2016年人工智能+医疗健康创新趋势报告：人工智能搭上医疗可以做什么？（下）

在生物科技方面，人工智能能带给我们更好的数据处理方式。在中国，人工智能在生物技术领域上已经走在了世界的前列，比如在语音技术、生物特征识别方面，甚至能够与发达国家并列。在我国，最为出名的人工智能生物科技初创公司，就是碳云智能。

碳云智能希望建立一个健康大数据平台，通过收集人们各种各样的生物数据，然后在这个数据基础上建立一个人工智能的内核模型，然后把它对接起来，做这样一个整合。利用人工智能技术处理这些数据，帮助人们做健康管理。碳云智能的数据来源包括两部分，一部分靠自己的技术能力获取，一部分靠合作伙伴获取。靠该团队的核心技术获取的有基因数据、微生物数据（肠道、口腔、皮肤等）、蛋白及代谢数据（尿液、汗液、血液等）等。碳云智能要做的事情主要是将生物技术、生命大数据、人工智能和互联网结合起来。

碳云智能的创始人来自华大基因，但是他们并没有选择重资产的上游测序行业，也没有选择重运营的针对C端进行服务的下游基因检测，而是成为中间端的数据整合、挖掘、分析的服务提供商。通过智能的大数据分析，提出对不健康状态的干预措施，为医疗、慢病管理、美容、健身提供个性话解决方案。

在大型医院中，急诊科的管理往往非常混乱。从普通连锁医院到顶尖医疗机构，管理者和前线的医护人员每天面对数以千计的诸如怎么配备人员、手术室、占用时间预估问题，整个管理和看病流程效率偏低，对医生经验非常要求高。以协和医院为例，协和医院急诊科成立于1983年，建科之初，日均急诊量大约为三四十人次，1996年达到一百多人次，2012年升至五六百人次。为适应急诊患者人数的增长，急诊床位由21张增至100多张。然而，床位的增长速度仿佛永远跟不上患者的增长速度，刚刚增加的床位总是很快又被填满，急诊科总是人满为患。但是实际上，非急诊患者至少占1/3，需要立刻抢救的大概只占急诊总量的5%～10%。而在美国，每年在医疗上的开支接近3万亿美元，占GDP比例超过18%，不过更为痛心的是7500亿美元是浪费的，比如一个手术室即使不做手术，成本也是5000美元/小时，医疗资源浪费是一个顽疾。因此如何提高医疗服务效率是政府头痛的事，由于没有智能的医疗健康系统，经常会出现病人在急诊室门口等待几小时却无人医治，或者医护人员和病床资源空闲时，却无人可医的情况。

AnalyticsMD是一家提供医院智能决策分析系统技术的初创公司，成立于2013年，总部位于美国加州。AnalyticsMD开发符合HIPAA标准的SaaS，已经使用在了旧金山的医疗机构。它从美国政府医疗网站收集详细数据，美国所有接受医疗保险以及医疗补助基金的医疗机构数据都汇聚于此。利用实时分析的saas平台分析这些数据，可输出辅助性的推荐信息，帮助医院管理者、医护人员决策。

如何将得到的庞大数据进行分析，输出直观和具有参考指导意义的结果，减少医疗资源的浪费，是考验AnalyticsMD的一道难题，也是其差异化竞争的优势所在。AnalyticsMD帮助医院建立SaaS系统有两个目的。第一可以让医院的管理者时时掌握目前的工作状态和进度，做出更好的选择，不落后于其他同行。另一个目的就是提高病人和医护人员看病的质量和效率，比如医护人员和病床之类的资源可以在空出来的第一时间被利用，防止出现那种病人在急诊室门口无人医治的情况。还有，只要使用了AnalyticsMD开发的系统，利用系统分析的数据，就可以得到类似如何让病人避免遭遇治疗瓶颈的建议等。

以往，能否减少医疗开支决定因素在于前线的医务人员、临床医生以及护士，他们的经验是决定成本和服务水平的关键。现实情况是，他们得不断地处理一个又一个的紧急病例，根本没有时间去研究繁多的病例图表来提高效率。有了AnalyticsMD开发系统自带的DecisionOS之后，情况就有了变化。从医院自身的EMR系统提取大数据（兼容大部分主流医院的EMR系统，数据经过加密处理符合HIPAA），通过机器算法处理，系统自动分析、监测和预估，给临床医生提供最合理的建议，帮助他们在合适的时间内给病人提供最合适的治疗和服务。医生不需要再去反复研究那些繁杂的病例报告等数据。结果是，无论在病人的安全性、满意度和医疗成本控制上，都有效得到解决。

AnalyticsMD通过大规模的机器学习预测，经过分析后的一些指标，如病人的停留时间和数量，可视化的数据将提供给医护人员更多辅助。根据每家医院服务病人的相关数据，分析出如病房或手术室不足等问题的原因，从而帮助管理者优化医院的资源配置。

有关个人健康的数据是十分复杂的。假如我们把一个人所有的健康数据都收集起来，完全可以用“生命数据化”来形容。生命数据化有不同维度的数据：基因数据、生理数据(比如血压、脉搏)、环境数据(比如每天呼吸的空气)、社交数据、蛋白数据等。有了生命科学大数据，加上人工智能最终可以实现人们对健康的前瞻性管理。

Welltoks是一家健康管理公司，主要关注个人健康管理和生活习惯提升，它本身不仅做健康数据分析或者专业健康管理建议，还将此作为平台切入点，接入其他服务商，比如硬件、保险公司、内容、应用等，同时帮助一些群体健康管理公司提供管理办法。

最有名的要数其CaféWell Health Optimization Platform健康管理优化平台，这是一个以网站为主要入口的习惯干预和预防性健康管理计划，合作方有专门记录数据的可穿戴硬件 MapMyFitness 、FitBit和社交网络。它包含特定的计划和成效预测，同时以Gaming和个性化的数据将服务精确到个人。当用户按照Welltok提供的方案培养生活习惯时，它还会给予相应奖励，比如积分、礼品卡或者现金，激励用户改善健康。IBM投资WellTok，将Watson 融入CafeWell，主要功能是借助Watson 的认知能力理解复杂的人类语言，数秒内从海量数据中找到科学答案，给予用户健康管理、慢病恢复、健康食谱等指导。

人工智能在人类精神健康方面可以做的事情相当多，我们可以通过两个方面来谈，一个是针对正常人的应用，一个是针对有精神疾病的患者的应用。对于我们普通人来说，人工智能在精神健康方面最大的用处就是情绪识别能力。

情绪识别主要是通过收集人的外在表情和行为变化，对人的心理状态进行推断。能通过面部表情、声音、行为、心率、甚至笔迹，来判断人的情绪变化。最常规的方式通过摄像头来捕捉记录人们的表情，并通过面部表情的变化，分析判断出人的情绪是高兴、生气、厌恶还是困惑等。另一种方式是通过人的声音，说话声音的高低、语速、口气词汇的变化进行智能识别。

即使人会故意控制面部表情和声音不产生变化或者展现出与内心世界不一样的表情和声音，也总会露出一些破绽，只不过可能这些破绽会很微小或一闪而过，让人不易察觉。但对于人工智能来说，发现细微的现象或捕捉稍纵即逝的变化正是他们的长项。从这个方面来说，人工智能对人类情绪的理解可能会比人还优秀。在判断出人的情绪变化之后，就可以通过一些方法，帮助人类进行情绪的管理和调节。

苹果收购的人工智能公司Emotient就是一家擅长通过人脸识别分析情绪的公司。Emotient已经能够分辨出类似于喜悦、愤怒、悲伤、惊讶等等这种的基础表情，还能够分析出一些更细微和复杂的表情，比如焦虑以及沮丧。Emotient起源于加利福尼亚大学的“机器感知实验室”，（MachinePerceptionLab），他们最终的目的是打造一套“无所不在”的人类情感分析系统。Emotient利用摄像头来捕捉、记录面部肌肉运动，并根据其计算模型来分析出面部表情，最终得出关于表情的动态结果。Emotient同时还提供API接口，能够将其技术轻松地与任何硬件或者软件进行整合。

而在精神疾病治疗方面，人工智能能够发挥出更大的作用。2015年3月, 《Telemedicine and e-Health》刊登了一篇用机器学习预测产后抑郁的论文，目的是建立产后抑郁症发作的风险分层模型，以便提前干预。同时开发一款APP，目标用户是产后希望了解自己情绪的妈妈。同时，人工智能在PTSD（创伤后应激障碍）方面的诊断和治疗，以及对精神疾病的监控上，能起到相当大的作用。

NeuroLex公司的人工智能产品会通过一部安装在附近看不到的墙上的智能手机或是其他设备记录病人的信息，会从病人的录音中搜索语言线索，以数字的方式呈现——像血压读数那样——精神病学家做诊断的时候就可以参考这些数据。并且随着该算法被越来越多的病人训练，产生的读数更准确。

除了找诊断，人工智能可以更快地为一个精神病患者开出正确的处方与合适的剂量，通过已经在医院里的精神病病人进行“前-后研究（pre-post study）”，可以观察患者在医院里的发病状态或抑郁状态过程中的语音模式是如何变化的。

如果一个人的语音在服用某种药物之后，表现出更少的抑郁症或躁动症的信号，该工具就能帮助证明该药物是有效的。如果服药后没有变化，该人工智能可能会建议立即尝试另外一种药。并且，一旦它获取了足够的数据，它就能根据有相似语音特征的病人的情况推荐药品。

人工智能在精神健康方面的市场需求是十分巨大的。WHO的数据显示，在美国有1/5的人有精神健康方面的问题，因精神问题而产生住院的次数每年有200万次。而且精神疾病的痊愈相当困难，病人的重复住院率为37.5%，导致每年的花费为452亿美元。在中国，由于人口基数的庞大，各类受精神健康影响的人群更多。