人工智能有望成为医疗保健领域的转型力量。那么医生和患者如何从人工智能驱动工具的影响中获益?

如今的医疗保健行业已经十分成熟，可以进行一些重大变革。从慢性病和癌症到放射学和风险评估，医疗保健行业似乎有着无数的机会利用技术在患者护理方面部署更精确、高效和有效的干预措施。

随着技术的发展，患者对医生的要求越来越高，并且可用数据的数量继续以惊人的速度增长，人工智能将成为推动医疗护理工作持续改进的引擎。

与传统分析和临床决策技术相比，人工智能具有许多优势。当学习算法与训练数据交互时，可以变得更精确，使医生对诊断、护理过程、治疗变异性和患者结果获得前所未有的见解。

1.通过脑机接口统一思维和机器

使用计算机进行通信并不是一个新想法，但是在不需要键盘、鼠标和显示器的情况下在技术和人类思维之间创建直接接口是一个前沿的研究领域，对某些患者具有重要的应用。

如果我在神经病学重症监护室看到某位患者突然失去了行动或说话的能力，我希望在第二天恢复其沟通的能力。通过使用脑机接口(BCI)和人工智能，我们可以将与手部运动相关的神经激活，并且我们应该能够让这个患者与他人在整个活动过程中至少交流五次的方式进行交流，例如使用平板电脑或手机等无处不在的通信技术。

2.开发下一代放射工具

通过磁共振成像机(MRI)、CT扫描仪和X射线获得的放射图像提供对人体内部的非侵入性可见性。但是许多诊断过程仍然依赖于通过活体组织检查获得的物理组织样本，取得这些样本具有导致患者可能受到感染的风险。

我们希望将诊断成像团队与外科医生或介入放射科医师和病理学家结合在一起，但不同团队实现合作和目标的一致性是一个巨大的挑战。如果我们希望放射成像提供目前从组织样本中获得的信息，那么我们将必须能够实现非常接近的标准，以便知道任何给定像素的基本事实。

采用人工智能还可以更好地定义癌症的侵袭性，并更恰当地确定治疗目标。此外，人工智能正在帮助实现“虚拟活检”，并推进放射医学领域的创新，该领域致力于利用基于图像的算法来表征肿瘤的表型和遗传特性。

会议指出，在波士顿著名的朗伍德大道的六家医院工作的放射科医生比西非地区所有医院都要多。

例如，人工智能成像工具可以通过胸部X光检查肺结核的症状，通常可以达到与医生相当的精确度。这项功能可通过适用于资源匮乏地区的提供商的应用程序进行部署，从而减少了对经验丰富的诊断放射科医生的需求。

然而，人工智能算法开发人员必须谨慎考虑这样一个事实，即不同民族或不同地区的人群可能具有独特的生理和环境因素，这些因素会影响疾病的表现。

3.减轻电子健康记录的使用负担

电子健康记录(HER)在医疗保健行业的数字化之旅中发挥了重要作用，但这种转变带来了无数与认知过载、无休止的文档和用户疲劳相关的问题。

临床文档、订单输入，以及对收件箱进行分类。语音识别和听写有助于改善临床文档处理过程，但采用自然语言处理(NLP)工具可能还不够。

人工智能还可以帮助处理来自收件箱的常规请求，例如药物补充和结果通知。Landman补充道，它还可能有助于确定真正需要临床医生注意的任务的优先顺序，使患者更容易处理他们的待办事项列表。

电子健康记录数据有助于识别感染模式，并在患者开始出现症状之前突出其风险。利用机器学习和人工智能工具来驱动这些分析可以提高其准确性，并为医疗保健提供者创建更快、更准确的警报。

4.为病理图像创建更精确的分析

布里格姆妇女医院(BWH)病理学系主任、HMS病理学教授JeffreyGolden医师表示，病理学家为全方位的医疗服务提供者提供最重要的诊断数据来源之一。

在超大的数字图像上深入到像素级别的分析可以使医生识别可能逃脱人眼的细微差别。

人工智能还可以通过在临床医生审查数据之前确定幻灯片中感兴趣的特征来提高生产力。人工智能可以通过幻灯片进行筛选，并指导我们查看正确的内容，以便我们可以评估哪些内容重要，哪些内容不重要。这提高了病理学家使用的效率，并增加了他们研究每个病例的价值。

在医疗环境中，智能设备对于监控ICU和其他地方的患者至关重要。使用人工智能来增强识别病情恶化的能力，例如表明败血症正在发展，或感觉到并发症的发展可以显著改善结果，并可能降低治疗成本。

5.推进免疫疗法用于癌症治疗

免疫疗法是治疗癌症最有希望的方法之一。通过使用人体自身的免疫系统来攻击恶性肿瘤，患者可能能够战胜顽固的肿瘤。然而，只有少数患者对当前的免疫治疗方案有反应，肿瘤学家仍然没有一种精确可靠的方法来确定哪些患者将从该方案中受益。

最近，最令人兴奋的发展是检查点抑制剂，它阻断了某些免疫细胞产生的蛋白质。但我们仍然不了解所有的问题，这非常复杂。我们肯定需要更多的患者数据。这些疗法相对较新，所以实际上并没有多少患者服用这些药物。因此，无论我们是需要在一个机构内还是跨多个机构集成数据，都将增加患者人数以推动建模过程的关键因素。

数据质量和完整性问题，加上数据格式的混乱、结构化和非结构化输入以及不完整的记录，使得人们很难准确理解如何进行有意义的风险分层、预测分析和临床决策支持。

他继续说，“依靠核磁共振结果似乎可以提供更具体的数据集。但是现在必须考虑谁能负担得起核磁共振的成本?所以最终预测的并不是期望的结果。”

但是，Obermeyer认为，确保这些算法不能确认数据中隐藏的偏见，这对于部署能够真正改善临床护理的工具至关重要。

6.通过可穿戴设备和个人设备监控健康状况

现在几乎所有的消费者都可以使用带有传感器的设备来收集有关健康具有价值的数据。从带有计步追踪器的智能手机到能够全天候跟踪心跳的可穿戴设备，随时可以生成越来越多的健康相关数据。

人工智能将在从这一庞大而多样的数据库中提取可操作的见解方面发挥重要作用。

以往我们对数字数据的处理方式相当自由。但是，随着剑桥分析公司和Facebook这些公司发生数据泄露事件，人们将越来越谨慎地考虑与谁共享什么样的数据。

很有可能可穿戴数据将产生重大影响，因为人们的关注是非常偶然的，并且收集的数据非常粗糙。通过连续收集粒度数据，数据更有可能帮助医生更好地照顾患者。

手机摄像头的质量每年都在提高，并且可以生成可用于人工智能算法分析的图像。皮肤病学和眼科学是这一趋势的早期受益者。

大多数人都配备了功能强大的手机，内置了许多不同的传感器。这对我们来说是一个很好的机会。几乎所有行业参与者都已开始在他们的设备中构建人工智能软件和硬件。这不是巧合。在我们的数字世界中，每天都会生成超过250万TB的数据。在手机领域，制造商认为他们可以将这些数据用于人工智能，以提供更加个性化、更快捷、更智能的服务。

未来可能发生一些重大事件，我们可以利用这个机会来解决一些在护理点进行疾病管理的重要问题。

人工智能将为这一进化提供许多基础技术，通过支持预测分析和临床决策支持工具，在提供者认识到采取行动的必要性之前解决问题。人工智能可以为癫痫病或败血症等疾病提供早期预警，这通常需要对高度复杂的数据集进行深入分析。

在通常情况下，医生必须检查这些患者的脑电图数据。这一过程耗时并且主观性强，其结果可能因临床医生的技能和经验而有所不同。

利用人工智能技术进行临床决策支持、风险评分和早期预警是这种革命性的数据分析方法最有前景的发展领域之一。