人工智能：健康科技的未来

在人工智能的支持下，自动化和超自动化已经连续几年保持领先的 IT 趋势，同时扩大了众多行业。然而，在大流行之前，科技接班人从未认真对待过一个领域：人工智能在健康科技中的潜力。

2022年，健康科技已成为全球科技公司的共同旗舰服务和快车道。话虽如此，让我们看看人工智能如何在医疗保健软件中使用，它目前在市场上的地位，以及您可能想要进一步研究的相关技术。我还将根据我的一些客户的真实案例，介绍智能药物发现和基因测序的技术之一。

人工智能健康科技市场正在迅速扩大

根据研究公司 MarketsandMarkets的一份新报告，人工智能 (AI) 的医疗保健应用正在迅速增长。该公司估计，从现在到 2027 年，全球医疗保健领域的人工智能市场将以 46.2% 的复合年增长率 (CAGR) 增长，届时人工智能在整个医疗保健 IT 市场的份额预计将达到 674 亿美元。

Allied Market Research 的另一项研究强调了 COVID-19 大流行对医疗保健相关市场的积极影响，其中之一是医疗保健中的人工智能。目前，人工智能技术在抗击疫情中发挥着至关重要的作用。

对人工智能医疗保健的投资飙升，人工智能科技公司也在飙升

医疗保健组织的人工智能投资差异很大。在大流行之前，75% 的大型组织注入了超过 5000 万美元的智能技术。与此同时，95% 的中型企业在 AI 转型上投入的资金不足 5000 万美元。

2021 年，该领域的现金注入猛增。据德勤称，COVID-19 的鞭打导致近四分之三的医疗保健提供者增加了资金。因此，人工智能总投资在 2021 年超过770 亿美元，比 2020 年创下的 360 亿美元的纪录大幅上升。

随着世界继续抗击大流行，人工智能监测 COVID-19 病例传播的能力 (94%)、协助疫苗开发 (90%) 和协助疫苗分发的能力最受生命科学高管 (90%) 的青睐。

包括谷歌和苹果在内的五巨头一直在通过收购来增强他们的人工智能人才。据记录，自 2010 年以来已有超过630次AI 收购。因此，由于医疗保健和其他行业的 AI 案例增加，人工智能以及 ML 和深度学习仍然是 2022 年的主要软件开发趋势。

在这篇笔记中，让我们仔细看看 HealthTech 中源于 AI 概念的相关技术。如果您正在考虑加入 HealthTech 领域，您可能想要利用这些：

机器学习：神经网络和深度学习

这些是一些最常见的人工智能形式，主要用作精准医学的预测工具。深度学习和神经网络比有监督的 ML 学习更复杂，并且包含许多级别的特征或预测结果的变量。

自然语言处理

自然语言处理是人工智能的一个子领域，它允许计算机理解人类语音和文本。在医疗软件中，它主要负责分析非结构化临床记录、转录患者交互以及实现对话式人工智能。

大数据和预测分析

这些是收集连续数据并进行大规模分析的必备条件。此外，为了预测分析，互操作系统现在正在促进更方便的数据共享。

虚拟现实和增强现实

医疗保健提供商采用 VR 和 AR 技术，通过让他们参与医疗保健活动(包括自我诊断和教育)来增强他们的客户体验。两者也可用于培训医疗专业人员。

现在让我们看看这些技术的组合如何用于扩大药物研究和基因测序。

关键的药物发现与参与者

更重要的是，这些资金去哪儿了?人工智能正在成为生物制药公司药物开发、设计和目标识别中更常见的技术。

自 1950 年代以来，智能技术已被用于药物发现研究。这种被称为计算机辅助药物设计的实践是使用计算机算法和软件来预测 - 从化合物的结构到其治疗潜力。

根据 MarketsandMarkets 的数据，到 2024 年，支持人工智能的药物发现市场将占据一个充满活力的市场，全球价值将达到 14 亿美元。与 2019 年的 2.59 亿美元相比，这是一个显着的飞跃，这可以归功于人工智能的成本效益和高性能。基于药物探索。

截至今天，将一种新药推向市场的成本达到 26 亿美元。此外，将一种新药推向市场需要十多年的时间。人工智能可以通过自动化设计、合成和评估众多化合物的过程来显着降低成本。

我们要去向哪里?

人工智能和大数据将确保它们成为软件开发人员最赚钱的技能和软件公司的授权技术。没有人想要过时的无效分析工具，需要花费数百万小时的手动输入。

2021 年是人工智能药物研究的里程碑。因此，德国生物技术公司 Evotec 宣布了一种新的抗癌分子的第一阶段临床试验。该候选人是与 Exscientia 合作开发的，Exscientia 是一家总部位于英国的组织，专门从事基于 AI 系统的小分子药物研究。

生物制药公司一起在 8 个月内成功地发现了一种治疗候选药物。由于 Exscientia 的“Centaur Chemist”人工智能设计平台将传统的发现时间从 5 年缩短到不到一年，这项超快的研究成为可能。

该领域的另一项突破归功于谷歌的子公司 DeepMind。后者使用名为 AlphaFold 的人工智能软件创建了人类蛋白质结构的综合地图。今天，该公司正在向公众推出该计划所做的 180000 条预测。虽然之前做过，但DeepMind的数据库是迄今为止最全面、最准确的。

AlphaFold(蓝色)预测的蛋白质结构的两个示例与实验结果(绿色)的比较。图片：DeepMind

药物发现中的人工智能如何工作?

通俗地说，人工智能使计算机无需明确编程即可学习。在药物发现中，人工智能可用于支持甚至替代多项人工任务，包括药物筛选和开发、先导识别和优化、目标验证、生物标志物发现等。

人工智能的最大潜力在于它能够在几秒钟内处理海量数据。因此，智能算法可以梳理用于筛选新候选药物的数据库。然后，这使研究人员能够预测潜在化合物的特性，产生新化合物的想法，并使日常任务自动化。

基于 AI 的蛋白质预测的分步过程 包括以下步骤：

　　1）目标蛋白的数据被注入数据库。

　　2）该算法消除了潜在的危险化合物。

　　3）该系统选择最有希望的化合物进行进一步测试。

　　4）其他目标被添加到 AI 系统中，以供进一步选择和测试。

　　5）药物发现过程的结果是用于高级测试的潜在组件数量的入围名单。

人工智能支持基因组测序

作为 CEO，我亲眼目睹了 AI 算法如何将传统的基因测序工具转变为全面的实时分析解决方案，这些解决方案也有助于对抗疾病。基因携带有关人体大部分特征的信息，包括基因发生突变和特定疾病的可能性。

基因测序和数据分析可以帮助研究人员更多地了解基因组成以及疾病与特定基因形式之间的关系。然而，标准的纳米孔 DNA 序列设备(大约 1K 可用)不足以分析实时数据。另一方面，现有的基因组分析包括将 DNA 样本运送到集中设施、测序和分批分析样本，这非常耗时。

这就是人工智能算法发挥作用的时候。

人工智能基因测序的幕后花絮

让我们看看人工智能是如何嵌入 DNA 测序的，以我们的一个项目为例。该项目是一个实时 DNA 序列分析应用程序，可通过 Google Cloud Platform 实时检查 DNA 纳米孔。

它可以检测分类比例、可能的感染和疾病、抗生素抗性基因和其他东西。从技术角度来看，它的运作方式如下：

首先，便携式纳米孔测序设备用作血液和其他 DNA 样本的数据源(特别是 MinION 设备)。然后，我们将获取的数据发送到谷歌云平台进行进一步分析。

分步过程如下所示：

1）将文件上传到 Google Cloud Platform 并将它们流式传输到处理管道(即摄取)

　　2）机器学习模型在碱基调用阶段从电信号推断 DNA 序列。

　　3）使用 DNA 数据库评估样本的病原体序列、分类富集和其他异常情况。

　　4）在汇总步骤计算特定样本中每种病原体的比例

　　5）结果保存到 Google Firestore DB，然后使用 D3.js 实时可视化。

看起来很简单，但在两个阶段之间发生了很多事情，包括：

　　1）系统架构(本案例中，研究了基因组学领域数据格式后使用了谷歌云平台处理工具)

　　2）机器学习引擎(基于基因组数据训练的 TensorFlow 模型)

　　3）后端(Firebase 作为对分层数据友好的文档存储系统，这对于表示生物分类很重要)

　　4）前端(更新 Sunburst 图表可视化的 D3.js 动态仪表板)

这就是实时纳米孔 DNA 测序仪的外观。因此，它可以在几分钟内从患者样本中生成 DNA 序列数据。

这对科技世界意味着什么?

随着技术的快速进步及其在各个领域的应用，人工智能已成为医疗保健领域不可避免的话题​​，并成为领先科技公司的必备专业知识。除了赋予更好的临床决策和改善患者护理之外，人工智能还具有独特的优势，可以加速药物发现，为10,000多种疾病开发有效的治疗方法，并解开人类基因组的奥秘。基于人工智能的医疗保健应用已经多种多样，并将继续蓬勃发展，需要更多的人工智能人才。

除了 HealthTech，人工智能现在有望成为整个软件开发行业的领先技术。由于巨大的自动化潜力，人工智能可以用作从聊天机器人到 OCR 软件的众多软件应用程序的基石。

本文由行者编译，文章来源：https://dzone.com/articles/ai-the-future-of-healthtech