|
药物研发 医疗领域目前最重要的痛点之一仍是药物挖掘与开发的时间成本。根据塔夫特药物发展研究中心（Tufts Center for the study of Drug Development）的数据，一款新药的面市从药物发现到获得FDA批准平均大约需要96.8个月。 虽然对专业技术的持续聚焦可以改善时间跨度，但新药研发的成本却仍在持续增加。德勤的数据显示，自2010年以来，12家主要制药公司的获批药物开发成本已经增加了33％，至约每年16亿美元。 如何才能降低新药研发的成本，增加研发成功的概率呢？答案只有一个，那就是依靠大数据和人工智能的力量。 以硅谷公司Atomwise为例，Atomwise通过IBM超级计算机，在分子结构数据库中筛选治疗方法，评估出 820 万种候选化合物，研发成本仅为数千美元，研究周期仅需要几天。
2015年，Atomwise利用AI技术，在不到一天的时间内对现有的7000多种药物进行了分析测试，成功地寻找出能控制埃博拉病毒的两种候选药物。根据该公司的统计，如果利用传统方法，这项分析需要花费数月甚至数年才能完成。 AI+医疗面临的的挑战 虽然智能医疗有望解决传统医疗行业的许多问题，但我们也不得不承认AI+医疗仍然存在很多阻碍。 在智能医疗有效降低医药研发成本与医生工作时间成本的同时，我们也不得不承认实施AI和机器学习算法本身成本可能非常昂贵。医疗健康是一个容错率极低的领域，为确保数据的真实合法，算法的准确有效以及计算机有足够的计算能力，都将花费不菲的金钱。 另一方面，想要AI+医疗有所突破和发展，相关领域顶尖人才的聚合也非常重要。2013年，Google收购DeepMind Technologies时支付了超过3亿美元，而当时他们的团队仅有十几个人。因此，人才培养的成本和聚集人才所支付的代价都是向智能医疗行业进军的企业所必须考虑的。 另外，智能医疗行业的信息获取也存在着一定的隐患。医疗行业的数据大多包含病人的隐私信息，将这些数据用于科研甚至实际应用是否合乎人情与法律也是必须考虑并加以解决的问题。 但尽管“AI+医疗”存在重重阻力，我仍相信它的发展势在必行。 人工智能将成为医生的最佳辅助，帮助医生更便捷的获取信息并做出更正确的判断，只有将人类的情感沟通能力与计算机的分析计算能力相结合，才能发挥出智能医疗最大的价值，真正的将技术应用于实际，实现人工智能领域研究的终极意义。 |
|
|
