云栖科技评论 | 医疗AI,医疗健康产业的“核按钮”

简介:

忽然之间,美国食品药物管理局(以下简称FDA)成了AI医疗亲密无间的好朋友和坚定的支持者。

2018年上半年,FDA相继批准癫痫监测与警报AI手表Embrace、AI临床监测平台Wave、脑卒中护理软件Viz.ai、自闭症筛查AI软件Cognoa以及血糖预测AI系统Guardian Connect等多款监测预警类医疗AI产品,及诊断辅助类和临床治疗类医疗AI产品,包括诊断糖尿病视网膜病变的全球首款AI医疗设备IDx-DR、腕部骨折检测诊断软件OsteoDetect、以及利用AI实现胰岛素剂量精确控制的临床治疗工具DreaMed Advisor Pro。

5个月的时间,FDA不仅批准了多达8款人工智能医疗产品,而且迅速从辅助监测预警类产品,拓展到针对诊断辅助类和临床治疗类产品的审批,如此速度,在FDA尚属首次,这不仅让美国新闻媒体大呼意外,更直接推高美国投资界对医疗AI的投资热度,数十亿美元在今年上半年流向硅谷的医疗AI公司,形成一股医疗AI投资热潮。

为什么FDA在医疗AI的审批上“开闸放水”?一向以“慎重审批、严格管控、周期冗长”著称的FDA为何态度大变?

医疗AI在监测预警、诊断辅助,甚至临床治疗上展现出的高水平是FDA加速审批的原因之一:

谷歌DeepMind团队与多家医疗机构合作的眼科疾病AI诊疗软件,在多次与人类医生的对比测试中,展现出了对超过50种眼科疾病高达94%的诊疗准确率,这一数字远高于传统的数字医疗诊断方式,甚至超过了大多数基层医疗机构在眼科疾病领域的诊断水平;

前面提到的腕部骨折检测软件OsteoDetect在1000张X射线图像研究诊断中,几乎达到100%的准确率,而且在部分检测中找到了被人类医生忽略的细微差异,更是在200个疑难病例上,与24位专业研究者平分秋色。

另一个原因则要归功于2017年7月FDA制定的数字健康创新行动计划(Digital Health Innovation Action Plan,DHIAP),这一计划详细阐述了在数字时代,如何确保高质量、安全和有效的数字医疗手段能够被应用于医疗行业,旨在帮助亟待大规模涌入市场的数字医疗产品,尤其是能够诊断疾病、在临床上发挥重要作用的数字医疗技术,在安全可靠以及有效的前提下,缩短FDA审批时间,尽快进入市场服务于医生和病患。

针对数字医疗的标准化审批体系和规范化流程,有效加速了医疗AI的审批速度。

但更重要的是,正如斯坦福大学数据科学、基因科技教授Dr. Carlos Bustamante所说,FDA很可能意识到当医疗AI技术高速涌入市场,对数字医疗产业、医疗行业和医疗系统,将会产生前所未有的推动作用,医疗AI将会是解决医疗系统存在的医疗水平不均、诊疗体系效率低下、医疗系统信任度不高等问题的突破点。

在医疗AI生态不断壮大的过程中,作为一种建立在云平台上、借助数据来获得能力的技术,不同医疗AI之间的数据互通、系统互联问题将被暴露出来,解决医疗诊断数据、医疗系统平台乃至底层云平台、大数据平台的连通性和互操作性问题成为关键性议题,传统医疗企业、数字医疗企业以及科技企业之间将开展前所未有的合作,通过制定统一的、自发性的医疗行业数字化标准,来解决医疗数据和医疗系统的互联互通问题,从而确保医疗AI以及数字化医疗健康有序发展。

在这一过程中,长期困扰医疗行业的数据共享与系统互通问题将得到有效解决:在过去,数据的持有者无法预见实现数据共享和数据联通后所能得到的回报,那些所谓的“附加价值”“收入增长”“长期利益”都更像是镜花水月,但医疗AI却可以让他们看到真实回报,清晰地展现出医疗数据和医疗系统互联互通之后的极大想象空间。

未来不仅是临床诊疗和病患服务,流行病控制预警、疑难杂症研究以及健康人寿保险都将受益于医疗AI,实现整个社会的疾病应对能力和健康生活水平的持续提高。因此,将医疗AI称作医疗健康产业的“核按钮”并不为过,当然,这个核按钮所带来的是健康和快乐。


原文发布时间为:2018-08-26

本文作者:Arc

本文来自云栖社区合作伙伴“阿里研究院”,了解相关信息可以关注“阿里研究院”。

相关文章
|
5天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
104 59
|
2天前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
47 30
|
3天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
探索AI在医疗诊断中的革命性应用
【10月更文挑战第29天】 随着人工智能技术的飞速发展,其在医疗领域的应用已成为推动现代医疗服务创新的重要力量。本文旨在探讨AI技术如何在医疗诊断中发挥其独特优势,通过分析AI在影像诊断、疾病预测和个性化治疗计划制定等方面的应用案例,揭示AI技术如何提高诊断的准确性和效率,以及面临的挑战和未来发展趋势。
17 1
|
2天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗领域的革命:智能诊断系统的未来
在科技日新月异的今天,人工智能(AI)技术正逐渐渗透到我们生活的每一个角落,其中医疗领域尤为显著。本文将探讨AI在医疗诊断中的应用及其带来的变革,重点介绍智能诊断系统的发展现状与未来趋势。通过深入浅出的方式,我们将揭示AI如何改变传统医疗模式,提高诊断效率和准确性,最终造福广大患者。
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
21 2
|
10天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗健康领域的应用与前景
随着科技的不断进步,人工智能(AI)技术已经深入到我们生活的方方面面,特别是在医疗健康领域。本文将探讨AI在医疗健康领域的应用现状、面临的挑战以及未来的发展前景。
|
7天前
|
机器学习/深度学习 数据采集 人工智能
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第26天】近年来,深度学习技术在医学影像诊断中的应用日益广泛,通过训练大量医学影像数据,实现对疾病的准确诊断。例如,卷积神经网络(CNN)已成功用于识别肺癌、乳腺癌等疾病。深度学习不仅提高了诊断准确性,还缩短了诊断时间,提升了患者体验。然而,数据隐私、数据共享和算法透明性等问题仍需解决。未来,AI将在医学影像诊断中发挥更大作用,成为医生的得力助手。
27 0
|
10天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗诊断中的应用
【10月更文挑战第23天】随着人工智能技术的不断发展,AI在医疗领域的应用也日益广泛。本文将介绍AI在医疗诊断中的一些应用,包括医学影像分析、病理诊断、基因数据分析等。通过这些应用,我们可以更好地理解AI技术在医疗诊断中的价值和潜力。