人工智能影响医疗保健行业的12个方式

抗生素耐药性对人类的威胁越来越大，因为过度使用这些关键药物会促使不再对治疗产生反应的超级细菌的进化。多重耐药性的细菌可能在医院环境中造成严重破坏，每年夺去数以万计患者的生命。仅艰难梭菌每年就为美国医疗保健系统带来约50亿美元的损失，并导致3万多人死亡。

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。

马萨诸塞州总医院(MGH)感染控制部门副主任Erica Shenoy博士说，“人工智能工具可以达到对感染控制和抗生素耐药性的预期。如果他们不这样做，那么所有人都会失败。因为医院拥有大量的电子健康记录数据，如果没有充分利用它们，没有创造更智能、更快的临床试验设计的行业，以及没有使用创造这些数据的电子健康记录，那么这将面临失败。”

6.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Jeffrey Golden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。

他说，“70%的医疗保健决策都是基于病理结果，电子健康记录中所有数据的70%到75%之间来自病理结果。而结果越准确，就会越早得到正确的诊断，这就是数字病理学和人工智能有机会实现的目标。”

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。

Golden说，“我们现在已经到了可以更好地评估癌症是否会快速或缓慢发展的阶段，以及如何根据算法而不是临床分期或组织病理分级来改变患者的治疗方式的地步。这将是一个巨大的进步。”

他补充说，“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。”

7.为医疗设备和机器带来智能

智能设备正在接管消费者环境，并且提供从冰箱内部的实时视频到可以检测驾驶员分心的汽车等各种设备。

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。

布里格姆妇女医院(BWH)临床数据科学中心执行主任Mark Michalski博士说，“当我们谈论整合整个医疗保健系统的不同数据，需要进行整合，并产生警报，提醒重症监护室(ICU)医生尽早干预，这些数据的汇总不是人类医生可以做得很好的事情。将智能算法插入这些设备可以减少医生的认知负担，同时确保患者尽可能及时地接受护理。”

8.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。

机器学习算法及其合成高度复杂数据集的能力可能能够阐明针对个体独特基因构成的靶向治疗提供新的选择。

马萨诸塞州总医院(MGH)综合诊断中心计算病理学和技术开发主任Long Le博士解释说，“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。”

9.将电子健康记录转变为可靠的风险预测指标

电子健康记录(HER)是患者数据的宝藏，但以准确、及时和可靠的方式提取和分析大量信息一直是提供商和开发人员不断面临的挑战。

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。

布里格姆妇女医院(BWH)紧急医学助理教授、哈佛医学院(HMS)助理教授Ziad Obermeyer博士说，“有一些艰难的工作是将数据整合到一个地方。但另一个问题是了解当人们预测电子健康记录(HER)中的一种疾病时会得到什么。人们可能会听说人工智能算法可以预测抑郁症或中风，但发现他们实际上预测的是中风费用增加。这与中风本身有很大不同。”

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。”

核磁共振分析已经产生了许多成功的风险评分和分层工具，特别是当研究人员采用深度学习技术来识别看似无关的数据集之间的新联系时。

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。

他说：“最大的挑战是确保在我们开始打开黑盒并观察如何预测之前，需要确切地知道我们预测到了什么。”

10.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。

收集和分析这些数据，并通过应用程序和其他家庭监控设备补充患者提供的信息，可以为个人和人群健康提供独特的视角。

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。

但计算神经科学成果中心的联合主任、布里格姆妇女医院(BWH)神经外科医生Omar Arnaout博士说，帮助患者适应这种亲密、持续监测的数据可能需要额外的工作。

他说：“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。”

他补充说，患者往往更信任他们的医生，而不是像Facebook这样的大公司，这可能有助于缓解为大规模研究计划提供数据的不适。

Arnaout说：“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。”

11.使智能手机成为强大的诊断工具

专家认为，继续利用便携式设备的强大功能，从智能手机和其他消费级资源中获取的图像将成为临床质量成像的一种重要补充，特别是在服务不足的地区或发展中国家。

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。

（编辑：南平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!