导读：在某些情境下，人工智能的深度学习能力已超越医生。2019年医疗人工智能将迎四大爆发点 ，管理领域增幅最大，简化患者匹配流程，AI成像和诊断能力稳步增长，AI在眼疾领域可实现独立诊断。

近年来，多家企业源源不断地向领先技术领域注入大量资金，尤其是那些希望降低成本、改善患者健康的公司。市场情报公司Tractica的数据显示，2018年医疗人工智能技术领域的投入为21亿美元，预计到2025年这一数据将超过340亿美元。

目前，亚马逊（Amazon）、西门子（Siemens）、IBM、Optum、通用电气医疗保健系统（GE Healthcare and Health Systems）、Mayo Clinic、纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering）及美国山间医疗集团（Intermountain）正在持续开发患者记录，为人工智能算法训练提供医疗数据，使其通过识别模式进行学习，从而实现关键预测。

在某些情境下，人工智能的深度学习能力已超越医生。专家预测2019年医疗人工智能将持续增长，尤其是在成像、诊断、预测分析和管理领域。

管理领域增幅最大

远的不说，预计到2019年底，医疗人工智能技术市场的投入就将超过17亿美元。

这项技术可用于检测医疗支出中的浪费、欺诈和滥用行为，这些行为每年费用占到全美3万多亿美元支出的3%~10%。

据羿戓智能医疗所了解，弗若斯特沙利文（Frost and Sullivan）医疗保健和生命科学高级副总裁雷尼塔·达斯（Reinita Das）预测，未来几年内，医疗服务中人工智能操作平台的生产率将提升10%~15%。

对于重复性的耗时任务，应该给予人工智能蓬勃发展的空间。美国医疗体系中的确有很多此类工作。

以调度和预约为例。克利夫兰医学中心MetroHealth系统在2017年底引入人工智能协助运营决策之前，四家医院的挂号爽约率为10%~35%。

MetroHealth首席战略和创新官卡里姆·波特斯（Karim Botros）表示，MetroHealth可使用人工智能来筛选出那些很可能爽约的患者，并进行第二次提醒，从而避免浪费医护人员的时间。到目前为止，人工智能已成功将爽约率降低了30%左右。

专家表示，2019年人工智能可能会涉足医院运营版块。

Cleveland Clinic目前已开始使用人工智能系统来统一管理医院病床的使用情况，充分发挥其容量和利用率。通过观察手术室患者的实时状况，该程序有助于识别手术过程中的潜在困难。

人工智能还可用于追踪药物及医疗设备状态，督促患者支付医疗费用。

自动化配药工具软件服务商Kit Check为医疗机构提供机器学习方案“Bluesight for Controlled Substances”，帮助其识别药物分流。该方案通过对一系列指标（如员工的物理位置、文档的上传下载等）对员工进行评分，来识别可能具有偷盗药物行为的医务人员。

Kit Check首席执行官凯文·麦克唐纳（Kevin Macdonald）表示，“该程序通过分析医院内部同级别人员的数据，来评估员工偷盗药物的概率。”

麦克唐纳还指出，人工智能或许会有助于降低药物支出，特别是涉及到受控药物废弃、药物消耗及安全与合规性领域。

软件服务公司Simplee为医疗机构提供数据和预测分析服务，以此来确定患者的线上支付能力，从而根据患者的财务情况自动为他们推荐付款方案或选项。

“进入医疗系统或其他领域时，我们经常碰到的问题是，我们并没有真正了解该领域的工作流程和文化，也没有考虑应用可行性，只是简单地对目标进行追踪。”

简化患者匹配流程

人工智能聊天机器人和虚拟助理可帮助拓展医疗可及性，让患者免去一些不必要的现场就诊，如巴比伦医疗（Babylon Health）的疾病预防和人工智能诊断、Sense.ly的虚拟护士平台以及Novo Nordisk的糖尿病聊天机器人Sophia。

如果患者需要医疗护理，人工智能可帮助选择合适的临床医生。

医疗机构巨头Providence St. Joseph Health（PSJH）使用一种叫做Kyruus的人工智能技术来提高患者与医疗机构的匹配程度。PSJH首席数据官阿伦·马丁（Aaron Martin）表示，

在应用该技术之前，约30%~40%的预约时段并未得到合理利用。

Kyruus使用医疗机构的数据管理程序来识别、匹配医患信息，为患者预约到最能满足需求的专家。

随着越来越多的老年人选择在家里养老，人工智能可用于创建智能家居环境，持续关注老年人的健康和安全状况。人工智能医疗公司Zanthion的首席执行官菲利普·瑞吉（Philip Regenie）如是预测。

不过，人工智能在家中的监控对象可不仅限于老年人。

专家预测，2019年人工智能将继续为医疗领域变革提供动力，帮助其从被动的、基于医院的模式向主动的、基于家庭的模式转变。

人工智能的进步，还将为患有慢性疾病或活动受限的患者提供更大的助力。

与家庭传感器、可穿戴设备及其他家庭治疗方案相结合后，人工智能或许能够在症状出现之前帮助检测到重大疾病。

总部位于智利的护理管理公司AccuHealth使用各种家庭传感器收集患者数据，并将其输入到人工智能引擎，以此构建预测警报和模型。

若警报被触发，远程虚拟医院团队可以为这些患者及其家属提供支持，避免出现不可逆的症状恶化，同时患者也不必再去昂贵的急诊室就诊。

六个月前，美国医疗保险公司Anthem与基于区块链的人工智能平台公司doc.ai达成为期一年的合作，根据年龄、体重、身高、身体活动和污染暴露等数据来测试基于区块链的人工智能是否能够预测人体发生过敏反应的时间。

AxisPoint高级副总裁及首席营销官弗吉尼亚·格利（Virginia Gurley）举例说：“假如区域内有野火，空气中颗粒物数量偏高，那么患有呼吸疾病的患者就会收到预警信息，提醒其关窗，待在室内。”

美国联合健康集团（UnitedHealth）旗下的药品利益管理和数据分析公司Optum正在开发一款名为MyDigitalTwin的原型移动应用程序，用于迷你型家庭设施传感器的架构。该模型利用大量的基因组、外生和行为数据来实现线上显示个人的健康状况。

“想象一下，如果我们每个人都有个数字虚拟的双胞胎，医生就可以利用它来模拟现况，预测我们未来的健康状况，精准地提出改善建议。”Optum的技术研究员克里·霍利（Kerrie Holley）如是解释。

但该领域目前尚处于起步阶段。“我认为，预测模型的巨大潜力仍待开发，要说服医生和保险公司相信该项目的盈利前景，还需要拿出更多可行性方案。”数据分析公司Global Data的全球总监兼医疗保健运营和战略部门（Healthcare Operations and Strategy）执行副总裁邦妮·贝恩（Bonnie Bain）表示。

保险公司有望用AI节约成本

据咨询巨头公司埃森哲（Accenture）预测，人工智能可通过简化计费、入院、索赔、质量和合规控制及客户服务等核心功能，在短短18个月内帮助美国保险供应商节省约70亿美元。

Afiniti是一种基于客户和商业私有数据的人类行为微妙模式，采用预测性分析来匹配客户和客服中心运营人员的技术公司。其首席执行官齐亚·奇什蒂（Zia Chishti）表示：很多保险公司都在应用Afiniti的技术来降低客户的死亡率和发病率，包括保险巨头美国联合健康集团（UnitedHealth）。

自2017年以来，Afiniti的医疗客户已累计节省了1.25亿美元的支出。

对于支付方而言，人工智能的潜力在于 “选取用户提出的简单问题，在无需人工参与的情况下提供答案，且具有预测需求的能力。”埃森哲支付业务董事总经理理查德·伯汉泽尔（Richard Birhanzel）表示。

AI成像和诊断能力稳步增长

2018年，人工智能在医疗行业放射和图像分析领域的应用越来越多，几乎可以断定，2019年这一趋势仍将持续。

人工智能对病理学、皮肤病学和放射学等医学图像密集领域的影响是显而易见的。Frost & Sullivan的数据显示，2018年100多个人工智能医疗成像初创企业中，绝大多数的业务都集中在图像分析上，而基于人工智能的医疗成像市场有望在2023年前达到20亿美元。

不过，医疗界对人工智能在分析领域的应用尚有疑虑。在2018年早些时候，IBM Watson的超级电脑未能准确检测出癌症。

专家表示，这项技术发展得太快了，范围也很广。但在特定的诊断领域，人工智能未来仍有着巨大的发展潜力。

例如，Mayo Clinic表示，人工智能与心电图结合，可以成功检测出某类心脏病。2018年10月，Scripps转译医学研究院和人工智能计算公司NVIDIA达成合作，致力于开发深度学习工具，预测心房颤动及分析整个基因组序列。

纪念斯隆-凯特琳癌症中心和斯坦福大学也正在研究机器学习在肿瘤学中的应用。

最近，来自纽约贝丝·以色列医疗中心（Beth Israel Deconess Medicare Centre）和哈佛医学院的研究团队使用深度学习训练人工智能来进行肿瘤诊断。将人工智能与人类病理学结合时，该项目的准确率可达到99.5%。

AI在眼疾领域可实现独立诊断

2018年8月，谷歌宣布其旗下DeepMind人工智能系统向50种眼疾患者推介了准确的眼科转诊，尽管这项技术尚未得到临床批准，但准确率高达94%，与医疗专家的水平相当。

在临床批准方面，IDx-DR已夺得桂冠。2018年4月，该软件成为首个获得美国食品药品监督管理局（Food and Drug Administration，FDA）商业授权的自主人工智能，可用于诊断糖尿病视网膜病变。

自主人工智能会带来深远的影响，尤其是在患者就诊方面。如果很难找到资质较高的医生时，应用该技术，患者可在住所附近的诊所获取准确率超高的诊断和治疗服务。

不过这也有缺陷，人工智能只能用于诊断极特定类型的疾病。病情需要具备典型性，且每次出现的症状得具有相似性。

符合标准的疾病包括青光眼和黄斑变性等。除此之外，多家公司正在探索自主人工智能在胃肠道和皮肤疾病中的适用性。

Doctor Hazel就是一个处于探索阶段的例子。该应用程序于2017年推出，后改名为BlueScan，通过整理图像数据库，诊断划分痣的类型，判断其为良性还是潜在的癌症。

阿布拉莫夫预测道，2019年医疗界将会围绕人工智能作为诊断工具的话题展开更深入的探讨，但他同时强调，自主人工智能并不意味着完全不需要人工干预。

“医生会失误，人工智能同样也会犯错。”阿布拉莫夫表示：“我们正在研究的人工智能仍需在医疗系统背景下运行。”人类和技术是在协同合作。