上個月，谷歌母公司Alphabet旗下的Verily啟動了Project Baseline研究，與斯坦福大學醫學院和杜克大學醫學院合作，收集了大量表型健康數據，以期制定出一套明確的人類健康參考標準。
Project Baseline旨在收集來自約10，000名參與者的健康數據，每個參與者將被追蹤四年。這些數據將被用來制定人類健康的“基線”圖，深入了解健康向疾病的轉變過程。獲得的數據將以多種形式呈現，包括臨床數據、影像數據、自我報告及行為數據，以及從傳感器和生物樣本上獲得的數據。該研究的數據存儲庫會建立在谷歌計算基礎架構上，并安置在谷歌云平臺上。
Project Baseline旨在收集來自約10，000名參與者的健康數據，每個參與者將被追蹤四年。這些數據將被用來制定人類健康的“基線”圖，深入了解健康向疾病的轉變過程。獲得的數據將以多種形式呈現，包括臨床數據、影像數據、自我報告及行為數據，以及從傳感器和生物樣本上獲得的數據。該研究的數據存儲庫會建立在谷歌計算基礎架構上，并安置在谷歌云平臺上。
“政府如果能夠進行數據質量管理和數據共享，就會帶來很大改變，”Roam Analytics（一家位于舊金山的機器學習分析平臺提供商，專注于生命科學）的首席科學家Andrew Maas說。“私人企業想這樣做，并愿意收集大量數據，那很好。如果給我們這些數據，我們能夠在一年里做出驚人的結果。但是，如果因為人們的擔憂而導致數據無法收集，我們什么都做不了。”
患者數據的可及性和計算能力是理想與現實之間存在差距的重要原因。IBM沃森通過眾多合作伙伴關系積累了大量數據，輸入其所謂能夠更深入理解患者健康狀況的認知計算模型。由于實際結果尚未完全呈現，輿論對IBM沃森的看法趨向兩極。有人覺得這算得上是機器學習的鼻祖。
斯坦福大學語言學和計算機科學系的主任Chris Potts和Roam Analytics的首席科學家稱，沃森“可以說是醫療保健領域最有希望的企業”。其他人對此卻不怎么有信心——Social Capital的CEO Chamath Palihapitiya稱沃森為“一個笑話”。
這種不確定性似乎并沒有阻礙沃森發展新的合作伙伴。就在本月，沃森加入了MAP Health Management，把他們的機器學習技術用于治療藥物濫用。IBM研究部門正與Sutter Health合作，以未充分利用的EHR數據為基礎，開發預測心力衰竭的方法。
IBM沃森從2011年開始這個項目，當時這臺機器贏了Jeopardy游戲，使公司對這項技術用于實踐充滿信心。
“我們必須教導它醫療領域的相關技術，這些技術相當復雜，它們根據專業的不同而變化，而且在世界的每個地方都不一樣。我們必須讓系統習得醫學用語。”沃森健康副總裁兼首席策略官Shiva Kumar說， “第一步是自然語言處理的能力，比如在參與對話時能給出最好的回答。接著就是培養與病人對話的能力，讓它進一步吸收知識，不斷向前發展。”
患者數據的可及性和計算能力是理想與現實之間存在差距的重要原因。IBM沃森通過眾多合作伙伴關系積累了大量數據，輸入其所謂能夠更深入理解患者健康狀況的認知計算模型。由于實際結果尚未完全呈現，輿論對IBM沃森的看法趨向兩極。有人覺得這算得上是機器學習的鼻祖。
斯坦福大學語言學和計算機科學系的主任Chris Potts和Roam Analytics的首席科學家稱，沃森“可以說是醫療保健領域最有希望的企業”。其他人對此卻不怎么有信心——Social Capital的CEO Chamath Palihapitiya稱沃森為“一個笑話”。
這種不確定性似乎并沒有阻礙沃森發展新的合作伙伴。就在本月，沃森加入了MAP Health Management，把他們的機器學習技術用于治療藥物濫用。IBM研究部門正與Sutter Health合作，以未充分利用的EHR數據為基礎，開發預測心力衰竭的方法。
IBM沃森從2011年開始這個項目，當時這臺機器贏了Jeopardy游戲，使公司對這項技術用于實踐充滿信心。
“我們必須教導它醫療領域的相關技術，這些技術相當復雜，它們根據專業的不同而變化，而且在世界的每個地方都不一樣。我們必須讓系統習得醫學用語。”沃森健康副總裁兼首席策略官Shiva Kumar說， “第一步是自然語言處理的能力，比如在參與對話時能給出最好的回答。接著就是培養與病人對話的能力，讓它進一步吸收知識，不斷向前發展。”
Kalsar還解釋說，為了做到這一點，IBM沃森必須解決非結構化數據的問題，“我們打算使用詞匯認知計算，因為它不僅僅局限于機器學習和深度學習，還能夠整合學習，洞察更深刻的東西。”
“醫療產業是獨一無二的：它受到高度監管，還有大量不能使用的數據。當然同時也有很多未開發的資源，”他說，“所以，這是一片很多技術都可以一展拳腳的領域。但到最后，治療的成功與否仍舊掌握在醫生手里。”
如何前進
許多專家預測，AI能夠在醫療領域掀起波瀾。
Allscripts Analytics的首席醫療官Fatima Paruk博士認為，AI將首先應用于慢病管理；隨著以患者為中心的健康數據的可用性越來越高，以及環境和社會經濟因素的發展，AI也會跟著進一步發展；最后，基因信息會融入，使精準醫學變成現實。
AI能夠對那些在技術上早已非常落后的制藥公司產生巨大影響。這些制藥公司如今也開始尋求改變了。Lux Capital的合伙人，輝瑞公司的前董事長兼首席執行官Jeff Kindler將制藥公司稱為“創新者困境的典型代表”，因為他們從未遭受過嚴重的財務危機，因此也沒有動力轉變商業模式。但是，AI發展的速度和潛力巨大，制藥公司也無法拒絕其吸引力，這些醫藥領域的利益相關者需要更多的溝通，來了解到底怎樣運用AI。
效率是藥物開發的關鍵，特別是對于那些正卡在FDA的創新企業來說，他們可能會讓AI的能力變得更強大。輝瑞負責數字戰略與數據創新的副總裁Judy Sewards表示：“我在一個需要花12年才能推出一種新產品的行業工作，12 年相當于三個總統任期，或者說三屆世界杯的時間。在那段時間里，1600名科學家需要著手研究，進行3600次涉及數千名患者的臨川試驗。我們考慮的是AI能不能加快這一進程，使其更智能化，將突破性藥物與相應的患者需求連接起來？”
Sewards表示，“使這樣的設想成為現實”正是他們與IBM 沃森進行免疫學研究的目的，“有些人擔心機器或AI會替代科學家和醫生，但實際上它們更像是研究助理或者幫手。”
德勤醫療負責人Rajeev Ronanki說，只有三股強大力量的結合，才能推動機器學習向前發展，這三股力量是：數據的指數級增長，更快速的分布式系統，和更智能的能夠處理和理解數據的算法。當這三股力量結合在一起時，Ronanki預測，CIO可以收獲一些認知方面的洞見，以強化人類決策的能力，提高基于AI的參與工具性能，以及設備和流程中的AI自動化水平，提升領域相關的專業能力。他引用一段IDC報告的內容，稱：“我們認為這種增長將會持續，預計在機器智能方面的投入將增加到313億美元。”
“今天我們所處的位置基本是零，”Roam Analytics的首席執行官兼共同創始人Alex Turkeltaub表示，“我們多多少少想出了一些商業途徑，最多只能使用碩士生水平的統計數據。因為要把數據放在一起并同時要處理監管問題是非常困難的。大多數最前沿的深入學習算法是在60年代開發，而它們的想法又來自于16世紀。我們必須找出更好的方法。”
就像輝瑞公司的Judy Sewards所指出的：“在這個行業，你必需有百分之百的確定性，因為一旦犯錯，有些患者可能就要為此付出生命。”
