2018年4月11日 星期三

科技創新(一百零八):AIoT產業-多組學的精準醫療


我在科技創新(一百零二)中提及的美國已經做了好多年了的多組學的精準醫療公司,是系出美國史丹佛大學的雲檢團隊,它已能做到更即時的多組學生理大數據結合醫療大數據的AI分析應用。


圖源:http://knowledge.wharton.upenn.edu/article/precision-medicine-new-paradigms-risks-opportunities/




據我朋友告訴我,他參與的這個美國史丹佛大學醫學院的人工智慧團隊,5年多來在美國使用AI分析3700萬人的醫療記錄,包括醫院病歷、臨床診斷記錄、生化檢測數據、用藥記錄、保險賠付、及社會行為決定因素,由此產生的AI500+醫療績效考核模型,和200+疾病風險預測模型。並且以每年新增的10億條醫療記錄,通過人工智慧機器學習,不斷地訓練這些模型以優化其準確度。這套醫療AI系統已使用在美國醫院管理、保險精算、政府控費等領域。

這些AI應用包括急診風險、住院機率、住院天數、在院花費、出院後再入院機率、併發症風險等預測精算、與院內風險管控、資源分配等醫療決策,在美國實際運行已達到急診數減少15%30天回診數減少13%,住院天數減少12%,院內死亡降低37%等成效,並且為逾200家醫院診所每年節省了15~30%的醫療支出。

整合了世界領先的多組學檢測平台技術和醫療數據AI分析方法,他在2015年在美國矽谷成立了雲檢,利用多組學檢測數據,針對疾病發生過程中的生理變化,發展出更精確的疾病預測和監控AI模型,做到量化解析個人的健康和疾病狀態,突破傳統健檢只能告知是否得病的局限,可以預警可能即將發生的疾病,提前介入干預來避免疾病發生。迄今已建立了包括多種癌症、心肌梗塞、腎病、中風、老年癡呆症,糖尿病在內的近三十種常見疾病的個人化多組學AI模型,並經過樣本測試驗證,可以追蹤預測疾病發生趨勢,運用在主動式健康管理上。

     這樣的模型雖然精準,但是對象是美國各色人種的基礎上,對亞洲人並不全然適用。也因此雲檢現在在台灣設立研發和營運據點,與本地醫療機構合作,對台灣當地疾病,結合雲檢系統中80萬亞洲人的模型,以產生更適用於亞洲人的醫療AI,建立發病前精準預測和精準干預,發病後精準治療和精準康復的個人化與智慧化的健康管理模式。

很希望雲檢能跟台灣的醫療機構合作成功,這樣台灣在精準醫療就能有很大的進步。

沒有留言:

張貼留言