人工智能正在改變這一切，使我們更輕松。 它改變了我們互動(dòng)，消費(fèi)信息，獲得商品和服務(wù)的方式。 它可以像人類一樣工作，但是效率更高，速度更快，成本更低。怎么樣? 讓我們找出全局。

[[324307]]

人工智能(縮寫為AI)不是一種技術(shù)，而是計(jì)算機(jī)科學(xué)分支的總稱。 該分支專門用于能夠執(zhí)行類似于人的任務(wù)的復(fù)雜算法和軟件：語音和文本識(shí)別，數(shù)據(jù)分析，學(xué)習(xí)，問題解決。

通過分析復(fù)雜的數(shù)據(jù)及其循環(huán)模式識(shí)別，人工智能技術(shù)可以在無需人工干預(yù)的情況下近似得出結(jié)論。

人工智能是一個(gè)廣闊的領(lǐng)域。 隨著該領(lǐng)域的發(fā)展，出現(xiàn)了幾種類型的AI。 AI的主要應(yīng)用是機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，自然語言處理，圖像處理和語音識(shí)別。

人工智能可用于各種行業(yè)，已經(jīng)成熟，可以破壞人工智能。 醫(yī)療保健生態(tài)系統(tǒng)也不例外。 AI通過提供來自各種數(shù)據(jù)庫的結(jié)構(gòu)化患者數(shù)據(jù)以及這些數(shù)據(jù)分析技術(shù)的快速進(jìn)步，為醫(yī)療保健提供了動(dòng)力。

借助AI創(chuàng)新技術(shù)，醫(yī)生可以做出更精確的診斷并通過更好的預(yù)測來改善治療計(jì)劃。 此外，人工智能越來越多地應(yīng)用于藥物開發(fā)，患者監(jiān)護(hù)和護(hù)理。 由于AI能夠處理不斷增長的詳細(xì)患者數(shù)據(jù)數(shù)據(jù)庫，整個(gè)醫(yī)療行業(yè)正在朝著預(yù)防性而非反應(yīng)性的方向發(fā)展。 在這里，我們研究了最近的進(jìn)展以回答這個(gè)問題：醫(yī)療保健中的人工智能實(shí)例有哪些?

AI醫(yī)學(xué)分析 

來自MRI機(jī)器，CT掃描儀和X射線的圖像可能包含大量復(fù)雜的數(shù)據(jù)，這對(duì)于人類進(jìn)行評(píng)估而言可能既困難又耗時(shí)。 毫不奇怪-這是專家的訓(xùn)練有素的眼睛，可以極大地依賴于診斷。 考慮到疾病的許多不同類型和亞型以及各種生物標(biāo)志物和基因組學(xué)數(shù)據(jù)形式的新數(shù)據(jù)雪崩，這對(duì)于醫(yī)生而言正變得越來越困難。

在這里，利用AI和機(jī)器學(xué)習(xí)的新興功能可能會(huì)有所幫助。 基于AI的醫(yī)療保健方法使研究人員能夠看到人眼可能漏掉的東西。 AI設(shè)備可以將圖像掃描到單個(gè)像素，從而提供精確的分析。

另一方面，當(dāng)今的許多診斷過程仍依賴于通過活檢獲得的物理組織樣本。 此過程帶有風(fēng)險(xiǎn)，包括潛在的感染。 MRI機(jī)器，CT掃描儀和X射線所捕獲的放射圖像可以提供對(duì)人體內(nèi)部工作的非侵入性可見性。 專家預(yù)測，人工智能將使下一代放射設(shè)備更加可靠和詳細(xì)，以在某些情況下替代對(duì)組織標(biāo)本的需求。 為了獲得非常接近的配準(zhǔn)，應(yīng)該知道任何給定像素的基本事實(shí)。

在這項(xiàng)研究中的成功可能使臨床醫(yī)生可以更準(zhǔn)確地了解腫瘤的整體行為，而不是將治療決策基于一小部分惡性腫瘤的性質(zhì)。 研究人員也許還可以更好地確定癌癥的侵襲性，并更適當(dāng)?shù)匕邢蛑委煛?/p>

就是說，人工智能正在幫助實(shí)現(xiàn)"虛擬活組織檢查"并推進(jìn)放射線學(xué)的創(chuàng)新領(lǐng)域，該領(lǐng)域?qū)Ｗ⒂诶没趫D像的算法來表征腫瘤的表型和遺傳特性。

人工智能診斷 

如今，當(dāng)診斷錯(cuò)誤導(dǎo)致大約10%的患者死亡時(shí)，醫(yī)療保健ai在醫(yī)學(xué)診斷的發(fā)展中起著不可或缺的作用。

對(duì)此類服務(wù)的需求超過了專家的供應(yīng)。 管理這是醫(yī)療保健部門的一項(xiàng)關(guān)鍵任務(wù)。 此外，診斷專家和醫(yī)師需要一套新的工具來處理越來越多的醫(yī)學(xué)數(shù)據(jù)。 為了提供這個(gè)新的工具集，我們將需要利用人工智能的力量來開發(fā)新的解決方案。

當(dāng)前，醫(yī)療診斷中的AI應(yīng)用處于早期采用階段。 盡管如此，它們?nèi)杂锌赡苡绊戓t(yī)療保健系統(tǒng)如何解決診斷問題，以及人們實(shí)時(shí)跟蹤健康狀況變化的可能性。 用于醫(yī)療保健的機(jī)器學(xué)習(xí)以及計(jì)算機(jī)處理的改進(jìn)，逐漸促進(jìn)了各個(gè)專業(yè)領(lǐng)域診斷的準(zhǔn)確性和效率。 例如，AI可以收集和分析從多個(gè)來源(例如健身追蹤器和家庭監(jiān)護(hù)儀)收集的患者數(shù)據(jù)，并使醫(yī)生能夠以未經(jīng)AI允許的時(shí)間和資源來監(jiān)控患者的健康。

消費(fèi)者可穿戴設(shè)備與AI的結(jié)合使用也被用于監(jiān)督心臟病，使醫(yī)生能夠在更可治療的階段更早地發(fā)現(xiàn)可能威脅生命的發(fā)作。

腫瘤學(xué)研究人員正在使用深度學(xué)習(xí)來教授算法，以識(shí)別與合格醫(yī)師相當(dāng)?shù)膼盒越M織。 斯坦福大學(xué)的研究人員使用130,000張代表疾病的圖像，訓(xùn)練了一種AI算法來檢測皮膚癌或黑色素瘤。

AI的使用使乳房X線照片的檢查和翻譯速度提高了30倍，準(zhǔn)確率達(dá)99%，從而減少了不必要的活檢。

許多企業(yè)正在考慮將大數(shù)據(jù)納入醫(yī)療保健行業(yè)的可能性。 微軟，IBM，谷歌和英特爾等大型公司為醫(yī)療保健領(lǐng)域的AI應(yīng)用做出了貢獻(xiàn)，它們整合了從EHR，成像，患者生成的傳感器和其他形式的數(shù)據(jù)中收集的大數(shù)據(jù)。

最近，IBM的Watson(能夠結(jié)合機(jī)器學(xué)習(xí)和NLP功能來回答問題的系統(tǒng))已展示出對(duì)精確醫(yī)學(xué)的關(guān)注，特別是癌癥的診斷和治療。 Google還與醫(yī)療服務(wù)網(wǎng)絡(luò)合作，建立了從大數(shù)據(jù)的預(yù)測模式，以警告臨床醫(yī)生高危情況，例如敗血癥和心力衰竭。

多家公司正在使用具有NLP功能的AI聊天機(jī)器人來識(shí)別所報(bào)告癥狀的模式并形成潛在的診斷，預(yù)防疾病或提出建議。 例如，一個(gè)應(yīng)用可以回答描述流感樣癥狀的人，建議去藥房買藥。 如果用戶描述了更嚴(yán)重的癥狀，則該應(yīng)用可能建議撥打緊急電話或去醫(yī)院。

科技公司和初創(chuàng)公司也在同樣的問題上孜孜不倦地工作-診斷似乎是初創(chuàng)公司關(guān)注的領(lǐng)域之一。 以下是最聰明的例子。 " Kheiron Medical"開發(fā)了深度學(xué)習(xí)軟件，可以檢測乳房X線照片中的乳腺癌。 " Medvice"是一種實(shí)時(shí)醫(yī)療咨詢服務(wù)，能夠訪問和存儲(chǔ)其EHR。 "預(yù)測性醫(yī)療技術(shù)| 使用重癥監(jiān)護(hù)病房數(shù)據(jù)來發(fā)現(xiàn)可能遭受心臟發(fā)作的患者。

人工智能中的遠(yuǎn)程醫(yī)療 

病人不必離開家中的溫暖去看醫(yī)生。 遠(yuǎn)程醫(yī)療軟件開發(fā)模仿了醫(yī)生和患者之間的面對(duì)面互動(dòng)。

此外，人工智能應(yīng)用程序可以通過使用移動(dòng)小工具和云技術(shù)來進(jìn)行分析-智能手機(jī)上的指尖按壓將返回一個(gè)人的血壓。

遠(yuǎn)程醫(yī)療可以存儲(chǔ)和分析所有患者數(shù)據(jù)，預(yù)測進(jìn)一步的變化。 他們可以就人體缺少什么營養(yǎng)元素，無論一個(gè)人需要更多的體育鍛煉還是睡眠提供建議。 例如，" Lemonaid Health"之類的初創(chuàng)公司使用AI在醫(yī)療保健領(lǐng)域的發(fā)現(xiàn)來篩查和評(píng)估患者，以便醫(yī)生可以做出診斷，并從遠(yuǎn)程位置開出任何藥物。

遠(yuǎn)程醫(yī)療也有助于醫(yī)生的便利。 通常，醫(yī)生會(huì)花大約一半的工作時(shí)間在他們的辦公桌上填寫EHR。 人工智能在醫(yī)學(xué)上的最新進(jìn)展將減輕這種負(fù)擔(dān)，并使電子病歷檢索更加容易。 聊天界面可以收集患者數(shù)據(jù)并以可立即檢索的方式存儲(chǔ)它。

人工智能技術(shù)改善了全球醫(yī)學(xué)專家之間的協(xié)作。 醫(yī)生們將利用彼此的見解和發(fā)現(xiàn)來更有效地工作。

新藥研發(fā)

藥物開發(fā)是一個(gè)漫長，復(fù)雜且昂貴的過程，具有高度的不確定性。 從研究實(shí)驗(yàn)室到患者的藥物治療大約需要12年，而公司的成本大約為3600萬美元。

藥物的研究和發(fā)現(xiàn)是醫(yī)療領(lǐng)域中較新的AI應(yīng)用之一，旨在減少新藥的上市時(shí)間及其成本。

基于數(shù)據(jù)和高級(jí)分析，人工智能技術(shù)支持對(duì)實(shí)驗(yàn)室實(shí)驗(yàn)結(jié)果的預(yù)測。 結(jié)合臨床發(fā)展，人工智能將減少臨床試驗(yàn)的數(shù)量和研究時(shí)間。 它的吸引力很簡單-使用不同類型的AI，計(jì)算機(jī)系統(tǒng)可以提出并通過不同的分子進(jìn)行工作。 然后，人工智能系統(tǒng)可以將結(jié)果與各種參數(shù)進(jìn)行比較，并比人類更快地獲得最有前途的化合物，從而降低成本。

人工智能還能夠通過科學(xué)研究和患者數(shù)據(jù)進(jìn)行挖掘，并幫助重新利用舊藥物。

防治病毒

正如新藥化合物的產(chǎn)生一樣，人工智能系統(tǒng)可以預(yù)測新病毒的出現(xiàn)。 基于對(duì)現(xiàn)有病毒的分析，醫(yī)療保健中的AI可以分析蛋白質(zhì)鏈并模擬所有可能的分裂和修飾。

可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)來實(shí)時(shí)預(yù)測傳染病的傳播。 除此之外，人工智能算法還可以識(shí)別預(yù)防措施如何發(fā)揮很大的作用。

研究人員竭盡全力預(yù)測下一次爆發(fā)。 全世界范圍內(nèi)收集的大量病毒數(shù)據(jù)也應(yīng)用于訓(xùn)練AI算法，以預(yù)測動(dòng)物中哪些感染很可能會(huì)傳播給人類，以便我們可以在跳躍之前制止它們。

人工智能手術(shù) 

成像，導(dǎo)航和手術(shù)機(jī)器人改變了操作習(xí)慣。 AI應(yīng)用程序在手術(shù)過程中帶來了精確性，魯棒性，安全性和自動(dòng)化。

AI機(jī)器人能夠以高精度控制其運(yùn)動(dòng)的軌跡，強(qiáng)度和步伐，不僅可以幫助外科醫(yī)生，還可以提高人眼的準(zhǔn)確性，并提供對(duì)每個(gè)位置和運(yùn)動(dòng)的更多控制。 機(jī)器人手術(shù)減輕了醫(yī)生的疲勞，使微創(chuàng)手術(shù)成為可能。 話雖如此，人工智能可以延長生命并擴(kuò)大患者的生存范圍。

AI神經(jīng)假肢

神經(jīng)假體是通過電刺激來增強(qiáng)神經(jīng)系統(tǒng)以彌補(bǔ)缺乏運(yùn)動(dòng)技能，認(rèn)知，視覺，聽覺，交流或感覺技能的人工設(shè)備。 一些示例是腦機(jī)接口(BCI)，脊髓刺激器(SCS)，心臟起搏器等。

到2025年，全球上肢假肢的價(jià)值預(yù)計(jì)將超過23億美元，但其敏捷性還不夠。 為了提高控制水平并賦予用戶真正的自主權(quán)，研究人員將神經(jīng)工程技術(shù)與機(jī)器人技術(shù)和AI相結(jié)合，以實(shí)現(xiàn)部分電機(jī)動(dòng)力的半自動(dòng)化以實(shí)現(xiàn)"共享控制"。 新的人機(jī)界面(BMI)和仿生手可完全控制用戶的動(dòng)作。 借助深度學(xué)習(xí)方法，機(jī)械手可以在400毫秒內(nèi)做出反應(yīng)。

人工智能醫(yī)學(xué)世界傳播

受過訓(xùn)練的醫(yī)療保健提供者的短缺極大地限制了世界范圍內(nèi)發(fā)展中國家的救生醫(yī)療服務(wù)。

醫(yī)學(xué)上的人工智能可以通過承擔(dān)通常分配給人類的某些診斷職責(zé)來幫助緩解這一問題。

例如，AI成像工具可以篩查胸部X線檢查是否有結(jié)核病，顯示出足夠的準(zhǔn)確性。 可以通過資源貧乏地區(qū)的提供商可以使用的應(yīng)用程序來部署此功能，從而減少了對(duì)現(xiàn)場訓(xùn)練有素的放射診斷醫(yī)生的需求。

AI重癥監(jiān)護(hù)

重癥監(jiān)護(hù)病房的醫(yī)生需要分析大量復(fù)雜數(shù)據(jù)，以做出至關(guān)重要的決定。 醫(yī)療保健中的人工智能使調(diào)解可以利用其提供治療的經(jīng)驗(yàn)。 定期接收大數(shù)據(jù)，醫(yī)療保健中的機(jī)器學(xué)習(xí)可確保更好的嚴(yán)重程度評(píng)分，臨床決策制定以及整體上更好的醫(yī)療個(gè)性化。

例如，敗血癥通常要到后期才弄清楚-AI系統(tǒng)可以快速分析許多變量來預(yù)測敗血癥和死亡率。 在ICU患者中連續(xù)進(jìn)行的心電圖數(shù)據(jù)的深度學(xué)習(xí)分析可以立即發(fā)現(xiàn)變化。

自拍診斷

您是否曾經(jīng)想過可以將手機(jī)轉(zhuǎn)變?yōu)獒t(yī)療保健AI工具?

我們的手機(jī)會(huì)生成可用于人工智能算法分析的圖像。 這些照片被廣泛用于皮膚科，眼科，甚至用作識(shí)別兒童發(fā)育疾病的工具。

幾乎每個(gè)行業(yè)的主要參與者都開始在其設(shè)備中構(gòu)建AI軟件，因?yàn)槲覀兠刻飚a(chǎn)生的數(shù)據(jù)超過250萬兆字節(jié)。 手機(jī)可以將數(shù)據(jù)與不同類型的AI結(jié)合使用，以提供更多個(gè)性化，更快和更智能的服務(wù)。

同樣，在醫(yī)學(xué)領(lǐng)域中利用人工智能可以對(duì)發(fā)展中地區(qū)有用，有助于應(yīng)對(duì)醫(yī)療保健專家或偏遠(yuǎn)地區(qū)的短缺。

醫(yī)療保健AI公司 

如本文前面所述，許多公司巨頭已經(jīng)建立了專門針對(duì)醫(yī)療保健中的人工智能的程序。 IBM的Watson健康計(jì)劃是提供認(rèn)知計(jì)算能力系統(tǒng)的先驅(qū)，已經(jīng)與Anthem一起在Memorial Sloan Kettering癌癥中心研究了肺癌的治療方法。

該AI系統(tǒng)使用云計(jì)算，收集并分析大量數(shù)據(jù)。 它被用作診斷醫(yī)生的專業(yè)顧問。 利用有關(guān)癥狀，家族史，接受治療，疾病持續(xù)時(shí)間，以前的治療等其他詳細(xì)信息的數(shù)據(jù)，以及來自測試，同行評(píng)審的研究和臨床研究的其他發(fā)現(xiàn)，Watson's Health提供了不同的治療選擇，并對(duì)每個(gè)準(zhǔn)患者進(jìn)行了置信度評(píng)估 。

IBM Watson的認(rèn)知計(jì)算服務(wù)還提供與任何應(yīng)用程序的集成，并通過Watson API和開放的多云平臺(tái)通過其現(xiàn)有服務(wù)提供幫助。

屈臣氏健康還與CVS Health Corporation合作治療慢性疾病，并與強(qiáng)生公司合作，基于科學(xué)工作發(fā)現(xiàn)新藥。

微軟的癌癥研究也大力支持醫(yī)學(xué)上的人工智能，該研究旨在對(duì)患者的免疫細(xì)胞進(jìn)行編程，以識(shí)別和殺死白血病細(xì)胞。 微軟研究人員認(rèn)為，這種重新編程生物學(xué)的能力具有巨大的潛力，可以改變我們生產(chǎn)一切的方式。

反過來，醫(yī)療保健領(lǐng)域的Google AI正在重建有助于檢測，診斷和治療的數(shù)據(jù)基礎(chǔ)架構(gòu)。 該公司將AI應(yīng)用于醫(yī)療保健領(lǐng)域，目前正在許多尚未凝聚在一起的不同分支機(jī)構(gòu)開展工作。 除此之外，Google為傳播有關(guān)COVID-19的信息做出了重大貢獻(xiàn)，并提供了價(jià)值8億美元的冠狀病毒應(yīng)對(duì)方案。

總結(jié)

醫(yī)學(xué)上的人工智能激發(fā)了我的創(chuàng)新精神。 它為新的AI初創(chuàng)公司的發(fā)展提供了沃土。 我們已經(jīng)看到的示例表明，人工智能應(yīng)用已成為從診斷到治療以及持續(xù)健康維護(hù)的整個(gè)患者旅程中，醫(yī)療保健挑戰(zhàn)解決方案的支柱。 現(xiàn)在，在考慮采用AI技術(shù)時(shí)，您可以做出明智的決定。 與人工智能領(lǐng)域的專家一起構(gòu)建您的項(xiàng)目。