編者按：人工智慧的潛力，大家想必都有目共睹。在未來幾年，人工智慧無疑會在生活的方方面面發揮作用，健康領域同樣不例外。小編整理編譯了九個人工智慧，將會顛覆或重塑的健康行業，一起來看看吧。
大數據及人工智慧將會顛覆我們的生活
在 2013 年，數據還只是處於緩慢增長的狀態，達到 4.4 ZB，但 EMC 預計這一數字每兩年就會翻一倍，到 2020 年將會達到 44 ZB，也就是 440 億GB的驚人數量。
如果少了人工智慧對浩如煙海的這些數據，進行整理及計算，人類必然無所適從。誠然，我們遠沒有達到強人工智慧的階段，但在弱人工智慧層面上，我們已經取得了一定的成就。
Siri、小娜、OK Google，還有 Echo，都能在短時間內對人類所提的簡單問題，進行快速檢索並給出解答。
而人類也在人工智慧上嘗試走得更遠，更貼近我們的生活。例如去年 9 月的 DoNotPay，這款應用由 19 歲的史丹佛學生Joshua Bowder 開發，能在一分鐘內處理亂收費的停車罰單。截至 6 月，這款應用已經在紐約及倫敦處理了 25 萬張罰單里的 16 萬張，成功率達到 64%。
大數據及人工智慧將會顛覆我們的生活
在 2013 年，數據還只是處於緩慢增長的狀態，達到 4.4 ZB，但 EMC 預計這一數字每兩年就會翻一倍，到 2020 年將會達到 44 ZB，也就是 440 億GB的驚人數量。
如果少了人工智慧對浩如煙海的這些數據，進行整理及計算，人類必然無所適從。誠然，我們遠沒有達到強人工智慧的階段，但在弱人工智慧層面上，我們已經取得了一定的成就。
Siri、小娜、OK Google，還有 Echo，都能在短時間內對人類所提的簡單問題，進行快速檢索並給出解答。
而人類也在人工智慧上嘗試走得更遠，更貼近我們的生活。例如去年 9 月的 DoNotPay，這款應用由 19 歲的史丹佛學生Joshua Bowder 開發，能在一分鐘內處理亂收費的停車罰單。截至 6 月，這款應用已經在紐約及倫敦處理了 25 萬張罰單里的 16 萬張，成功率達到 64%。
想像一下，如果這種高效能應用在健康領域，是否能拯救不少人的生命？
人工智慧與健康領域的結合，能夠讓病人就診流程更加便利，醫生也能合理安排手術日程，甚至還能為醫生們在看病時提供決策建議。一名就職於 Sutter Health 的數據科學家Andy Schuetz 表示，「雖然我不知道成熟的人工智慧算法可能會花兩年，還是十年才能實現，但這一願景正在實現。」
只需環顧一下人工智慧市場的健康領域，你就會發現他所言不虛。雖然 IBM Watson 經常霸佔著 AI 健康領域的頭條，但是還有不少熟悉的名字，也出現在了這個板塊中：戴爾、蘋果、日立研究院、Alchemy API、Lumiata……而這也只是一管窺豹。
目前已經有不少人工智慧在健康領域實踐的成功案例，無疑也預示著它的樂觀前景。小編接下來將和大家一起看看幾個比較熱門的健康領域：
數據挖掘
健康領域與人工智慧結合，最簡單的聯想自然是數據管理。收集、儲存、同構並跟蹤它的來源，這些著實會對現有的健康系統帶來顛覆。Google 的 DeepMind Health 項目，對大量的就診記錄進行挖掘，為患者提供更好更高效的健康服務體驗。小編此前也報導過DeepMind與英國國家醫療服務體系（NHS）進行了二度合作，將和 Moorfields 眼科醫院一同開發辨識視覺疾病的機器學習系統（詳細報ㄅ請點此處）。
智慧診斷
小編此前提過 IBM Watson 的腫瘤治療項目，它能夠為醫生提供基於數據支持的診療計劃。通過對病歷中結構化或非結構化的數據，及報告進行整理，Watson 得以結合病人的資料，及臨床專業知識，制訂出病人所適合的治療計劃。
醫學影像輔助診斷
IBM 的另一個名為 Medical Sieve 的算法，就能擔任「辨識助手」的工作，對於放射科及心臟科的醫學影像圖片，它能夠在短時間內輔助分析，並給出可靠的診斷建議。這樣一來，放射科醫生只需要對一些疑難病症進行再次核查，工作壓力就會大大降低。
初創公司 Enlitic 就是利用人工智慧輔助醫學影像診斷，並借助深度學習，從海量數據中不斷獲取診斷的特徵點，並將其運用到實際診斷領域。
線上就診
如果覺得身體有些不適，是選擇去醫院看看，還是能有更簡便的方法？以 Babylon 為代表的人工智慧健康咨詢系統，就能實現這一點。
系統能夠基於用戶以往的病史，以及常識性的醫學資料，根據用戶與線上人工智能系統對話時，所列舉的症狀，給出初步的診斷結果和具體的應對措施。
此外，系統還能提醒用戶定時服藥，並實時監測用戶的身體狀況。這樣的解決方式，能夠將病人就診的時間縮短數倍，還能節約用戶去醫院等待就診的時間，實現醫患資源的合理配置。
健康助理及用藥管理
Molly 是 Sense.ly 推出的一款虛擬護士，臉上永遠掛著親和微笑的她能夠幫助患者更好地接受治療。患者的慢病管理需要定期復診，並和醫生長期保持溝通，系統能夠以機器學習的方式不斷更新患者的情況，並給出個性化的護理建議。
除此之外，一些能輔助用藥管理的人工智慧應用也慢慢浮出水面，美國國家健康部背書的 AiCure 通過手機攝影鏡頭及人工智慧，能夠確認病人是否能遵循處方服藥。
基因組學
人工智慧甚至能夠為基因治療，提供極大的幫助。Deep Genomics 旨在通過海量的遺傳資訊，及醫療診斷數據集，尋找遺傳資訊及疾病的聯繫。他們採用的新一代計算系統，能夠對 DNA 進行判斷，告知醫生可能出現的變異。
而人類基因組學之父 Craig Venter 同樣也看好，人工智慧對基因組學的前景，他創立的 Human Longevity 能夠為用戶提供完整的基因序列，並在早期就指出因先天基因，可能導致的患癌風險。
新藥挖掘
典型公司當 Atomwise 為首，這家公司採用超級電腦從藥物的分子結構庫溯源，研發具有針對性的藥物。去年，Atomwise基於現有安全藥物，成功通過算法尋找到能夠控制伊波拉病毒的兩種藥物。
以往要做一個能得到類似結論的研究，需要耗費數月甚至是幾年的時間，而現在 Atomwise 只用了不到一天的時間。公司的 COO Alexander Levy 表示，「有了像 Atomwise 這樣的公司，你可以想象，將會有多少人能在下一次流行病中存活下來。」
Berg Health 也是一家利用大數據協助病人管理的公司，系統針對以往大量的診斷數據，及患者的體徵資料，通過對成功療法的分析，結合人工智慧，為同樣患有此類疾病的患者，提供診療方法參考，甚至創造出一種新的療法。
Open AI，幫助用戶做出更健康的決策
Open AI 生態即一種通過大量數據，結合自然語言處理技術的進步，及社會意識算法，將人工智慧更廣泛地應用於人類生活中的概念，在今年的世界經濟大會上被列為十大科技之一。
而在醫學及健康領域上，這更能為人們帶來福祉。大量的病歷數據，來自可穿戴設備的即時追蹤數據，不僅能為用戶推薦更好的生活方式，更能為個性化診療提供重要的資訊參考。
以數據分析引導健康系統
在荷蘭， 97% 的醫療發票可以被輕鬆檢索到，且隱藏著大量就診資訊。一家本地的分析公司 Zorgprisma Publiek 使用 IBM Watson 的雲端服務分析發票數據，並指出醫生是否因為在診斷特定疾病時，總是採用某種療法而導致失敗。
以上就是人工智慧，在醫學健康領域的比較熱門的幾個應用，相信在未來隨著人工智慧的發展，它在醫學領域的應用範圍會越來越廣。
沒有留言:
張貼留言