在《创新技术洞察》播客的第二期节目中,ConcertAI首席执行官 杰夫·埃尔顿 与娜塔莎·艾伦展开深度对话,探讨医疗保健与人工智能日益交融的趋势——哪些医学领域最能从人工智能中获益?这种应用将如何助力解决健康差异问题?潜在的伦理风险点在哪里?企业又该如何为这场变革做好准备?
深入探索:
以下剧集台词已为清晰起见进行编辑
娜塔莎-艾伦
欢迎各位。我是娜塔莎·艾伦,现任富乐律师事务所硅谷办公室合伙人,并担任本所创新技术部门人工智能重点领域的联席主席。在今天的播客中,我们将探讨人工智能在医疗保健领域的应用。
与我共同探讨该主题的是杰夫·埃尔顿。杰夫现任ConcertAI首席执行官,该公司为生命科学、创新领域及全球领先服务商提供研究解决方案和以患者为中心的解决方案。在加入ConcertAI之前,杰夫曾担任埃森哲和诺华生物医学研究院的管理职位。
杰夫·埃尔顿
非常感谢你,娜塔莎。
娜塔莎-艾伦
感谢您今天与我相聚。让我们直接切入正题。与许多行业类似,人工智能技术将对医疗保健领域产生深远影响。然而,医疗行业在人工智能的落地应用方面正面临若干挑战。您是否认为医疗领域的人工智能应用进展滞后?
杰夫·埃尔顿
很难说它是否落后,但它无疑在进步。首先,我将探讨围绕人工智能与医疗保健的一些问题。人工智能提供了一种模型,既能预测患者特征以解读其需求,也能增强医疗服务提供者的诊断解读。它还具备处理海量数据和信息的能力。
通常,人工智能经过了训练。而这正是引发担忧之处。这类训练通常基于回顾性数据——包括图像、数字病理学、放射学、电子病历数据等。根本问题在于:这些训练数据集是否真正代表了目标人群? 透明度至关重要。您能否确信训练方法的可靠性?初始训练阶段选择的样本群体是否恰当?必须预留部分数据用于事后验证,并在验证过程中实施随机化处理。
随后便是稳定性问题。患者群体并非始终如一。我们实施治疗方案后疗效会改善,因此任何一次构建的人工智能模型,其表现未必能持续保持原有水平。
该领域在推动发展和吸引人才方面日趋成熟。但在我们所处的临床领域,人们普遍期待人工智能将成为医疗保健系统几乎所有环节的核心组成部分。由此产生的海量数据和复杂性令人瞩目。人工智能确实能够增强决策者的能力——为医疗保健领域建立信任、透明度和公平性考量奠定基础。
娜塔莎-艾伦
你刚才简单提到了——你认为这涉及哪些伦理问题,以及哪些监管环境正在影响这些问题?
杰夫·埃尔顿
伦理问题关乎所有亚群体是否都表现得符合预期。我们开展的许多生物医学研究往往集中在学术医疗中心,而这些机构也多位于城市地区。
前往学术医疗中心就诊的患者通常经济条件较好。尽管他们需要治疗,但健康状况往往更佳。这种现象在癌症治疗等领域同样成立。 这类患者通常健康状况较好,病情失代偿程度较低。他们未必都像社区或零售医疗系统中80%的患者那样病重。我之所以强调这点,是因为后者往往是生物医学创新的中心。伦理考量之一在于将人工智能模型与相关人群数据对齐——即真正饱受病痛折磨的群体。
娜塔莎-艾伦
人工智能如何能够协助解决健康差异问题?
杰夫·埃尔顿
我认为人工智能被归咎于偏见是不公平的。这种情况本不必发生。事实上,已有大量努力和人员致力于运用人工智能保障医疗公平。以前列腺癌为例——该疾病对非裔美国男性的影响尤为显著。在试验设计阶段,我需要确保试验的实验室检测指标(无论试验在何处开展)能让亚群体实现充分参与。 针对该特定人群,目标是使试验结果对该亚群体具有统计学意义。如今,人工智能模型、工具及试验设计正逐步实现这一目标。
同样地,我可能需要实际识别具备吸引不同特征患者充分参与能力的临床站点,以应对潜在的医疗差异与不平等问题。人工智能模型在此过程中正发挥重要作用——其影响已延伸至医疗服务提供者的工作流程。 我们正在开发患者识别解决方案,与医疗服务提供者合作筛选患者,确保所有符合潜在入选标准的患者都能纳入研究——特别是那些可能遭受不成比例影响的群体。在这些特殊案例中,我们正借助人工智能模型和数据来弥合历史遗留的不平等与差异。
娜塔莎-艾伦
太棒了。你认为哪些医学领域最有可能受益于人工智能?
杰夫·埃尔顿
我将把答案分为几个不同部分。我们已在哪些领域看到效益显现?这种趋势将如何开始演变与转变?中期乃至长期来看,它可能走向何方?
在医疗服务方,尤其在放射影像领域,人工智能模型在图像解读方面取得了重大进展。这种进步既体现在二维成像(X光)中,也体现在先进的立体成像(MRI)技术上。人工智能能承担多种不同角色:不仅能处理原始图像,还能进行图像预处理。 通过清理图像特征,使AI模型能更高效地完成任务。
为什么这很重要?其中一个原因是放射科医生的实际供应正在减少。这是个现实考量。新入行的放射科医生数量、退休人数以及该职业的需求量正处于动态变化之中。
其次,人工智能模型不会疲劳。它们可协助初步诊断,确保将特征呈现给放射科医生进行确认。其结果也不必总是被直接采信。
人工智能模型也可用于事后病理复核,确保关键特征不被遗漏或触发警示信号,从而提升整体诊疗质量。从长远来看,数字病理学将迎来变革,因为许多基于模型的分析方法同样适用于该领域。随着不同平台的解剖病理学数字切片不断涌现,相关技术将逐步趋于融合。
融合的下一层是将电子病历及其他数据类型与影像数据相连接。以电子病历为例:假设我接诊了一位非小细胞肺癌患者,我将进行影像解读,同时调取包含分子数据的病历部分。这两者的整合将进一步提升诊断准确性。
目前我所经历的不仅是解读实际影像,更开始着手为患者筛选其可能符合条件的临床试验治疗方案。但需要澄清的是,这并非临床决策支持。
这实际上是一个非常重要的特性,因为人工智能将继续改变医疗保健行业。它就像一幅点彩画,意味着我们将获得大量微小而精确的解决方案。这些解决方案共同作用,持续提供日益丰富的功能——支持特定临床团队的决策过程,并确保他们不会遗漏任何关键特征。
最终,不同数据类型之间将实现互联互通,进而实现不同学科领域的互联互通。 决策架构将由此趋于融合。事实上,临床数据源——电子病历数据源——的实用性反而会略有下降。更智能的数据层将能够整合多种模态的数据。这些模型将开始推动更高质量水平、更高生产力水平,并在预测和促进患者获得更佳疗效方面实现更高精度。
娜塔莎-艾伦
很好。现在我们来谈谈ConcertAI。ConcertAI是如何在公司内部运用人工智能的?
杰夫·埃尔顿
人工智能可分为三个不同层面。我们在自身运营中运用人工智能技术。作为企业,我们与数百家医疗服务机构合作。部分临床解决方案已在欧洲、美国和日本的1400家医疗机构部署。在美国本土,我们与数百家机构在特定癌症的不同治疗领域开展合作。尽管我们并非仅专注于癌症领域,但对此有着极为深入的投入。
我们正运用人工智能与自然语言处理模型来解析记录中的结构化部分。这些可能包括PDF文档、护士和医生的病历记录等。借助人工智能技术,我们能够对这些数据进行解析——将所有不可访问、不可读取的信息转化为机器可读格式,从而实现数据分析。
我们还运用人工智能模型对数据进行质量控制审查。我们重点排查那些自然界中不存在的数值——例如人体体温不可能被记录为131华氏度(约55摄氏度),这种情况根本不可能发生。这种技术实际上已可应用于质量控制领域。在我们的运营中,人工智能与自然语言处理技术指导着数据的管理与处理方式。
在此基础上,我们开始在软件即服务(SaaS)层开发高度定制化的人工智能模型与解决方案。我们拥有整套分析解决方案,其中包含评估患者癌症发展阶段的"转移状态"指标。在电子病历中,该评估通常仅在初次诊断时进行。 我们的AI模型能读取患者病历,在任意时间点评估其病程状态。非小细胞肺癌本身没有独立的ICD编码,但通过我们的模型,可分析病历判断患者罹患的是非小细胞肺癌还是小细胞肺癌——这属于相当复杂的预测性流程。
这就是我们所说的分析环境。我们拥有临床试验设计工具,确保临床研究能够以最小的负担和偏差进行稳健设计。如前所述,我们运用人工智能解决方案处理从识别治疗适用患者到TeraRecon放射影像解读方案等全方位任务。
我们正在推出一个人工智能机器学习层,该层将部署软件和医疗设备解决方案。这将是一个开放式架构,允许医疗服务提供商及其他第三方集成其模型和架构。
我们致力于整合海量、多样化的数据,并将其传递给不同决策者——通过创新方式协调这些数据,以提升其决策效率与效果,实现前所未有的决策支持。我们与生物医学创新者及医疗服务提供者深度合作,处于两大生态系统的交汇点。目前已有150个AI模型投入实际生产环境运行。
娜塔莎-艾伦
哇,太厉害了。最后一个问题:假设有一家企业想在运营中引入人工智能,您有什么建议或技巧可以分享吗?
杰夫·埃尔顿
数据管理——即数据的准备工作以及企业数据的可访问性,是主要障碍之一。坦率地说,若观察我们的数据科学团队,他们约70%的工作都耗费在模型开发前的数据准备阶段。
许多考虑引入人工智能并开始将智能技术融入企业运营的组织,都将关注数据收集与组织问题。传统上,大型企业应用程序将数据锁定在功能对齐的基础设施单元中。而人工智能和机器学习则侧重于利用智能来协调功能,其运作方式并非简单明了。首要任务是在基础层面突破传统数据架构的限制。
流程的下一环节是治理。需考虑正在开发的模型类型、部署位置、使用场景、工作流设计,以及如何判定结果是否有效。从模型开发、部署到发布及监督,整个决策过程应始终保持顺畅且独立。
最后一部分是预见并适应动态工作流程——连接智能与协调——寻求新的效率提升和更智能的工作方式。您可能会发现,那些高度线性的传统运营模式将焕然一新。我们个人认为人工智能蕴含着巨大价值。这种价值既体现在我们自身组织中,也体现在我们为客户群体创造的可能。
娜塔莎-艾伦
太棒了。非常感谢您抽出时间与我们深入探讨人工智能在医疗领域的应用现状与发展潜力,以及其带来的益处和亟待改进之处。您的分享让我们受益匪浅。感谢各位的参与,下次再会。
富乐律师事务所的《创新技术洞见》播客聚焦于塑造当今商业、监管与科学格局的广泛创新。我们邀请来自人工智能到基因组学等多元领域的嘉宾,不仅探讨这些变革的法律影响,更深入剖析其对日常生活产生的深远影响。