楊林

關(guān)于機(jī)器學(xué)習(xí)（ML）和人工智能（AI）顛覆行業(yè)潛力的討論很多。人工智能已經(jīng)在金融，教育，機(jī)器人技術(shù)，交通運(yùn)輸，安全等行業(yè)以及醫(yī)療領(lǐng)域得到廣泛應(yīng)用。

如今，在醫(yī)療保健領(lǐng)域，機(jī)器學(xué)習(xí)和人工智能應(yīng)用主要出現(xiàn)在診斷，研究和新藥開發(fā)中。流行的使用案例是視網(wǎng)膜掃描的圖像識(shí)別，以檢測糖尿病和高血壓患者視網(wǎng)膜病變的早期征兆和疾病進(jìn)展。它還可以幫助識(shí)別ECG測試，X射線，超聲，CT和MRI掃描中的異常。

制藥行業(yè)正在利用AI設(shè)計(jì)用于癌癥治療的新藥，而新藥的應(yīng)用則創(chuàng)下歷史新高。但是，在臨床護(hù)理方面，人工智能的應(yīng)用僅限于優(yōu)化病理醫(yī)生和放射科醫(yī)生的診斷時(shí)間和診斷準(zhǔn)確性。

在OPD環(huán)境中進(jìn)行臨床決策時(shí)，人工智能尚未看到更廣泛的應(yīng)用。要如何將機(jī)器智能的好處帶給普通人的日常健康，我們將如何達(dá)到一個(gè)可以考慮患者的完整背景，既往病史和對治療的反應(yīng)以個(gè)性化醫(yī)療的階段？

人工智能在醫(yī)療領(lǐng)域的未來

釋放AI的潛力取決于用于訓(xùn)練和設(shè)計(jì)AI算法的數(shù)據(jù)的可用性，數(shù)量，質(zhì)量和完整性。這將需要通過國家強(qiáng)制廣泛采用電子病歷來精心收集結(jié)構(gòu)化健康數(shù)據(jù)。隨之而來的是跨提供商的數(shù)據(jù)互操作性挑戰(zhàn)，以至于不會(huì)丟失任何數(shù)據(jù)，并且患者不必一次又一次地進(jìn)行相同的測試，而僅僅是因?yàn)樗麄兊臄?shù)據(jù)庫被不與數(shù)據(jù)庫通信的提供商鎖定在孤島中彼此。

朝著正確方向邁出的一步是擬議的國家數(shù)字健康藍(lán)圖，該藍(lán)圖設(shè)想建立一個(gè)與他們的Aadhaar號(hào)碼相關(guān)的所有印度人的醫(yī)療數(shù)據(jù)集中存儲(chǔ)庫，人們將擁有自己的數(shù)據(jù)，并且所有提供者將被要求插入和分享他們生成的任何醫(yī)療數(shù)據(jù)。這將為技術(shù)創(chuàng)造合適的環(huán)境，以前所未有的方式破壞醫(yī)療保健。

明天的衛(wèi)生保健可能看起來大不相同。想象一天，我們穿的衣服和配件會(huì)不斷從汗水，呼吸和心跳中收集數(shù)據(jù)。而且，如果檢測到任何異常模式，則只要單擊按鈕即可進(jìn)行遠(yuǎn)程咨詢，警報(bào)將閃爍并提供醫(yī)生。在這里，在大多數(shù)情況下，醫(yī)生將能夠在疾病可能進(jìn)展之前就建議基本治療。在更嚴(yán)重的情況下，他會(huì)要求患者進(jìn)行親自拜訪，那里的情報(bào)甚至可以在看病之前就通過收集詳細(xì)的病史來幫助醫(yī)生。然后，醫(yī)生會(huì)檢查病人，下令進(jìn)行必要的測試，算法可能會(huì)建議這些測試，但最重要的是，它能提供人性化的治療和同情心，從而減輕患者的痛苦和痛苦。一旦達(dá)到明確的診斷，機(jī)器將通過考慮所有過去的歷史，先前的疾病發(fā)作和對治療的反應(yīng)來提供幫助，由護(hù)理人員提出基于護(hù)理標(biāo)準(zhǔn)和最適合患者的治療計(jì)劃。然后由醫(yī)生批準(zhǔn)并開具AI。

在人群水平上，流行病可以在廣泛傳播之前就被發(fā)現(xiàn)，可以根據(jù)對治療反應(yīng)的匯總數(shù)據(jù)避免超級(jí)病菌，其可能性是無限的，并且僅受我們的想象力限制。

我們一直在努力提高醫(yī)生與人口的比例。通過使用AI對醫(yī)療保健系統(tǒng)進(jìn)行增壓，我們可以潛在地提高醫(yī)生更有效地治療更多患者的能力，從而跨越到未來的醫(yī)療保健領(lǐng)域。