视力的眼病的正确转诊决定,准确度达到94%。
这只是研究的第一阶段。但是为了训练算法,DeepMind投入大量时间来标记和清理OCT(光学相干断层扫描)扫描数据库 —— 用于检测眼睛状况 —— 并使AI“准备好”。
数据集中14,884次扫描的临床标记涉及各种受过训练的眼科医生和验光师,他们必须检查OCT扫描。
阿里巴巴在2016年左右决定投入AI进行诊断时也有类似的情况。
“样本需要由专家标注,因为如果样本没有任何标注,我们不知道这是一个健康的人还是来自病人的样本......这是非常重要的一步。”阿里巴巴云首席告诉Alizila News
根据阿里云的机器智能首席科学家闵万里的说法,一旦该公司与医疗机构合作获取医学影像数据,就必须聘请专家来标注成像样本。
AI独角兽依图科技正在进行人工智能诊断,他在接受《南华早报》采访时讨论了医疗团队的重要性。
依图声称它拥有一支由400名医生组成的团队,为医疗数据贴标签,并补充说,美国医生更高的工资可能对美国AI初创公司来说是一个昂贵的选择。
但在美国,国立卫生研究院(NIH)等政府机构正在推动人工智能研究。
美国国立卫生研究院于今年7月发布了一份由CT图像标注和鉴定的32,000个病灶的数据集,这些病例是由4,400名患者匿名进行的。
被称为DeepLesion的数据集是使用放射科医师标记的图像形成的,且经临床发现。据美国国立卫生研究院称,它是同类产品中最大的一种。
NIH足够大,可以训练深度神经网络,希望数据集能够“使科学界能够用一个统一的框架创建一个大规模的通用病变检测器”。
GE和西门子等私营公司也在寻找创建大规模数据集的方法。
通用电气医疗集团于5月份获得专利,讨论机器学习以分析显微镜图像中的细胞类型。
该专利提出了一种“直观的界面,使医务人员(例如,病理学家,生物学家)能够对算法中使用的不同细胞表型进行注释和评估,并通过界面呈现。”
虽然已经提出了其他算法方法来减少手动过程,但AI目前在很大程度上依赖医学专家进行培训。
向公众提供带注释的数据集,类似于DeepMind和NIH正在做的,降低其他AI研究人员进入的门槛。
中国在医疗保健AI方面的排名上升
从几年前微不足道的交易活动来看,中国在全球医疗保健AI市场中迅速攀升。
在2018年上半年,中国超过英国,成为第二个最活跃的医疗保健AI交易国家。
凭借7200万美元的资金和像红杉资本中国这样的投资者,推想科技是资金最充足的中国创业公司,专注于医疗保健行业的人工智能解决方案。
与此同时,中国对外国医疗保健AI初创公司的投资正在增加。
中国去年发布了一项人工智能计划,目标是到2030年成为人工智能研究的全球领导者。医疗保健是全国第一批人工智能应用的四个重点领域之一。
重新关注医疗保健不仅仅是成为人工智能技术的全球领导者。
根据去年的人口普查,独生子女政策虽然现已取消,但却导致了人口老龄化: 65岁以上的人口超过1.58亿。加上劳动力短缺,这一重心已转移到医疗保健领域的自动化程度。
早在2016年,中国就将医疗数据整合到一个集中存储库中的努力已经开始。
与美国类似,中国也存在数据混乱和缺乏互操作性的问题。
为解决这一问题,中国已经开设了几个区域卫生数据中心,目的是整合国家保险索赔,出生和死亡登记处以及电子健康记录的数据。
国内的大型科技公司正在政府的大力支持下进入医疗保健AI。
电子商务巨头阿里巴巴于2016年开始关注医疗保健AI,并推出了名为ET Medical Brain的AI云平台。它提供一系列服务,从基于AI的诊断到基于患者医疗需求的智能调度。
腾讯最大的优势在于它拥有微信,这是一款“接入一切的应用程序。”它也是中国最受欢迎的社交媒体应用程序,拥有10亿用户,提供从消息和照片共享到汇款和乘车的各种服务。
据报道,去年约有38,000家医疗机构拥有微信账户,其中60%允许用户在线注册预约。超过2000家医院接受微信支付。
微信可能使腾讯很容易收集大量的患者和医疗管理数据。
今年,腾讯与巴比伦健康公司(Babylon Health)合作,后者是一家在英国开办虚拟医疗保健助理的创业公司。微信用户可以访问Babylon的应用程序,允许他们发出症状并收到反馈和建议。
它还与总部位于英国的Medopad合作,将AI带入远程患者监护。 Medopad签署了超过1.2亿美元的中国贸易协议。
除了这些直接面向消费者的激励措施外,腾讯还将其内部研发重点放在开发觅影医疗保健AI平台上。
觅影于2017年推出,为医疗机构提供AI帮助,帮助诊断各种类型的癌症和健康档案管理。
该计划似乎主要集中在现阶段的研究,没有立即计划向医院收取人工智能辅助成像服务费用。
它的第一个产品Dip.io,使用传统的尿液分析试纸来监测一系列泌尿系感染。计算机视觉算法通过智能手机分析不同光照条件和相机质量下的测试条。
已经在欧洲和以色列商业化的Dip.io最近获得FDA批准。
近年来,智能手机在美国的渗透率有所提高。同时,由于深度学习,图像识别算法的错误率显著下降。
两者的结合开辟了使用手机作为诊断工具的新可能性。
据报道,这家总部位于阿姆斯特丹的公司将利用这笔资金推动美国FDA的批准。
许多机器学习即服务平台正在与FDA批准的家庭监控设备集成,在出现异常时提醒医生。
一家名为Biofourmis的公司正在开发一种人工智能分析引擎,该引擎可以从FDA批准的医疗可穿戴设备中提取数据,并预测患者的健康结果。
总部位于以色列的ContinUse Biometrics公司正在开发自己的传感技术。该创业公司监测20多种生物参数,包括心率、血糖水平和血压,并使用AI来发现异常行为。它在2018年第一季度的B轮融资中筹集了2000万美元。
除了生成丰富的日常数据源外,人工智能—物联网还有可能减少与可预防的医院就诊相关的时间和成本。
AI在以价值为基础的医疗新角色
基于价值的服务模式专注于患者,其中激励医疗服务提供者以尽可能低的成本提供最高质量的护理。
这与按服务收费模式形成对比,在服务费模式中,提供者按照所执行服务的数量以一定比例获得报酬。例如,规定的程序和测试越多,财务激励越高。
关于医疗保健服务质量的对话可以追溯到20世纪60年代。挑战在于找到通过可量化的数据驱动指标评估医疗保健质量的方法。
2010年,美国通过了《患者保护和平价医疗法案》,以价值为基础的服务模式焕发了生机。
现有的一些保障措施包括只有在符合质量绩效指标的情况下向提供者提供经济奖励,或者对医院获得性感染和可预防的再入院实施处罚。
向基于价值的医疗系统迈进的目标,是使医疗服务提供者的激励措施与患者和支付者的激励措施保持一致。例如,在新系统下,医院将有减少医生规定的不必要检查的经济激励。
人工智能创业公司Qventus声称,总部位于阿肯色州的Mercy医院正在转向基于价值的医疗系统,在4个月内,不必要的实验室测试减少了40%。该算法将处方测试的医生行为(即使并非绝对必要)与那些同龄人治疗相同病症患者的行为进行了比较。
Jvion的一些案例研究强调成功使用机器学习来识别住院30天内有再入院风险的入院患者。
然后,护理团队可以使用Jvion的建议来教育患者日常的预防措施。该算法将患者健康数据与社会经济因素(如收入和交通便利性)和不遵守情况的历史数据相结合,以计算风险。
另一家创业公司是OM1,它从General Catalyst和7wire Ventures等投资者那里筹集了3600万美元,专注于确定治疗效果的真实世界证据。
另一种方法是保险公司识别有风险的患者并通过警告医疗提供者进行干预。
用于院内管理解决方案的AI仍处于初期阶段,但初创公司正致力于帮助提供商降低成本并提高医疗质量。
治疗机器人能做什么和不能做什么
心理健康治疗的高成本和全天候服务的吸引力,正在引发基于AI的心理健康机器人的新时代。
早期初创公司专注于使用认知行为疗法,即改变负面思想和行为,作为市场上许多情绪追踪和数字日记健康应用的对话扩展。
Woebot从NEA筹集了800万美元,其中有一个明确的免责声明,它不能替代传统疗法或人类互动。
另一家公司Wyse去年筹集了170万美元,并在iTunes上作为“焦虑和抑郁”机器人提供服务。
Startup X2 AI声称它的AI bot Tess拥有超过400万付费用户。它还开发了一个“基于信仰”的聊天机器人,“Sister Hope”,它以明确的免责声明和隐私条款开始对话(关于发送信息、聊天受FB隐私政策的约束,Facebook的会话内容也是可见的)。
但Facebook的可访问性和缺乏法规使得对一些机器人及其隐私条款的验证变得困难。
用户还可以访问赞助的“AI”聊天机器人和交互,这些机器人和交互似乎是一串预先编写的消息,几乎没有前后背景。
在图像识别、语言处理和生成等狭窄任务中,人工智能已经走过了漫长的道路。
但是,正如开创性的深度学习研究员Yoshua Bengio最近在播客中关于人工智能元素的所说的那样,“[AI]就像一个白痴学者,没有心理学概念,人类是什么,或者它是如何运作的。”
心理健康是一个范围,在分析症状和主观性上有着高度可变性。
在目前的状态下,人工智能可以做的不仅仅是定期检查,并培养与人类语言生成的“陪伴”感。对于那些需要更多唠叨来重构负面语句的人来说,当前这一代机器人可能是失败的。
但是,正如今日心理学中的一篇文章所解释的那样,我们的大脑很奇怪地相信,我们在与机器人聊天时就是在与人类进行互动,没有必要去解读非语言线索。
对于更复杂的心理健康问题,这可能特别成问题,可能会对机器人和快速修复解决方案产生依赖性,这些解决方案无法进行深入分析或从根本上解决问题的能力。
在自动化冲击之下,最安全的工作被认为是需要高情感认知水平和人与人之间互动的工作。这使得精神医疗 —— 尽管成本和可访问性的上升 —— 对于AI来说是一项特别艰巨的任务。