扫描眼球60秒就能筛查心脏病，AI是医疗健康的“贤内助”吗？

AI在医疗健康领域上发挥的作用越来越明显了。

为海晏等地区用户提供了全套网页设计制作服务，及海晏网站建设行业解决方案。主营业务为成都网站建设、网站设计、海晏网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

FDA已批准了一大批AI医疗健康产品了。

近期，《英国眼科杂志》上发表了一篇最新的AI与医疗健康的研究文章，该研究文章称，使用机器学习开发的软件可以通过分析眼睛中的静脉和动脉，在不到一分钟的时间内预测某人患心脏病的风险。

随后英国《卫报》记者采访了该研究的主要作者Alicja Rudnicka，该作者表示：“该软件的工作原理是分析眼睛视网膜内包含的血管网络。它测量这些动脉和静脉覆盖的总面积，以及它们的宽度和“曲折度”（它们的弯曲程度）。所有这些因素都受到个人心脏健康的影响，使软件能够通过查看其眼睛的非侵入性快照来预测受试者患心脏病的风险。目前，这种人工智能工具可以在60秒或更短的时间内让某人知道他们的风险水平，并且这些预测与当前测试产生的预测一样准确。”

都说眼睛是人类心灵的窗户，近些年研究人员通过眼部扫描与人工智能检测一系列疾病，从糖尿病视网膜病变到阿尔茨海默氏症（基恩自己的研究领域），但关于其诊断的可靠性和普遍性仍然存在疑问。

例如这项由伦敦大学圣乔治分校的一个团队进行的这项研究仅在白人患者的眼部扫描中进行了测试。该团队从英国生物样本库获取了他们的测试数据，该数据库恰好有94.6%的白人，所以关于其诊断的可靠性和普遍性仍然存在疑问。不过FDA已批准了人工智能诊断设备用于筛查眼部疾病，AI究竟是不是医疗健康的“贤内助”？目前国内AI与医疗健康有了哪些应用？

01 AI是医疗健康的“贤内助”

AI正多层次、多角度的改变、加速医疗健康技术的研发进程。

以AI帮助预测2型糖尿病为例。UAEU智能分布式计算和系统（INDUCE）实验室主任Leila Ismail表示（内容引自《自然》杂志）：2型糖尿病通常在症状发作后很久才通过血糖测试来诊断，但通过机器学习扫描大量患者数据数据库以提取更具预测性的风险因素，在早期可以发现危险因素可以帮助患者避免这种疾病。”

具体来说，他的团队使用三个现实生活中的糖尿病数据集对35种不同的机器学习模型进行了大规模比较，通过不同的模型、数据集、评估指标和风险因素优化选择算法。然后将风险因素分为五类，生活方式、医疗状况、遗传、心理学和人口统计学，以便能够分析哪一类风险因素对预测2型糖尿病的贡献更大，最后开发出了UAEU智能分布式计算和系统，输入一些关键数据就能通过AI筛查糖尿病。

目前，AI已经被广泛应用于院前、院中、院后全阶段，在上游的制药与研发等环节也有了它的影子。根据一项研究报告数据显示，AI在制药阶段帮助其效率提升15%，疾病预防与治疗上提升了8%。

02 AI与医疗健康的“缘分”不止疾病筛查

扫描眼球筛查心脏病、糖尿病等疾病预防与筛查只是AI与医疗健康的万千“缘分”中的一缕，AI在医疗影像、医疗机器人、CDSS与病种质控、病案与DRGs、医学数据、AI制药等赛道均深度契合。

其一，是医疗影像。AI医疗影像产品常应用于超声影像、放射影像、病理影像等医技科室（非临床科室）中，各医技科室分别对应细分的临床科室，其中不乏同一临床科室可选择多种医技科室拍片的情况。医技科室的医疗器械设备植入嵌套了CV技术与深度学习的AI医疗影像辅助诊疗软件，实现各类功能，最终形成针对各临床科室的AI应用，协助医生出具诊断结论与治疗方案，可弥补各级医院影像科室的不足，提升诊疗效率与水平。

其二，医疗机器人。医疗机器人能够在医疗行为中满足医用性、临床适应性与交互性，依据实际医疗环境做出检测、移动、提示等操作，完成相应的医疗任务。在植入带有AI感知与认知技术的软件系统，可以帮助医生完成半自动化或全自动化的诊疗操作。例如今年在世界人工智能大会上展出的核酸采样机器人（非夕机器人），从取试管、贴标签、开盖、自动取拭子、到自动识别人脸及口腔部位、采集口咽拭子样本、并将样本放置到试管中，再到夹爪消毒、医疗废物回收，均实现了流程的全自动化。

其三，AI制药。原研药、创新药研制时间长，从实验到临床最后到上市，一般花费10-15年时间研发，所以药品价格高昂（原研药药品专利20年，创新药自主知识产权10年）。而AI制药则大大的改变了这一现状，AI制药是一种以医药大数据为学习研究土壤，运用NLp、CV、知识图谱、机器学习、深度学习等AI技术参与制药过程，以计算、预测、寻找合适的、新兴的有机物化学反应、潜在药物分子并观察药物临床效果的技术手段。目前，AI制药主要应用于靶点发现、化合物合成、化合物筛选、药物晶型预测、患者招募、药物重定向与临床试验设计优化等场景。

据悉，麻省理工研究人员最近开发了一种叫做Equbind的新模型，这个模型可以提前预测新蛋白质分子的结构，大大的提升药物开发的效率（Equbind比现存最快的分子计算对接模型运行速度快1200倍），也就是说一款创新药可能在5年内就能上市。

当然，以上只是AI与医疗健康众多“缘分”的一小部分，我们看到AI从帮助人们筛查糖尿病、高血压到医疗机器人，再到筛查癌症、心脏病等复杂疾病，AI正帮助医疗健康赛道迈入智能新时代，它是医疗健康的“贤内助”。

本文来自微信公众号“Techsoho”（ID:scilabs），作者：科技智谷，36氪经授权发布。