人工智能想要在医疗健康领域发展，哪些商业模式可以借鉴？

当前，运用人工智能（artificial intelligence, AI）从医疗健康数据，特别是基因组学和医学影像数据中获取新见解是一个风头正劲的创新领域。科技的进步和创新的出现虽然令人非常兴奋，但是这一领域的初创公司仍然需要面对“如何通过AI赚钱”这个基本的商业问题。

医疗健康公司怎样使用AI降低医疗健康成本？最终它们如何获得政府监管机构、保险公司、医生和患者的认可？日前，美国圣地亚哥科技与生命科学届的精英们聚集在一起，对AI在医疗科技领域的机遇和挑战进行了讨论。

（图片来源：Huffington Post）

与会者的共识是在医疗健康领域使用机器学习（machine learning）和相关技术还处于初级阶段，现在还很难预测这些创新的未来走向。不过不容置疑的是，一场医疗健康领域的革命性变革即将来临，从包括小型初创公司到如IBM和GE这样的巨头在内的多家科技公司都角逐在这一新兴领域中的一席之地。

圣地亚哥是全美生物技术中心之一，自然对AI在医疗健康领域的应用也有着浓厚的兴趣。该地区拥有成熟的生命科学产业，并且是Illumina 和塞默飞世尔科技 （Thermo Fisher Scientific）公司两大测序巨头的大本营。圣地亚哥的HNC软件公司在神经网络 （neural networking)）技术方面也拥有专长。它为金融行业开发的分析软件被FICO公司用于预测信用卡作弊等功用。

“对想要在生命科学领域应用机器学习技术创新的初创公司来说，有没有一个成熟的商业模式可以采用？”这个问题是与会专家们讨论的第一个问题。

对于加州电信与信息技术研究所（California Institute for Telecommunications and Information Technology）主任Larry Smarr教授来说，第一个进入他脑海的商业模式是Illumina公司的商业模式。Illumina公司是DNA测序技术的先驱。如今，该公司在分析基因组数据方面也占据了领先的位置。

（图片来源：Illumina官网）

“它们运用云计算来分析人类基因组数据的商业模式已经颇具规模，”Smarr 博士说：“在如今数据量指数性上升的情况下，如果你不使用特定算法，根本无法从中获取任何对医疗健康有用的信息，在基因组学和微生物组学方面尤其如此。”

Illumina可以从基因组研究中心、临床研究组织、科研单位、生物技术和制药公司中发现需要测序和数据分析服务的客户。但是这种商业模式能够被复制么？如果有一个初创公司的商业模式是基于分析微生物组学的数据，那么这个公司应该是个什么样子呢？

（肠道微生物，图片来源：Oregon State University）

对于加州大学圣地亚哥分校（UCSD）的Rob Knight博士来说，单纯帮助人们了解微生物组学数据很难成为一种成功的商业模式。Rob Knight博士是UCSD微生物组创新中心主任和美国肠道项目（American Gut Project）的联合创始人之一。这一项目已经收集了1万6千个粪便样本，力图通过分析微生物组信息来帮助科学家们更好地了解微生物在人类健康方面的作用。

他说：“我认为我们需要的是将微生物组数据分析推进到实时状态，并且开发出一种基于微生物组信息的用户界面，它能够让用户在弹指之间就能够知道你刚才吃的那片面包对你的健康有好处还是有坏处。”

总部在以色列特拉维夫（Tel Aviv）的Nutrino公司正在采用与Knight博士描述的商业模式类似的策略。该公司致力于开发一种移动App和数据平台，它能够帮助用户了解他们吃下的食物对个人新陈代谢的影响。

“我们还能够实时给你关于食物对血糖水平影响的指导，”圣地亚哥的DexCom公司数据部的高级副总裁Annika Jimenez女士说。DexCom公司专精于使用持续血糖监测技术来帮助控制糖尿病。

（医疗健康领域运营AI技术的初创公司，图片来源：CB Insights）

AI在医疗健康领域能够提供的最关键优势是它可以从艾字节（exabytes）和泽字节（zettabytes）数量级的数据中提取有用信息。这种规模的数据量远远超过人类的理解范围。

圣地亚哥Analytics Ventures的执行合伙人Navid Aliour先生说它的公司投资的CureMatch公司采用的是直接面对消费者的方式。癌症患者可以付费让CureMatch推荐针对每个患者肿瘤的最佳三种组合疗法。这些基于患者病例中的信息推衍出的疗法建议可以帮助肿瘤专家们选择最好的治疗方案。CureMatch使用超级计算机来从上百万种可能的药物组合中，基于药物之间的相互作用，以及患者的基因组数据等信息来排列针对特定患者的最佳药物组合。

Analytics Ventures 投资的另一家名为CureMetrix的公司采用的则是一种“软件即服务”(software as a service) 的商业模式。该公司开发的软件利用机器学习来分析乳腺癌患者的乳房X光检查图像。“我们有一个墨西哥的机构投资者帮助我们与政府高层打交道。乳腺癌在墨西哥是个非常重大的问题，而且那里没有足够具有乳房X光检查专长的放射科医生。因为墨西哥采用的是国家医疗保健系统，我们可以向全国征收软件的使用许可证费用。”Alipour先生说。

（图片来源：HubBucket）

CureMetrix只是多家大大小小的使用机器学习来发现诊断图像中异常状况的公司之一。基于图像的模式识别似乎是机器学习技术的一项“终极应用”。那么什么时候AI系统能够取代放射科医生呢？

Smarr博士认为人工智能不太可能完全取代放射科医生，更有可能的是这一技术能够增强人类的能力，让最差的放射科医生在技术的帮助下比最好的放射科医生独立工作能够做出更精确的判断。“你所做的是通过大量放射科医生们自己无法体验到的数据来提高人类审查诊断图像的技术水平，”Smarr博士说：“我认为短期来讲，这可能是更有成效的方式。”

对于像DexCom这样专注于糖尿病流行的公司来说，Jimenez女士认为终极目标是改变患者的行为。这意味着将血糖监控、胰岛素测量、患者活动和饮食等数据综合起来，运用机器学习发现有用信息，然后软件可以将警报和建议反馈给患者和他们的医生。

（图片来源：National Elf Service）

“目前我们的行业很成熟的技术是汇报数值，”Jimenez女士解释道：“我们只是告诉患者他们的血糖指数是多少。这对1型糖尿病患者来说非常重要。但是2型糖尿病患者需要与App更紧密的联系，迫使他们与新见解互动。这需要通过App的设计和开发来实现。”

最终的目标是开发一种用户界面来使用从机器学习中获得的见解督促糖尿病患者改变他们的行为。这一观点也得到了Jean Balgrosky博士的认同。她有20年在像圣地亚哥Scripps Health这样大型、复杂医疗健康组织中担任首席信息官(chief information officer)的工作经验。她说：“最终，所有这些机器学习所提供的信息还是需要被人类吸收和消化，这才能在医疗健康领域帮助照顾好人类。”

参考资料

[1] What’s the Business Model for Artificial Intelligence in Healthcare?

来源：创鉴汇（微信号 Inno_Insight）