梅奥诊所做了哪些“独特”项目

陈曲

“在医疗领域的AI应用方面，梅奥诊所做了什么与同行不同的独特项目？”梅奥诊所CIO Christopher Ross接受采访时曾被这样问道。

在医疗界，梅奥诊所就是传说中最顶尖的存在、医疗界的麦加、世界顶尖的医疗机构，甚而在《实习医生格蕾》一剧中，最厉害的人都有梅奥的光环加成。此前，流传甚广的一书《向世界上最好的医院学创新》提到，梅奥诊所长盛不衰的重要原因是创新，是其成功的唯一关键。这也解释了为什么记者认为梅奥诊所会做一些“独特”、“与众不同”的尝试。

“我不确定我们是否做了一些独特的、与众不同的项目，我们有很多未公开的项目，大部分处于早期试验阶段。与IBM Watson合作的临床试验部分项目也在不断推进，目前，我们已经收到好的反馈。”Christopher Ross答道。

临床试验患者匹配：

从30min缩减为8min

他所谓的合作可追溯到2014年，当时，梅奥诊所与IBM Watson合作，在前者新药研发的临床试验中应用IBM Watson技术。梅奥诊所肠胃病专家、梅奥—IBM Watson项目负责人Charles H. Weinman教授曾表示：“之所以拥抱认知计算，是因为我们认识到科技对于医疗变革是必要的。”

新药临床试验的患者招募环节一般耗时久，部分因为大量的临床试验中，入选患者的标准严苛，每个临床试验具有冗长的纳入/排除标准。传统的做法是，临床监察员需要了解患者病历，寻找匹配特定临床试验的患者；另一方面，患者也会不断搜索临床试验的消息，尝试新药对病情有无帮助。

在双方合作中，基于NLP技术，IBM Watson分析梅奥诊所乳腺癌、结肠直肠癌和肺癌患者病历，同时，不断扫描临床试验数据库，为临床试验匹配合适的患者。当时，梅奥诊所有大约8000例正在进行的临床试验，全球范围内有17万例。据当时的报道称，2015年伊始，梅奥诊所的医生就能用IBM Watson了。

在2017年4月奥兰多举行的年度HIMSS会议上，梅奥诊所的乳腺癌专家Tufia Haddad报告了该项目进展，他表示，IBM Watson应用于新药临床试验之后，“临床监察员筛选一个患者是否符合临床试验标准所需时间，从原来的30分钟缩减到现在的8分钟。”“他们可以花更多时间向患者解释参与临床试验的重要性。”

“与众不同”的AI探索

与IBM Watson的合作仅仅是梅奥诊所AI探索的一小部分。极度鼓励科研、创新的梅奥，2017年以来，在AI方面的新闻不断，从探索领域而言，相比国内AI公司大都专注于智能影像诊断领域，梅奥诊所进行的项目确实显得“与众不同”。

2017年1月，梅奥诊所个性化医疗中心与Tempus展开合作，后者是一家利用机器学习平台开发个性化癌症治疗方案的科技创业公司。此次合作，Tempus为1000名参与免疫疗法相关研究的梅奥诊所病人进行了分子测序和分析，针对的癌症种类包括肺癌、黑色素瘤、膀胱癌、乳腺癌和淋巴癌。目前，该项目正处于研究阶段，初期目标是基于分析结果为梅奥诊所的癌症病人提供更加个性化的治疗方案。

3月，梅奥诊所参与心脏健康创业公司AliveCor总额3000万美元D轮融资。AliveCor设计的Kardio Pro是一款人工智能平台，帮助临床医生“监控早期的心房颤动，这也是最常见的心律紊乱症状，会导致中风风险增加5倍。”移动心电图仪Kardia Mobile则是AliveCor的旗舰产品。4个月之后，梅奥诊所与AliveCor再度携手，开发检查长QT综合症算法。

7月，梅奥诊所和Nference公司宣布推出一家初创公司，该公司名为 Qrativ，主要业务为结合临床专业知识和人工智能，实现系统性新药研发。目的在于寻求发现和发展那些未满足医疗需求的疾病疗法，它目前关注的重点会是罕见疾病和具有高度针对性的患者群体。不同于其他新药开发企业，Qrativ可以直接访问梅奥诊所的相关数据和信息。

从药物开发的早期阶段开始，梅奥可利用Nference公司的药物治疗平台 Darwin.ai 来寻找候选药物的可能用途，包括确定潜在的罕见疾病适应症，并找到可能针对给定候选物最有效果的患者亚群。通过这些伙伴关系，Qrativ 将致力于最大化每种药物治疗、尽可能多患者和疾病的潜力。

在Christopher Ross看来，医疗行业的AI应用需要始终紧盯目标，“梅奥诊所始终关注患者的需求、重病、复杂疾病的治疗方法上，如果我们没有在这个方向努力，我们就没有做正确的事情。”才能保证重点关注实际结果而非停留在技术提升层面。

AI驱动未来

那么未来呢？这座顶尖的医疗机构怎么看？

Christopher Ross曾表示：“我们都处于黑暗中，未来不明朗，在这个阶段，预测或洞见都是不可靠的。我认为这项技术将会成为重要的工具和投资项目，将会切实提升健康和疾病治疗水平。”

就目前实践落地情况而言，无论国内或国外，大部分AI应用尚处于早期探索阶段。大部分医院领导人了解AI在医疗应用的可能性，但几乎没有大幅应用的案例。

Booze Allen Hamilton的数据科学家、Georgetown大学附属医院急诊医生在一篇文章中表示，短期看来，AI最有可能落地应用在承担流程化的数据驱动的任务，比如查看患者图表。

“EHR并不具有集成机器学习或认知计算的能力，并且有效数据的缺乏导致第三方应用迟迟不能落地。”这与之前IBM Watson面临质疑所遭受的问题是一致的。长期看来，为了充分发挥AI潜力，医疗行业需要想办法找到更多有效、有用的临床结果信息来满足“极度饥渴的数据需求”，而这些信息 EHR并不能提供。

对于医院而言，“一方面，大都相信机器学习有极大的潜力，但短期内如何改变医疗和保健并不明朗。”“如今，政策制定者和行业领导者需要做出决定：何时以何种方式投资机器学习以優化组织效能和效率，而不会浪费资金在未成熟或没有价值的技术上。”endprint