《2016年人工智能醫(yī)療健康創(chuàng)新趨勢報告》最后兩篇的研究范圍主要為全球范圍內(nèi)醫(yī)療健康領(lǐng)域的人工智能初創(chuàng)公司，納入本報告統(tǒng)計范圍的初創(chuàng)公司共74個。這些初創(chuàng)公司分布在虛擬助理、醫(yī)學(xué)影像、藥物挖掘、營養(yǎng)學(xué)、生物技術(shù)、急救室/醫(yī)院管理、健康管理、精神健康、可穿戴設(shè)備、風(fēng)險管理和病理學(xué)共11個領(lǐng)域。我們重點分析了其中的8個領(lǐng)域，看看他們是如何將人工智能技術(shù)應(yīng)用到醫(yī)療領(lǐng)域中的。

　　人工智能對于醫(yī)療健康領(lǐng)域中的應(yīng)用已經(jīng)非常廣泛，從應(yīng)用場景來看主要分成了虛擬助理、醫(yī)學(xué)影像、藥物挖掘、營養(yǎng)學(xué)、生物技術(shù)、急救室/醫(yī)院管理、健康管理、精神健康、可穿戴設(shè)備、風(fēng)險管理和病理學(xué)共11個領(lǐng)域，我們著重分析前8個，這一篇包含生物科技、急救室/醫(yī)院管理、健康管理和精神健康四個方面。

　　生物科技：帶來更好的數(shù)據(jù)處理

　　在生物科技方面，人工智能能帶給我們更好的數(shù)據(jù)處理方式。在中國，人工智能在生物技術(shù)領(lǐng)域上已經(jīng)走在了世界的前列，比如在語音技術(shù)、生物特征識別方面，甚至能夠與發(fā)達國家并列。在我國，最為出名的人工智能生物科技初創(chuàng)公司，就是碳云智能。

　　碳云智能希望建立一個健康大數(shù)據(jù)平臺，通過收集人們各種各樣的生物數(shù)據(jù)，然后在這個數(shù)據(jù)基礎(chǔ)上建立一個人工智能的內(nèi)核模型，然后把它對接起來，做這樣一個整合。利用人工智能技術(shù)處理這些數(shù)據(jù)，幫助人們做健康管理。碳云智能的數(shù)據(jù)來源包括兩部分，一部分靠自己的技術(shù)能力獲取，一部分靠合作伙伴獲取。靠該團隊的核心技術(shù)獲取的有基因數(shù)據(jù)、微生物數(shù)據(jù)（腸道、口腔、皮膚等）、蛋白及代謝數(shù)據(jù)（尿液、汗液、血液等）等。碳云智能要做的事情主要是將生物技術(shù)、生命大數(shù)據(jù)、人工智能和互聯(lián)網(wǎng)結(jié)合起來。

　　碳云智能的創(chuàng)始人來自華大基因，但是他們并沒有選擇重資產(chǎn)的上游測序行業(yè)，也沒有選擇重運營的針對C端進行服務(wù)的下游基因檢測，而是成為中間端的數(shù)據(jù)整合、挖掘、分析的服務(wù)提供商。通過智能的大數(shù)據(jù)分析，提出對不健康狀態(tài)的干預(yù)措施，為醫(yī)療、慢病管理、美容、健身提供個性話解決方案。

    急救室/醫(yī)院管理：輔助急診室管理

　　在大型醫(yī)院中，急診科的管理往往非常混亂。從普通連鎖醫(yī)院到頂尖醫(yī)療機構(gòu)，管理者和前線的醫(yī)護人員每天面對數(shù)以千計的諸如怎么配備人員、手術(shù)室、占用時間預(yù)估問題，整個管理和看病流程效率偏低，對醫(yī)生經(jīng)驗非常要求高。以協(xié)和醫(yī)院為例，協(xié)和醫(yī)院急診科成立于1983年，建科之初，日均急診量大約為三四十人次，1996年達到一百多人次，2012年升至五六百人次。為適應(yīng)急診患者人數(shù)的增長，急診床位由21張增至100多張。然而，床位的增長速度仿佛永遠跟不上患者的增長速度，剛剛增加的床位總是很快又被填滿，急診科總是人滿為患。但是實際上，非急診患者至少占1/3，需要立刻搶救的大概只占急診總量的5%～10%。而在美國，每年在醫(yī)療上的開支接近3萬億美元，占GDP比例超過18%，不過更為痛心的是7500億美元是浪費的，比如一個手術(shù)室即使不做手術(shù)，成本也是5000美元/小時，醫(yī)療資源浪費是一個頑疾。因此如何提高醫(yī)療服務(wù)效率是政府頭痛的事，由于沒有智能的醫(yī)療健康系統(tǒng)，經(jīng)常會出現(xiàn)病人在急診室門口等待幾小時卻無人醫(yī)治，或者醫(yī)護人員和病床資源空閑時，卻無人可醫(yī)的情況。

　　AnalyticsMD是一家提供醫(yī)院智能決策分析系統(tǒng)技術(shù)的初創(chuàng)公司，成立于2013年，總部位于美國加州。AnalyticsMD開發(fā)符合HIPAA標(biāo)準(zhǔn)的SaaS，已經(jīng)使用在了舊金山的醫(yī)療機構(gòu)。它從美國政府醫(yī)療網(wǎng)站收集詳細數(shù)據(jù)，美國所有接受醫(yī)療保險以及醫(yī)療補助基金的醫(yī)療機構(gòu)數(shù)據(jù)都匯聚于此。利用實時分析的saas平臺分析這些數(shù)據(jù)，可輸出輔助性的推薦信息，幫助醫(yī)院管理者、醫(yī)護人員決策。

　　如何將得到的龐大數(shù)據(jù)進行分析，輸出直觀和具有參考指導(dǎo)意義的結(jié)果，減少醫(yī)療資源的浪費，是考驗AnalyticsMD的一道難題，也是其差異化競爭的優(yōu)勢所在。AnalyticsMD幫助醫(yī)院建立SaaS系統(tǒng)有兩個目的。第一可以讓醫(yī)院的管理者時時掌握目前的工作狀態(tài)和進度，做出更好的選擇，不落后于其他同行。另一個目的就是提高病人和醫(yī)護人員看病的質(zhì)量和效率，比如醫(yī)護人員和病床之類的資源可以在空出來的第一時間被利用，防止出現(xiàn)那種病人在急診室門口無人醫(yī)治的情況。還有，只要使用了AnalyticsMD開發(fā)的系統(tǒng)，利用系統(tǒng)分析的數(shù)據(jù)，就可以得到類似如何讓病人避免遭遇治療瓶頸的建議等。

    以往，能否減少醫(yī)療開支決定因素在于前線的醫(yī)務(wù)人員、臨床醫(yī)生以及護士，他們的經(jīng)驗是決定成本和服務(wù)水平的關(guān)鍵。現(xiàn)實情況是，他們得不斷地處理一個又一個的緊急病例，根本沒有時間去研究繁多的病例圖表來提高效率。有了AnalyticsMD開發(fā)系統(tǒng)自帶的DecisionOS之后，情況就有了變化。從醫(yī)院自身的EMR系統(tǒng)提取大數(shù)據(jù)（兼容大部分主流醫(yī)院的EMR系統(tǒng)，數(shù)據(jù)經(jīng)過加密處理符合HIPAA），通過機器算法處理，系統(tǒng)自動分析、監(jiān)測和預(yù)估，給臨床醫(yī)生提供最合理的建議，幫助他們在合適的時間內(nèi)給病人提供最合適的治療和服務(wù)。醫(yī)生不需要再去反復(fù)研究那些繁雜的病例報告等數(shù)據(jù)。結(jié)果是，無論在病人的安全性、滿意度和醫(yī)療成本控制上，都有效得到解決。

　　AnalyticsMD通過大規(guī)模的機器學(xué)習(xí)預(yù)測，經(jīng)過分析后的一些指標(biāo)，如病人的停留時間和數(shù)量，可視化的數(shù)據(jù)將提供給醫(yī)護人員更多輔助。根據(jù)每家醫(yī)院服務(wù)病人的相關(guān)數(shù)據(jù)，分析出如病房或手術(shù)室不足等問題的原因，從而幫助管理者優(yōu)化醫(yī)院的資源配置。

　　健康管理：更智能更全面的數(shù)據(jù)管理

　　有關(guān)個人健康的數(shù)據(jù)是十分復(fù)雜的。假如我們把一個人所有的健康數(shù)據(jù)都收集起來，完全可以用“生命數(shù)據(jù)化”來形容。生命數(shù)據(jù)化有不同維度的數(shù)據(jù)：基因數(shù)據(jù)、生理數(shù)據(jù)(比如血壓、脈搏)、環(huán)境數(shù)據(jù)(比如每天呼吸的空氣)、社交數(shù)據(jù)、蛋白數(shù)據(jù)等。有了生命科學(xué)大數(shù)據(jù)，加上人工智能最終可以實現(xiàn)人們對健康的前瞻性管理。

　　Welltoks是一家健康管理公司，主要關(guān)注個人健康管理和生活習(xí)慣提升，它本身不僅做健康數(shù)據(jù)分析或者專業(yè)健康管理建議，還將此作為平臺切入點，接入其他服務(wù)商，比如硬件、保險公司、內(nèi)容、應(yīng)用等，同時幫助一些群體健康管理公司提供管理辦法。

　　最有名的要數(shù)其CaféWell Health Optimization Platform健康管理優(yōu)化平臺，這是一個以網(wǎng)站為主要入口的習(xí)慣干預(yù)和預(yù)防性健康管理計劃，合作方有專門記錄數(shù)據(jù)的可穿戴硬件 MapMyFitness 、FitBit和社交網(wǎng)絡(luò)。它包含特定的計劃和成效預(yù)測，同時以Gaming和個性化的數(shù)據(jù)將服務(wù)精確到個人。當(dāng)用戶按照Welltok提供的方案培養(yǎng)生活習(xí)慣時，它還會給予相應(yīng)獎勵，比如積分、禮品卡或者現(xiàn)金，激勵用戶改善健康。IBM投資WellTok，將Watson 融入CafeWell，主要功能是借助Watson 的認(rèn)知能力理解復(fù)雜的人類語言，數(shù)秒內(nèi)從海量數(shù)據(jù)中找到科學(xué)答案，給予用戶健康管理、慢病恢復(fù)、健康食譜等指導(dǎo)。

　　精神健康：加強診斷和疾病控制

　　人工智能在人類精神健康方面可以做的事情相當(dāng)多，我們可以通過兩個方面來談，一個是針對正常人的應(yīng)用，一個是針對有精神疾病的患者的應(yīng)用。對于我們普通人來說，人工智能在精神健康方面最大的用處就是情緒識別能力。

　　情緒識別主要是通過收集人的外在表情和行為變化，對人的心理狀態(tài)進行推斷。能通過面部表情、聲音、行為、心率、甚至筆跡，來判斷人的情緒變化。最常規(guī)的方式通過攝像頭來捕捉記錄人們的表情，并通過面部表情的變化，分析判斷出人的情緒是高興、生氣、厭惡還是困惑等。另一種方式是通過人的聲音，說話聲音的高低、語速、口氣詞匯的變化進行智能識別。

　　即使人會故意控制面部表情和聲音不產(chǎn)生變化或者展現(xiàn)出與內(nèi)心世界不一樣的表情和聲音，也總會露出一些破綻，只不過可能這些破綻會很微小或一閃而過，讓人不易察覺。但對于人工智能來說，發(fā)現(xiàn)細微的現(xiàn)象或捕捉稍縱即逝的變化正是他們的長項。從這個方面來說，人工智能對人類情緒的理解可能會比人還優(yōu)秀。在判斷出人的情緒變化之后，就可以通過一些方法，幫助人類進行情緒的管理和調(diào)節(jié)。

　　蘋果收購的人工智能公司Emotient就是一家擅長通過人臉識別分析情緒的公司。Emotient已經(jīng)能夠分辨出類似于喜悅、憤怒、悲傷、驚訝等等這種的基礎(chǔ)表情，還能夠分析出一些更細微和復(fù)雜的表情，比如焦慮以及沮喪。Emotient起源于加利福尼亞大學(xué)的“機器感知實驗室”，（MachinePerceptionLab），他們最終的目的是打造一套“無所不在”的人類情感分析系統(tǒng)。Emotient利用攝像頭來捕捉、記錄面部肌肉運動，并根據(jù)其計算模型來分析出面部表情，最終得出關(guān)于表情的動態(tài)結(jié)果。Emotient同時還提供API接口，能夠?qū)⑵浼夹g(shù)輕松地與任何硬件或者軟件進行整合。

　　而在精神疾病治療方面，人工智能能夠發(fā)揮出更大的作用。2015年3月, 《Telemedicine and e-Health》刊登了一篇用機器學(xué)習(xí)預(yù)測產(chǎn)后抑郁的論文，目的是建立產(chǎn)后抑郁癥發(fā)作的風(fēng)險分層模型，以便提前干預(yù)。同時開發(fā)一款A(yù)PP，目標(biāo)用戶是產(chǎn)后希望了解自己情緒的媽媽。同時，人工智能在PTSD（創(chuàng)傷后應(yīng)激障礙）方面的診斷和治療，以及對精神疾病的監(jiān)控上，能起到相當(dāng)大的作用。

　　NeuroLex公司的人工智能產(chǎn)品會通過一部安裝在附近看不到的墻上的智能手機或是其他設(shè)備記錄病人的信息，會從病人的錄音中搜索語言線索，以數(shù)字的方式呈現(xiàn)——像血壓讀數(shù)那樣——精神病學(xué)家做診斷的時候就可以參考這些數(shù)據(jù)。并且隨著該算法被越來越多的病人訓(xùn)練，產(chǎn)生的讀數(shù)更準(zhǔn)確。

　　除了找診斷，人工智能可以更快地為一個精神病患者開出正確的處方與合適的劑量，通過已經(jīng)在醫(yī)院里的精神病病人進行“前-后研究（pre-post study）”，可以觀察患者在醫(yī)院里的發(fā)病狀態(tài)或抑郁狀態(tài)過程中的語音模式是如何變化的。

　　如果一個人的語音在服用某種藥物之后，表現(xiàn)出更少的抑郁癥或躁動癥的信號，該工具就能幫助證明該藥物是有效的。如果服藥后沒有變化，該人工智能可能會建議立即嘗試另外一種藥。并且，一旦它獲取了足夠的數(shù)據(jù)，它就能根據(jù)有相似語音特征的病人的情況推薦藥品。

　　人工智能在精神健康方面的市場需求是十分巨大的。WHO的數(shù)據(jù)顯示，在美國有1/5的人有精神健康方面的問題，因精神問題而產(chǎn)生住院的次數(shù)每年有200萬次。而且精神疾病的痊愈相當(dāng)困難，病人的重復(fù)住院率為37.5%，導(dǎo)致每年的花費為452億美元。在中國，由于人口基數(shù)的龐大，各類受精神健康影響的人群更多。