此时，医疗保健领域的人工智能跨越了医学的许多核心领域。从诊断到健康和保健，再到智能设备的应用，人工智能在一定程度上形成了各种形态。在许多方面，人工智能技术已经成为医疗保健服务提供者的“第二层”保障。这是因为人工智能软件不需要人工干预就可以适应，因此它可以自我学习以满足人类的健康需求。
许多顶尖的人工智能公司都在利用这一趋势，这不足为奇。随着投资人工智能技术的增长，预计未来几年将有更多用于医疗保健的人工智能用例。此外，很多企业现在可以使用人工智能即服务，或者使用基于云计算的人工智能服务构建自己的智能应用程序。随着医疗保健领域的大数据，医疗保健领域的人工智能正迅速成为一个决定性因素。
以下了解一下人工智能在医疗保健领域的应用现状。
抗生素的耐药性
抗生素有助于保持人们的健康。然而，它们的广泛使用导致了对抗生素产生抗药性细菌的产生，全球每年有7万人因此死亡。研究人员使用机器学习(一种人工智能技术)鉴定细菌中引起抗生素耐药性的基因。人工智能还被用于识别电子医疗记录(EHR)中的症状前模式，以便更多和更早地向医疗保健提供者发送警报。
脑-机接口
脑机接口目前还不是主流技术。然而，人们对这个领域很感兴趣，因为脑机接口可以取代其他类型的计算机接口，这对于有永久性或暂时性残疾的人特别有用。例如，支持人工智能的脑-机接口可以帮助中风患者在中风之后很快与康复医疗服务提供者进行沟通，而不是在康复治疗之后。
心脏病
人工智能在心脏病学中应用已有20多年，但鉴于影响心脏病的生死后果，它的进展缓慢。人工智能使用的一个例子是植入式除颤器，它可以监测有心脏病突发风险的患者的心律。如有必要，该设备还会施加电击。
从长远来看，来自可穿戴设备和植入物的数据将与电子医疗记录(EHR)相结合，用于持续的患者监测，以便医生获得有关其患者的更多最新信息。
发展中国家的应用
发展中国家与发达国家有着不同的问题。发达国家对更复杂的人工智能形式感兴趣，而发展中国家则更关注向偏远地区的贫困民众提供包括医疗在内的基本服务。贫困和偏远地区的生活常常是紧密相连的。
因此，发展中国家正利用人工智能为那些原本无法获得医疗服务的人员提供医疗服务。具体来说，通过移动设备向社区成员推送医疗信息，社区成员可以阅读并采取适当的行动。医疗服务人员还可以使用移动设备拍摄患者症状的照片，图像识别系统将这些症状与类似的图像进行比较，以诊断该疾病。
电子健康记录
电子健康记录(HER)尚未完全取代纸质记录，即使它们的使用普遍存在，接待人员、医疗助理和医生也必须进行大量人工输入。在这里，语音识别功能取代了键盘。因此，用户可以简单地说出他们想要在电子健康记录(HER)中记录的信息，而不是在系统中键入信息。
基于视频的图像识别功能可能会在未来补充电子健康记录(HER)，因为它可以提供对人工智能进行分析的患者病情的进一步了解，而医生可能会忽略或错过。例如，图像分析系统可以判断患者何时疼痛，这可能表明寻找镇疼麻醉类药物的行为。
健康与保健
尽管医疗级设备可以追踪更多信息，但越来越多的患者可以佩戴随身设备或智能手表进行监测。这些设备的功能取决于其设计和复杂程度，可以提供对心率、氧气水平、血糖水平、睡眠模式、呼吸、步态等的洞察，为医疗保健提供者提供他们在预约期间无法获得的信息。
例如，中风患者的恢复可能会根据患者的步态显示出改善，而心脏病发作的早期迹象可能意味着需要手术与无需手术之间的差异。人工智能识别数据中的模式以确定患者的当前健康状态。
癌症治疗的免疫疗法
癌症的免疫疗法并不是一门精确的科学。虽然有许多免疫治疗方案可供选择，但患者的DNA确定治疗是否有效。由于人工智能可以比医生更快地分析更多信息，因此能够识别遗传学中的模式，并将其与免疫治疗方案相关联。这种能力可以带来真正个性化的癌症治疗方法。
医疗诊断
人工智能系统可以比医生更快地分析更多数据，这可能使其比医生更擅长识别医疗诊断。例如，当患有严重疾病的患者接受诊断时，朋友和家人鼓励患者“获得第二种意见”，因为医生通常对医疗信息的解释不同。
人工智能使用来自成百上千甚至数百万诊断的历史数据，然后将其与患者的病情进行比较，以诊断疾病，预测疾病的进展，并为患者的治疗提供建议。
神经内科
神经保健涉及神经系统疾病，如帕金森病、阿尔茨海默病、癫痫、中风和多发性硬化症。人工智能可以全天候监控神经系统疾病患者，以查看患者的身体状态是改善还是下降。人工智能还可以预测中风和监测癫痫发作的频率。
病理学图像
大多数诊断依赖于病理结果，因此病理报告的准确性可以区分诊断和误诊。例如，人工智能可以在像素级别了解病理结果，这可以了解癌症的进展。人工智能还帮助医生关注病理图像中最相关的区域。
放射学工具
各种形式的放射学(如CT扫描、核磁共振成像和X射线)为医疗保健服务提供者提供了患者身体的内部视图。然而，不同的放射学专家和医生对这些图像的解读往往不同。人工智能有助于实现更一致的解释。它还帮助放射科医生更好地识别肿瘤的状态或癌症的侵袭性。
智能设备
医院是智能设备的主要购买者。这些设备采用平板电脑和医院设备的形式，存在于重症监护病房(ICU)、急诊室、手术室和普通病房。人工智能通过监测患者的情况，并提醒医生可能与患者的氧气水平、呼吸模式、心跳、血压或感染(如败血症)有关的重要状态变化。
手术
人工智能在手术室中被用作辅助功能，以缩小不同医生的经验和知识之间的巨大差异。支持人工智能的系统能够快速梳理大量数据，以显示医生需要的信息。
人工智能在医疗保健中的风险
在医疗保健(或任何行业)中采用人工智能的一个常见问题是，启用人工智能系统的设计者和用户倾向于更多地关注潜在的利益，而不是潜在的风险。虽然现在似乎每个人都在谈论人工智能，但很少有人能够很好地理解这个主题。其结果是人们正在构建和采购他们并不完全理解的系统和软件。
算法偏差
目前，人们对人工智能还是知之甚少。算法偏差是一个重要的话题，因为它使人工智能系统的准确性低于人们预期，并可能导致意想不到的结果。
有着偏差的人工智能结果源于算法作者或收集、选择和使用数据的人的故意或无意偏见，其数据本身可能有偏差。鉴于医疗行业使用的大量数据(大数据)以及进行准确数据分析的必要性，了解并纠正偏差非常重要。
错误的决定或建议
医疗保健行业越来越依赖人工智能进行决策。硬编码系统的问题是可能无法解释所有情况。自我学习系统更加灵活;但是，并非所有系统都能够解释其结果或建议，也不是所有系统都能够解释导致结果或建议的因素。系统中也可能存在偏见。因此，人工智能系统可能会做出错误的建议或决定，而医疗保健提供者对此负有责任。
不道德的结果
医生通常信奉“首先，不要伤害他人”希波克拉底的誓言，但是人工智能是如何处理的呢?大多数人认为人工智能是不道德的，因为它只是一种工具，而操作者对人工智能的使用将会产生道德或不道德的结果。
然而，由于自我学习的人工智能系统能够感知人类无法感知的事物，并且它们不一定能够解释其推理或结论，因此可能会出现意想不到的结果，其中一些结果可能是不道德的。此外，人工智能目前缺乏同情心和同理心，因此其决策过程与人类不同。
数据隐私
《医疗保险可移植性和责任法案》(HIPAA)对医疗保健信息的使用以及医疗服务提供者使用的信息有严格的规定。由于“坏”数据、算法偏差或无法维护系统的机器学习培训，人工智能可能会出现故障，如果没有得到妥善保护，黑客也可能会破坏这个人工智能系统。
京公网安备 11010502049343号