人工智能 (AI) 彻底改变了医疗诊断、治疗和患者护理。AI 曾是一部科幻小说，但如今，得益于技术进步，它已渗透到我们日常生活中。医疗行业的 AI 格局由从开创性初创公司到 Google 等科技巨头的公司组成。这些公司的创新正在解决我们在医疗领域面临的实际问题。他们的创新使医疗保健更加普及、高效和个性化，标志着迈向技术与医学融合以改善人类健康未来的重要一步。
本文将探讨 12 家正在改变医疗实践、改善患者结果并塑造医学未来的医疗 AI 公司。让我们深入探讨。
前 12 家医疗 AI 公司
1. Google Health
Google Health 是科技巨头 Google 的重要分支，正在创造改善全球健康结果的革命性产品。他们的产品之一，自动化视网膜疾病评估 (ARDA)，有助于诊断糖尿病视网膜病变。这种情况可能导致完全失明。泰国团队成员 Yossi Matias 的亲身经历显示，ARDA 可以在一小时内诊断 40 名患者， turnaround 时间为两分钟。
Google 在 AI 方面言行一致。他们在 AI 方面取得进展的其他领域包括乳腺癌检测、皮肤病分类、眼病分类、肺癌检测和癌症转移检测。这些技术提供的诊断结果优于医疗人员。在一项研究中，研究人员将 AI 与人类放射科医生进行对比，AI 的表现比他们高出 平均 11.5%！
2. Butterfly Network
Butterfly Network 正凭借其创新的便携式超声设备 Butterfly iQ 单方面改变放射学。该设备还使用专有超声芯片技术，从而减小其尺寸和成本，同时支持各种超声扫描。该设备可与智能手机或平板电脑配合使用。
现在想象一下能够在没有医学知识的情况下诊断一个人；这正是 Butterfly iQ 对其应用的愿景。
在视频中，医生 Jarone Lee 解释说，学习研究医学图像需要多年的培训，并且在大多数情况下，获得经验需要更长时间。便携式设备在几分钟内提供了分析见解。
我们不能低估这种技术的影响；Butterfly Network 正在将医疗保健民主化给全球数百万人。处于社会经济困境中的人现在可以从早期检测和治疗中受益。随着技术的发展，它为新的医疗保健交付模式铺平了道路，例如远程医疗，其中实时成像数据支持远程咨询。
3. Augmedix
Augmedix 解决了许多医生面临的问题：将患者数据输入电子健康记录 (EHR)。在看诊后，医生花费大量时间将数据输入 EHR，这是一个手动过程，可能导致倦怠并减少与患者互动的时间。
Augmedix 可以从医生-患者对话中提取数据，并将其处理为实时临床笔记，同时将其输入 EHR 系统。
他们的产品 Augmedix Go 是一个由临床医生控制的移动应用程序，使用 AI 技术和结构化数据，在每次患者就诊后实时创建完全自动化的草稿医疗笔记。该应用程序易于使用，经济实惠，并且可扩展，适用于医疗机构中的许多临床医生。
4. CloudMedx
CloudMedx 在医疗数据上使用强大的数据分析算法，提供可操作的见解。CloudMedx 的“盒装医疗”在一个平台内协调临床运营和财务，简化了患者、提供者和支付方的决策过程。该技术利用自然语言处理 (NLP) 和机器学习 (ML) 将非结构化数据处理为微调的数据管道，用于规则提取、注册报告定制软件系统等用例。
CloudMedx 还提供预测性分析，提供诸如疾病进展、再入院和住院长度预测等见解。该平台已准备好部署超过 20 种慢性病的模型。
5. Corti
Corti 正在重写医疗虚拟助手规则书。与常规助手不同，Corti AI Co-pilot 从受访者那里获取非结构化数据，并利用它来传达医疗见解。这一功能使该工具成为紧急呼叫操作员和急救人员的得力助手，用于分析实时信息以检测心脏骤停等危急状况。
该工具可以识别非结构化数据，如口头提示、背景噪音和语调。上面的视频展示了该工具在紧急情况下提供支持以及提高紧急医疗服务效率和效果的重要性。注意该工具如何在试图让患者冷静的同时请求最近的救护车。
6. Enlitic
Enlitic 利用深度学习技术，以前所未有的速度和准确性提供对医学图像的深刻见解。该产品可以检测异常，如骨折、肿瘤和其他状况，通常比放射科医生更精确。
该产品的独特之处在于它超越了图像分析，以简化放射学工作流程。这一功能使得更快、更准确的诊断成为可能。
Enlitic 框架标准化并分析数据，以创建基于证据的医学成像数据库，从而改善临床工作流程，提高效率并扩大容量。数据经过匿名处理以确保数据隐私，然后进行丰富以增加其在研究、质量改进和货币化策略中的价值。
7. Tempus
Tempus 平台利用 AI 的力量，通过精准医疗彻底改变医疗保健。该平台拥有世界上最广泛的临床和分子数据收集之一，以及使这些数据可访问和有价值的操作系统。
该平台提供了几项突破性的技术：Tempus ONE，一个 AI 驱动的临床助手；NEXT，一个旨在识别和解决护理差距的工具；PIXEL，提供从医学图像中得出的可操作见解；以及 ALGOS，当连接到其测定时提供额外见解的算法模型。
以下是来自 Tempus 的一些令人印象深刻的统计数据：
- 50%+ 的美国学术医疗中心已连接到 Tempus
- 50%+ 的美国肿瘤学家通过测序、临床试验匹配和研究合作伙伴关系连接到 Tempus
- 90% 的前 20 家制药肿瘤公司都与 Tempus 合作
- 26,000+ 名患者已被识别为可能纳入其网络的临床试验
- ~200 拍字节的数据
8. Caption Health
Caption Health 凭借其 AI 驱动的软件 Caption AI 已成为医学超声成像解释领域的领导者。Caption AI 可以提供实时超声检查指导，这意味着即使经验有限，您也可以捕获高质量的图像和视频。
2016 年，该公司将其技术带到肯尼亚，以帮助识别学龄儿童中的风湿性心脏病 (RHD)。AI 算法随后会对儿童结果与 RHD 一致的概率做出有根据的猜测。该公司在行程中扫描了 1200 名学龄儿童，并发现了 48 名患有 RHD 的儿童。
Caption AI 通过使更多人能够接触到高质量的超声成像，促进了心脏状况早期检测和监测的民主化，从而实现及时干预。
9. Behold.ai
Behold.ai 开发了屡获殊荣的医学成像和诊断平台 Red Dot。该平台使用深度学习对胸部 X 光片 (CXR) 进行分类，并将其发现作为热图定位。在埃塞克斯的一家医院，Red Dot 将 CXR 积压时间从 4-88 周减少到仅 2.5 天。在 NHS Trust，它将 CXR 工作量从 7 天减少到仅仅 7 秒。
以下是来自 Behold.ai 的更多 Red DOT 统计数据：
- 15% 的胸部 X 光片被自动报告为正常，从而立即从报告工作量中移除。
- AI 排除正常算法可将外包成本降低高达 70%。
- 假阳性错误率为 0.33%，而顾问放射科医生为 13.5%。
- 在顾问放射科医生配合下实施红点®分诊，假阴性率降低了 60%。
10. Deep Genomics
Deep Genomics 从人工智能的角度切入基因医学。其 AI 平台基于庞大的遗传数据集进行训练，使其能够理解疾病的遗传基础，并帮助开发靶向疗法。由于能够筛选海量数据，该 AI 提供了竞争优势，加速了药物发现过程，并为个性化医疗开辟了新的途径。
该 AI 平台模拟数百万种潜在的遗传场景，以识别传统方法经常遗漏的有前景的治疗靶点。该平台已促成新型药物候选物的发现。
简而言之，Deep Genomics 梳理了生物学中 RNA 的复杂性，识别出新的靶点，并评估数千种可能性，以确定最佳的治疗候选物。
11. Ada Health
Ada 是一家总部位于柏林的医疗保健公司，为用户提供自我评估应用程序。该应用最初是为医生开发的服务，但在 2016 年重新定位，以迎合患者的理解需求。它拥有近 1300 万用户，通过将报告的症状与同年龄和性别的类似患者进行比较，随后估算特定诊断的统计概率来运作。该应用支持多种语言，包括英语、德语、西班牙语、葡萄牙语、斯瓦希里语、罗马尼亚语和法语。
以下是其一位用户的独立评论：
我患了一场严重的耳部感染，持续了一段时间，所以我在该应用中输入了我的症状。它问了我很多问题，并告诉我我的症状可能是鼓膜破裂。起初我不相信。后来那个月我去看了医生，他们告诉我我的右耳鼓膜确实破裂了。
12. Atomwise
总部位于旧金山的 Atomwise 专注于通过超级计算最大限度地降低药物开发成本。其 AtomNet 技术采用卷积神经网络——一种也用于自动驾驶汽车和语音识别系统的 AI 技术——通过分析庞大的分子结构数据库来预测有效的药物候选物。AtomNet 的预测能力基于数百万个实验数据点和数千种蛋白质结构，通过评估分子与蛋白质的结合，促进有前景的药物候选物的识别。Atomwise 与赛诺菲达成了一项 12 亿美元的研究合作伙伴关系，利用 AtomNet 平台发现针对多达五个药物靶点的小分子。此次合作利用深度学习进行基于结构的药物发现，加速了对 Atomwise 超过 3 万亿种可合成化合物的广泛库的搜索。
结论
将人工智能整合到医疗保健中不仅仅是一时的趋势，而是一场重塑医疗诊断、治疗和患者护理格局的变革运动。Google Health、Tempus、Augmedix 和 Atomwise 等公司处于这场革命的前沿，利用 AI 提高诊断准确性，简化医疗保健工作流程，并个性化患者护理。Butterfly Network 和 Enlitic 等创新者使医学影像更加普及和准确。Deep Genomics 和 Caption Health 正在开创药物发现和居家医疗服务的新方法，证明 AI 在解决 21 世纪全球医疗保健挑战方面发挥着至关重要的作用。
随着这些公司不断突破可能性的边界，医疗保健的未来看起来越来越充满希望，其特点是进步有望改善全球患者的生活。
不要只是阅读加密货币新闻，要真正理解它。订阅我们的通讯。 免费。
常见问题
人工智能在医疗保健领域与传统医疗方法有何不同？
人工智能在医疗保健领域引入了处理和分析海量数据的能力，其速度和准确性是人力无法企及的：这带来了更快的诊断、个性化的治疗方案以及预测性健康洞察，而传统方法可能更依赖于通用治疗和较慢的诊断流程。
AI 医疗保健技术是否对所有医疗服务提供者都可用？
虽然 AI 医疗保健技术正变得越来越普及，但其可访问性因地理位置、医疗服务提供者的财务资源以及监管批准等因素而异。目前各方正在努力使这些技术更加经济实惠并广泛可用，特别是在服务不足的地区。
AI 在医疗保健领域能否取代人类医生？
AI 在医疗保健领域可以增强和辅助人类医生，而非取代他们。它提供了增强决策能力、提高诊断准确性和优化治疗计划的工具，但人类医生的同理心、判断力和细致入微的理解是不可替代的。
在医疗保健中使用 AI 有哪些伦理考量？
伦理考量包括确保患者数据的隐私与安全、避免人工智能算法中的偏见，以及在患者护理中保持对人工智能使用的透明度。此外，还着重关注确保人工智能不会加剧医疗不平等现象。
人工智能如何影响医疗成本？
人工智能可以通过优化运营、减少诊断错误以及预测健康问题在变得严重且昂贵之前进行干预，从而降低医疗成本。然而，对人工智能技术的初始投资可能相当可观。
免责声明。 本文提供的信息不构成交易建议。 Cryptopolitan.com 对于基于本页信息进行的任何投资，我们不承担任何责任。我们强烈建议在进行任何投资决策之前，进行独立研究或咨询合格的专业人士。
Brian Koome
Brian Koome 在区块链和加密货币报道领域拥有超过七年的经验，自 2017 年起便活跃于该行业。他曾为多家领先媒体撰稿，包括 BlockToday.com。此外，他在加入 Cryptopolitan 担任全职作家之前，还为 BitDegree.org 开发了以太坊入门课程。Brian 专注于撰写常青指南（EGs）、深度报道、访谈以及价格分析。他对 DeFi、区块链创新及新兴加密项目的关注深受读者喜爱。
