大數(shù)據(jù)及人工智能將會顛覆我們的生活

在2013年，數(shù)據(jù)還只是處于緩慢增長的狀態(tài)，達到4.4 ZB，但emc預計這一數(shù)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(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、OK Google，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，更貼近我們的生活。例如去年 9 月的 DoNotPay，這款應用由 19 歲的斯坦福學生Joshua Bowder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 Sutter Health 的數(shù)據(jù)科學家Andy Schuetz 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 IBM Watson 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、Alchemy API、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體驗。雷鋒網(wǎng)此前也報道過DeepMind與英國國家醫(yī)療服務體系（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習系統(tǒng)（詳細報道請點此處）。

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)學影像輔助診斷

IBM 的另一個名為 Medical Sieve 的算法就能擔任“識別助手”的工作，對于放射科及心臟科的醫(yī)學影像圖片，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)學影像診斷，并借助深度學習從海量數(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，并和醫(yī)生長期保持溝通，系統(tǒng)能夠以機器學習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，能夠確認病人是否能遵循處方服藥。

基因組學

人工智能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)?DNA  進行判斷，告知醫(yī)生可能出現(xiàn)的變異。

而人類基因組學之父 Craig Venter 同樣也看好人工智能對基因組學的前景，他創(chuàng)立的 Human Longevity 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致的患癌風險。

新藥挖掘

典型公司當 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 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(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。

Open AI，幫助用戶做出更健康的決策

Open AI 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。

以數(shù)據(jù)分析引導健康系統(tǒng)

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 Zorgprisma Publiek 使用 IBM Watson 的云端服務分析發(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致失敗。

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

via medical futurist