如果將世界上所有的醫(yī)學知識概念化，需要多少本書?它將涵蓋多少主題?完整的學習需要多少年的時間?1950年，研究人員預測，所有可用的醫(yī)學知識將需要50年左右的時間才能過一遍，但據(jù)估計，到2020年，這一數(shù)字僅為73天。

對于醫(yī)療專業(yè)人員來說，要時刻跟上不斷涌入的有關健康狀況、治療和醫(yī)療技術的新信息是不可能的，這就是為什么醫(yī)療保健行業(yè)對于人工智能和機器學習，以及那些創(chuàng)造智能工具的公司來說是一個真正的增長機會。根據(jù)埃森哲(Accenture)的研究，從2014年到2021年，醫(yī)療保健的AI人工智能市場將增長11倍，即6億至66億美元。

人工智能系統(tǒng)與機器學習的區(qū)別

首先，直接來定義人工智能和機器學習。還記得你的小學老師告訴你，所有的方塊都是矩形，但不是所有的矩形都是正方形嗎?人工智能和機器學習有著相似的關系：機器學習是人工智能的一個應用，它的運作前提是機器可以使用大量的數(shù)據(jù)來為自己學習，并最終識別更多的未知事物。人工智能系統(tǒng)的進步，其執(zhí)行通常僅限于人類的任務，這是一個更廣泛的概念，除了機器學習之外，還可以用于其他應用。這對消費者健康和整個醫(yī)療保健行業(yè)都有著不斷促進其發(fā)展的影響。

人工智能如何改變今天的醫(yī)療保健

機器學習很容易與醫(yī)療保健行業(yè)的各個方面集成在一起，這些方面擁有大量的數(shù)據(jù)集和案例。該軟件可以學習模式，以幫助發(fā)現(xiàn)腫瘤，建議診斷，甚至預測病人的住院時間細節(jié)。例如，Google最近為一種叫做神經網(wǎng)絡的軟件引入了一種新的算法，該公司的新算法旨在預測住院病人的結局，如住院時間、重新入院的機會和死亡的幾率。

但這并不是所有的研究數(shù)據(jù)集：人工智能工具也可以作為醫(yī)療專業(yè)人士的顧問。以IBM的沃森超級計算機為例。它在2010年推出，它結合人工智能和分析軟件來回答問題，該公司表示，它已經處理了超過11.5萬名患者和消費者。都柏林城市大學的計算機教授阿蘭·斯米頓說，研究人員不斷發(fā)布關于某些條件的新信息和突破，因此許多醫(yī)生利用沃森來了解最新的發(fā)現(xiàn)。全國各地的醫(yī)院都在使用該軟件，幫助醫(yī)生判斷某些癥狀的影響，作出診斷和決策。

至于醫(yī)生們對這些新工具的看法，都取決于在他們的最終權威方面，是否有改進了他們的工作。只有醫(yī)療專業(yè)人員對診斷有最終發(fā)言權，雖然我們發(fā)現(xiàn)臨床醫(yī)生實際上對這一概念感到興奮，但在醫(yī)療保健領域，人工智能和機器學習工具有很高的門檻。雖然人為錯誤是將人工智能引入醫(yī)療保健的主要原因之一，但人工智能工具的一個錯誤可能意味著公眾視線和行業(yè)本身的倒退，尤其是在潛在偏見方面。

企業(yè)家的機會

準備進軍人工智能領域的企業(yè)家應該知道，預計有30%的企業(yè)將在2019年前加入人工智能，根據(jù)信息技術公司的數(shù)據(jù)，去年這一比例僅為13%。進軍人工智能醫(yī)療領域可能意味著更大的增長。這是因為在現(xiàn)代社會，數(shù)據(jù)就是金錢。每個人一生的健康數(shù)據(jù)都能填滿3億本書，在這個行業(yè)里，有大量的機會可以讓這些信息變得有意義。

同樣，一些企業(yè)家正在將人工智能應用到可穿戴健康設備中，以節(jié)省消費者的時間和金錢。這些工具可以使過去需要去醫(yī)院就診的醫(yī)療保健的某些方面民主化，比如對糖尿病、帕金森病、多發(fā)性硬化癥(MS)等的評估。

類似地，一些人工智能可穿戴設備允許個人與醫(yī)生共享實時健康數(shù)據(jù)，一家人工智能健康公司，推出了一種ECG/EKG可穿戴設備，它承諾在更短的時間內獲得更高的診斷率，還能更準確的收集診斷所需的數(shù)據(jù)，這反過來又會讓醫(yī)療保險費支出減少。

在過去的十年里，醫(yī)療保健行業(yè)一直致力于醫(yī)療記錄的數(shù)字化，現(xiàn)在的問題是管理這些海量的數(shù)據(jù)集，所以任何能使之成為可能的基礎設施都會在未來幾年內得到很高的需求。利用人工智能，我們可以嘗試解決醫(yī)療保健和一般生命科學領域一些以前不可能解決的難題。