欧洲医疗保健行业的人工智能（AI）应用正在快速增长，并且已经开始对现实世界产生影响，预示着未来护理方式的重大变革。据法国AI生物技术公司Owkin的数据科学家介绍，该公司正在审查一个模型的性能。图片提供：Owkin。
去年年中，Earlybird Venture Capital提供的数据显示，欧洲整个AI领域的初创企业数量约为1,752家，这一数据由欧洲初创企业新闻网站Sifted报道。虽然医疗保健公司仅占其中的一部分，但AI在该行业的参与度上升趋势显而易见。GlobalData的公司数据库显示，欧洲约有7,754家医疗保健公司在某种程度上涉及AI。此外，GlobalData的就业分析显示，过去五年内，欧洲制药和医疗保健行业与AI相关的招聘迅速增长，即使在其他相关领域的招聘趋于平稳的情况下，这一趋势仍在持续。
AI在医疗保健中的应用
关于AI崛起的最大担忧之一是人类员工可能被取代，但前赛诺菲首席战略官、现任数字健康投资者Laurent van Lerberghe对此并不担心。van Lerberghe表示，目前欧洲的数字健康公司数量已超过3,000家，其中超过1,000家处于规模扩张阶段。他在接受《制药技术》杂志采访时说：“每个人都认为AI会让我们所有人失业。实际上，AI将替代那些即将退休的人，这将使留下来的人的工作更加高效，更加专注于患者护理，带来多种好处。”
他认为AI将在研发、临床试验、诊断、成像和患者护理等多个领域发挥作用。van Lerberghe投资的一些公司展示了AI技术的多样应用。例如，法国的Wandercraft公司专门开发下肢外骨骼，帮助瘫痪者重新行走，AI用于辅助平衡。“他们的愿景是让轮椅使用者重新站起来，”他说，“你知道吗？坐在轮椅上的人寿命会减少30%到50%。AI正在解决外骨骼的主要挑战之一——它们不能摔倒。”
van Lerberghe还提到了Elixir Health，该公司利用AI提高生育患者的生殖机会；LynxCare，一个AI驱动的临床数据平台，旨在解锁结构化和非结构化的医院数据以改善患者结果；以及Butterfly Therapeutics，其Bliss DTx虚拟现实头戴设备作为数字疗法用于治疗急性疼痛。
AI的应用实例
尽管许多使用AI的医疗科技公司仍在起步阶段，但也有一些公司已经对行业产生了重大贡献。法国的Owkin成立于2016年，利用AI识别新药候选物，降低和加速临床试验风险，并构建提高患者结果的诊断解决方案。该公司已获得约3.04亿美元的资金支持，并与赛诺菲、BMS和MSD等公司以及全球60多所学术机构合作。
“我们也是自己的临床开发公司，”Owkin的药物发现和开发高级副总裁Andrew Pierce告诉《制药技术》杂志，“我们有自己的药物，我们正在进行自己的临床研究……因此，我们不仅使用AI来指导我们自己的临床开发决策，还可以与其他制药公司合作，帮助他们做出更好的AI支持和赋能的决策。”
Pierce将Owkin描述为“数据科学和临床医学之间的合资企业”，并解释说该公司采用联合学习方法，允许其在全球范围内与医疗中心合作，无需将数据或组织样本带离医院。“AI框架来到医院，完成所需的学习任务以帮助临床开发，”他解释道，“但基础数据不会离开医院，只有从数据中得出的结论会离开医院。这正是世界领先的医疗中心同意参与的关键所在。据我所知，目前有大约60个不同的医疗中心贡献了支持AI机器得出结论的基础数据。”
Owkin的一个重点领域是改善肿瘤学的结果。该公司利用AI确定药物的最佳临床设置和最佳患者群体，以提高疗效并缩短药物开发时间。“我对这项技术非常兴奋，”Pierce说，“我认为它将是变革性的。你将会看到更多、更好、更快的药物。”
AI的影响
这种观点也得到了Qureight公司的首席数据官Dr. Steven Bishop的认同。Qureight是一家总部位于英国的公司，同样致力于加速临床试验。像Owkin一样，Qureight与包括阿斯利康、罗氏和MSD在内的多家大型制药公司，以及合同研究组织PPD、Clario和Criterium以及多个NHS信托基金建立了合作关系。
“建立稳健、准确和精确的AI模型的关键在于与医院、医疗集团、学术机构和商业实体建立正确的数据合作伙伴关系，并能够建立涵盖各种疾病、地理区域和患者人口统计的多样化数据集，”Bishop告诉《制药技术》杂志。今年早些时候获得的一轮融资正被用于加速公司AI产品的组合，特别关注肺癌。“我们是一家AI生物技术公司，致力于推进呼吸系统和心血管疾病的治疗，”Bishop说，“公司特别关注如何预测疾病进展，并利用这一点加快临床试验速度，从而更快地将药物开发管线中的好处带给患者。”
谈到AI在公司中的作用，Bishop解释说，很多工作都涉及到以高速自动化高技能工作，并以人类无法做到的方式分析数据。“一般来说，在医疗保健数据中有很多隐藏的信号，这些信号是肉眼看不见的，”他说，“即使是训练有素的放射科医生也无法通过扫描来分辨……我们当前的重点是在我们的疾病领域，如何构建开始利用这些肉眼不可见的额外信息的模型？这如何提高我们在临床试验中测量的事物的有效性以及我们提出的指标？我们能将这一障碍推动到多远，以真正提高试验的有效性，减少试验规模，最终降低试验成本，更快地将药物推向市场？”
(全文结束)
