發(fā)布日期：2016-09-05
2016年8月11日，IBM Watson for Oncology落地中國，這是一個癌癥診斷機器人。IBM Watson可以在17秒內(nèi)，閱讀3469本醫(yī)學專著，248000篇論文，69種治療方案，61540 次實驗數(shù)據(jù)，106000份臨床報告，并根據(jù)醫(yī)生輸入的病人指標信息，最終提出優(yōu)選的個性化治療方案。
隨著技術(shù)領(lǐng)域的發(fā)展與合并，新的生物醫(yī)學前沿正在不斷交融。一類新興的學科正在興起，它橫跨人工智能、大數(shù)據(jù)與醫(yī)療領(lǐng)域，收集、歸納所有的健康數(shù)據(jù)，并經(jīng)過計算與整合，給出醫(yī)生以更準確的診斷結(jié)果和更完備的治療方案。
這個學科叫做醫(yī)療大數(shù)據(jù)。
在展開盤點之前，我們先討論兩個“為什么”。
在醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)中，近年來的熱點無疑是影像數(shù)據(jù)分析公司。為什么？
第一，影像數(shù)據(jù)獲取更容易。相比于病歷數(shù)據(jù)動輒三五年的時間跨度，影像學數(shù)據(jù)則只是 “一秒鐘”。對于數(shù)據(jù)公司而言，獲得上百萬張片子難度不算很大，但是有幾十萬份完整的結(jié)構(gòu)化的病人病歷就不容易了。
第二，影像數(shù)據(jù)處理難度更小。一份病歷要包含的信息至少有病史、病人信息、癥狀、治療手段、愈后恢復(fù)等方面，而影像學的數(shù)據(jù)就是一張片子。
第三，影像數(shù)據(jù)重要。影像檢測信息是最直觀反映病人病情信息的數(shù)據(jù)，也是醫(yī)生確定治療方案的最直接依據(jù)。
醫(yī)療影像包含海量數(shù)據(jù)，即使有經(jīng)驗的醫(yī)生有時也顯得無所適從。
在中國，醫(yī)療圖像智能診斷的需求來得尤為迫切。為什么？
第一，影像科醫(yī)療資源在中國非常短缺。
相比發(fā)達國家，中國影像科醫(yī)療資源短缺嚴重。一方面，醫(yī)學影像的閱讀需要長時間專業(yè)經(jīng)驗的積累，也就是說影像科醫(yī)生的培養(yǎng)周期相對較長；另一方面，影像科在醫(yī)院內(nèi)部地位、收入不高，愿意從事影像學的醫(yī)生越來越少。
而智能影像檢測軟件能從效率與精度兩個方面改善這樣的局面。智能軟件可以快速處理片子，甚至比醫(yī)生更快，還可以減少人為操作的誤判率。美國哈佛醫(yī)學院參與的智能診斷臨床試驗顯示，人工智能輔助醫(yī)生進行乳腺癌診斷可以將誤診率從 4% 降低到 0.5%。
第二，第三方檢測機構(gòu)在近年的興起。
第三方檢測機構(gòu)在這里是指獨立于醫(yī)院體系的醫(yī)學影像中心，比如如上海全景這樣的企業(yè)。相比于醫(yī)院內(nèi)的檢測，第三方檢測機構(gòu)的效率更高，可以充分利用社區(qū)資源，不牽扯醫(yī)生利益，是大勢所趨。今年全國各省市陸續(xù)放開了獨立醫(yī)學影像中心的政策限制，其中江西省行動最快，上半年已經(jīng)批準了三家獨立醫(yī)學影像中心。
第三方檢測機構(gòu)想要開展影像檢測業(yè)務(wù)，必須取得資質(zhì)認證，資質(zhì)認證包括一定級別的器材與人員。而專業(yè)人員培訓周期長，智能圖像診斷的需求就一下子上來了。
盤點了 5 家世界范圍內(nèi)最值得關(guān)注的醫(yī)療影像數(shù)據(jù)公司，主要評價標準如下：
數(shù)據(jù)占有量
針對細分領(lǐng)域前景
創(chuàng)始人背景
臨床機構(gòu)合作情況
以及目前公司業(yè)務(wù)進展。
其中，我們把 “數(shù)據(jù)占有量” 放在權(quán)重更大的位置上，原因在于：我們認為，系統(tǒng)、廣泛的數(shù)據(jù)庫帶給數(shù)據(jù)公司的意義是難以估量的。智能診斷系統(tǒng)把數(shù)據(jù)庫作為訓練的樣本，訓練庫越大，得到的診斷建議也就越準確。醫(yī)學診斷和人種、生活習慣以及基因有很大的相關(guān)性，更需要覆蓋廣泛的數(shù)據(jù)庫才能實現(xiàn)精準診斷。
1. IBM Watson
2016 年 8 月初，利用 IBM Watson 的人工智能系統(tǒng)，日本東京大學的科學家們僅用不到十分鐘的時間就診斷出一位六十歲女性患有罕見的白血病。就在幾個月前，該女性曾被醫(yī)院誤診。
Watson 通過對比 2000 萬份癌癥研究論文，做出了準確的醫(yī)學診斷，并同時建議了可行的治療方案。2016 年 8 月 12 日，IBM 宣布 Watson 將登陸中國，與 21 所醫(yī)院展開合作，為癌癥患者提供更精準的個性化服務(wù)。
IBM 在人工智能領(lǐng)域深耕多年。早在 2006 年，IBM 就開始了 IBM Watson 的內(nèi)部試驗。《IBM官方認知醫(yī)療白皮書》這樣描述：“ Watson 可處理大量醫(yī)學文獻、臨床資料和病患醫(yī)療記錄，并對單個病患提出適當?shù)闹委煼桨福€可對臨床醫(yī)生的系列問題提供基于證據(jù)的答案。通過節(jié)省醫(yī)師的研究時間。”
【企業(yè)亮點】
第一，IBM 旗下，技術(shù)、資源優(yōu)勢明顯。IBM 公司的專利數(shù)量驚人，截止今年上半年，獲批專利數(shù)達到了 3617 項，是同時期 Google 的兩倍、蘋果的三倍。同時，IBM 還給 Watson 準備了 40 億美元用于收購，可謂是“別人家的孩子。”
第二，并購企業(yè)得來豐厚資源。2015 年 10 月，IBM 宣布以 10 億美元收購醫(yī)療影像分析公司 Merge Healthcare。2016 年 2 月，IBM 又斥資 26 億美元收購醫(yī)療數(shù)據(jù)公司 Truven Health Analytics。其中，Merge Healthcare 為 IBM 帶來了 7500 家包括臨床研究機構(gòu)、大型藥廠在內(nèi)的客戶源，以及豐富的醫(yī)療圖像處理經(jīng)驗。而 Truven Health Analytics 所帶來的收益包括 5000 名數(shù)據(jù)科學家、流行病學家、政策專家和醫(yī)療健康咨詢師在內(nèi)的高價值員工，以及諸如美國聯(lián)邦政府在內(nèi)的重要客戶。
第三，數(shù)據(jù)量領(lǐng)先。在一系列收購之后，IBM Watson 稱其數(shù)據(jù)庫已成為全球最大的非政府醫(yī)療健康數(shù)據(jù)庫——包括 1 億份患者病歷，3000 萬份影像數(shù)據(jù)以及 2 億份保險記錄，數(shù)據(jù)總量超過 60 萬 TB，覆蓋人數(shù)約 3 億。
值得一提的是，Watson 不僅僅是數(shù)據(jù)庫，人工智能的發(fā)展將讓它成為一流的癌癥專家。自 2012 年起，IBM Watson 已與美國斯隆凱特琳癌癥中心開展了四年的合作，共同開發(fā)癌癥智能診斷項目 Watson Oncology。斯隆凱特琳的癌癥專家們訓練 Watson 閱讀大量的醫(yī)學報告和論文，幫助 Watson 快速建立起腫瘤學的基礎(chǔ)知識儲備。Watson 可以整合病人的各項信息，如病史、基因測序結(jié)果等到數(shù)據(jù)庫里，與以往病例進行匹配，最終給出診斷結(jié)果和個人化的治療方案。
【面臨挑戰(zhàn)】
在 IBM Watson 研發(fā)的早期，其醫(yī)學數(shù)據(jù)來自醫(yī)學論文、研究報告等，不是實際的臨床數(shù)據(jù)，因此做出的診斷是相對標準化的決策，達不到精準的判斷。為此，IBM 大刀闊斧收購 Merge Healthcare、Explorys 等大數(shù)據(jù)公司，一部分原因就是為了收集高附加值的臨床數(shù)據(jù)，以豐富 Watson 的數(shù)據(jù)庫。
其次，對于人工智能檢測是否值得信賴，機器究竟能否代替人類，醫(yī)學界仍在爭論中。IBM 積極推動與醫(yī)療機構(gòu)的合作不僅是為了測試、增強 IBM Watson 的實際功能，也是在培養(yǎng)醫(yī)療行業(yè)對人工智能的使用習慣。
2. DeepMind
沒錯，就是創(chuàng)造了 AlphaGo 的那家公司。DeepMind 于 2014 年被 Google 收購，現(xiàn)在，他們已經(jīng)不滿足于僅僅讓人工智能來下下棋了，而要將人工智能推向醫(yī)療領(lǐng)域。DeepMind 切入的領(lǐng)域，是眼科疾病的早期診斷。
視力問題的診斷往往要借助光學相干斷層掃描，即利用散射光生成視網(wǎng)膜的高清 3D 圖像來幫助醫(yī)生診斷。但問題是：
一、有經(jīng)驗的眼科醫(yī)生所要面臨的片子太多，處理起來負荷重，有時難免出現(xiàn)遺漏。
二、對于年輕醫(yī)生來講，閱讀視網(wǎng)膜圖像需要豐富的經(jīng)驗，他們沒有能力獨自做出診斷。
三、眼部的異常癥狀有時并不單單是由眼部疾病引起的，如高血壓也會引起視網(wǎng)膜和視神經(jīng)病變，因此需要更多的經(jīng)驗與更為復(fù)雜的數(shù)據(jù)模型。
【企業(yè)亮點】
第一，背靠谷歌，資金充沛。DeepMind 在 2014 年被谷歌以 4 億美元收購。
第二，人才濟濟。目前 DeepMind 有約 100 名全職員工，頂級學術(shù)期刊經(jīng)常露臉，科研實力甚至不弱于頂尖大學。Google 為了防止競爭對手挖墻腳，官網(wǎng)沒有放出完整員工名單，這引得外界紛紛通過 linkedIn 、博客等工具來揭秘這支神秘的團隊。
第三，擁有落地數(shù)據(jù)源。2016 年，DeepMind 與倫敦的墨菲眼科醫(yī)院合作，開始進行大數(shù)據(jù)處理影像數(shù)據(jù)的嘗試。在項目中，DeepMind 的軟件將會學習超過一百萬份眼部掃描資料，從而幫助醫(yī)生確診，并判斷相關(guān)的早期癥狀。
如前文所說，眼部的異常癥狀有時并不單單是由眼部疾病引起的，比如高血壓、糖尿病都會引發(fā)視覺障礙。根據(jù)美國國家糖尿病委員會的報告，糖尿病患者比非糖尿病患者的失明幾率高 25 倍。DeepMind 和墨菲眼科醫(yī)院的合作，可以攻克這個問題，能夠發(fā)現(xiàn)早期糖尿病在眼部影響會引起哪些異常。
3. DeepCare
作為國內(nèi)少數(shù)幾家可以對標 Flatiron、DeepMind 的深度學習大數(shù)據(jù)公司，成立于 2016 年 1 月的 DeepCare 值得關(guān)注。DeepCare 主攻的方向是胸肺部 CT 的智能影像診斷：用大量的胸肺部影像訓練深度學習模型，加上患者的年齡、性別、癥狀和確診疾病等信息，形成結(jié)構(gòu)化的數(shù)據(jù)庫。
并且，DeepCare 能做到對每一個新錄入數(shù)據(jù)庫的病人進行算法自動匹配，尋找出影像數(shù)據(jù)相似的病人，幫助醫(yī)生做出更準確的判斷。
【企業(yè)亮點】
第一，合作醫(yī)療機構(gòu)，數(shù)據(jù)庫龐大。與 Deepmind 類似，目前，DeepCare 已經(jīng)和北京數(shù)家三甲醫(yī)院展開了合作，用來訓練算法的影像數(shù)據(jù)已經(jīng)達到了百萬張的數(shù)量級別。
第二，創(chuàng)始團隊優(yōu)異。創(chuàng)始人及首席科學家丁鵬博士畢業(yè)于達特茅斯大學，在深度學習領(lǐng)域有著豐富的科研背景，另一位創(chuàng)始人劉圣本科畢業(yè)于伯克利，之前在美國有兩次創(chuàng)業(yè)的經(jīng)歷。DeepCare 公司目前的員工中還包括多位在人工智能算法領(lǐng)域和臨床影像學領(lǐng)域深耕多年的專家。
【面臨挑戰(zhàn)】
DeepCare 目前面臨的主要問題是數(shù)據(jù)的標注和結(jié)構(gòu)化。現(xiàn)在的醫(yī)療影像上是沒有對病灶進行標注的，DeepCare 需要組織專業(yè)的醫(yī)生對圖像進行系統(tǒng)性的整理和標注，這里面需要大量的人工基礎(chǔ)。目前，DeepCare 正致力于將人工流程標準化。
4. Enlitic
讓毫無醫(yī)療背景的軟件工程師們來對專業(yè)醫(yī)生的 X 光片評頭論足，并告訴他診斷結(jié)果，而醫(yī)生們開心的接受了。這可能嗎？Enlitic 正在把這一幕變成現(xiàn)實。
在 Enlitic 創(chuàng)始人 Jeremy Howard 的 TED 演講上，他展示了計算機是如何通過深度學習算法對癌癥病人的生存率進行預(yù)測的。Jeremy Howard 曾擔任數(shù)據(jù)分析競賽公司 Kaggle 的 CEO，這家公司因組織全世界最大的大數(shù)據(jù)分析和建模比賽而聞名。
Enlitic 的核心技術(shù)是深度學習，即讓計算機接受大量的數(shù)據(jù)訓練，具備識別圖像、分析圖像的能力，再將分析的結(jié)果呈現(xiàn)給醫(yī)生。
“放射科醫(yī)生都是想象家。” Howard 介紹說：“他們面對二維的圖像，要在腦中形成三維的模型，并且對其中微小的細節(jié)保持高度敏感。Enlitic 將幫他們做這件事。”
這個工程師讓計算機發(fā)現(xiàn)了專業(yè)醫(yī)學學者都沒有突破的課題，在腫瘤圖像的檢測中，計算機發(fā)現(xiàn)在確診過程中，腫瘤細胞周圍的正常細胞的特征和腫瘤細胞本身一樣重要。而在以往，醫(yī)學上只檢測腫瘤細胞。
目前，Enlitic 獲得三輪總共 1500 萬美元的投資。最近的一次 B 輪融資，是在 2015 年 10月，融資額超過1000 萬美元。但 Enlitic 還沒有實現(xiàn)盈利。
【企業(yè)亮點】
第一，臨床試驗效果良好。在一項 X 光片診斷對比試驗中，Enlitic 與放射科專家團分別讀片，并給出診斷。結(jié)果，Enlitic 的準確度比專業(yè)醫(yī)生高出 50-70%，而且診斷用時僅是醫(yī)生的 1/50000。甚至，當骨裂面積小到只占到整張 X 光片 0.1% 時，Enlitic也能準確識別出來。
第二，業(yè)內(nèi)認可。這家成立于 2014 年的公司，在第二年就登上了麻省理工科技評論（MIT Technology Review）“全球 50 家最聰明的公司”榜單，排名 39。
第三，業(yè)務(wù)模式創(chuàng)新。不再作為醫(yī)療工具賣給醫(yī)院授權(quán)給醫(yī)院，而是參與利潤分成。Capital Health 與 Enlitic 之間達成了深度合作，Capital Health 向 Enlitic 提供 X 光片訓練數(shù)據(jù)和專家顧問，而 Enlitic 則提供完整的人工智能解決方案，并參與醫(yī)院利潤分成。
第四，覆蓋廣泛。目前 Enlitic 覆蓋澳大利亞 Capital Health 旗下超過 51 家放射診所，下一步計劃隨 Capital Health 拓展亞洲業(yè)務(wù)進入亞洲市場。
5. Arterys
Arterys 是一家提供 SaaS 服務(wù)的創(chuàng)業(yè)公司，主營業(yè)務(wù)是為醫(yī)療機構(gòu)提供更精準的 3D 心血管影像，并提供量化分析。
Arterys 在 2016 年 3 月完成 A 輪融資，共融得 1200 萬美元，由 Emergent Medical Partners 和 GE 領(lǐng)投。
【企業(yè)亮點】
第一，針對心血管疾病，市場極大。根據(jù)統(tǒng)計，心血管疾病是世界范圍內(nèi)的頭號殺手。在美國，每年就有約 80 萬人死于心血管疾病，占到了死亡總數(shù)的三分之一。而中國的情況更為嚴重——近 3 億病患，死亡人數(shù)超過疾病死亡總數(shù)的 40%。
第二，精準，無創(chuàng)的檢測技術(shù)。Arterys 能夠提出提出了方案——無創(chuàng)、精準地得知血流信息：病人只需要花十分鐘做一次核磁共振，Arterys 的系統(tǒng)將會把數(shù)據(jù)送到云端進行處理。之后，通過深度學習的方法，電腦可以對核磁共振影像中的七維信息（空間三維、時間一維、血流方向三維）進行分析，計算出量化的全面的血流信息。
要知道傳統(tǒng)的無創(chuàng)檢測，諸如心電圖、超聲心動圖、心血管磁共振等都無法得到病人準確的血流信息。而精確的檢測方法如冠狀動脈造影等則存在一定危險性，并且價格昂貴。
第三，與行業(yè)巨頭開展深入合作。2015 年，Arterys 公司與 GE 達成戰(zhàn)略伙伴關(guān)系。作為全球核磁共振儀器的主要提供商，GE 占據(jù)了全球 26% 的市場，僅次于西門子。GE 表示，他們將安裝 Arterys 系統(tǒng)在最新的核磁共振儀上。
來源：深藍DeeperBlue
