Jessie Chen
H. Spectrum
Published in
7 min readFeb 22, 2018

--

從IBM、Google到新創,AI人工智慧 x 醫療蓄勢待發

Poto Credit: HealthIT Analytics

在過去60年,人工智慧(AI)的領域經歷好幾個週期的興起與幻滅,然而隨著現代運算能力的提高、相對便宜的儲存空間,和大量可取得的數位資訊,從2010年起AI有著爆炸性的突破。我們很難想像在未來五年內,有比AI更全面影響人類社會的其他技術。迄今為止,數位革命大大地影響人類的生活,而生技醫療產業則是相對正在起步的領域,此一現象可因人工智慧的成熟與應用有驚人的進展。電腦協助醫生作出精準判斷、提供個人化醫療,將不再是想像。2014年,與醫療保健相關的人工智慧產品的全球收入估計值為6.3億美元。預計市場將以每年40%的速度增長,到2020年擴大到66億美元。

IBM Watson Health的全球研發佈局

自2006年起,IBM將過往在人工智慧領域的研究成果整合為 IBM 華生(IBM Watson),並在2011年進入醫療領域,2015年成立IBM Watson Health。醫院方面與多家美國頂尖醫院合作,包含紐約的史隆.凱特琳癌症研究中心(Memorial Sloan Kettering Cancer Center)、德州安德森癌症中心(MD Anderson Cancer Center),以實際的臨床資料來訓練人工智慧模型。研究方面,2017年IBM宣布將投入2.4億美元來創建與MIT合作的AI實驗室。另外又投資了5,000萬美元與MIT和Harvard多個博士研究所進行為期五年的AI和基因組研究合作。除了美國,IBM也在2016年進入芬蘭,中國及韓國的醫院。IBM雖然在雲端運算市場落後亞馬遜、Google與微軟,但在醫療領域提早佈局,已發展基因體、藥物開發、社會管理、癌症學、照護管理等面向,未來可以期待IBM平台提供各種醫學應用服務。

Google DeepMind Health的臨床應用

Photo Credit: DeepMind Health

DeepMind是在2010年創辦的英國人工智慧公司,2014年由Google豪擲約4億美元收購。2016年推出DeepMind Health計畫,目前的合作對象包含倫敦皇家自由醫院(Royal Free Hospital)和倫敦帝國學院(Imperial College London)。而早期推出兩個行動App分別是Stream和Hark,其中Stream可以呈現即時資訊,協助醫護人員發現急性腎損傷的病患;Hark則是一款臨床任務管理App。DeepMind Health真正想改善的問題是提升英國國民健康服務體系,讓醫生和護理人員有更多時間關注在最重要的事情上。另外,透過處理數以萬計的視網膜掃描影像,DeepMind訓練出一種人工智慧演算法,可比人類醫生更高效準確地檢查出眼部疾病,協助診斷青光眼、糖尿病視網膜病變、和老年黃斑部病變等3 種最嚴重的眼科疾病。這可能是人工智能在醫療領域的第一個重要應用。DeepMind Health與全球頂尖眼科醫院之一倫敦 Moorfields 眼科醫院,進行了長達兩年的合作,以驗證這項演算法的有效性。

AI新創公司群雄並起

Photo Credit: CB insights

除了既有的大廠,許多新創也跟上這股風潮。全球具指標性的CB Insights產業分析,從超過2,000家公司、超過25個領域,選出2018最具有潛力的100間AI新創。這100家新創,總計募集了11.7億美元的資金。而在健康醫療領域,透過影像診斷、虛擬助手、遠程監控、住院治療等應用,人工智慧結合醫療的領域每季都有新公司。如上圖,共計有8家AI結合醫療的新創公司進到AI -100的名單。Flatiron Health是這其中的佼佼者。他是一家腫瘤數據分析公司,不僅可以從電子病歷(EMR)中擷取癌症患者的資訊,還能對雜亂的資訊進行分類整合,找出有價值的資料,大幅增加腫瘤的資料的種類和準確性。Flatiron Health已募得3.13億美元的資金,位居健康醫療領域之首。在今年2月, 被瑞士製藥公司羅氏Roche以19億美元收購,羅氏佔有87.4%的股權。除了銷售EHR軟體外,Flatiron Health還為羅氏和Alphabet的風險投資部門GV提供技術,為癌症研究開發數據平台。

Reference: 整理自CB Insights等網站

飛躍後的挑戰

隨著世界人口日益增長和人口老齡化,醫療衛生系統已不堪重負。人們開始討論,是否可以用人工智慧減少一些重複性工作,整合資訊,提升醫療效率。如同DeepMind Health的初衷,讓醫生和護理人員有更多時間關注在最重要的事情上。在此背景下,愈來愈多人投入AI開發的工作,而數據的累積與資料庫的建置是訓練AI模型的關鍵。目前國際醫療資料庫有完整性不足及多樣性的問題,造成 AI 演算法開發上的阻礙;資料的標註方法、醫生習慣、一致性等細節,可能影響後續商業應用與臨床準確性。如何建立一個通用,有邏輯性且完整度的資料庫,是AI開發者的難題。另外,當開發者在取得大量臨床病例資料的同時,是否代表著病人權益被侵犯,將來是否將有更多隱私權問題出現?2017年,英國資料保護監督機構做出一項裁決,指責一家信託公司向DeepMind提供160萬名患者的醫療紀錄並觸犯了法律,顯見面對AI,我們尚未做足準備。裁決之後,DeepMind 成立一個研究機構DMES(DeepMind Ethics & Society),專門分析 AI 帶來的道德和社會影響,其臨床執行長Dominic King 表示:「嚴格來說,AI 為一種新的醫療手段,必須經過實驗和評估,有充分證據證明其有效後,才能推廣到整個醫療衛生系統」。

Reference:

AI 100: The Artificial Intelligence Startups Redefining Industries (CB Insights)
Artificial intelligence in health care: within touching distance (The Lancet)
DeepMind develops AI to diagnose eye diseases (Financial Times)
AI and Healthcare in Boston (Holland Innovation Network)
Roche buys cancer EHR company Flatiron Health for $1.9B (HealthcareDive)
IBM 人工智慧 Watson 佈局芬蘭,持續鞏固醫療服務優勢 (有物報告)
Google DeepMind AI團隊跨足醫療保健產業,推出DeepMind Health計畫 (iThome)
研調:AI 醫療影像應用趨勢成形,資料庫完整度扮關鍵 (科技新報)
DeepMind 再強化醫療 AI 功能,可同時診斷 3 種常見眼部疾病 (科技新報)

撰文:Jessie
核稿:卓筱涵

--

--

Jessie Chen
H. Spectrum

大學生,喜歡多元的生活,在忙碌中尋找平靜