這是一個令人興奮的時代。諸如基因組學和醫(yī)學成像等的醫(yī)學領域帶來的信息巨浪如今撲面而來，我們將可以利用人工智能來分析這些數據，并提供醫(yī)療見解。

然而，隨著醫(yī)療AI領域創(chuàng)新產品的激增，一些老生常談的商業(yè)問題也初現端倪。比如，初創(chuàng)公司如何在這個領域實現盈利？以及醫(yī)療保健企業(yè)如何利用AI來扭轉持續(xù)增加的醫(yī)療成本？最重要的是，醫(yī)療AI產品如何取得政府監(jiān)管部門、保險公司、醫(yī)生以及患者的信任？

對于醫(yī)療人工智能深度的報道，包括GE和IBM等大型公司在醫(yī)療AI上的相關工作，基因組學的編程馬拉松（hackathon），以及醫(yī)療AI對患者和醫(yī)生們的影響。

1、技術浪潮背后的問題

不久前，Xconomy曾組織了一次餐會討論，與會者均為圣地亞哥最為優(yōu)秀的科技和生命科學大咖，該次討論主要針對將AI與醫(yī)療結合起來帶來的機遇和風險，而上述問題也在這次討論中浮出水面。

“作為醫(yī)療行業(yè)投資人，我最鐘情的是科技方面的吸引力，”風投公司Domain Associates的合伙人Kim Kamdar在其圣地亞哥的辦公室中表示，“這為我們公司吸引潛在共同投資人開辟了嶄新的道路。”

對于醫(yī)療AI，目前的普遍共識是將機器學習技術和相關技術應用在醫(yī)療領域確實為時尚早，并且也很難預見這些創(chuàng)新成果將怎樣發(fā)揮作用。這也正如Xconomy的資深編輯Jeff Engel在《AI將對醫(yī)生和醫(yī)療機構產生的諸多影響》一文中提出的諸多質疑。

然而，毋庸置疑的是，醫(yī)療領域的轉型浪潮正洶涌襲來，不論是小型初創(chuàng)公司，還是如IBM、GE這樣的行業(yè)巨頭，都爭先恐后地想要在這個新興領域占有一席之地。

如果有這么一個行業(yè)急需注入變革的新鮮血液，那首當其沖的就是醫(yī)療保劍僅美國而言，每年在醫(yī)療上的支出就超過3.2萬億美元，占了國民生產總值約18%的份額。

對于投資者而言，醫(yī)療行業(yè)盡管利潤豐厚，但是也令人望而生畏。在這個行業(yè)中，患者、醫(yī)療服務提供者和保險公司都有著各自的利益出發(fā)點，并且監(jiān)管問題錯綜復雜，以致一項投資可能需要10年或者更久才能看見回報。

說到這股人工智能浪潮中的潛力股，可能沒有比Grail更好的例子了。這家初創(chuàng)公司是世界最大的基因測序公司Illumina的子公司，估值已逾10億美元，該公司致力于提高診斷技術的靈敏度，以期使用常規(guī)血液樣本來監(jiān)測癌癥DNA片段。

然而，在浪潮中翻船的事例也是屢見不鮮，個中典型如Theranos，這家靠風投資助的診斷科技公司在2015年還估值90億美元，然而去年就暴跌到其十分之一以下。

醫(yī)療AI在圣地亞哥的熱度相當高，這個城市有高度完善的生命科學集群，還坐擁兩家基因測序巨頭：Illumina和賽默飛世爾科技公司的生命科學解決方案團隊。

同時，圣地亞哥還擁有不少神經網絡技術方面的專家，伴隨著HNC軟件公司崛起，這是一家致力于為金融業(yè)提供分析工具的軟件開發(fā)商，而今他們的軟件已經被FICO公司用來預測信用卡詐騙等（HNC軟件公司已于2002年被FICO以8.1億美元A股交易額收購）。

2、大咖們作何看法？

Xconomy所組織的晚餐會談邀請了包括Kamdar在內的當地投資人、數據科學家、醫(yī)療公司CEO、學術研究人員以及數字醫(yī)療公司高管等。餐會的開場問題就是對于致力于在醫(yī)療領域應用機器學習的初創(chuàng)公司們而言，是否已有一種行之有效的商業(yè)模式？

Calit2是一家總部位于加州大學圣地亞哥分校的電信及信息技術研究機構，對其理事Larry Smarr而言，浮現在他腦海的商業(yè)模型就是Illumina公司本身。Illumina是基因測序技術的先驅，并且越來越多地涉足基因組數據分析，也就是分析潛藏在基因代碼中的生物學功能和基因變異。

“他們公司在分析人類基因組上采用的云端解決方案的容量相當可觀，” Larry Smarr說，“而這些數據也著實需要這種程度的分析手段。盡管過去我們沒有采用這種分析，但是現在數據容量已經呈指數級增長。因此，我們如果脫離這些算法，根本就不要奢望從這些數據中得到任何醫(yī)療見解，這點在基因組學和微生物組學上體現得尤為顯著?！?/p>

Illumina憑借著卓越的基因測序技術和數據服務，已經在很多基因組研究中心、臨床研究機構，以及生物技術和制藥公司找到了客戶群體。但是這樣的商業(yè)模式可以簡單復制嗎？打個比方，如果另一家公司做起了微生物組學數據分析的生意，境況能如同Illumina一般嗎？

而后Smarr又將話題指向餐桌對面的Rob Knight，后者享有加州大學圣地亞哥分校兒科和計算機科學的聯合任命。Knight現任加州大學圣地亞哥分校微生物組學創(chuàng)新中心的主任，他同時還是美國腸道計劃的共同發(fā)起人，這項全民科學計劃已經收集到了超過16000份糞便樣本，以期幫助科學家們進一步了解微生物在人體健康上起到的作用。

“首先需要記住，我做的這項事業(yè)是非營利性的，” Knight表示，“我認為這種模式絕對會走得很艱難。因為通?？磥?，那些將業(yè)務建立在出售基因測序的公司基本都沒有取得什么好成果。舉個例子，Celera公司就將商業(yè)模式轉移到了診斷領域。”

“我認為我們應該用某種方式將模式轉移到實時反饋上，并且開發(fā)一個讓用戶了解微生物組學的交互界面，” Knight舉例說，“比如，讓用戶即刻知悉剛剛吃下的那塊面包對自己身體起到正面還是負面影響?！?/p>

當然這個商業(yè)策略已經有公司開始踐行，位于以色列特拉維夫的科技公司Nutrino已經開發(fā)出了應用程序和數據平臺，幫助用戶掌握他們攝入的食物對自身生理有著怎樣的影響。

“他們可以針對用戶‘膳食足跡’產生的影響以及血糖表現，為其提供實時的指導，”位于圣地亞哥的DexCom公司高級副總裁Annika Jimenez說到，他們的公司專注于血糖連續(xù)監(jiān)測技術和糖尿病管理。

“這種模式類似于保險付費，但是隨著時間推移，他們會將商業(yè)模式轉變到以企業(yè)和其他潛在客戶為目標?！?Jimenez表示。

AI于醫(yī)療行業(yè)的關鍵優(yōu)勢就在于它極為強大的數據信息抓取能力，可以從數據的艾字節(jié)到澤字節(jié)中獲取有用的醫(yī)療見解，這種數據規(guī)模遠遠超出了人類本身的理解能力。

“對我而言，找到確切可行的商業(yè)模式似乎是一個長遠的終極目標，”高通生命的總裁Rick Valencia坦言，他似乎對這個領域現今的創(chuàng)收模式持懷疑態(tài)度，“在短期看來，我認為你們這個問題的答案是‘沒有’，至少在我目之所及的范圍內，并沒有發(fā)現什么行之有效的商業(yè)模式，我覺得現在還為時尚早?！?/p>

圣地亞哥的Analytics風險投資公司聯合創(chuàng)始人及管理合伙人Navid Alipour表示，他們的公司所投資的CureMatch公司正在實施直面患者的模式，在該模式下，患者直接向CureMatch公司付費，而他們則針對患者的不同癌癥病情，向其提供有針對性的前三種化療藥物組合建議。

這些建議是基于患者自身的醫(yī)療記錄，旨在幫助癌癥醫(yī)生選擇治療方案。CureMatch方面表示，他們的超級計算機處理了數以百萬計的包含三種化療藥物的組合，并分別評估了每種組合的藥物間相互作用，再整合入基因數據，才得出為特定患者提供的藥物組合建議。

Analytics風險投資公司所投資的另一公司CureMetrix，正致力于使用AI來分析針對乳腺癌的乳腺放射影像，當然他們的技術還得經過FDA審批才能在美國上市使用。

Alipour說：“將軟件作為服務將成為一種商業(yè)模式。我們在墨西哥的一位機構投資人正把我們引薦給他們的政府高層。在墨西哥，乳腺癌是一種普遍的惱人問題，并且該國也并沒有很多乳腺放射造影技術方面的專家。我們也正向他們全國范圍進行授權，因為他們具有全國化的醫(yī)療體系。所以，有時候我們也得跳出美國范圍以及我們的保險體系來思考這些問題?！?/p>

將機器學習應用到診斷圖像，以識別異常狀況，這樣的公司大大小小有不少家，而CureMetrix也只是其中之一，這種基于圖像分析的模式似乎也是AI技術的終極應用了，Jimenez表示：“但是你還得去Strata數據大會看看，這個大會可以說是大數據和數據科學領域的大事件了，而大會主講人們總是強調這種使用案例實際上是多么復雜?？上攵?，我們或許還不止要等個10年?！?/p>

3、取代不是目的，利用才是！

那么，AI何時才能取代放射科醫(yī)生？

Smarr表示，他對AI將取代放射科醫(yī)生這一點持懷疑態(tài)度。相反，他認為這項技術將成為人類醫(yī)生的助力，使哪怕最蹩腳的放射科醫(yī)生也能診斷得比最優(yōu)秀的人類同行更為精準。

“所以致力于AI技術在醫(yī)療上的應用，實際上是利用前所未見的海量數據來武裝人類，拔高人類的智能水平，” Smarr補充道，“這真的可以在短期內提高生產力，不過這個短期也是說的數十年內?！?/p>

如DexCom這樣的公司專注于普遍的糖尿病，而是holy grail則致力于重塑患者的行為習慣，Jimenez表示：“這也就意味著，通過血糖監(jiān)測、胰島素測量、患者行為和飲食情況等，可以將數據流整合起來，再輔以機器學習技術生成醫(yī)療見解，這樣軟件就可以及時向患者及其醫(yī)生發(fā)出警示并提出建議。”

“但是我們的技術成熟度也還僅處在提供些數字的階段而已，” Jimenez補充 說，“因此，我們只是告訴了患者他們的血糖值是多少，當然，這對1型糖尿病至關重要。但是對于2型糖尿病患者，他們需要與app互動，并且要強制性地回應醫(yī)療見解。而這才是app開發(fā)的真正需求所在?！?/p>

或許，這項技術的終極目標是開發(fā)一個能切實滿足需求的用戶界面，用機器學習技術獲取的醫(yī)療見解來根本改變糖尿病患者的行為習慣。

這個觀點得到了Jean Balgrosky的贊同，他已經在多家大型醫(yī)療組織任職CIO長達20年，比如圣地亞哥的Scripps Health。她表示：“到最后，一切的機器學習技術都應該被人類所吸收利用，在醫(yī)療領域發(fā)揮幫助人類的作用?！?/p>