醫(yī)療衛(wèi)生科技市場出現(xiàn)了一些世界上最有創(chuàng)新性的新創(chuàng)公司，這些公司將幫助人們延長壽命和提高生活質量。他們的創(chuàng)新技術主要受軟件和移動性出現(xiàn)的推動，允許衛(wèi)生部門對原先用筆和紙的操作以及當前減緩提供服務速度的過程進行數(shù)字化改造，在本文中作者介紹了，如何采用人工智能和機器學習促進醫(yī)療信息化。

醫(yī)學既是藝術又是科學。雖然醫(yī)生都接受了嚴格的醫(yī)療，了解人體如何運作，但他對對自己所做的所有決定的了解，關于如何診斷疾病以及如何選擇最佳治療方案，都是來自一些無形的措施產物：以前患者的經(jīng)驗，累積多年的觀察和學習的經(jīng)驗。

這就是為什么將機器引入醫(yī)學的想法看上去是不切實際的。一個機器人，不管多么訓練有素，怎么能替代醫(yī)生？

機器學習是人工智能最基本的形式，已經(jīng)滲透到醫(yī)療領域，事實證明，機器在改善我們的健康方面可以發(fā)揮重要作用，包括更準確、更快地診斷，尋找更好的治療方法，節(jié)省人們的時間和金錢，防止有害的副作用。事實上，隨著現(xiàn)代醫(yī)學越來越多地依賴大量研究和藥物選擇和新信息，機器可能比人類思維能更好地緊跟數(shù)據(jù)和解讀數(shù)據(jù)。

醫(yī)學中的人工智能并不是要替代醫(yī)生（至少在短期內），而是提高醫(yī)生的醫(yī)學專業(yè)知識。AI程序掌握了大量優(yōu)秀醫(yī)師積累的知識，包括在醫(yī)學院和培訓中學到的東西，以及實際醫(yī)療中的經(jīng)驗，AI將這些專業(yè)知識規(guī)模化。

從疾病癥狀到新藥的信息，不同藥物之間的相互作用以及不同的人以同樣的方式治療可能有非常不同的結果，今天醫(yī)生可獲得的數(shù)據(jù)量越來越多，訪問和消化信息的能力正在快速成為所需技能，而這正是機器學習所擅長的。哈佛大學生物統(tǒng)計學教授FrancescaDominici說：“醫(yī)生意識到，如果他們希望了解大量數(shù)據(jù)，機器學習就是讓他們從數(shù)據(jù)中學習的一種方法?！?/p>

哈佛大學不是唯一一個探索人與機器如何更好地結合，以利用前所未有的醫(yī)療信息的學術機構。在德克薩斯大學MD安德森癌癥中心，APOLLO計劃正在篩選癌癥患者所產生的遺傳數(shù)據(jù)，并指導醫(yī)生進行治療，這將為患者提供更長時間的最佳生存機會。波士頓公司Neurala的研究人員正忙于復制大腦神經(jīng)網(wǎng)絡。Neurala的CEOMassimilianoVersace說：“今天我們可以用老鼠的復雜性來設計大腦，這是非常聰明的?！薄翱茖W與技術現(xiàn)在已經(jīng)相適應，從而使人工智能成為可能?！倍谛睦斫】殿I域，創(chuàng)業(yè)公司正在開發(fā)機器學習應用，可幫助用戶檢測抑郁或雙相情感障礙等癥狀。

機器學習的關鍵在于機器。來自IBM和Google的機器通過擊敗Jeopardy答題秀的冠軍，國際象棋大師和AlphaGo從先前棋手的知識中學習，這成為機器編程的一部分。

現(xiàn)在，IBM正在將醫(yī)學知識帶入醫(yī)學領域。該公司正在與MemorialSloanKettering癌癥中心的專家合作開發(fā)用于解決不同類型癌癥患者的三種IBMWatson腫瘤學產品。一個產品將集中為患者提供現(xiàn)有治療癌癥的最佳信息；Watson提供了一個數(shù)據(jù)庫，收集了MemorialSloanKettering醫(yī)生的知識數(shù)據(jù)庫，以及這些醫(yī)生在做出關于如何治療患者的決定時，所依賴的醫(yī)學文獻中最重要的癌癥研究。

在醫(yī)生提供可以考慮的三種不同水平的治療選擇之前，該系統(tǒng)將患者的癥狀和其他顯著信息（如其家族病史和癌癥的階段）納入其中。包括目前已經(jīng)被批準用于癌癥的標準治療方法、目前正在測試但尚未被批準的治療方法和其他癌癥的治療，最后是一些早期研究提示的可能是真正的實驗性治療方法。不同級別的選擇給醫(yī)生和患者一個治療計劃，如果標準療法不起作用，那么他們可以繼續(xù)進行更實驗性的治療計劃。

除了可用的治療方法之外，Watson還幫助那些已經(jīng)耗盡標準療法的晚期癌癥患者。對于他們來說，機器學習可以調用可能有效的新療法的臨床試驗，包括遺傳解決方案，這些解決方案剛剛成為癌癥治療領域的一個前景。遺傳選項是基于對患者特異性腫瘤的仔細分析，驅動疾病的突變和可能針對這些突變的藥物。對于人類醫(yī)生來說，消化所有這些信息將幾乎是不可能的，因為醫(yī)生需要時間看病人，隨時掌握現(xiàn)場最新進展的要求。

隨著關于不同癌癥患者及其腫瘤的更多信息成為Watson的一部分，醫(yī)生將能夠看到幫助他們將特定患者概況與生存率和更好結果相匹配的模式。他們將能夠認識到具有類似遺傳腫瘤的人，例如采取不同的治療途徑有不同的健康結果。這種分析可以為人們提供更精確的建議，哪些治療途徑對患者最有利。

這個系統(tǒng)還不完善。有些IBM的合作伙伴已經(jīng)發(fā)現(xiàn)Watson在輸入患者的所有相關信息時是很麻煩，Watson將他所知道的關于患者的一切都納入其治療建議的方式。但是醫(yī)生支持這樣的想法：需要有一種方式來收集，整理和分類每個病人產生的大量信息，這將是改善癌癥護理未來幾年的重要組成部分。

這種機器學習方法在另一個醫(yī)學領域被證明是非常有用的：心理健康。對于患有抑郁癥和雙相情感障礙的人，精神科醫(yī)師和治療師最重要的角色之一是幫助他們避免陷入難以康復的情緒。確定人們最容易患有抑郁或躁狂發(fā)作的時間可能會使他們免受精神癥狀，而事實證明，在這種情況下，智能手機可能比任何精神科醫(yī)生都能做的更好。

這因為，眾所周知，抑郁的人，或者屈服于悲傷和消極的感覺的人在言語和行為上會有所改變。他們可能會少說話，而且當他們這樣做時，會采取一種扁平，單調的語氣。他們也可能會脫離朋友和親人，在社交媒體上互動較少。即使是最好的精神科醫(yī)生也不可能跟上他所有的病人，監(jiān)視他們什么時候開始顯示這種行為的變化。但智能手機可以。

Cogito是一個基于機器學習的心理健康應用，目前正在波士頓的Brigham和Women'sHospital等進行測試。該應用一旦安裝在智能手機上，就會監(jiān)控社交媒體和電話的活動情況，以辨別通信模式，以便檢測用戶抑郁癥狀發(fā)作。

該應用還包含一個語音分析器，可以搜索聲音模式的影響和音調的變化，這可能是抑郁癥的第一個跡象。AI可能會更好地隨著時間的推移收集數(shù)據(jù)，并為我們提供一個人的心理健康問題風險指標，以及是否需要直接的醫(yī)生進行干預。

機器學習可能特別有助于失控時向在醫(yī)生或病人的家人發(fā)出警報。通過Cogito這樣的技術，我們可能可以開發(fā)一個預警系統(tǒng)，對于那些具有高危險風險的人來說，由于他們有抑郁癥或自殺企圖的歷史，可以監(jiān)控和看到行為模式的變化，以更好地確定當風險，以防止發(fā)生自我傷害或危險活動。

人工智能可以為人們的健康提供最大的利益。預測一個人的疾病的嚴重程度，以及了解哪些治療方法可能最有效，這可能會使機器學習成為醫(yī)療保健中不可或缺的一部分。我們需要意識到人的能力結合機器的能力，可以最大程度的改善人類健康。

更多資訊請關注醫(yī)療機械頻道