中国医疗AI现状分析：从产品验证进入市场验证
发布时间：2021-08-15 17:56:13 所属栏目：大数据 来源：互联网
导读：从2016年起，人工智能和医疗的融合在各个环节开始擦出火花。经过几年的发展，医疗AI在2019年迎来商业落地考验，纷纷进入临床应用和医生的工作流，并在2020年初开花结果。 2020年1月15日，国家药品监督管理局批准了科亚医疗的创新产品冠脉血流储备分数计算软
|
整合其他学科，例如生物学、化学、免疫学、遗传学及临床信息，辅助医生诊断治疗AI不仅用于病理形态数据的分析，还可以整合免疫组织化学、分子检测数据和临床信息，得出一个整合相关信息的最后病理诊断报告，为患者提供预后信息和精准的药物治疗指导。
基因：AI突破测序解读瓶颈
2018年11月，在第13届全球蛋白质结构预测竞赛上(蛋白质领域的奥林匹克竞赛)，DeepMind 的人工智能程序 —AlphaFold成功根据基因序列预测蛋白质的3D结构，获得冠军。
AI越来越多的应用到基因检测上。随着第二代测序技术的成熟，单个基因组的检测成本已经降到1000美元以下，快速发展的基因测序也产生了海量数据，如何解读这些基因大数据，获取与疾病相关的变异，找到致病基因，成为目前发展的瓶颈。人工智能便依靠其强大的数据处理能力和学习能力切入到了基因序列解读的进程中。
早在2014年，IBM就与纽约基因组中心展开了合作，基于IBM的沃森人工智能系统开发一个专门分析肿瘤基因组的程序。IBM在最近发表在《Neurology Genetics》杂志上的一篇文章中披露了她们最新的研究成果。科研人员从一位患者身上获取了肿瘤的活检样本以及一份血样，并对两份样品中的DNA和肿瘤中的RNA进行了测序。
这些测序数据被分别送给了IBM沃森基因组程序和一个由生物信息学家和肿瘤学家组成的专家团队进行分析。沃森系统仅仅用了10分钟就完成了一份可供考虑的临床治疗方案的报告，而专家组的人工分析花了160个小时，才得到了一份相似的报告。
综合辅助诊断：CDSS与MDT联合
综合辅助诊断系统类似于MDT(多学科联合会诊)，由多学科专家共同讨论，为患者制定个性化诊疗方案的过程，尤其适用于肿瘤、肾衰、心衰等复杂疾病的诊疗。
人工智能想要实现综合解读，至少要做到如下两步：多源异构数据挖掘，以及CDSS与MDT联合使用。
多源异构数据挖掘：人工智能企业与医院合作，需要利用大数据技术完成多源、结构和非结构数据的清洗、脱敏、结构化、标准化，使得医院能够一统原先分裂的医疗数据，形成互联互通的医疗大数据平台，为实现大数据处理和分析奠定数据基础。
CDSS与MDT联合使用：基于单学科的CDSS缺乏共享化服务模式，往往作为一个子系统嵌入EMR中，无法全面评估患者情况。如果借助MDT多学科协作的优势，基于相关证据关联，得出最佳的诊断结果和治疗方案，有望进一步提高医疗服务效率和质量。
AI+辅助治疗：围绕手术和药物，以提效为核心
围绕药物治疗和手术治疗两大主要治疗方式，AI辅助治疗在术前规划、术中导航、智能化用药方面都起到了很好的作用，可以有效降低手术时间、减少并发症。
在肿瘤治疗过程中，靶区勾画与治疗方案设计占用了医生大量的时间和精力。每个肿瘤病人的CT图像在200张左右，医生在勾画的时候，需要给每个图片上的器官、肿瘤位置进行标注。这个过程按照传统的方法要耗费医生3-5个小时。如果第一个疗程的治疗由于靶区勾画的不准确或者肿瘤的变化，导致治疗无效(肿瘤组织减少小于30%)，这个时候就需要更改治疗方案，这就需要医生重新为病人做勾画。
术前规划：人工智能可以基于CT/MRI影像数据，利用图像识别技术自动勾画相应靶区，自动生成具体的放射性照射方案或者手术方案后，再交由医生做最终确认。
术中导航：将患者术前的影像数据和实际解剖结构准确对应，利用VR、MR、导板等技术，通过三维数字建模及算法优化，对病灶进行精准定位。
用药建议：基于真实世界的用药大数据，运用人工智能技术实现个体化用药指导。个体化用药就是在最适的时间、对最适的患者、给予最适的药物和最适的剂量。
AI+康复：以患者回归生活为目的
临床医学以生存为主要目的，通过药物、医疗器械、手术等治疗手段，让患者能够生存下来。而康复医学则是以生活为目的，通过康复治疗手段让患者受损的功能能够得到部分或全部恢复，更好地回归社会。因此，临床医学与康复医学是相辅相成的，临床医学在病患治疗期介入，康复医学在病患恢复期介入，它们最终都是消除病患，让患者逐步向常人过渡。
从康复的数据流来看，康复分为监测——指导——调理三个环节，也就是先获取数据、然后分析数据、最后应用数据。
监测——可穿戴设备：相比于AI在诊断和治疗环节的应用，人工智能在康复领域的应用更加困难。这是因为AI在诊疗环节的数据是容易获取的(来自于医院的信息化系统)，产品只需利用数据和算法迭代打磨即可。而康复则需要可穿戴设备来采集个人健康数据。目前，市面上大部分可穿戴设备为监测类设备，可以监测血糖、血压、心率、体温、呼吸等健康指标。
指导——康复机器人：一个人每天产生的健康数据量是非常大的，怎么去处理数据，把数据变成信息，把信息变成知识，把知识变成健康管理的信息，这便是人工智能在人类生命数据收集后的工作。
其中最直观的就是康复机器人，康复机器人应用人工智能、物联网、大数据等技术，让康复设备变得人性化、智能化，实现人机交互、智能辅助训练、精准力控等目标。目前康复机器人主要集中于骨关节康复、听视力康复、言语康复等领域，未来有望拓展到心肺康复、神经康复等。调理：健康管理
健康管理是变被动的疾病治疗为主动的自我健康监控。根据体征数据，人工智能健康管理通过数据学习每个人的身体特点，针对每个人设计个性化健康管理方案。目前主要的应用范围是糖尿病、慢病管理、血压管理、乳腺健康管理、胎心监测等。
健康管理涉及的健康环节主要有风险识别、健康评估、精神监测、健康干预等。
风险识别：通过获取信息并运用人工智能技术进行分析，识别疾病发生的风险及提供降低风险的措施。
健康评估：收集病人的饮食习惯、锻炼周期、服药习惯等个人生活习惯信息，运用人工智能技术进行数据分析并评估病人整体状态，协助规划日常生活。
精神健康：运用人工智能技术从语言、表情、声音等数据进行情感识别。
健康干预：运用人工智能对用户体征数据进行分析，定制健康管理计划。
AI+科研：生产工具解放科研学者的生产力
AI+药物研发
一般而言，制药公司需要花费5-10亿美元，用10-15年时间，才能成功研发出一款新药。新药研发的风险大、周期长、成本高，是药企最大的痛点。
目前，人工智能在新药研发领域的应用已经渗透到药物发现阶段、临床研究阶段、审批上市阶段各个环节。主要涉及靶点发现、化合物筛选、晶型预测、药物重定向、医学翻译、药物警戒等多个应用场景。
药物发现阶段
药物研发从靶点发现开始，药学家从科学文献和个人经验去推测生理活性物质结构，进而发现靶点。然而在信息爆炸的今天，每30秒就会有一篇生命科学论文发表。此外，还有大量的专利、临床试验结果等海量信息散布在世界各地，科研工作者没有时间和精力来关注所有信息。传统方式的靶点发现过程平均耗时2-3年。
人工智能通过自然语言处理技术(NLP)学习海量医学文献和相关数据，通过深度学习去发现化合物与疾病之间的作用关系，找到靶点，缩短靶点发现周期。
在化合物合成上，AI能模拟小分子化合物的药物特性，能够在数周内挑选出最佳的模拟化合物进行合成试验，而且能够将每个化合物的测试成本控制在0.01美分，大幅降低了化合物合成的成本。
临床前药物研究阶段
在找到靶点后，还需要寻找相应的小分子化合物去跟靶点匹配。这个匹配过程就类似于用户在百度搜索某词汇(靶点)，引擎回应出相关的搜索结果列表(小分子化合物)。这就是化合物的筛选。
高通量筛选以及传统的虚拟药物筛选所需时间长，药物开发成功率低，人工智能的出现为创新小分子药物的发现打开一扇新的大门。
临床研究阶段
优化临床试验设计：2015年《临床试验数据核查公告》，严格临床研究数据核查，随后的多项政策都对临床研究提出了更高更明确的要求，也反复提及信息化系统和技术的应用，太美医疗科技通过人工智能技术结构化医疗知识，辅助多源异构临床数据的结构化、标准化以及相关推理，在eCollect(EDC)中，应用不良反应药物关联度计算和病历OCR识别等人工智能技术，大大提高数据采集的质量和效率。
审批上市阶段
注册申报：2019年起，中国开始逐步实施eCTD(电子通用技术文件)标准，不断推动药品注册审评的国际化与电子化。传统CTD自动化程度低，导致报批工作依然消耗企业大量时间和人力在“paper work”上。而引进人工智能技术，有望实现在注册申报流程中自动写作、自动翻译、自动出版及报批一体化智能操作。
药物警戒：药物警戒主要涉及药物的两个方面，安全性和有效性，包含药物和治疗中不良反应的收集，分析，监测和预防。
2015年FDA规定，药品上市后安全报告必须以电子方式提交;2019年国家不良反应中心启用不良反应直报系统实施不良反应在线递交，太美医疗科技的eSafety药物警戒系统可以直接对接CDE、NMPA药物不良反应直报系统，直报不良反应，并通过了FDA AERS及欧盟EudraVigilance药物警戒数据库递交测试。
人工智能技术的应用让eSafety系统具备CIMOS自动导入、SAE扫描件报告自动导入、不良反应提取、报告翻译等功能，大大提高工作效率。
医疗AI产品管线分析
我们调研了7大细分领域的62家企业，重点考察它们的产品应用进展，共涉及82个产品。其中辅助诊断、预防筛查类产品数量最多，分别是31个和13个。
对比去年的报告《2018医疗人工智能报告：跨越再出发》，可以发现以下新变化：合作医院数量普遍从去年的数十家，增加到数百家;从影像AI红海市场，逐渐拓展到药物研发、康复管理、临床工作流管理等蓝海市场;2018年影像AI主要聚焦在胸肺、眼科等疾病，2019年重点布局心脑血管领域。 （编辑：宿州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
