從新聞推薦到機器翻譯，再到智能出行和精準營銷，人工智能在這個社會無處不在。但對于醫療健康行業來說，人工智能的應用走得更加緩慢和謹慎。這不僅是因為醫藥行業的創新成本更高，更大的原因是，在這個領域，一個算法的錯誤可能導致的就是生死之差。

　　盡管如此，在過去五年里，采用人工智能技術的數字醫療公司仍然在快速增長。根據CB Insights的統計，2012年，和人工智能相關的協議不到20起，而在2016年，這一數字就增長到了70。最近的一項調查還發現，美國一半以上的醫院將在5年內采用人工智能，而35％的醫院計劃在兩年內就這樣做。

　　在醫療健康領域，人工智能可以解決的第一大問題就是生產率。“在未來，我們需要以更少的資源來照顧更多的人，單純從商業模式或工具發明角度去做改變，是改變不了人類生產率的，而這正是大數據時代，人工智能可以實現的事。”美國醫療保險與救助中心（Centers for Medicare and Medicaid Services）的前任執行委員Andy Slavitt先生說。

　　多項研究表明，在醫療健康行業，人工智能技術將會最先在人口健康管理、臨床決策支持、診斷和精準醫療領域獲得應用。甚至在藥物開發領域，運用人工智能也能幫助人們更加快速、精確和低成本地完成現實世界的證據收集和臨床試驗。

　　就在上周，谷歌宣布已嘗試將其面向消費者的機器學習能力應用到醫療保健領域中。公司的研發團隊Google Brain還宣稱已經與加州大學舊金山分校、斯坦福大學等著名學府一起從上百萬名患者身上獲得了去標識的龐大數據。

　　去年11月，谷歌的研究人員在《Journal of the American Medical Association》發表了一篇論文，表明谷歌的深入學習算法能夠對大量眼底圖像進行識別，并能以90％以上的準確度檢測出糖尿病性視網膜病變。今年，谷歌的人工智能算法在乳腺癌的診斷上，也表現出了驚人的準確度。

　　“這是一個大數據問題，但機器學習能獨一無二地解決它，”谷歌首席執行官Sundar Pichai先生說：“所以我們打造了一個神經網絡，檢測淋巴結周邊的癌癥轉移。盡管還很初期，但我們的神經網絡已經顯示出了高度的準確性，它的準確度達到了89%，而人類醫生只有73%。”

　　IT界的另一些公司也不甘人后。蘋果公司最近收購了一家AI公司Lattice，該公司在開發醫療應用的算法方面具有很強的背景。而在幾個月前，微軟推出了Healthcare NExT計劃，將把人工智能、云計算、研究和行業合作融合在一起。

　　該計劃包括了專注于基因組學分析和聊天機器人的項目，并與匹茲堡大學醫學中心建立了合作伙伴關系。幾周前，微軟與數據連接平臺提供商Validic達成了一項合作，將致力于把患者參與增加到其HealthVault Insights研究項目中。

　　除了這些大公司以外，醫療初創公司在人工智能方面的應用更加多樣。Ginger.io用它搭建了行為健康監測與分析平臺；Sensely則在手機應用和穿戴設備上加入了虛擬人工助理；Clue用人工智能幫助客戶預測生育時機；Buoy Health基于18000份臨床論文和500萬名患者的數據建立了醫療搜索引擎。

　　另一個人工智能可以大展宏圖的領域是醫學成像。去年11月，以色列醫學公司Zebra Medical Vision宣布推出一個新的技術平臺，允許人們隨時隨地通過互聯網上傳和接收他們的醫療掃描分析報告。

　　成立于2014年的Zebra公司致力于教電腦自動分析醫學圖像，診斷從骨骼健康到心血管疾病的各種狀況。另一家知名的結合了人工智能的醫療公司AiDoc也于近日宣布獲得了700萬美元投資。

　　但是對于人工智能的應用來說，無論你的技術多么強大，最核心的仍然是數據。這也是為什么患者數據變得越來越重要。知名風投機構8VC的首席執行官Joe Lonsdale先生說：“最難的部分，是如何在一開始就獲得數據。”加州大學伯克利分校的Maya Peterson教授也認為，“在真實世界中，我們與數據的關系是錯綜復雜的。目前我們還不能完全理解它們。”可以想象，有沒有足夠的患者數據，將成為區分一家醫療公司能否真正實現價值的關鍵因素。

　　如果說機器學習還有什么局限，那就是它只能從提供的數據中學習。因此，提供大規模、高質量的數據庫，就成為了研究者、工程師、企業家需要費心解決的問題。

　　上個月，與谷歌頗有淵源的Verily啟動了“基線項目”。研究人員通過與斯坦福大學醫學院以及杜克大學醫學院合作，計劃收集大量健康人類的數據，作為未來研究的基準。

　　在項目公開的信息中，研究人員計劃招募10000名參與者，并對他們進行長達4年的追蹤。這些數據有望告訴我們，人類從健康到發病的過程中，究竟經歷了什么樣的轉變。這些龐大的數據將利用谷歌云端平臺進行儲存和計算。

　　Verily的“基線項目”還需要一些時間才能帶來實際的改變，但目前，已經有一些人工智能項目為世界帶來了真切的影響，其中最好的例子之一就是IBM的沃森系統。利用大量的數據，IBM的研究人員讓一款認知平臺自我學習大量患者的信息，并希望這些信息能為患者的治療帶來洞見。在一些人看來，這是機器學習在醫療健康領域最初的幾個大型應用之一。

　　“醫療健康領域非常復雜，在全球的不同地區，有著不同的特點。因此我們必須對沃森系統進行訓練。比如說，我們要讓它理解醫學用語，”IBM沃森副總裁兼首席戰略官Shiva Kumar博士說：“所以第一步是處理自然語言。我們要和患者對話，同化信息，然后開展下一步的工作。”

　　其中，最大的問題在于數據的非結構化。“醫療健康領域很特別，它有大量無法被我們利用的數據，”Kumar博士說：“所以，我們需要大量新的技術去改善這一現狀。但我相信，我們這些從業人士最終能取得成功。”

　　德勤生命科學與醫療健康領域的主管Rajeev Ronanki先生明確指出，在業內，有三大重要因素能讓機器學習的趨勢得到推動，它們分別是“呈指數增長的數據，更快的分布式系統，以及更智能、能夠分析處理數據的算法”。這三者的結合，將增強人類的決策能力，提供基于人工智能的工具和設備，并能在特定的領域發展出更深的專精。“我們預計人工智能的增長還將持續”，Ronanki先生說。

　　許多專家預言，人工智能將為醫療健康行業帶來一波又一波的新沖擊。Allscripts Analytics的首席醫學官Fatima Paruk博士認為，人工智能有望首先在慢性疾病的管理上帶來應用。隨后，人們將把患者的健康信息與環境、社會經濟因素等統一起來，用人工智能做分析。再下來，整合了遺傳學信息的健康管理手段將最終把精準醫學變成現實。

　　對醫藥企業來說，人工智能的時代正在來臨。Lux Capital合伙人，輝瑞前首席執行官Jeff Kindler博士指出，醫藥行業在見識到人工智能加速新藥研發的潛力后，不會輕易放棄這一工具。下一步，是如何真正應用上人工智能的問題。要知道，在醫藥行業，我們需要100%的準確性。任何錯誤所付出的代價，都是人的生命。

　　“我們所處的行業，平均需要12年才能讓一款產品走進市場，”輝瑞的數碼戰略與數據創新副總裁Judy Sewards女士說：“12年夠完成3個總統任期，或是打完3屆世界杯了。在這12年里，我們大約需要1600名科學家來進行研究，需要3600個臨床試驗，需要數千名患者。有了人工智能之后，我們開始思考，如何能加速新藥研發的過程，讓它變得更智能，并能更好地將突破性新藥與患者連接起來？”

　　Sewards女士提到的是研發效率的問題。她認為，與人工智能的合作，有望讓效率產生飛躍式的提升。與此同時，她并不認為人工智能將完全替代人類：“有些人覺得機器或人工智能會替代科學家或醫生，但我覺得更有可能成真的現象是，它會成為研究者最好的助手。”

　　無論柯潔與AlphaGo的三番棋最終結局如何，沒有人能夠否認，未來早已到來。但人工智能與人類之間，并不是純粹的“誰優誰劣”的問題，這個問題早就有了答案——普利策獎獲得者Siddhartha Mukherjee博士在一篇《紐約客》的長文中說道：“機器學習算法將來也只是在區分能力上更勝一籌——區分和辨識出痣與黑素瘤。但是，全方位認知超越了以任務為中心的算法。在醫學領域，或許終極獎賞還是要靠整體認知。”

　　換句話說，人類與人工智能，各有各的擅長。我們所需要問的，不是“人類如何避免被人工智能所打敗”，也不是“人工智能是否會取代人類”，而是“人類如何能利用好人工智能，打造一個更美好的未來”。我們期待人工智能能為患者們更快帶來新藥，并更好地管理他們的健康。這是我們想要看到的未來的模樣。