人工智慧如何變革 2020 年影像醫學、臨床照護與新藥開發
人工智慧 AI 一直是近年創新科技的熱門關鍵字，在生技醫療產業的應用也逐漸成熟。根據全球著名的資訊市場顧問公司美國國際數據資訊 (IDC) 今年發佈的全球人工智慧市場指標顯示， AI 的全球總市值於 2023 年預估成長至 980 億美金，而亞洲第二大商業顧問公司 Markets and Markets 也指出，人工智慧在健康醫療市場將會從 2018 年的 21 億美金成長至 2025 年的 361 億美金。
擁有處理大量數據資訊的能力、超越人體極限工時的人工智慧，或許是突破眼下醫療難題的解方之一，就讓我們看看在癌症診斷與影像醫學、臨床照護、用藥指標與新藥開發等領域，有哪些讓人眼睛為之一亮的科技應用將改變2020年的健康醫療產業吧！
癌症診斷與影像醫學－Google Health
全球第六大死因的肺癌每年造成 170 萬人死亡，高致死率的原因之一是症狀在初期並不明顯，病人往往到了末期才發現，雖然透過斷層掃描早期診斷、早期治療，的確能夠增加肺癌病患的存活率，但是不夠準確的診斷仍然存在著風險：美國衛生研究院 (NIH) 指出 2.5% 接受斷層掃描的病人因為偽陽性診斷而接受不必要的侵入性醫療處置，有些甚至導致死亡。為了解決這個問題，Google Health 發展出一套新的 AI 系統，有別於過去斷層掃描 2D 影像的呈現結果，升級以 3D 影像模型呈現，更易於肺臟內微小結節的辨識，還能調閱過去的斷層掃描結果，透過分析肺內結節的成長速率，判斷結節是否可能為惡性腫瘤，此 AI 系統經臨床研究證實，在診斷的一致性與準確性都表現得比參與研究的六位放射科醫生好 — AI 系統判斷的偽陽性率降低 11%，還能偵測到多 5% 肺癌陽性。 雖然這樣的研究結果顯示出 Google Health 的AI 系統增加了肺癌斷層掃描的篩檢精準度，但未來在肺癌篩檢仍有更多可以努力的方向，在美國接受肺癌篩檢的人數仍不夠多，只有 2–4% 合適的病人有接受肺癌篩檢。
“There’s a pretty big gap between where things are and where they could be.” “It’s that potential impact that keeps me going.” — Shravya Shetty. Technical Lead, Google Health
臨床照護 x AI
「癌症治療不在於延長生命，而是提升病患的生活品質」，Helpsy Health 完整地體現了這句話的精神，在對抗癌症的過程中，醫療經常專注於生理病理上的治療，而忽略了癌症患者面臨的精神與情緒上的挑戰，包括肉體上的疼痛、治療引起的副作用與憂鬱的情緒，Helpsy Health 的執行長 Sangeeta Agarawal 過去是一位腫瘤科護士，也曾是 IBM 工程師，他了解癌症患者面臨的精神挑戰，於是創造了全球第一個 AI 護理師 — SAN (Symptom Management and Navigation)。
AI 護理師究竟能做什麼呢？ SAN 能夠利用個人化數據為使用者提供全面的實證醫療照護計劃：
- 個人化的健康照護規劃
- 提供用戶更健康的日常作息以管理病症
- 推薦用戶良好合適的運動、飲食習慣
- 提醒用戶定時回診、用藥
- 監測用戶的穿戴裝置數據
- 當用戶病況惡化時發送警訊
- 病患社群支持
根據 Helpsy 自己的研究統計，使用 SAN 管理病況後用戶的健康獲得大幅改善：四個月內，平均降低 75% 憂鬱情況、84% 的疼痛、79% 睡眠問題；兩個月內，72% 用戶提升對於未來的踏實感，78% 用戶生活品質提升。
用藥指標與個人化醫療 x AI
肺結核治療面臨嚴重抗藥性危機，多重抗藥的結核桿菌菌株不斷產生，新一代抗生素卻一直沒有突破性的研發，密西根大學生醫工程系所的 Systems Biology Lab 寫出一套 AI 軟體工具 INDIGO (INferring Drug Interactions using chemoGenomics and Orthology) 能夠在新一代抗生素誕生之前，利用現有的藥物產生最好的治療效果。目前，臨床上使用 28 種結核桿菌抗生素，三或四個一組的話可以形成兩萬四千種組合，相較於過去傳統用藥上在不斷嘗試與失敗中找到適合病人的藥物組合（有兩萬四千種組合要嘗試！），不但浪費許多金錢和醫療資源，更浪費時間在無效的治療上，INDIGO 能夠分析病人感染的特定結核桿菌基因，和大腸桿菌同源基因比對後找出最適合此病人的藥物組合，預測藥物的協同作用、拮抗作用，達到最有效的治療。
新藥開發 x AI
一個新藥的誕生到上市，從研發 (R&D) 到通過食藥署 (FDA) 審核估計需要花費 13 億美元，然而新藥開發的過程並不總是那麼順利，每年在不斷測試的過程中，數百萬美元付之東流。透過人工智慧、機器學習演算預估新藥篩選，哪些可能成功、哪些又容易失敗，依此預測重新分配資源，專注於可能成功的新藥，幫助藥廠大幅降低新藥開發耗費的時間與金錢成本。
目前神經相關的疾病（例如：阿茲海默症、帕金森氏症）還沒有治癒方法，甚至沒有辦法停止病情惡化，估計 2020 年全球花費在神經相關疾病的社會成本就要到達每年 1 兆美元，醫療科技發展至今，神經相關疾病的治療仍然是現代醫學難題，因其複雜、多重的基因變異相互影響的結果，過去研發新藥時只針對其中一種基因變異著手，結果往往不盡理想，人工智慧的引進卻可以改變這樣的狀況，Verge Genomics 開發的人工智慧系統能夠一次看見數百個和疾病相關的基因變異，以一種全面而整體的宏觀視野，從現有的資料庫與豐富的學術研究成果，利用大數據人工智慧演算，找出有潛力的候選新藥，在開發過程中預測最成功有效的藥物分子，還能依據基因的變異將同一種疾病再細分成小組，為不同個體量身打造適合的神經相關疾病用藥，演算法不僅降低新藥開發時失敗的可能、降低失敗帶來的成本，更增加突破現狀的機會、加速找到有效用藥的過程，期望能為更多神經疾病患者帶來治療的希望。
參考資料
- Worldwide Artificial Intelligence Spending Guide (IDC)
- Artificial Intelligence in Healthcare Market by Offering, Technology, End-Use Application, End User And Geography — Global Forecast to 2025 (ReportLinker)
- 12 Innovations That Will Change Health Care and Medicine in the 2020s (TIME)
- A promising step forward for predicting lung cancer ( Google Health)
- EMC Pilot Study: Performed by Helpsy, using prototype version of online platform, at EMC Clinic in Amritsar, India, Completed Sept 2015. Paper is pending.
- 39 Best Healthcare Startups to Watch in 2020 (Healthcare Weekly)
- How an AI solution can design new tuberculosis drug regimens (EurekAlert!)
撰文：陳亭安
核稿：卓筱涵
H. Spectrum 獨家整理「2020 年 JP 摩根健康醫療大會 9 大關鍵字」報告
👀 三大主題一一剖析
1️⃣ 2020 藥廠經營管理趨勢
2️⃣ 2019 熱門沿伸趨勢
3️⃣ 美國生醫創新政策觀察⭐️ 報告訂閱傳送門 👉🏻 http://eepurl.com/gQw3HT
