100個醫藥產業 一口氣看懂AI醫療產業

大家好 我是帶你瞭解醫藥行業的閒魚寶 最近ChatGPT非常火 馬斯克評價它好的嚇人 比爾蓋茨更是表示其重要性不亞於互聯網的發明 那它的出現將如何影響醫藥行業 有哪些有趣的應用 今天約搞前谷歌生命科學公司Verily的朋友 給我們全面介紹一下AI醫療發展現狀 是什麼吸引了谷歌 微軟 阿里 騰訊這些世界巨頭 在開始介紹之前 我們先簡單瞭解一下AI Artificial Intelligence 人工智能 無論是ChatGPT Siri 天貓精靈都屬於智能體 他們像人類一樣去思考 感知 學習和決策 但注意我用的這個字 他們像人一樣 實際上他們並不會思考或者決策 他們之所以能這麼做 是因爲程序員通過各種算法 規則以及大量的數據訓練 最終讓他能夠模擬人類做出反饋 所以AI的本質就是通過大量的數據訓練 學習和算法優化 讓智能體可以處理分析和理解信息 自主的做出一些決策 掌握一些能力 比如自然語言處理 圖像識別 數據挖掘 深度學習等等 我們就是利用AI的這些能力 來進行行業賦能的 所以基於這些強大的能力 AI在不同場景下有了不同的作用 具體有哪些呢 爲了方便理解 我以醫院爲中心分成三大模塊 院前 院中 和院後 院前就是醫院的前端 此時還不涉及患者 院中就是患者在醫院中就診 也是我們今天的重點 院後即患者離開醫院之後 有哪些應用場景 先說院前 AI醫療在醫院的前端 主要專注在兩個領域 一基礎科學研究 二藥物研發 看過我們第一期視頻的同學都知道 基礎科學研究是藥物研發的第一步 從事基礎研究的專家們 遇到最大的困難之一 就是需要處理大量的數據 因爲人類實在太複雜了 不知道大家有沒有聽說過 人類基因組學計劃 它與曼哈頓原子彈計劃 阿波羅登月計劃 並稱爲二十世紀三大科學計劃 目的就是爲了研究人類的基因 瞭解生命的起源 學過高中生物的我們都知道 DNA是人類的遺傳物質 它有31個鹼基對 其中有編碼能力的DNA片段 叫做基因 基因組學計劃就是爲了測定 所有這31個鹼基對的序列 繪製出人類的基因圖譜 達到破譯人類遺傳信息的最終目的 掌握上帝的密碼本 從計劃到現在 經過30年的發展 人類測序基因組的能力 已經超越了分析DNA序列的能力 什麼意思呢 就像是二戰時期 攔截敵人的電報非常容易 但是破解卻很困難 DNA中的ATGC 就像電報中點橫點橫 這樣的摩斯密碼 需要破解人員花大量的時間 運算並尋找規律 人工智能之父圖靈 就參與了世界上最早的 電子計算機的研製工作 破解了德軍的密碼系統 改變了歷史走向 當下的我們 仰仗圖靈理念下誕生的人工智能 幫助我們更快更高效地處理 海量已經測序出的基因組序列 AI智能體可以像分析人類語言一樣 分析DNA序列 並且用人類對話的方式 將發現表述給研究人員 比如當我們把一個患者的基因組數據 給到人工智能後 他翻譯後會說 除了分析基因 AI還可以學習蛋白質中 氨基酸順序與蛋白結構 和功能之間的關係 通過高中生物 我們又知道 蛋白質是由氨基酸組成的 構成人體的氨基酸 總共也就20種 但是這20種氨基酸 通過不同的組合和摺疊 就像蓋房子一樣 組合成了形態各異的建築 從而有了不同的功能 那麼AI智能體就像一個建築大師 它學會了所有的建築知識 知道不同需求的房子該怎麼搭建 所以它就可以幫助人類 去設計一個全新的蛋白質 至於這個新的蛋白質能做什麼 我們後面細說 不知道大家聽過AlphaFold沒有 它就是屢屢擊敗 包括科姐在內的 多個圍棋世界冠軍的人工智能 AlphaGo的親弟弟 它的橫空出世 直接沸騰了學術圈 因爲它直接預測了 98.5%的人類蛋白質結構 去年更是預測超過了 100萬個物種的 2.14億個蛋白質結構 幾乎涵蓋了 地球所有一隻的蛋白質 而這些數據可以大量 應用到藥物研發 與塑料污染之類等場景中去 接下來說藥物研發 通過前期的基礎研究 科學家們發現某個疾病人群的 某個蛋白質普遍都出了問題 那是不是解決掉這個蛋白質的問題 疾病也就治癒了呢 沒錯 這就是當下火熱的靶向治療 精準治療 問題是 你光發現問題還不行 還需要去解決它 好比你終於在迷宮中找到了出路 結果有扇防盜門 是不是得有把鑰匙來開鎖呢 大型的跨國藥企 它們內部都有上百萬種 候選的化合物庫 等於是擁有上百萬把鑰匙 那麼它就可以利用高通量篩選 一把一把的去試 但這樣效率很低 也非常依賴計算機的算力 人工智能可以在這裏幹什麼呢 它們非常會總結歸納經驗 比如它觀察這個鎖眼 是一個十字孔的鎖頭 那所有不是十字孔的鑰匙 就可以直接排除了 又或者更厲害的智能體 它可以不斷學習 最後乾脆自己造一把鑰匙出來開門 就是我們前面提到的 AI建築大師 直接創造一個新的化合物 或者蛋白質 這就是AI輔助治療 這裏提一個小彩蛋 PF0083521 它代表的是輝瑞D0083521號化合物 由輝瑞在2003年研發 2020年疫情發生後 通過對病毒序列的瞭解 和化合物庫的篩選 輝瑞從冷宮中發現並輔政了它 最終在去年上市 它就是特效藥Paxlovid 奈馬特韋 是不是藥物研發 並不像你想象的那麼複雜呢 AI不光可以輔助早期藥物研發 在臨牀實驗中 它也可以幫助到我們 臨牀實驗經常被民衆詬病的 就是安慰劑對照 想用上試驗藥物的患者 結果吃的可能是澱粉片 但未來當醫院的數據與AI對接 AI就可以從這些數據庫中 直接挖掘出 符合臨牀實驗方案的既往患者 把他們的病史生成一個 虛擬的對照幣 通過虛擬的對照幣 與當下的試驗藥物療效進行對比 不但可以減少安慰劑的使用 藥企還可以減少對應的研發投入 以上就是院前的基本情況了 接下來就是我們的重點部分 院內AI 請大家想象一下 現在正處於賽博朋克2077中 你正準備去看病 那麼首先 虛擬AI會根據你語音描述哪裏不舒服 直接幫你掛號 導診 該去哪個科室就診 排隊 然後再幫你付錢 拿報告 排隊取藥 一條龍服務 就像賓館裏送外賣上門的機器人一樣 比較好理解 我就不做贅述了 因爲後面纔是現在行業的重磅玩家 當我們掛完號開始看病 醫生要給我們診斷什麼疾病 隨後纔會給我們治療 那麼常規的診斷程序是什麼呢 我們先簡單學習一下 當你坐在醫生對面 醫生第一句話肯定是哪裏不舒服呀 這就是問診了 瞭解你的主訴病史等等情況 如果你說你咳嗽了 這個時候醫生的大腦會根據這些信息 飛快的運轉 結合自己學習過的醫學知識 以及臨牀經驗進行判斷 比如你現在狀態還不錯 是不是就可以暫時排除心肌梗死 心功能不全 再看你還年輕 再排除你是肺癌 那還有感冒 窒息管炎 哮喘等等疾病都會咳嗽怎麼辦呢 它就需要結合一些輔助檢查 特殊檢查 比如抽血 B超 CT等等等等 然後有了初步診斷 就是一個感冒引發的咳嗽 它就可以給你開藥進行治療了 那AI參與的是哪些步驟呢 首先我們發現的是醫生在診斷時 需要有大量的臨牀經驗醫學知識 那我們就可以讓AI學習非常大量的醫學知識 醫療數據輔助醫生進行診斷和決策 它就是大名鼎鼎的CDSS Clinical Decision Support System 臨牀決策知識系統 預計未來五年佔AI醫療市場的20% CDSS應用可以有效解決 臨牀醫生知識的侷限性 比如一些基層醫院的醫生經驗水平不足 那麼CDSS就可以幫助他去診斷 降低誤診率 大家可不要小看了 根據中國醫學會數據資料顯示 我國臨牀醫療每年誤診人數約爲5700萬人 惡性腫瘤平均誤診率爲40% 多麼可怕的數字 但是對於基層來說 培養一個全科醫生需要大量的時間和成本 但如果輔助上CDSS 只需要幾秒鐘 就能迅速提高醫生的診療水平 降低誤診率 當CDSS安裝在醫生的電腦中後 它會根據醫生對患者關鍵信息的描述 提示醫生相關的診斷要求 當醫生開始給你治療之後 它還會提示醫生不同的藥物的適應症是什麼 用藥禁止等等等等 要知道這麼多的藥物信息 再強的醫生也需要不斷地翻閱用藥指導 所以如果大家看到醫生在手機上搜索信息也不要奇怪 因爲無論是疾病信息還是藥物信息 數據量還是太龐大了 就好像再好的律師 他也不可能把所有的法條都能背下來一樣 但現在CDSS可以快速便捷地推送相關信息給你 是不是很神奇 說完CDSS 下面這位那更是重量級了 佔到未來AI醫療市場40%的市場份額 接近半壁江山 並且現在已經成功商業化了 它就是AI醫學影像 爲了方便大家理解 我們再先解釋一下醫學影像 它指的是利用B超、CT、MRI這些通過非侵入手段 獲得人體內部組織影像的技術 比如我們體檢經常做的胸片X線檢查 它其實就是通過一側的放射源發射X線 穿透過我們的身體 被另一側的儀器接收 但是X線穿透過我們的身體時 會被我們人體吸收掉一部分 又由於不同組織吸收度不同 比如骨組織不容易被穿透 照片上就呈現白色 肌肉、軟組織、液體、刺肢呈灰色 空氣和脂肪因爲容易被X線穿透 就呈黑色 所以我們可以清楚地看見 這張圖片上肺部的形狀 醫生就會根據自己既往學習的經驗 檢查這張圖片 看看有沒有哪裏有問題 和正常情況不一樣 比如右邊這張圖片 大家可以明顯發現右肺少了一片 那麼根據醫學知識和臨牀經驗 可以判斷這個是胸腔肌液的影像 現實中因爲疾病種類特別的多 有時候病竈又特別小 會因爲醫生的技術水平有限 或者精力有限 沒有發現病竈而造成誤診 那麼AI作爲智能體 可以學習千萬級別的影像圖片 知道不同疾病的所有胸片表現 圖像識別精度也可以遠超肉眼 達到像素級 所以就可以讓它幫助分析 並且識別變造 AI可以不分白天黑夜 迅速地區分正常組織 良性病變或者惡性病變 那麼隨着當今影像檢查手段越來越多 患者檢查需求越來越旺盛 就註定這個市場規模非常的大 需求非常高 資本非常集中 國外像記憶醫療 國內像騰訊阿里巴巴 聯影東軟等等巨頭都扎堆在此 想要搶下一塊蛋糕 那說完診斷和檢查 是不是就得治療了 讓我們請出最賽博朋克的技術 醫療機器人 醫療機器人其實就是通過 由計算機控制的各種傳感器 相機 還有機械臂等等設備 進行操作的儀器 主要分爲以下三種 一手術機器人 其中最有名的 應該就是大家熟知的 達芬奇手術機器人了 它就像戰鬥機甲一樣 醫生可以操縱它進行手術 提升手術精度 降低風險 雖然看起來很酷炫 但達芬奇機器人 並沒有自主化的能力 而這正是人工智能要做的 AI會讓手術機器人 擁有一定的自主能力 來協助醫生完成手術 第二種康復機器人 比如外骨骼康復機器人 幫助病人進行康復訓練 三服務機器人 可以進行日常病房的 消毒殺菌呀 運送病人等等 文案寫到這裏的我不禁感嘆 早點發明的話 當初在醫院實習的我 也不至於推着病人和病牀 迷路在門診大廳了 但是由於各方面原因 目前醫療機器人的核心技術 仍然掌握在國外手中 國內起步比較晚 各位有志向的小夥伴 也可以嘗試一下哦 畢竟這個市場未來潛力巨大 說完院中 我們來到第三個模塊 院後 你雖然離開了醫院 但是你的很多信息 無論病史 診療情況 支付信息 都留存在各個系統當中 如何合理的去利用 處理這些信息 就尤爲重要 從而衍生出了一些 AI醫療數據智能平臺 比如智慧病案系統 它可以自動進行病案滯控 高效開展科研 以及助力DRG DIP等等 總之就是可以 促進醫院整體的數字化與信息化 這方面功能就比較的發散了 我們可以簡單理解爲 利用AI去優化醫院的 各個管理環節 達到降低成本 提升效率的作用 其次就是我們離開醫院 回到家之後 也會有一些醫療需求 比如現在接觸比較多的 在線診療 醫藥電商等等 但時下最火熱的院後賽道 當屬數字化健康監測 與健康管理 是一個讓蘋果 三星 以及國內一衆廠商 紛紛垂涎的賽道 健康監測就是通過 內置在手機 運動手錶等等 可穿戴設備中的傳感器 去時刻監測你健康狀況 比如運動手錶 可以監測血氧飽和度 心電圖 心率 等等相關的生理參數 隨後智能系統 可以去判斷 你目前的健康狀況 特別是對於一些 有心血管疾病的高危人群 有着非常好的幫助 比如當AI通過這些參數 發現患者有心梗的風險時 結合陀螺儀偵測的 用戶跌倒信號 就會觸發他 發送緊急求助信號 爲患者爭取寶貴的搶救時間 健康管理 則是人工智能 通過收集你所有的健康信息 並進行分析 幫助你進行生活方式的改善 提醒你早睡早起 少吃燒烤 保健預防 教你自陰補腎 早C晚A 慢性病管理 提醒三高患者 按時吃藥 控制血糖血壓 還有康復管理 智慧養老等等 這個AI就像一個 電子化的家庭醫生一樣 對你進行全生命週期的 健康接管 確保你能健康活到65歲 開個玩笑 但隨着人口老齡化的加劇 群衆健康需求越來越高 數字化健康監測與健康管理 也將擁有極大的市場前景 其實人工智能 在醫藥領域的想象力 遠不止上面提到的 這些主流發展方向 在我們沒有注意到的角落 AI依然在飛速地進行更新迭代 圖靈曾經預言 一旦機器開始思考 它們將很快超越 我們人類的微弱智力 它們會相互溝通 以增強自身的智能 因此在未來的某個時刻 我們將看到機器 掌控我們人類的某些方面 好的 以上就是本期的全部內容了 下一期我們將回歸主線 是萬衆期待的醫藥研發環節介紹 內容可以直接解決 我私信和評論區的一半問題 在中國藥物研發 到底是怎樣的一個流程 有哪些你心儀的崗位 這些崗位都在幹什麼 歡迎關注閒魚寶 我們下期再見 拜拜