上一篇文章对CB Insights发布的2019年AI趋势中的三个趋势做了解读，包括面部识别、车险理赔及防伪（文章链接：CB Insights发布2019年AI趋势报告（一））。本篇文章中，智库将对报告提出的趋势中与医疗健康相关的5项趋势（临床试验招募及健康管理、医学影像及诊断、新型假肢、药物研发、生物识别）做出分析解读。
临床试验招募及健康管理招募合适的患者是临床试验最大的难题之一，仅在美国就有超过18000个临床研究正在招募患者。尽管医疗信息化进程已经在推进，但机构间和系统间的信息共享仍然是医疗行业的一大瓶颈。这在临床试验中尤其成问题，因为对临床研究团队来说，为临床试验匹配合适的患者是一个耗时且具有挑战性的过程。而AI可以从患者病历中采集信息，将患病情况与正在进行的临床试验做比对。
小型初创公司往往面临行业适应速度慢、创新水平较落后的问题，因此这些初创公司很难在临床试验阶段与客户达成合作。不过像苹果这样的科技巨头倒是有些门路。2015年以来，苹果已推出ResearchKit和CareKit两个开源框架，可以实现患者招募并远程监测患者身体情况。
另外，苹果还与Cerner和Epic等电子病历公司合作，解决互用性问题。2018年1月，苹果公司宣布，iPhone用户可以通过iPhone的“健康”App访问所有接入的电子健康记录。用户可以找到所有他们需要了解的关于过敏、疾病、免疫接种、药物、生命体征等信息。这项名为“健康记录” （Health Records）的功能是初创公司peek研发的。2016年，Peek被苹果收购。
2018年6月，苹果面向开发者开放了健康记录API。用户可以与第三方App和医学研究人员共享他们的健康数据。这无疑是为健康管理开辟了新的道路。
医学影像及诊断2018年4月，FDA批准了一款名为IDx-DR的Al软件，该软件可在无需专家第二意见的情况下筛查糖尿病视网膜病变患者。该软件识别“轻度以上糖尿病视网膜病变”的患者的正确率达87.4%，识别无病变情况患者的正确率高达89.5%。
另外，FDA还批准了一款来自Viz.ai公司的产品——Viz LVO，用于分析CT扫描结果及预测患者中风风险。
智能手机的普及和图像识别技术的进步使得手机逐渐变成强大的家庭诊断工具。Healthy.io的第一个产品——Dip.io尿检工具包，使用传统的尿液检测试纸来监测一系列尿路感染问题。用户可以用智能手机给试纸拍照，AI会根据不同的光照条件和相机质量对拍摄结果进行校正，从而使检测结果比一般的同类App检测结果更加准确。该产品可检测感染和妊娠相关并发症。Dip.io已经在欧洲和以色列上市，并获得了FDA的批准。除此之外，一些ML-as-a-service平台可与家庭检测设备联动，在检测结果出现异常时即向医生发出警报。
新型假肢生物学、物理学和机器学习相结合，可以帮助解决假肢中最困难的问题之一：灵活性。DARPA（美国国防高级研究计划局）已经在高级假肢项目上投入了数百万美元，该项目于2006年与约翰霍普金斯大学合作启动，旨在帮助受伤的退伍军人。但这个问题实在棘手，让截肢者能够自如地活动假肢上的某一根手指、解码自主运动背后的大脑和肌肉信号，并将其转化为机器控制指令等，这些都需要多学科的方法。
2017年，梅根 · 莫尔特尼在《Wired》杂志上发表的一篇文章中以一个弹钢琴的简单例子解释了这一问题：对于拥有正常手臂的人来说，经过反复练习，弹奏和弦会变成他的“肌肉记忆”，但假肢并不是这样工作的。近几年，研究人员开始使用机器学习来解码来自人体传感器的信号，并将其转换成假肢活动的指令。
约翰 · 霍普金斯大学应用物理实验室正在进行一项利用“神经解码算法”实现假肢神经接口的研究。去年6月，来自德国和伦敦帝国理工学院的研究人员利用机器学习对截肢者残肢发出的信号进行解码，并成功启动电脑控制机械臂。这一“脑机接口”的研究发现发表在《科学机器人》杂志上。
还有些研究探讨了中间方案，比如使用肌电信号（残肢附近肌肉的电活动）来激活摄像机，以及运用计算机视觉算法来估计面前物体的抓取大小和模式。“AI义肢挑战赛”是NeurIPS（一个顶级神经信息处理系统峰会）的竞赛赛道之一，该峰会2018年度的挑战是使用强化学习来预测假肢的性能，研究人员使用一种名为OpenSim的开源虚拟世界架构平台来模拟人类的运动。此次重点比赛项目是“训练AI跑步”，该项目吸引了442位参赛者，赞助商包括AWS、英伟达和丰田。
随着Al生物技术初创公司的兴起，传统制药企业开始寻求Al SaaS初创公司为漫长的药物研发流程提供创新的解决方案。
2018年5月，辉瑞与晶泰科技达成战略合作伙伴关系。晶泰科技是一家“以计算驱动创新”的药物研发科技公司，已获腾讯、谷歌等科技巨头投资。除辉瑞外，诺华、赛诺菲、葛兰素史克、安进和默克等顶级制药企业在最近几个月都宣布与Al创业公司建立合作关系，以发现肿瘤和心脏病学等一系列疾病的新候选药物。
Recursion Pharmaceuticals等生物技术公司正在研究AI及药物研发，而传统制药企业则在与AI Saas初创公司合作。尽管这些初创公司中有很多仍处于早期融资阶段，但这一领域确实大有前景。
研究人员开始利用神经网络来研究和测量以前难以量化的非典型危险因素。
使用神经网络分析视网膜图像和语音模式可能有助于识别心脏病的风险。今年发表在《自然》杂志上的一篇论文称，谷歌的研究人员利用一个训练视网膜图像的神经网络来发现心血管疾病的危险因素。该研究成果不仅可以通过视网膜图像识别年龄、性别和吸烟模式等危险因素，而且“可以以之前从未见过的精确度进行量化”。
梅奥医学中心(Mayo Clinic)与以色列初创公司Beyond Verbal合作，通过分析声音中的声学特征，以发现冠心病患者的不同语音特征。研究发现，在受试者描述一种情感体验时，有两种声音特征与冠心病密切相关。初创公司Cardiogram最近的一项研究表明：利用深度学习，“由糖尿病驱动的心率异常可以通过非自穿戴式心率传感器检测出来”。这一方法的准确率可能达到85%。
在生物识别方面，还有一个更令人称奇的案例——被动监控。2018年1月谷歌发布了一项专利，即通过肤色或体表活动来分析心血管功能。这些传感器甚至可能被放置在病人浴室中构建的“感应环境”里。
例如，通过识别手腕和脸颊的皮肤颜色变化，并比较这些区域的测量时间和距离，系统可以计算出一个“脉冲波速(PWV)”。皮肤移动的速度信息可以用来确定心脏健康指标，如动脉僵硬或血压。“机器学习可以用于创建一个特定患者的模型，从而依据PWV来估算血压”。
亚马逊在2014年申请了一项类似的被动监测专利，并于2017年获得批准。该专利是将面部特征识别（使用神经网络或其他算法）与心率分析结合起来。例如，AI可以跟踪面部两个区域的颜色变化，比如眼睛和脸颊附近的区域，利用这些数据来计算心率。
AI为疾病风险预防、早期诊断、临床试验患者招募、甚至是药物设计都提供了新的解决方案，它也同样能成为破除其他壁垒的有力武器。不计其数的AI宝藏似乎逐渐现世，其潜力亟待挖掘、无有穷尽。
上篇文章链接：CB Insights发布2019年AI趋势报告（一）
AI如何持续渗透平安城市？安防企业为何纷纷“进军”商业？智慧交通除了“大脑”还该关注什么？如何抓准家庭社区安全零散的市场？
2019年5月23/24日，将举办GIIS2019中国智慧城市峰会，本次峰会将延续前两次会的主题，邀请知名专家学者、行业龙头企业、标杆初创企业、知名投资人等，聚焦技术在智慧城市领域（平安城市、智能商业、智慧交通、家庭社区安全）的应用现状及未来发展。
活动链接：https://zhineng.aiisen.com/post/ad/id/795
版权声明
本文来源，经授权发布，版权归原作者所有。转载或内容合作请点击转载说明，违规转载法律必究。
