研究公司Omdia的首席分析師Andrew Brosnan預測，盡管醫(yī)療保健行業(yè)最初對人工智能的接受速度較慢，但醫(yī)療保健和制藥公司將在未來幾年內迅速增加對人工智能的采用，醫(yī)療圖像分析和藥物發(fā)現(xiàn)將是最受歡迎的用例。

　　根據(jù)Omdia的預測，2023年人工智能軟件的醫(yī)療保健支出預計將增長40%，從2022年的44億美元增加到新的一年的近62億美元。

　　“醫(yī)療保健將比大多數(shù)其他行業(yè)增長更快，根據(jù)我們的預測，我們預計2027年醫(yī)療保健領域的人工智能支出將僅次于消費者，排名第二，”Omdia人工智能和智能自動化實踐部門的Brosnan說。

　　醫(yī)療保健人工智能的采用將趕上其他行業(yè)

　　Brosnan說，醫(yī)療保健公司在采用新技術方面歷來很保守，因為病人護理和隱私、安全和監(jiān)管問題的風險很高。

　　醫(yī)療保健在人工智能采用方面落后于其他行業(yè)。根據(jù)om dia 2022年的一項調查，盡管所有行業(yè)中有25%的行業(yè)在多個業(yè)務部門或職能部門中擴大了人工智能部署，但只有19%的行業(yè)在醫(yī)療保健領域這樣做。

　　但這種情況正在迅速改變。他說，人工智能已被證明在醫(yī)療保健方面是有效的，這促進了使用的增長。例如，人工智能在疫情期間被用于幫助醫(yī)療保健提供者進行新冠肺炎診斷、患者預后以及幫助研究人員了解刺突蛋白的變化。

　　“人工智能在疫情和概念驗證項目中的使用增強了人們對人工智能在醫(yī)療保健領域所能提供的價值的信心，”Brosnan說。

　　事實上，Omdia在2022年調查的96%的醫(yī)療保健組織表示，他們有信心或非常有信心人工智能將帶來積極的結果，67%的受訪者表示，人工智能增加價值的能力在過去一年中有所增加。

　　這將轉化為對人工智能的大量投資。根據(jù)Omdia的數(shù)據(jù)，人工智能軟件的支出將以29%的復合年增長率(CAGR)增長，并在2027年達到138億美元的支出，并列增長最快的部門。

　　五大醫(yī)療保健IT使用案例

　　醫(yī)學圖像分析是人工智能最受歡迎的用例。憑借26%的年增長率，它將保持最大的支出份額，在2027年達到26億美元的人工智能軟件支出。

　　與此同時，Omdia預測顯示，到2027年，藥物發(fā)現(xiàn)將成為增長最快的用例，人工智能支出將達到20億美元，CAGR為33%。

　　其他頂級用例是虛擬助手，如在線聊天機器人和智能文檔處理，兩者都有27%的CAGR。預計2027年虛擬助理的人工智能支出將達到近17億美元，而智能文檔處理(如索賠處理)預計將達到10億美元。

　　醫(yī)療建議——通過臨床決策支持等工具——在2027年以28%的CAGR和9億美元的人工智能支出完成了前五大用例。

　　革新藥物發(fā)現(xiàn)

　　Brosnan說，人工智能有可能加快藥物發(fā)現(xiàn)和開發(fā)過程，并降低其成本，2023年，制藥行業(yè)將繼續(xù)通過人工智能推進藥物發(fā)現(xiàn)。

　　傳統(tǒng)的藥物發(fā)現(xiàn)和開發(fā)過程目前需要大約10億美元和10年時間才能將一種新藥推向市場。他說，這包括合成5000多個分子，以推動一個候選人進入臨床試驗。

　　但有了人工智能，制藥商可以通過“在計算機上”進行生產(chǎn)來減少他們必須物理制造的分子數(shù)量，這意味著他們可以虛擬地進行生產(chǎn)，他說。

　　Brosnan說，這將他們必須物理合成的分子數(shù)量歸結為250個，這節(jié)省了資金，縮短了上市時間。人工智能第一藥物候選人的渠道非常強勁，2022年將有18種候選藥物進入臨床試驗。2020年，這一數(shù)字為零。

　　“早期藥物發(fā)現(xiàn)需要幾個月甚至幾年的時間，”他說。

　　新興技術可以更好地訓練醫(yī)療保健人工智能模型

　　Brosnan說，聯(lián)合學習或群體學習是一種新興技術，它將使醫(yī)療保健提供商能夠安全地使用患者數(shù)據(jù)來更好地訓練人工智能模型，并將在2023年獲得更大的牽引力。

　　為了減少偏差，針對大型數(shù)據(jù)集訓練AI模型非常重要。但為此，許多醫(yī)療保健機構希望共享數(shù)據(jù)，這樣他們就可以建立一個更全面的數(shù)據(jù)集來訓練人工智能模型。

　　傳統(tǒng)上，他們必須將數(shù)據(jù)移動到一個中央存儲庫。然而，通過聯(lián)合或群體學習，數(shù)據(jù)不必移動。他說，相反，人工智能模型會去每個單獨的醫(yī)療保健機構，并根據(jù)數(shù)據(jù)進行訓練。通過這種方式，醫(yī)療保健提供商可以維護其數(shù)據(jù)的安全性和治理。

　　“通過聯(lián)邦或群體學習，數(shù)據(jù)不必離開源機構，但人工智能模型會移動到數(shù)據(jù)，”Brosnan說。聯(lián)合學習使用集中式編排器，而群學習更加分布式，不使用集中式編排器。

　　這項技術目前正在進行概念驗證。2021年，大型制藥公司賽諾菲(Sanofi)向一家專注于醫(yī)療保健的聯(lián)邦學習公司投資了1.8億美元。

　　“這是一項新興技術，我們將在2023年和2024年看到它的崛起，”他說。