本文来自“雷锋网”，作者为李秀琴，原文标题《埃森哲：84%的医疗机构高管认为AI正在改变他们的工作方式》。
日前，全球知名咨询机构埃森哲发布一项研究报告，该内容来源于对100多家卫生机构C级高管的采访。
该报告指出，AI在健康医疗领域发挥的作用，正从一个后端工具转向消费者和临床医师的前端，成为支撑个人和系统交互的一种方式。随着大家对AI重要性的强调和关注，有超五分之四(84%)的医疗行业高管认为，AI将彻底改变他们从消费者获取信息的方式;还有四分之三(72%)的医疗机构表示，他们已经使用虚拟助手服务，以便创造更好的用户体验。
咨询公司 Sapient Healthcare 的董事总经理 Peter Borden 指出，实际上，目前各行各业的人都在不分年龄的谈论AI，需求场景也在急剧激增，特别是在如此重要的医疗领域。Bordon 还指出，在健康医疗领域，大家最关心的三个板块都与 AI 相关，其分别为：
人口健康状况洞察：通过核心数据集，以分析人口可能需要关注的点。
增强智能(Augmented Intelligence)
精准参与个性化的下一个阶段
Borden 说：“随着AI的发展，人类慢慢明白，AI 不仅影响诊疗结果，同时也会影响商业化程度。所以人类对 AI 应用的接受度也在逐步提升。”
说起 AI，大家最先想到的多半会是Siri。正如 Broden 所说，“每个人都知道 Watson，Google 在乐此不彼的加码 AI，亚马逊也在健康医疗领域多有布局，而一些云领域的巨头也纷纷有志于此。由于其特有的性质，它允许企业可以某种特定方式和角度处理和分析数据。除去巨头之外，每时每刻还都有新公司加入这一战局。大家都想成为未来AI领域的获利者。”
位于纽约的 Prognos ，正是这批浪潮之下的健康医疗公司中的一个。据悉，该公司刚于今年成立，目的在于开发一种基于大数据集的预测模型。该模型以用来确认患者将来罹患某种病症的概率。根据该公司官方数据显示，Prognos 建立的这些模型使用了患者的匿名记录，且其数量呈指数级增长(2017Q1数量曾达到80亿)。
Prognos 的联合创始人兼 CMO(Chief Medical Officer：首席医疗官)Jason Bhan
在接受采访时，曾转述了此前服务过的一家机构CEO对他们说过的话，“我们刚刚为这个EHR系统花费了1.5亿美元，但是，我们又为自己做了什么?”Bhan
当时不知该作何回答。
后来，Bhan挖掘了这一客户的IT系统的数据，并认识到EHR系统上的大部分数据都不是非常有用。他说，医生拥有的诊疗信息(实验室数据、放射学和测试数据)是一个金矿。基于多年的实践和基于实验室结果的决策，这些都让他将更多的关注重点放在医疗诊断上。Bhan 补充说，“Prognos 即「消除疾病」的意思。而我们怎样才能在最早期就能跟踪和预测疾病，以便改善健康状况?我想这就是AI介入的地方。”
利用AI确定罹患疾病的概率
有时候，机器学习和人工智能之间的界限会变得模糊。
针对这一问题，SapientRazorfish( Sapient集团今年成立的子公司，旨在帮助客户推动数字转换)的首席科学家 Larry Lefkowitz 出来解释了二者的差异。“机器学习是指，是否有足够的数据来代表我正在解决的问题。然后在这个过程中，我有合理的机会让机器学习学会「理解」足量的数据，以便机器在遇到类似情况时，可以做出相同种类的预测，并给出相同的结果。”
他还补充道，“当你拥有大量关于放射学或病理学的数据时，对机器学习来说都将是一种很好的应用。比如，我已经告诉机器，X光片可能是什么样的或者可能意味着什么，那么，当我再给它一张X光片时，它就能直接给我一个答案。”
同时，Bhan 还说，AI 正在尝试猜测某些事项的可能性，不论是客舱还是无人驾驶汽车，其正试图预测这些机器向左右方向转动的概率。在健康方面，AI则有可能被用来预测病人罹患某种疾病的风险，或验证某些信息的准确度。“在医疗领域，我们已经收集了很长一段时间的数据，并邀请一些医生对它们做出解释。毕竟要做出可以解读这些数据的机器，并不能只从网络上去部署相关AI引擎。”Bhan说。
这也是Prognos 选择AI医疗诊断作为创业方向的原因。其一，诊断是大众较为熟知的，其次，AI在其中发挥的预测作用，可以为病人提供更好更多的选择和机会。“我们正在看一些真实的临床资料，这些资料不会告诉病人是否患有糖尿病，但是会显示其是否在控制范围内。”
同时，Prognos 还使用了大规模的数据集，并通过AI引擎来为特定健康事件定制的AI“训练集”进行处理。另一方面，该公司还使用历史数据和事件间隔数据的巨大缓存，来构建和训练其他算法，并对其进行迭代和优化，以开发出机器的可靠预测分析功能。
帮助保险机构，为患者承担风险
当然，将预测分析应用于具体的患者数据上，还可以直接帮助「保险公司」——其不仅适用于私人医保计划，还包括医疗保险和医疗补助，对最新出现的健康相关趋势做出反应和识别。与可能需要几周或几个月才能处理的声明不同，这些诊疗测试结果几乎可以做到实时提供。
在这种情况下，Prognos 的核心业务在于保险公司的市场。据官方数据显示，估摸有10%-15%的情况从未被预测到，同时，疾病的严重性也少报了30%。他们还表示，高质量的实验室数据不仅可以快速弥补这一不足，同时还能让保险公司在疾病的早期提供个性化的干预措施。
通过 Prognos 的云解决方案，保险公司拥有的整个诊断数据都将被采用，所以如果保险公司在全国或各个地区都有患者，这些病人也将进入不同的实验室。当然有时候他们也不这样做。Bhan解释说，在这种情况下，AI的介入，即在于清理道路并为AI的后续使用做好准备。“所以，数据集都在云端。通过使用保险公司的真实数据，从而为患者承担一部分风险。”Bhan说。据悉，在使用这些保险公司各个较小的数据集之后，Prognos力图从其拼凑起来的海量数据中分析出相同的知识和算法。“我们做的所有事情，都是为了让数据适用于保险公司的患者，从而为其分担风险。”Bhan指出。
Prognos 的首席科学家 Fernando Schwartz 博士还把这些变化与计算机时代进行了比较。其表示，“我们现在做的，其实是正在建立下一场革命。我们正慢慢将AI应用于保险公司的工作流程里，以为患者提供更精准和更个性化的医疗保险服务。”
AI加速医学影像诊断进程
众所周知，目前在医疗领域，AI的应用仍然处于不成熟阶段，但预测分析师对AI平台如何纳入病人护理这一前景非常看好。据市场研究机构 Frost&Sullivan 于2016年做的一项研究显示，2021年，AI+医疗市场规模将达66亿美元，年复合增长率将达40%。
该研究还指出，“AI对临床医疗的支持，将加速医学影像诊断的进程。”同时，将AI 解决方案应用于医院的工作流程当中，还将增强护理服务。综合而言，AI将对诊疗结果改善30%-40%，同时还将在治疗成本上，降低50%以上。研究人员进一步证实，AI 在其他行业已经得到高程度的应用。在“AI系统准备改变我们对疾病诊断和治疗方式的思考”之前，这只是一个时间问题。他们还表示，“到2025年，AI系统可以参与人口健康状况管理到数字化回答患者问题的一整个过程。在全球范围内，特别是在医疗设施严重不足的患病人口区域，AI还将在信息民主化和减轻资源负担方面发挥重要作用。”
虽然这个想法是让AI系统学习和了解新型医疗的功能，但其反过来，又将助力医生做出更好的医疗决策。事实上，关于AI的技术潜力是否已经大到可以取代人类医生的地步，这一话题早在各个媒体上展开了热烈的讨论。《财富》杂志曾有一篇文章引用了athenahealth的CEO Jonathan Bush 说过的话，“如果放射科医生被AI取代，那么这将是一场屠杀。”
然而大多数医疗观察员并不会走上Bush那条路。甚而有很多人会认为，AI不会取代医生。在他们看来，人工智能和机器学习的工作主要是学习人类的认知功能和减轻医生的重复工作，而不是取代医生本身。
Bhan对此表示，“很多人都在讨论AI将在未来取代医生，但我并不信服。事实上，AI更可能是“打败医生，或者“以友好的方式帮助医生。”。
然而大多数医疗观察员并不会走上Bush那条路。甚而有很多人会认为，AI不会取代医生。在他们看来，人工智能和机器学习的工作主要是学习人类的认知功能，并消除医生的重复工作，而不是消除医生本身。
Bhan对此表示，“很多人都在讨论AI将在未来取代医生，但我并不信服。事实上，AI更可能是“打败医生，或者是“以友好的方式帮助医生。”Bhan还指出，当他在浏览病人的图表时，他不想要的是由计算机来告诉他应该做什么。“没有医生会高兴这样做。”“我们知道如何照顾病人，也希望得到帮助。AI有很大的机会来帮助临床医生做出决策。”
Bhan举了个给一位病人看病历的例子，他可以凭借多年的临床经验得出结论，并预测患者在未来几年患有糖尿病的概率很大。“但是机器可以去看病人的病历，可能就会预测该名患者将有80%的概率患有糖尿病。这真的改变了我的管理。”他说，“通过临床数据和实验室数据，你可以将这个时间范围转化为一个可行的、可预见的范围。这就是AI可以介入的地方。”
同时，Sapient Healthcare的高层也注意到，他们在和保险机构的CIO以及医生本人沟通时发现，这些人也对「AI将取代医生」表示担心，不过一些分析师正试图平息人类的恐惧。Larry Lefkowitz 博士对此表示，“真实的情况应该是，AI会增加工作机会，以让人类做更多创造性的、有趣的事情。”他还表示，“AI的优劣势其实可以通过技术互补。比如，AI可以帮助医生和研究人员掌握更全面的信息，从而做出更正确的决策。”
Borden对此表示，目前，人类更倾向于把AI理解为增强认知(Augmented Intelligence)。其意味在于AI不是取代人，而在于使事情变得更有效率。“但是，这种恐惧到底是怎么影响人类的生活的，还需要进一步弄清楚。它就像一个组织机构里的商业案例一样，如果内部人士不知道其会带给他们哪些影响，其将不会被采纳。”
Lefkowitz 给大家举了一个AI如何完善放射学家工作的例子。因为放射学属于医疗保健领域，AI和机器学习通常会在危急情况下被使用。Lefkowitz表示，根据多项研究表明，人类医生在诊断时会存在一定的错误率，而自动化系统也会有一定的错误率。但当二者结合一起使用时，他们的错误率就会低得多。他还特别解释说：“放射科医生几乎从来没有得出过假阳性的结果。所以，如果他们诊断说这是一种癌症或者它可能是某种疾病时，那么，医生们几乎总是正确的。但是，这也很可能会错过很多病例。而另一方面，机器学习虽然也几乎从未得出假阳性的结果，但在诊断上往往更加保守。所以，如果将二者结合，就可以让机器学习先筛查一次病症，从而可以为人类分析师提供少得多的病例。这样一来，医生将在医疗诊断上出现更小的偏差。”
一些挑战
虽然临床医生的不配合，可能会是AI在医疗领域得到更广泛应用的真正阻碍，但关于其他具体的挑战确实存在。在这篇文章中，我们采访的多位专家都表示，获取“高质又干净”的数据仍然是一个问题。事实上，Bhan认为这是“我们在这个领域遭遇的最大的问题”。专家还指出，现阶段，医疗保健数据集还不够强大，而机器要学习的正确答案在当前状态下常常含糊不清，甚至是未知的。因为，这些数据大部分是来源于人体，相当复杂，而生活方式和环境功能正在发挥效用，但依然难以衡量。
此外，使用AI技术的人类，在舒适程度上也有可能遭受挑战。Borden说，在和CIO沟通的过程中，其实并不一定是对AI的拒绝，而是他们想了解AI将对他们的工作带来哪些帮助。针对这种情况，业内还需进一步制定明确战略，利用AI招纳人才，减轻机构压力。“当然，为方便分析而对数据进行整体解读，是每个CIO自设线路图的核心。”Borden说，“但目前业务疲软。虽然他们知道这其中暗含巨大的潜力，但他们也直观的感受到这个变化将意味着怎样的风险。这是一个管理计划的变革，所以将该计划纳入组织是关键。”
Bhan还指出，很多人都认为医疗保健在采用技术方面会比其他行业落后10年，所以，若采用更高水平的AI技术，将需要更长的时间。“我永远不会和一个医生说‘这里有很好的AI工具，可以告诉你患病的概率。’因为这些医生根本还没准备好。整个系统必须放松自己的方式，并通过发现创新者来做到这一点。”Bhan说。
Bhan最后说，这些创新者，可能存在于保险公司、制药公司或者行业提供者之中，关键即在于找到这些创新者并让他们有所投入。“你只需要慢慢的推进，因为一般来说，医生都非常保守。所以，在做这件事情的时候，需要将病人优先放在首位。”（编辑：陈嘉林）
