细看全球人工智能企业Top 100在医疗健康领域的布局

       最近知名研究机构CB Insights公布了一份“AI 100”名单，其中列出了100家在过去几年中在人工智能技术应用有突出表现的公司，其中包括自动驾驶、机器人、物联网和医疗等领域的公司。

       据了解，入选的中国公司有：碳云智能、Rokid机器人、出门问问和优必选等。包括碳云智能在内，医疗健康领域共有11家公司。

       从这些公司所做的事来看，医学影像分析和药物发现是人工智能在医疗上重点征服的领域。这或许是因为视觉是人工智能较为成熟的领域;而药物开发又是一个漫长的过程，往往长达10年，如果应用人工智能，或许能大大缩短这一过程。上榜的公司介绍如下：

        综合健康数据分析

        CloudMedx

       这家公司有一个临床AI平台，可以便捷和大规模地将神经网络算法用于健康领域。平台的基础是一个综合且不断增长的医学知识网络，也正是它让临床应用变得可能。另外，医疗健康领域中还有大量未处理的数据，公司的自然语言处理技术可以深入理解临床文本，利用机器学习提示患者风险，如疾病的严重程度和再入院等。这些信息都是通过传统方式无法得到的，也让真正以患者为中心的精确护理成为了可能。

       CloudMedx通过结合机器学习和大数据分析，为慢性疾病提供实时健康洞察，提升治疗结果。

        碳云智能

       碳云想利用不断增长的健康数据，通过先进的数据挖掘和机器分析技术，提供个性化的健康分析和健康预测。他想从生命开始就观察、研究和指导一个人的健康。现在已经有不少公司在与它合作，包括研究机构、制药厂、体检中心、医院、保险公司和健康管理公司。

       拓展阅读：参见《碳云智能想做的，是规划生命路线》一文

        医学影像

        Zebra

       这家公司正在建一个医疗影像分析平台。该平台提供基于云的完全托管的研究和开发环境，包括访问结构化数据集，脱敏数据研究，存储，GPU计算力和众多研究工具。整套解决方案还能让研究团队协同工作。

       对这家公司，也做过详细介绍：《怀疑自己有病?把医学影像传给Zebra试试》

        Enlitic

       这家公司较为知名，它是一家致力于改进医疗诊断的深度学习公司。公司算法是由包括知名数据科学家、机器学习从业人员和医学专家的跨学科团队设计的，可以提供更快、更准确的医疗诊断。

       Enlitic的技术会分析和学习大量非结构化医疗数据，包括放射和病理图像、实验室结果、基因组学、病历和电子健康记录。利用数百万记录，Enlitic的深度学习技术可以帮助放射科医生提高准确性，降低成本，并提升早期检测，从而改善结果。

        Lunit

       这家公司主要开发视觉感知技术，根据其自身的数据驱动标准，解释医学图像并显示异常区域。它在ImageNet 2015大规模视觉识别挑战赛的初创团队中获得了最高排名，也因此得到了国际关注。它还赢得了2016年的肿瘤增殖评估挑战(TUPAC)第一名，排在后面的是IBM和微软。

       基于深度学习的专业知识，它主要做胸部X光检查，乳房X线检查，以及乳房组织病理切片的自动分级。

        药物发现

        twoXAR

       这是一家软件驱动的药物发现公司。它用计算平台来确定潜在的候选药物，通过临床前研究降低风险，并通过行业合作把候选药物推广到临床。该平台迄今已经应用到了80多种疾病，合作的研究机构包括斯坦福大学，芝加哥大学和西奈医院，并已经为关节炎、多发性硬化症和癌症等发现了有前途的新药物。

        Atomwise

       与twoXAR一样，这家公司想想用人工智能发现新的潜在药物。

       它为基于结构的药物设计，构建了首个深度神经网络。公司正在帮研究人员解决诸如癌症、多发性硬化症和糖尿病等慢性疾病，埃博拉和疟疾等易被忽视的全球性疾病，抗生素抗性细菌等复发性疾病，以及肉毒杆菌神经毒素这样的生物恐怖威胁。

       Atomwise训练的深度3D卷积神经网络，可以自主学习空间和化学特征，并预测哪些分子可能是有效的。 神经网络会被应用于整个药物发现流程，以优化最初的潜在有效药物，并对它们进行调整，以避免毒性问题。公司可以每天分析数百万分子，这比其他物理测试技术快几个数量级，能让找到治愈方式的时间缩短几个月，甚至是数年。

        BenevolentAI

       这家公司想解决这样一种问题：人类不可能单独处理所有可能推动科学研究的信息，毕竟现在每30秒就有一篇科学论文被发布，以至于只有一小部分科学信息可以形成“可用的”知识。

       所以它想用AI和深度学习技术，分析大量的复杂科学信息。这家公司想改变知识创造的方式，它为那些动态可用的知识开发了一个大型的结构化“数据湖”，可与人类专家协同使用。

       这家公司对AI的第一个应用，是在生物科学中加速药物发现。它还想扩展到其他大型全球科学行业，如兽医，营养品和材料科学。

        基因组数据分析

        Deep Genomics

       这家公司成立于2015年，其构建的计算系统可以改善诊断、治疗和了解疾病的方式。要让基因组测序所得结果真正有用，关键障碍是难以将个体遗传改变与影响健康的生理结果相关联。Deep Genomics希望改变这种状况。

       它的技术来自十多年的学术研究，整合了机器学习和基因组生物学。他们的任务是开发一个集成的计算系统，它可以学习、预测和解释DNA的变化(无论是天然的，还是治疗性的)，并改变关键的细胞过程。他们开发的新机器学习方法，可以在大规模数据集中找到模式，并推断出细胞如何读取基因组并生成生物分子的计算机模型。以这种方式，这家公司提供了对遗传变异的因果解释，它适用于任何变体和任何疾病。

        Freenome

       Freenome开发的软件，能理解血浆中游离DNA(cfDNA)随时间推移的变化模式。通过研究正常cfDNA的变化，Freenome开发了早期癌症检测方式，它在前列腺癌、肺癌、结肠直肠癌和乳腺癌中，胜过现有的血液检测方法。

       此外，公司还使用深度学习模型来区分疾病亚型，如去势敏感性和支势抵抗性前列腺癌。总而言之，Freenome的软件能在同一平台进行疾病诊断和个性化治疗推荐。Freenome目前融资550万美元，投资人包括A16Z，Founders Fund和DCVC。

       公司联合创始人兼CEO GabrielOtte曾表示，公司的系统可不断调整识别基因组数据模式的能力，从而区分癌症和非癌症，以及癌症亚型。

        移动医疗

        babylon

       这家公司提供的是移动设备端的个人医疗 服务 。它可以让用户在几分钟内安排与医生见面，在手机上面对面聊天，以找出身体状况，得到正确的建议。

       在这家公司的 应用 上，还可以通过聊天功能检查任何症状，咨询医疗问题，另外还能预订一些检测工具。这家公司的目标是改变医疗健康的管理方式。