编者按：如今，医生数量有限，但各类疾病和超级细菌却层出不穷，医疗成本又急剧上升。在这样的情况下，我们如何才能攻克医疗保健中的种种难关？本文编译自VentureBeat原标题为AI could help solve the world’s healthcare problems at scale的文章。
在印度，大量初创企业希望将AI技术应用于相关领域以满足13.24亿人口的需求。这是一项伟大的事业，对于美国和全球其他地区的医疗保健生态系统都有着巨大的影响。
如果大家想了解目前的形势有多么严峻，可以思考一下印度的健康悖论。因为印度的劳动年龄人口占总人口比重较大，印度人口红利高速增长，推动了经济的飞速增长，但人口红利也是一颗定时炸弹。印度平均年龄27岁，印度人口无疑世是界上最年轻，受教育程度最高的人群之一。自1991年以来，人口红利每年大约增长7％，促进了新的商品和服务的发展。经济也越来越独立。
但为了不断从人口红利中获利，印度需要为年轻人提供高质量的医疗服务。 此外，随着红利下降（正如中国现在的情况），印度需要新建基础设施来照顾老龄化人口。 不幸的是，所需的基础设施还未建成。
印度的医生与病人比例是世界上最低的。每1000名印度人只有0.2名医生（相比之下，在美国，每1,000人就有1.1名医生）。 并且现代医疗设施以及医生都集中在城镇地区。
印度医疗问题的根本原因是资源匮乏。印度需要更多的医疗设施和医疗专家。而这两者都需要花大量时间和和数十亿美元的投资。这样的资源并不容易获得，所以我们必须考虑其他方法加大对现有资源的利用。
AI有可能解决印度的医疗保健问题。 Inventus董事总经理Manu Rekhi表示，“印度AI平台公司拥有印度IT行业20年的专业经验。 这些公司正在加强软件和AI的合作，为全球市场以及金字塔底端的人群创造新的人为介入AI系统。”
事实上，一些印度创业公司已经开始利用AI技术解决特定的健康问题和疾病。在某些情况下，这些公司利用其技术和分销机会，吸引《财富》500强的公司与他们合作，造福印度及全世界。
其中一家公司是GE医疗加速器项目下的Tricog Health，其主业务的是基于云的心脏诊断平台。冠心病在印度越来越普遍。2003年，印度成年人死亡人数中的26％由冠心病导致。2013年，这一数字上升到了32％。Tricog为23个州，340个城市中的人们提供了心脏护理服务，包括印度一些最偏远的地区。该公司从医疗设备中收集生理数据和心电图，然后利用AI来实时处理数据，并向心脏病专家提供诊断信息。审查诊断信息之后，心脏病专家会向全科医生或护士就下一步提供建议。通过Tricog的AI引擎，一些专家可以诊断超过20,000名患者。
此外，位于班加罗尔的Aindra Systems公司正在利用AI诊断宫颈癌。宫颈癌是15至60岁的印度妇女中第二大常见的癌症。事实上，宫颈癌在印度的发病率占全球的三分之一。 Aindra的解决方案可以进行早期宫颈癌筛查，大大提高了患者的存活率。该公司提高了宫颈癌样本筛查的工作效率。通常，病理医生需要手动检查每个样本，并标记发病概率高的病例，以便肿瘤科医生进一步审查。
Aindra Systems创始人兼CEO Adarsh Natarajan表示，“我们希望利用AI进行大规模宫颈癌筛查，帮助处于危险年龄段的3.3亿印度女性。如果宫颈癌能在早期就被发现，再结合适当的治疗，高达90％的患者可以避免死亡。 Aindra的计算机病理学平台配备了既实惠又易携带的“即时保健”宫颈癌筛查设备，可以自动进行深度分析，大大缩短筛查时间，帮助患者早期发现癌症。
当然，像谷歌这样的全球巨头也会将眼光转向印度。谷歌最近与Aravind眼科医院合作，利用图像识别算法来检测糖尿病患者的视网膜。因为这种视网膜病变不及早治疗，可能会导致糖尿病患者失明。 Aravind眼科医院是全球最大的眼部护理集团，已经治疗了3200万名患者，进行了400万次手术。他们也已经向Google提供了128,000个视网膜图像。对于全世界4.15亿有患糖尿病风险的人来说，使用AI检测糖尿病患者的视网膜病变是非常有价值的。
随着一系列解决方案的兴起，印度准备跨越传统医疗保健中的种种障碍。这对美国及其他国家的医疗服务产生了深远影响。随着成本上涨和政府政策失灵，越来越多的人无法获得医疗保障。全国急诊室的负担不断增加，因为在初级保健中心，越来越多的人担负不起预防性护理的费用。AI辅助技术在美国也适用，能够为数百万人提供更多医疗服务。
这些创业驱动的创新和全球平台只是冰山一角。最终，AI可以加强预防性医疗设施建设，服务大众，而不仅仅是城市或富裕的社区。 正如人们经常听到AI专家所说的那样，“数据越多，算法就会更优”。换句话说，简单的算法需要大量数据训练才能做出准确有价值的预测。印度有13亿人口，13亿人口能够提供大量的数据来提高算法的准确性和精确度。
原文作者：Pranav Deshpande
原文链接：https://venturebeat.com/2017/11/26/nvidia-and-nuance-team-up-on-ai-for-radiology/
