在2013年，數(shù)據(jù)還只是處于緩慢增長的狀態(tài)，達到4.4ZB，但emc預(yù)計這一數(shù)字每兩年就會翻一倍，到2020年將會達到44ZB，也就是440億GB的驚人數(shù)量。

 

　　如果少了人工智能對浩如煙海的這些數(shù)據(jù)進行整理及計算，人類必然無所適從。誠然，我們遠(yuǎn)沒有達到強人工智能的階段，但在弱人工智能層面上，我們已經(jīng)取得了一定的成就。Siri、小娜、OKGoogle，還有Echo，都能在短時間內(nèi)對人類所提的簡單問題進行快速檢索并給出解答。

 

　　而人類也在人工智能上嘗試走得更遠(yuǎn)，更貼近我們的生活。例如去年9月的DoNotPay，這款應(yīng)用由19歲的斯坦福學(xué)生JoshuaBowder開發(fā)，能在一分鐘內(nèi)處理亂收費的停車罰單。截至6月，這款應(yīng)用已經(jīng)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%。

 

　　想象一下，如果這種高效能應(yīng)用在健康領(lǐng)域，是否能拯救不少人的生命？

 

　　人工智能與健康領(lǐng)域的結(jié)合能夠讓病人就診流程更加便利，醫(yī)生也能合理安排手術(shù)日程，甚至還能為醫(yī)生們在看病時提供決策建議。一名就職于SutterHealth的數(shù)據(jù)科學(xué)家AndySchuetz表示，“雖然我不知道成熟的人工智能算法可能會花兩年還是十年才能實現(xiàn)，但這一愿景正在實現(xiàn)。”

 

 

　　只需環(huán)顧一下人工智能市場的健康領(lǐng)域，你就會發(fā)現(xiàn)他所言不虛。雖然IBMWatson經(jīng)常霸占著AI健康領(lǐng)域的頭條，但是還有不少熟悉的名字也出現(xiàn)在了這個板塊中：戴爾、蘋果、日立研究院、AlchemyAPI、Lumiata……而這也只是一管窺豹。

 

　　目前已經(jīng)有不少人工智能在健康領(lǐng)域?qū)嵺`的成功案例，無疑也預(yù)示著它的樂觀前景。雷鋒網(wǎng)接下來將和大家一起看看幾個比較熱門的健康領(lǐng)域：

 

　　數(shù)據(jù)挖掘

 

　　健康領(lǐng)域與人工智能結(jié)合，最簡單的聯(lián)想自然是數(shù)據(jù)管理。收集、存儲、同構(gòu)并跟蹤它的來源，這些著實會對現(xiàn)有的健康系統(tǒng)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(wù)體驗。雷鋒網(wǎng)此前也報道過DeepMind與英國國家醫(yī)療服務(wù)體系（NHS）進行了二度合作，將和Moorfields眼科醫(yī)院一同開發(fā)識別視覺疾病的機器學(xué)習(xí)系統(tǒng)。

 

　　智能診斷

 

　　雷鋒網(wǎng)此前提過IBM Watson的腫瘤治療項目，它能夠為醫(yī)生提供基于數(shù)據(jù)支持的診療計劃。通過對病歷中結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)及報告進行整理，Watson得以結(jié)合病人的資料及臨床專業(yè)知識，制定出病人所適合的治療計劃。

 

　　醫(yī)學(xué)影像輔助診斷

 

　　IBM的另一個名為Medical Sieve的算法就能擔(dān)任“識別助手”的工作，對于放射科及心臟科的醫(yī)學(xué)影像圖片，它能夠在短時間內(nèi)輔助分析，并給出可靠的診斷建議。這樣一來，放射科醫(yī)生只需要對一些疑難病癥進行再次核查，工作壓力就會大大降低。

 

 

　　初創(chuàng)公司Enlitic就是利用人工智能輔助醫(yī)學(xué)影像診斷，并借助深度學(xué)習(xí)從海量數(shù)據(jù)中不斷獲取診斷的特征點，并將其運用到實際診斷領(lǐng)域。

 

　　在線就診

 

　　如果覺得身體有些不適，是選擇去醫(yī)院看看，還是能有更簡便的方法？以Babylon為代表的人工智能健康咨詢系統(tǒng)就能實現(xiàn)這一點。系統(tǒng)能夠基于用戶以往的病史以及常識性的醫(yī)學(xué)資料，根據(jù)用戶與在線人工智能系統(tǒng)對話時所列舉的癥狀，給出初步的診斷結(jié)果和具體的應(yīng)對措施。此外，系統(tǒng)還能提醒用戶定時服藥，并實時監(jiān)測用戶的身體狀況。這樣的解決方式能夠?qū)⒉∪司驮\的時間縮短數(shù)倍，還能節(jié)約用戶去醫(yī)院等待就診的時間，實現(xiàn)醫(yī)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(yuǎn)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(fù)診，并和醫(yī)生長期保持溝通，系統(tǒng)能夠以機器學(xué)習(xí)的方式不斷更新患者的情況，并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能應(yīng)用也慢慢浮出水面，美國國家健康部背書的AiCure通過手機攝像頭及人工智能，能夠確認(rèn)病人是否能遵循處方服藥。

 

　　基因組學(xué)

 

　　人工智能甚至能夠為基因治療提供極大的幫助。DeepGenomics旨在通過海量的遺傳信息及醫(yī)療診斷數(shù)據(jù)集，尋找遺傳信息及疾病的聯(lián)系。他們采用的新一代計算系統(tǒng)能夠?qū)NA進行判斷，告知醫(yī)生可能出現(xiàn)的變異。

 

　　而人類基因組學(xué)之父CraigVenter同樣也看好人工智能對基因組學(xué)的前景，他創(chuàng)立的HumanLongevity能夠為用戶提供完整的基因序列，并在早期就指出因先天基因可能導(dǎo)致的患癌風(fēng)險。

 

　　新藥挖掘

 

　　典型公司當(dāng)Atomwise為首，這家公司采用超級計算機從藥物的分子結(jié)構(gòu)庫溯源，研發(fā)具有針對性的藥物。去年，Atomwise基于現(xiàn)有安全藥物，成功通過算法尋找到能夠控制埃博拉病毒的兩種藥物。以往要做一個能得到類似結(jié)論的研究，需要耗費數(shù)月甚至是幾年的時間，而現(xiàn)在Atomwise只用了不到一天的時間。公司的COO AlexanderLevy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(shù)據(jù)協(xié)助病人管理的公司，系統(tǒng)針對以往大量的診斷數(shù)據(jù)及患者的體征資料，通過對成功療法的分析，結(jié)合人工智能，為同樣患有此類疾病的患者提供診療方法參考，甚至創(chuàng)造出一種新的療法。

 

　　OpenAI，幫助用戶做出更健康的決策

 

　　OpenAI生態(tài)即一種通過大量數(shù)據(jù)，結(jié)合自然語言處理技術(shù)的進步及社會意識算法，將人工智能更廣泛地應(yīng)用于人類生活中的概念，在今年的世界經(jīng)濟大會上被列為十大科技之一。

 

　　而在醫(yī)學(xué)及健康領(lǐng)域上，這更能為人們帶來福祉。大量的病歷數(shù)據(jù)，來自可穿戴設(shè)備的實時追蹤數(shù)據(jù)，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信息參考。

 

 

　　在荷蘭，97%的醫(yī)療發(fā)票可以被輕松檢索到，且隱藏著大量就診信息。一家本地的分析公司ZorgprismaPubliek使用IBMWatson的云端服務(wù)分析發(fā)票數(shù)據(jù)，并指出醫(yī)生是否因為在診斷特定疾病時總是采用某種療法而導(dǎo)致失敗。

 

　　以上就是人工智能在醫(yī)學(xué)健康領(lǐng)域的比較熱門的幾個應(yīng)用，相信在未來隨著人工智能的發(fā)展，它在醫(yī)學(xué)領(lǐng)域的應(yīng)用范圍會越來越廣。