未来人工智能如何跨界医疗领域

未来人工智能如何跨界医疗领域 文章来源：PConline

　　生活水平的提高以及生活压力的剧增，让人们越来越重视自身健康与寿命问题，因而才更需要先进且智能化的医疗系统。随着物联网、人工智能、智能设备等技术的日渐成熟，构建的智能医疗体系也将指日可待。届时，由于医疗资源分配不均而导致的看病难等问题，也将迎刃而解。

　　未来续命就指望它了看AI如何跨界医疗领域

　　尤其是在近些年，随着AI技术的逐渐成熟其在各领域上的应用也更为广泛，如果之前我们还在谈论互联网+给我们带来的改革创新，那么未来或许将迈向AI+时代。虽然，目前我国AI+医疗产业处于起步阶段，但却并不妨碍我们对未来人工智能在医疗领域发挥作用的畅想。

　　足不出户，在线就诊

　　试想一下，当身体感到不适或是生病时，有什么比在家就诊更叫人省心?Babylon人工智能健康咨询系统就是这么贴心。系统以用户过往的病史及常识性医学资料为基础，根据用户与在线人工智能系统对话时所列举的症状，给出初步的诊断结果和具体的应对措施。

　　不仅如此，Babylon系统还能提醒用户定时服药，并实时监测用户的身体状况，从而将病人就诊的时间缩短数倍，同时还能节省用户去医院的往返与就诊等待时间，进一步实现医患资源的合理分配。

　　私人健康助理

　　过去，私人医生或健康顾问可都是有钱人家的东东。现在，随着AI技术的发展，普通百姓也能享受此类个性化服务。Sense.ly推出了一款Molly虚拟护士服务，面带亲和微笑的虚拟护士，能帮助患者更好地接受治疗。

　　要知道，患有慢性病的患者需要定期复诊，并长期与医生保持联系，Molly能够以机器学习的方式不断更新患者的健康情况，并给出针对个人的护理建议。此外，其它一些辅助用药管理的人工智能应用，也在慢慢兴起，例如AiCure就能通过手机摄像头结合人工智能技术，确认患者是否遵循处方服药。

　　分析医疗影像

　　早前，IBM花10亿美元收购了Merge医疗影像公司，并将其与Watson健康部门合并。你可能有所不知，Merge是美国具影响力的医疗影像公司，其不仅拥有大量的医学数据和图像(CAT扫描、乳房摄像)，还有帮助医生存储、分析医学图像的顶尖技术平台。

　　除了Merge公司，Enlitic公司也专注于这一领域，其图像识别软件利用CNN(卷积神经网络)，读取X光片和CT图像筛查恶性肿瘤。此外，国内也有众多创业公司在研究如何用AI解读医疗影像。

　　人工智能诊疗

　　说到此，不得不说之前发生的一个经典事例。去年8月，IBM Watson在分析了上千个基因突变后，确诊一位60岁的日本老太太患有非常罕见的白血病，并向其提供了适当的治疗方案。要知道，几个月前她还曾被医院误诊。整个诊断过程Watson用了不到10分钟，而人类医生则要花费数周。现在，Watson肿瘤解决方案已进入国内21家医院。

　　当然，除了除了Watson这样的成熟应用，人工智能诊疗领域还有一些活跃于学术界的各种创新研究。例如人工智能诊断皮肤癌，斯坦福大学人工智能实验室用12.9万张皮肤病变的照片训练深度卷积神经网络，令其对皮肤损伤进行分类，诊断皮肤癌。

　　据了解，斯坦福大学的这一算法的准确率能达到91以上，与人类皮肤科医生无异。未来，这种算法可以用于移动App，让用户在家就能自行拍照诊断皮肤癌。而国内的中山大学，近期也有AI诊断方面的成果，其开发的人工神经网络CC-Cruiser，在诊断先天性白内障的准确率已达人类眼科医生水平。

　　走进手术室

　　该领域中知名的非Intuitive Surgical达芬奇系统莫属，该手术机器人初用于支持微创心脏搭桥手术，后来又在前列腺癌治疗方面取得进展。达芬奇机器人由外科医生控制台、床旁机械臂系统、成像系统三部分组成。目前，美国四分之一的手术中都使用了达芬奇系统。

　　除了达芬奇，也有其他公司也在不同领域推出了自己的手术机器人。人工智能也在手术室里辅助进行麻醉管理，包括术前评估、方法选择以及术中管理等等方面。在Alphabet旗下生命科学部门Verily，与强生合作创立了Verb Surgical公司，主打机器人手术助手。将来，也还会有更多的公司进入市场，探索并细分空间，打造一个结合感知、数据分析与自动化的生态系统。

　　挖掘新药，快速反应

　　利用超级计算机的计算能力，从药物的分子结构库溯源用来研发具有针对性的药物，Atomwise公司就做到了。去年，Atomwise以现有安全药物为基础，成功通过算法寻找到能够控制埃博拉病毒的两种药物。换做过去，则需要耗费数月甚至是数年时间，而Atomwise只用了不到一天的时间。

　　基因排查

　　有了人工智能技术，我们甚至可以畅想用其来进行基因治疗。Deep Genomics致力于通过海量的遗传信息及医疗诊断数据集，寻找遗传信息及疾病的联系。其采用了新一代计算系统能对DNA进行判断，告知医生可能出现的变异。

　　不得不说的是，人工智能和机器学习在医疗健康领域的确存在着巨大的潜力，且能应用于众多的医疗场景，为患者进行治疗、诊断甚至预测。不过，鉴于医学和生物学都是非常复杂的学科，因此想要达到一定的专业水平与成熟度，仍需经历长期的学习与反复的练习。