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，消費信息，獲得商品和服務的方式。 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，而是計算機科學分支的總稱。 該分支專門用于能夠執行類似于人的任務的復雜算法和軟件：語音和文本識別，數據分析，學習，問題解決。

通過分析復雜的數據及其循環模式識別，人工智能技術可以在無需人工干預的情況下近似得出結論。

人工智能是一個廣闊的領域。 隨著該領域的發展，出現了幾種類型的AI。 AI的主要應用是機器學習，深度學習，自然語言處理，圖像處理和語音識別。

人工智能可用于各種行業，已經成熟，可以破壞人工智能。 醫療保健生態系統也不例外。 AI通過提供來自各種數據庫的結構化患者數據以及這些數據分析技術的快速進步，為醫療保健提供了動力。

借助AI創新技術，醫生可以做出更精確的診斷并通過更好的預測來改善治療計劃。 此外，人工智能越來越多地應用于藥物開發，患者監護和護理。 由于AI能夠處理不斷增長的詳細患者數據數據庫，整個醫療行業正在朝著預防性而非反應性的方向發展。 在這里，我們研究了最近的進展以回答這個問題：醫療保健中的人工智能實例有哪些?

AI醫學分析 

來自MRI機器，CT掃描儀和X射線的圖像可能包含大量復雜的數據，這對于人類進行評估而言可能既困難又耗時。 毫不奇怪-這是專家的訓練有素的眼睛，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志物和基因組學數據形式的新數據雪崩，這對于醫生而言正變得越來越困難。

在這里，利用AI和機器學習的新興功能可能會有所幫助。 基于AI的醫療保健方法使研究人員能夠看到人眼可能漏掉的東西。 AI設備可以將圖像掃描到單個像素，從而提供精確的分析。

另一方面，當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。 此過程帶有風險，包括潛在的感染。 MRI機器，CT掃描儀和X射線所捕獲的放射圖像可以提供對人體內部工作的非侵入性可見性。 專家預測，人工智能將使下一代放射設備更加可靠和詳細，以在某些情況下替代對組織標本的需求。 為了獲得非常接近的配準，應該知道任何給定像素的基本事實。

在這項研究中的成功可能使臨床醫生可以更準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。 研究人員也許還可以更好地確定癌癥的侵襲性，并更適當地靶向治療。

就是說，人工智能正在幫助實現"虛擬活組織檢查"并推進放射線學的創新領域，該領域專注于利用基于圖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，當診斷錯誤導致大約10%的患者死亡時，醫療保健ai在醫學診斷的發展中起著不可或缺的作用。

對此類服務的需求超過了專家的供應。 管理這是醫療保健部門的一項關鍵任務。 此外，診斷專家和醫師需要一套新的工具來處理越來越多的醫學數據。 為了提供這個新的工具集，我們將需要利用人工智能的力量來開發新的解決方案。

當前，醫療診斷中的AI應用處于早期采用階段。 盡管如此，它們仍有可能影響醫療保健系統如何解決診斷問題，以及人們實時跟蹤健康狀況變化的可能性。 用于醫療保健的機器學習以及計算機處理的改進，逐漸促進了各個專業領域診斷的準確性和效率。 例如，AI可以收集和分析從多個來源(例如健身追蹤器和家庭監護儀)收集的患者數據，并使醫生能夠以未經AI允許的時間和資源來監控患者的健康。

消費者可穿戴設備與AI的結合使用也被用于監督心臟病，使醫生能夠在更可治療的階段更早地發現可能威脅生命的發作。

腫瘤學研究人員正在使用深度學習來教授算法，以識別與合格醫師相當的惡性組織。 斯坦福大學的研究人員使用130,000張代表疾病的圖像，訓練了一種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，準確率達99%，從而減少了不必要的活檢。

許多企業正在考慮將大數據納入醫療保健行業的可能性。 微軟，IBM，谷歌和英特爾等大型公司為醫療保健領域的AI應用做出了貢獻，它們整合了從EHR，成像，患者生成的傳感器和其他形式的數據中收集的大數據。

最近，IBM的Watson(能夠結合機器學習和NLP功能來回答問題的系統)已展示出對精確醫學的關注，特別是癌癥的診斷和治療。 Google還與醫療服務網絡合作，建立了從大數據的預測模式，以警告臨床醫生高危情況，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聊天機器人來識別所報告癥狀的模式并形成潛在的診斷，預防疾病或提出建議。 例如，一個應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重的癥狀，則該應用可能建議撥打緊急電話或去醫院。

科技公司和初創公司也在同樣的問題上孜孜不倦地工作-診斷似乎是初創公司關注的領域之一。 以下是最聰明的例子。 " Kheiron Medical"開發了深度學習軟件，可以檢測乳房X線照片中的乳腺癌。 " Medvice"是一種實時醫療咨詢服務，能夠訪問和存儲其EHR。 "預測性醫療技術| 使用重癥監護病房數據來發現可能遭受心臟發作的患者。

人工智能中的遠程醫療 

病人不必離開家中的溫暖去看醫生。 遠程醫療軟件開發模仿了醫生和患者之間的面對面互動。

此外，人工智能應用程序可以通過使用移動小工具和云技術來進行分析-智能手機上的指尖按壓將返回一個人的血壓。

遠程醫療可以存儲和分析所有患者數據，預測進一步的變化。 他們可以就人體缺少什么營養元素，無論一個人需要更多的體育鍛煉還是睡眠提供建議。 例如，" Lemonaid Health"之類的初創公司使用AI在醫療保健領域的發現來篩查和評估患者，以便醫生可以做出診斷，并從遠程位置開出任何藥物。

遠程醫療也有助于醫生的便利。 通常，醫生會花大約一半的工作時間在他們的辦公桌上填寫EHR。 人工智能在醫學上的最新進展將減輕這種負擔，并使電子病歷檢索更加容易。 聊天界面可以收集患者數據并以可立即檢索的方式存儲它。

人工智能技術改善了全球醫學專家之間的協作。 醫生們將利用彼此的見解和發現來更有效地工作。

新藥研發

藥物開發是一個漫長，復雜且昂貴的過程，具有高度的不確定性。 從研究實驗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。

藥物的研究和發現是醫療領域中較新的AI應用之一，旨在減少新藥的上市時間及其成本。

基于數據和高級分析，人工智能技術支持對實驗室實驗結果的預測。 結合臨床發展，人工智能將減少臨床試驗的數量和研究時間。 它的吸引力很簡單-使用不同類型的AI，計算機系統可以提出并通過不同的分子進行工作。 然后，人工智能系統可以將結果與各種參數進行比較，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研究和患者數據進行挖掘，并幫助重新利用舊藥物。

防治病毒

正如新藥化合物的產生一樣，人工智能系統可以預測新病毒的出現。 基于對現有病毒的分析，醫療保健中的AI可以分析蛋白質鏈并模擬所有可能的分裂和修飾。

可以訓練神經網絡來實時預測傳染病的傳播。 除此之外，人工智能算法還可以識別預防措施如何發揮很大的作用。

研究人員竭盡全力預測下一次爆發。 全世界范圍內收集的大量病毒數據也應用于訓練AI算法，以預測動物中哪些感染很可能會傳播給人類，以便我們可以在跳躍之前制止它們。

人工智能手術 

成像，導航和手術機器人改變了操作習慣。 AI應用程序在手術過程中帶來了精確性，魯棒性，安全性和自動化。

AI機器人能夠以高精度控制其運動的軌跡，強度和步伐，不僅可以幫助外科醫生，還可以提高人眼的準確性，并提供對每個位置和運動的更多控制。 機器人手術減輕了醫生的疲勞，使微創手術成為可能。 話雖如此，人工智能可以延長生命并擴大患者的生存范圍。

AI神經假肢

神經假體是通過電刺激來增強神經系統以彌補缺乏運動技能，認知，視覺，聽覺，交流或感覺技能的人工設備。 一些示例是腦機接口(BCI)，脊髓刺激器(SCS)，心臟起搏器等。

到2025年，全球上肢假肢的價值預計將超過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，研究人員將神經工程技術與機器人技術和AI相結合，以實現部分電機動力的半自動化以實現"共享控制"。 新的人機界面(BMI)和仿生手可完全控制用戶的動作。 借助深度學習方法，機械手可以在400毫秒內做出反應。

人工智能醫學世界傳播

受過訓練的醫療保健提供者的短缺極大地限制了世界范圍內發展中國家的救生醫療服務。

醫學上的人工智能可以通過承擔通常分配給人類的某些診斷職責來幫助緩解這一問題。

例如，AI成像工具可以篩查胸部X線檢查是否有結核病，顯示出足夠的準確性。 可以通過資源貧乏地區的提供商可以使用的應用程序來部署此功能，從而減少了對現場訓練有素的放射診斷醫生的需求。

AI重癥監護

重癥監護病房的醫生需要分析大量復雜數據，以做出至關重要的決定。 醫療保健中的人工智能使調解可以利用其提供治療的經驗。 定期接收大數據，醫療保健中的機器學習可確保更好的嚴重程度評分，臨床決策制定以及整體上更好的醫療個性化。

例如，敗血癥通常要到后期才弄清楚-AI系統可以快速分析許多變量來預測敗血癥和死亡率。 在ICU患者中連續進行的心電圖數據的深度學習分析可以立即發現變化。

自拍診斷

您是否曾經想過可以將手機轉變為醫療保健AI工具?

我們的手機會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，甚至用作識別兒童發育疾病的工具。

幾乎每個行業的主要參與者都開始在其設備中構建AI軟件，因為我們每天產生的數據超過250萬兆字節。 手機可以將數據與不同類型的AI結合使用，以提供更多個性化，更快和更智能的服務。

同樣，在醫學領域中利用人工智能可以對發展中地區有用，有助于應對醫療保健專家或偏遠地區的短缺。

醫療保健AI公司 

如本文前面所述，許多公司巨頭已經建立了專門針對醫療保健中的人工智能的程序。 IBM的Watson健康計劃是提供認知計算能力系統的先驅，已經與Anthem一起在Memorial Sloan Kettering癌癥中心研究了肺癌的治療方法。

該AI系統使用云計算，收集并分析大量數據。 它被用作診斷醫生的專業顧問。 利用有關癥狀，家族史，接受治療，疾病持續時間，以前的治療等其他詳細信息的數據，以及來自測試，同行評審的研究和臨床研究的其他發現，Watson's Health提供了不同的治療選擇，并對每個準患者進行了置信度評估 。

IBM Watson的認知計算服務還提供與任何應用程序的集成，并通過Watson API和開放的多云平臺通過其現有服務提供幫助。

屈臣氏健康還與CVS Health Corporation合作治療慢性疾病，并與強生公司合作，基于科學工作發現新藥。

微軟的癌癥研究也大力支持醫學上的人工智能，該研究旨在對患者的免疫細胞進行編程，以識別和殺死白血病細胞。 微軟研究人員認為，這種重新編程生物學的能力具有巨大的潛力，可以改變我們生產一切的方式。

反過來，醫療保健領域的Google AI正在重建有助于檢測，診斷和治療的數據基礎架構。 該公司將AI應用于醫療保健領域，目前正在許多尚未凝聚在一起的不同分支機構開展工作。 除此之外，Google為傳播有關COVID-19的信息做出了重大貢獻，并提供了價值8億美元的冠狀病毒應對方案。

總結

醫學上的人工智能激發了我的創新精神。 它為新的AI初創公司的發展提供了沃土。 我們已經看到的示例表明，人工智能應用已成為從診斷到治療以及持續健康維護的整個患者旅程中，醫療保健挑戰解決方案的支柱。 現在，在考慮采用AI技術時，您可以做出明智的決定。 與人工智能領域的專家一起構建您的項目。