麦肯锡报告:人工智能+医疗,是蓝海还是虚火?

2020-01-14 投稿人 : www.ceguinho.com 围观 : 1113 次

雷锋的网站为你编辑和解释了医疗行业。

医疗保健是一个充满希望的人工智能市场。它的推理能力和模式识别能力在大量的病历、医学图像、流行病等统计数据中有很大的潜力。人工智能可以帮助医生改进诊断,预测传染病,并定制医疗程序。

人工智能和医疗护理数字化的结合可以使提供者远程监控或诊断患者,同时可以改变治疗占据医疗预算很大一部分的慢性病的方式。

人工智能可以快速诊断并制定更好的治疗计划。

人工智能在医学诊断领域有两个主要方向。一种是基于自然语言处理,根据病历和症状诊断疾病。一种是基于计算机视觉,通过识别医学图像来诊断疾病。

以肺癌鉴定为例,人工智能可以通过两种方式诊断肺癌。一种是基于自然语言处理,代表着小发猫的沃森。沃森4年来研究了癌症领域的200本教科书、290份医学期刊和1500多万份文献,沃森已经在临床上得到应用。现在沃森可以为医生提供肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌领域的诊断建议。

另一种诊断方法是基于计算机视觉。在中国,代表性企业是航空公司。由于肺癌早期没有临床症状,如果有症状,则为中期或晚期。目前,约75%的肺癌患者在诊断时处于晚期。肺结节的有效诊断和及时治疗至关重要。

然而,人工智能在疾病诊断中的广泛应用可能不会很快实现。虽然机器学习可以使用数据进行诊断,但全自动诊断不太可能很快实现,部分原因是患者会接受这种诊断,部分原因是技术上难以整合来自多个来源的数据并遵守严格的监管要求。

与此同时,在医疗保健行业实现这一潜力之前,医疗保健提供商必须对其商业模式进行重大改变,大力投资于计算能力和技术专长,并努力提高能源的可用性,以促进包括病历在内的数据的处理和利用。(专门的数据经纪人,如2015年被小发猫收购的“发现”,已经提供了全面的医疗保健数据,并将其出售给潜在的人工智能解决方案提供商和用户。)

做出这些改变并不容易,但一旦成功,回报是可观的:报告显示,当医疗行业高管回顾人工智能应用的案例研究时,之前使用人工智能技术的公司高管表示,他们预计这些技术将在未来三年增加5%的利润率。根据世界卫生组织的数据,人工智能可以提高医疗水平,降低成本。这绝不是小事。年,全球医疗支出达到国内生产总值的9.9%(法国为11.5%,美国为17.1%)。

人工智能可以识别公共健康威胁和最受威胁的群体

人工智能技术渗透率非常低。目前,最先进的应用领域是机器学习算法支持的支付和索赔管理。一些临床医生使用人工智能来预测某些疾病的传播,并试图预测哪些患者最有可能成为患者。他们根据这些信息提供预防性治疗。他们还利用这些预测来帮助医院管理者安排员工、与保险公司协商报销率、制定预算和优化库存水平。

利用医疗和社会数据更好地管理成本的想法吸引了医疗保健领域的一些顶尖技术、制药和医疗公司以及小型初创公司。约翰逊约翰逊与思爱普合作,利用机器学习来预测客户需求、库存水平和产品组合。Careskore是一个预测性分析平台,它使用机器学习来确定病人再次入院的可能性。

未来,人工智能工具将大大加快从医疗保健向预防医学的转变。医疗专业人员将专注于病人健康的远程管理,这样他们就不必去医院了。为了做到这一点,人工智能工具不仅要分析病人的病史,还要分析环境

机器学习适用于分析数百万份病历,根据一定的人群水平预测健康风险。这可能是人工智能的早期胜利,因为它带来巨大的储蓄潜力,在预测个人健康风险时不需要监管审查。

医疗提供者将收到信息,让患者参与预防行动,包括医疗服务和生活方式以及营养、锻炼和污染预防等环境因素。医院管理人员将更好地预测高峰期,如注册人数激增。人工智能工具通过结合个人病历、天气数据和其他信息来跟踪传染病的发病率,并将有助于估计有多少人需要住院治疗。例如,人工智能应用程序可以使用医疗和人口统计数据来预测分娩的增加,并在产科诊所需要额外工作人员时提醒医疗保健管理人员。

报告估计,采取人工智能措施后,美国所有医疗服务的潜在成本节约将达到每年3000亿美元,约占国内生产总值的0.7%。在英国,将人工智能目标用于预防性保健每年可以节省33亿元的住院费用。

人工智能可以帮助医学专业人员诊断疾病,提高操作机器学习的能力,并提高诊断准确性。斯隆斯隆凯特琳研究所估计,医生在诊断癌症患者和开处方治疗时只使用20%的实验知识。人工智能应用可以筛选数百万页医学证据,并在几秒钟内提供诊断和治疗解决方案。

基于人工智能的图像识别和机器学习可以在核磁共振成像和x光图像上看到比人眼更详细的信息。例如,不同类型的胶质母细胞瘤有明显的遗传异常,医生根据这些异常来治疗它们。然而,放射学家不能仅仅通过图像来识别这些脑癌的遗传异常。梅奥诊所有一个机器学习程序,可以快速可靠地识别异常。

人工智能的自动化可以通过减少医生和护士的日常活动来提高医疗保健的生产率。有一天,配备深度学习算法的聊天机器人可以缓解急诊室面对大量非急诊患者的压力,如喉咙痛和尿路感染。

启用人工智能意味着极大地节省运营效率。

根据调查,尽管人工智能潜力巨大,但医疗保健在人工智能技术的应用方面落后于其他行业。人工智能的应用主要集中在操作和客户服务上。最常用的技术是语音识别和计算机视觉。在我们的调查样本中,他们在医疗保健公司的份额分别为9%和7%,其中包括已经注意到人工智能的组织。在大多数医院,诸如预约安排等操作和管理功能仍然是手工完成的。

我们发现,如果一个部门在采用数字技术方面进展缓慢,它也有使用人工智能的趋势。报告《数字美国》发现,该国近四分之一的医院和超过40%的医生尚未采用电子健康记录系统。即使那些有电子记录系统的人也不能与病人或其他提供者无缝共享数据。重复测试是不必要的,病人需要重复他们的病史,因为这些系统不能一起运行。另一份MGI报告《分析的时代》发现,美国卫生保健部门只利用了10%到20%的机会来使用高级分析和机器学习。

进展缓慢并不是因为医疗和行政人员对人工智能缺乏兴趣。人们对此很感兴趣,但医学面临一些独特而困难的障碍。病历的敏感性和严格的隐私法规阻碍了深度学习应用程序和其他人工智能工具所需的高质量聚合数据的收集。此外,数据和行业本身的复杂性、医疗保健行业的碎片化以及其他监管障碍正在减缓这一进程。

人工智能在发达国家的引入意味着运营效率的巨大节约。对美国的估计从国内生产总值的1%到2%不等。在其他高收入国家,储蓄估计占国内生产总值的0.5%至1%。所有人工智能都可以将在职护士的生产率提高40%到50%。麦肯锡的研究发现这可以拯救h

医院还可以使用人工智能解决方案来优化许多常见的业务任务,以提高其容量利用率。虚拟代理可以自动进行常规的患者互动。语音识别软件已用于客户服务,以降低处理患者日常工作的成本,例如安排预约和登记住院。自然语言处理可以分析期刊文章和其他文档,并整理出它们的内容,以便医生可以快速查阅。这些类型的应用程序可以在没有监管审查的情况下产生重大影响。

保险公司可以设计新的方法来鼓励预防性保健和鼓励提供者。

机器学习技术可以预测患者行为并计算疾病概率,这比目前的方法和医疗保险提供者更能提高生命的可能性。

新的商业模式可以将人工智能与行为健康干预相结合,专注于预防、疾病管理和健康,在人们成为病人之前处理他们的不健康问题。一家名为“发现健康”的南非保险公司跟踪被保险人的饮食和健身活动,并为他们的健康行为提供激励。

人工智能还将鼓励付款人、供应商和制药公司之间建立新的伙伴关系,并将促进绩效工资模式,以加速向预防医学的转变。付款人可以更多地参与护理管理,或通过引入基于机器学习的合同模型来识别风险或基于人工智能的风险管理模型来鼓励其提供者实施护理管理。

当越来越多的保险公司使用机器学习来分析历史病历时,基于内容的支付计划将显著扩展,这将根据组织所有提供商的平均治疗成本向医生和医院支付费用。根据麦肯锡的客户经验,我们认为这种方法将对成本产生重大影响,将整形外科医生的成本降低8%至12%,而医生诊断的成本将降低4%至5%。

医生将能够为个体患者定制治疗方案,甚至药物

患者也可以直接受益于医疗保健领域人工智能的兴起。

考虑到每个患者的病史和基因组成的复杂性,标准化的治疗方法并不适用于每个患者,因此研究人员正在使用先进的分析方法来个性化治疗计划。决策可以基于远程诊断设备的数据分析和患者监控。一家名为“涡轮”的初创公司使用人工智能来设计个性化的癌症治疗程序。这项技术在分子水平上模拟细胞生物学,试图为特定肿瘤确定最佳药物。它还可以识别复杂的生物标志物,并通过每天数百万次模拟实验寻找联合疗法。

人工智能用海量数据解决狭隘问题的能力引起了定制医疗保健倡导者的共鸣。他们承诺提供一种独特的药物、物理疗法和治疗方法,旨在以最小的副作用提供最大的益处,因此了解数百万其他具有相似症状、预后和年龄的人的健康结果对他们来说是非常宝贵的。一些公司已经在使用机器学习或其他人工智能技术来治疗个体患者。Mindmaze使用机器学习来优化中风患者的康复活动。Ginger.io使用机器学习根据患者的新陈代谢和其他因素推荐最佳用药时间。量身定制的治疗可以使人均医疗支出减少5%至9%,平均寿命延长0.2至1.3年,生产率每年提高200美元。全球范围内,经济影响可能从2万亿美元到10万亿美元不等。

虚拟代理可以成为病人的主要联系点

医疗领域最突出的问题是缺乏高质量的医疗资源。这个问题可以说是全球性的。加上人口老龄化的加剧,未来对医生的需求可能会增加。

医疗实践采取了一些小步骤,将人工智能纳入患者管理,并将人工智能技术引入语音识别和其他语言,以实现操作自动化。将来,具有语音识别、图像识别和机器学习工具的虚拟助手将能够协商、诊断甚至开药。如果这些系统缺乏足够的信息来得出结论,虚拟代理可以命令额外的测试并与患者预约。

在农村地区,虚拟代理将能够

争议较少的是,在医院里,虚拟代理将能够帮助病人注册,并向合适的医生推荐他们来解决他们的问题。虚拟助理将能够帮助患者在医院设施中导航,为他们的测试做准备,并确保他们按时预约。

阻碍人工智能发展及其在医疗保健中应用的最可能瓶颈之一是高质量数据的足够数量和标准格式。如前所述,今天的信息高度分布在整个行业和任何地方。最难协调的是电子病历、实验室和成像系统、医生记录和医疗保险索赔材料。很难将这些信息整合到一个大型综合数据库中,但这也是人工智能理解疾病及其治疗方法的必要条件。

例如,文化障碍阻碍了医疗保健数据所有者医院、保险公司、制药商和诊断公司之间的合作。当然,数据本身是高度敏感的。当人们在网上购买或加入信用计划时,他们通常允许访问某些类型的个人数据,但他们可能会抵制任何深入到更隐秘的病史的尝试,尤其是如果他们认为这没有必要并且潜在的好处是抽象的。他们还可能担心,对于黑客和数据窃贼来说,集中收集隐私和健康细节将是一个自然的目标。监管者需要积极制定明确的规则,定义谁可以使用数据,他们可以使用什么数据,如何存储它们,以及如何匿名。

为了完成这项工作,人工智能技术必须对病人和其他人有深入的了解,但人们对人工智能技术实际上是如何诊断或选择治疗计划仍然知之甚少。有多少患者会相信人工智能工具,愿意相信人工智能诊断或遵循人工智能治疗计划仍然是个问题。如果没有人能解释计算机是如何做决定的,或者如何防止这种情况再次发生,监管者就不会冒险匆忙做出伤害病人的错误决定。即使对于最强大的人工智能工具,如深层神经网络,这也是一个问题,而且还会持续一段时间。尽管理论上,人工智能工具比个体临床医生更不容易出错。

为了完成这项工作,人工智能技术必须对病人和其他人有深入的了解,但人们对人工智能技术实际上是如何诊断或选择治疗计划仍然知之甚少。有多少患者会相信人工智能工具,愿意相信人工智能诊断或遵循人工智能治疗计划仍然是个问题。如果没有人能解释计算机是如何做决定的,或者如何防止这种情况再次发生,监管者就不会冒险匆忙做出伤害病人的错误决定。即使对于最强大的人工智能工具,如深层神经网络,这也是一个问题,而且还会持续一段时间。尽管理论上,人工智能工具比个体临床医生更不容易出错。

人工智能公司将不得不解决市场分化的问题。数百家供应商提供数千种不同的机器学习程序,每种程序都是为特定的临床情况而设计的。但是在日常实践中,医生需要一个能够处理不同情况的平台。

如果医疗保健提供者想利用人工智能,他们也有一些事情要做。首先,他们必须雇用或培训有能力部署、维护和操作人工智能系统的受过培训的人员。除了数据分析师和技术人员,这还包括项目管理、团队发展和解决问题的技能。

同时,传统员工医生、护士和其他医疗专业人员需要习惯在机器和人工智能工具的支持下工作。虽然这将使他们有机会更多地关注临床病例,并将管理和低风险工作移交给人工智能和数字解决方案,但他们必须克服严重的疑虑。

雷锋网结论

一方面,优质医疗资源供给不足,成本高,医生培训周期长,误诊率高,疾病谱变化快,技术日新月异;另一方面,随着人口老龄化、慢性病的增长和对健康的日益重视,对医疗服务的需求不断增加。

可预见的未来是,尽管人工智能在医疗领域全面登陆仍有一些障碍,雷锋网(公开号码:雷锋网)认为,在不久的将来,医疗行业肯定会成为人工智能的下一个蓝海。这也是谷歌和国际商用机器公司等巨头继续以高昂成本花钱的根本原因。从另一个角度来看,即使那些已经进入市场的大公司,他们在医学领域的人工智能研究也只是一个初级水平。我们甚至可以说人工智能医疗一定会有很大的潜力。

原创链接:

[本文由合作媒体授权投资界转载。的版权

日期归档