人工智能有望成為醫療保健領域的變革力量。那麼醫生和患者如何從人工智能驅動工具的影響中受益呢？
今天的醫療保健行業已經非常成熟，可以做出一些重大改變。從慢性病和癌症到放射學和風險評估，醫療保健行業似乎有無數機會利用技術在患者護理中部署更精確、高效和有效的干預措施。
隨著技術的發展，患者對醫生的要求越來越高，可用數據的數量持續以驚人的速度增長。人工智能將成為推動醫療不斷進步的引擎。
與傳統的分析和臨床決策技術相比，人工智能具有許多優勢。當學習算法與訓練數據交互時，它可以變得更加準確，使醫生能夠獲得關於診斷、護理過程、治療變異性和患者結果的前所未有的見解。
在Partners Healthcare舉辦的2018世界人工智能醫療創新論壇（WMIF）上，醫學研究人員和臨床專家詳細闡述了醫療行業未來最有可能對人工智能採用產生重大影響的技術和領域。十年。
2018年WMIF聯席主席Anne Kiblanksi醫學博士和Partners Healthcare首席學術官Gregg Meyer醫學博士表示，這種給各個行業領域帶來的“顛覆”有可能為患者帶來重大利益，具有廣泛的應用前景。商業成功的潛力。
在合作夥伴醫療保健專家的幫助下，包括哈佛醫學院（HMS）教授、合作夥伴首席數據科學官Keith Dreyer博士和麻省總醫院（MGH）研究戰略和運營總監Katherine andreole博士，提出了人工智能將徹底改變醫療服務和科學的 12 種方式。
1.通過腦機接口統一思維和機器
使用計算機進行交流並不是一個新想法，但在沒有鍵盤、鼠標和顯示器的情況下在技術和人類思維之間建立直接的接口是一個前沿研究領域，對於一些患者來說有重要的應用。
神經系統疾病和創傷會使一些患者失去與他人及其環境進行有意義的對話、運動以及互動的能力。人工智能支持的腦機接口（BCI）可以為擔心永遠失去這些功能的患者恢復這些基本體驗。
“如果我在神經科重症監護室看到一名患者突然失去行動或說話的能力，我希望他第二天就能恢復溝通能力，”醫學博士、神經技術和神經康復中心主任 Leigh Hochberg 說。馬薩諸塞州總醫院 (MGH)。通過使用腦機接口（BCI）和人工智能，我們可以激活與手部運動相關的神經，並且我們應該能夠使患者在整個活動過程中與他人至少進行五次交流，例如使用無處不在的通訊技術，例如如平板電腦或手機。”
腦機接口可以極大地改善肌萎縮側索硬化症（ALS）、中風或閉鎖綜合徵患者以及全球每年50萬脊髓損傷患者的生活質量。
2.開發下一代輻射工具
通過磁共振成像 (MRI)、CT 掃描儀和 X 射線獲得的輻射圖像可提供人體內部的非侵入性可視性。然而，許多診斷程序仍然依賴於活檢獲得的物理組織樣本，這存在感染的風險。
專家預測，在某些情況下，人工智能將使下一代放射學工具變得足夠準確和詳細，以取代對活體組織樣本的需求。
布萊根婦女醫院（BWh）影像引導神經外科主任 Alexandra golby 醫學博士表示：“我們希望將診斷影像團隊與外科醫生或介入放射科醫生和病理學家聚集在一起，但這對於不同團隊實現合作來說是一個巨大的挑戰和目標的一致性。如果我們希望放射學能夠提供當前從組織樣本中獲得的信息，那麼我們將必須能夠達到非常接近的標準，以便了解任何給定像素的基本事實。”
這一過程的成功可能使臨床醫生能夠更準確地了解腫瘤的整體表現，而不是根據惡性腫瘤的一小部分屬性來做出治療決策。
AI還可以更好地定義癌症的侵襲性，更恰當地確定治療目標。此外，人工智能正在幫助實現“虛擬活檢”並推動放射學領域的創新，致力於使用基於圖像的算法來表徵腫瘤的表型和遺傳特徵。
3.擴大服務欠缺或發展中地區的醫療服務
發展中國家缺乏訓練有素的醫療保健提供者，包括超聲技術人員和放射科醫生，將大大減少利用醫療服務挽救患者生命的機會。
會議指出，波士頓著名的朗伍德大道附近的六家醫院的放射科醫生數量比西非所有醫院的放射科醫生數量還要多。
人工智能可以通過接管通常分配給人類的一些診斷職責來幫助減輕臨床醫生嚴重短缺的影響。
例如，人工智能成像工具可以使用胸部X光檢查結核病的症狀，通常與醫生具有相同的準確性。該功能可以通過資源匱乏地區的提供商的應用程序進行部署，從而減少對經驗豐富的診斷放射科醫生的需求。
馬薩諸塞州總醫院 (MGH) 神經科學助理兼放射學副教授 jayashree kalpathy Cramer 博士表示：“這項技術在改善醫療保健方面具有巨大潛力。”
然而，AI算法開發者必須仔細考慮這樣一個事實：不同國籍或地區的人可能具有獨特的生理和環境因素，這些因素會影響疾病的表現。
“例如，印度受疾病影響的人口可能與美國的人口有很大不同，”她說。當我們開發這些算法時，確保數據代表疾病表現和人群的多樣性非常重要。我們不僅可以開發基於單一人群的算法，也希望它能夠在其他人群中發揮作用。”
4.減輕電子健康記錄的使用負擔
電子健康記錄（她）在醫療保健行業的數字化進程中發揮了重要作用，但這種轉變帶來了認知過載、無休止的文檔和用戶疲勞等眾多問題。
電子健康記錄（她的）開發人員現在正在使用人工智能來創建更直觀的界面並自動化需要大量用戶時間的例程。
Brigham health 副總裁兼首席信息官 Adam Landman 博士表示，用戶將大部分時間花在三項任務上：臨床記錄、訂單輸入和整理收件箱。語音識別和聽寫可以幫助改善臨床文檔處理，但自然語言處理 (NLP) 工具可能還不夠。
“我認為可能有必要更大膽地考慮一些改變，比如使用視頻記錄進行臨床治療，就像警察佩戴攝像機一樣，”蘭德曼說。然後可以使用人工智能和機器學習來索引這些視頻以供將來檢索。就像在家中使用人工智能助手的 Siri 和 Alexa 一樣，未來虛擬助手將被帶到患者的床邊，讓臨床醫生能夠使用嵌入式智能來輸入醫療指令。”
人工智能還可以幫助處理來自收件箱的常規請求，例如藥物補充劑和結果通知。蘭德曼補充說，它還可能有助於確定真正需要臨床醫生關注的任務的優先順序，使患者更容易處理他們的待辦事項清單。
5.抗生素耐藥性風險
抗生素耐藥性對人類構成越來越大的威脅，因為過度使用這些關鍵藥物可能導致超級細菌進化，不再對治療產生反應。多重耐藥細菌可能對醫院環境造成嚴重破壞，每年導致數万名患者死亡。僅艱難梭菌每年就給美國醫療保健系統造成約 50 億美元的損失，並導致超過 30,000 人死亡。
EHR 數據有助於識別感染模式並在患者開始出現症狀之前突出風險。使用機器學習和人工智能工具來驅動這些分析可以提高其準確性，並為醫療保健提供者創建更快、更準確的警報。
“人工智能工具可以滿足感染控制和抗生素耐藥性的期望，”馬薩諸塞州總醫院 (MGH) 感染控制副主任 Erica Shenoy 博士說。如果他們不這樣做，那麼每個人都會失敗。因為醫院擁有大量的 EHR 數據，如果他們不充分利用這些數據，如果他們不創建在臨床試驗設計方面更智能、更快速的行業，如果他們不使用創建這些數據的 EHR，他們將面臨失敗。”
6.為病理圖像創建更準確的分析
布萊根婦女醫院（BWh）病理科主任、HMS 病理學教授 Jeffrey Golden 博士表示，病理學家為全方位的醫療服務提供者提供了最重要的診斷數據來源之一。
“70% 的醫療保健決策是基於病理結果，EHR 中 70% 到 75% 的所有數據都來自病理結果，”他說。而且結果越準確，就越早做出正確的診斷。這是數字病理學和人工智能有機會實現的目標。”
對大型數字圖像進行深度像素級分析使醫生能夠識別人眼可能無法看到的細微差異。
“我們現在已經到了可以更好地評估癌症是否會快速發展還是緩慢發展，以及如何根據算法而不是臨床分期或組織病理學分級來改變患者治療的地步，”戈爾登說。這將是向前邁出的一大步。”
他補充道：“人工智能還可以在臨床醫生審查數據之前識別幻燈片中感興趣的特徵，從而提高工作效率。人工智能可以過濾幻燈片並引導我們看到正確的內容，以便我們可以評估什麼是重要的，什麼是不重要的。這改進了提高病理學家的使用效率並增加他們對每個病例的研究價值。”
為醫療設備和機器帶來智能
智能設備正在接管消費者環境，並提供從冰箱內的實時視頻到檢測駕駛員分心的汽車等各種設備。
在醫療環境中，智能設備對於監測 ICU 和其他地方的患者至關重要。使用人工智能來增強識別病情惡化的能力，例如表明膿毒症正在發展，或感知並發症，可以顯著改善結果，並可能降低治療成本。
“當我們談論整合整個醫療保健系統的不同數據時，我們需要整合併提醒 ICU 醫生儘早進行干預，而這些數據的聚合併不是人類醫生能做的好事，”馬克·米哈爾斯基 (mark Michalski) 說BWh 臨床數據科學中心執行董事。將智能算法插入這些設備可以減輕醫生的認知負擔，並確保患者盡快得到治療。”
8.促進癌症治療的免疫療法
免疫療法是治療癌症最有前途的方法之一。通過利用人體自身的免疫系統來攻擊惡性腫瘤，患者或許能夠戰勝頑固的腫瘤。然而，只有少數患者對當前的免疫治療方案有反應，腫瘤學家仍然沒有精確可靠的方法來確定哪些患者將從該方案中受益。
機器學習算法及其合成高度複雜數據集的能力或許能夠闡明個體獨特的基因組成，並為靶向治療提供新的選擇。
“最近，最令人興奮的進展是檢查點抑製劑，它可以阻斷某些免疫細胞產生的蛋白質，”馬薩諸塞州總醫院 (MGH) 綜合診斷中心計算病理學和技術開發主任 Long Le 博士解釋道。但我們仍然沒有理解所有的問題，這是非常複雜的。我們肯定需要更多的患者數據。這些治療方法相對較新，因此實際上接受這些治療的患者並不多。因此，無論我們需要整合一個組織內部還是跨多個組織的數據，都將是增加患者數量來驅動建模過程的關鍵因素。”
9.將電子健康記錄變成可靠的風險預測工具
電子健康記錄（她）是患者數據的寶藏，但準確、及時、可靠地提取和分析大量信息對提供者和開發者來說是一個持續的挑戰。
數據質量和完整性問題，加上數據格式混亂、結構化和非結構化輸入以及不完整的記錄，使人們很難準確理解如何進行有意義的風險分層、預測分析和臨床決策支持。
布里格姆婦女醫院 (BWh) 急診醫學助理教授兼哈佛醫學院 (HMS) 助理教授 Ziad OBERMEYER 博士表示：“將數據整合到一個地方需要做一些艱苦的工作。但另一個問題是理解人們在電子健康記錄（她）中預測疾病時會得到什麼。人們可能聽說人工智能算法可以預測抑鬱症或中風，但發現他們實際上預測的是中風費用的增加。這與中風自己。”
他繼續說道，“依靠MRI結果似乎可以提供更具體的數據集。但現在我們必須考慮誰能負擔得起MRI？所以最終的預測並不是預期的結果。”
NMR 分析已經產生了許多成功的風險評分和分層工具，特別是當研究人員使用深度學習技術來識別看似不相關的數據集之間的新聯繫時。
然而，歐博邁亞認為，確保這些算法不會識別數據中隱藏的偏差對於部署能夠真正改善臨床護理的工具至關重要。
“最大的挑戰是在我們開始打開黑匣子並研究如何預測之前，確保我們準確地知道我們的預測，”他說
10.通過可穿戴設備和個人設備監測健康狀況
幾乎所有消費者現在都可以使用傳感器來收集有關健康價值的數據。從帶有步數跟踪器的智能手機到全天跟踪心率的可穿戴設備，越來越多的健康相關數據可以隨時生成。
收集和分析這些數據並通過應用程序和其他家庭監控設備補充患者提供的信息可以為個人和人群健康提供獨特的視角。
人工智能將在從這個龐大而多樣化的數據庫中提取可行的見解方面發揮重要作用。
但布萊根婦女醫院 (BWh) 的神經外科醫生、計算神經科學結果中心的聯合主任奧馬爾·阿努特博士表示，可能需要做更多的工作來幫助患者適應這種密切的、持續的監測數據。
“我們過去可以非常自由地處理數字數據，”他說。但隨著劍橋分析和 Facebook 發生數據洩露，人們對於誰分享他們分享的數據會越來越謹慎。”
他補充說，與 Facebook 這樣的大公司相比，患者往往更信任他們的醫生，這有助於緩解為大規模研究項目提供數據的不適。
“可穿戴數據很可能會產生重大影響，因為人們的注意力非常偶然，收集的數據也非常粗糙，”阿努特說。通過不斷收集精細數據，數據更有可能幫助醫生更好地護理患者。”
11.讓智能手機成為強大的診斷工具
專家認為，通過繼續使用便攜式設備的強大功能，從智能手機和其他消費級資源獲得的圖像將成為臨床質量成像的重要補充，特別是在服務欠缺的地區或發展中國家。
手機攝像頭的質量每年都在提高，並且可以生成可用於AI算法分析的圖像。皮膚科和眼科是這一趨勢的早期受益者。
英國研究人員甚至開發了一種通過分析兒童面部圖像來識別發育疾病的工具。該算法可以檢測離散特徵，例如兒童的下頜線、眼睛和鼻子的位置以及可能表明面部異常的其他屬性。目前，該工具可以將常見圖像與90多種疾病進行匹配，為臨床決策提供支持。
布萊根婦女醫院（BWh）微/納米醫學和數字健康實驗室主任Hadi Shafiee博士表示：“大多數人都配備了功能強大的手機，內置了許多不同的傳感器，這對我們來說是一個很好的機會。幾乎所有業界人士已經開始在他們的設備中構建人工智能軟件和硬件，這並不是巧合。在我們的數字世界中，每天都會產生超過250萬TB的數據。在手機領域，製造商相信他們可以利用這一點讓人工智能為數據提供更個性化、更快捷、更智能的服務。”
使用智能手機收集患者眼睛、皮膚病變、傷口、感染、藥物或其他主題的圖像可能有助於解決服務欠缺地區專家短缺的問題，同時減少診斷某些投訴的時間。
沙菲益說：“未來可能會發生一些重大事件，我們可以利用這個機會解決護理點疾病管理的一些重要問題。”
12.利用床邊人工智能創新臨床決策
隨著醫療保健行業轉向收費服務，它越來越遠離被動醫療保健。在慢性疾病、急性疾病事件和突然惡化之前進行預防是每個提供者的目標，而補償結構最終使他們能夠開發出能夠實現主動和預測性干預的流程。
人工智能將為這一演變提供許多基礎技術，通過支持預測分析和臨床決策支持工具，在提供商意識到需要採取行動之前解決問題。人工智能可以為癲癇或敗血症提供早期預警，這通常需要對高度複雜的數據集進行深入分析。
馬薩諸塞州總醫院 (MGH) 臨床數據主任 Brandon Westover 醫學博士表示，機器學習還可以幫助支持為危重患者（例如心臟驟停後昏迷的患者）提供持續護理。
他解釋說，一般情況下，醫生都要檢查這些患者的腦電圖數據。這個過程既耗時又主觀，結果可能會因臨床醫生的技能和經驗而異。
他說，“在這些患者中，這種趨勢可能會很緩慢。有時，當醫生想要了解某人是否正在康復時，他們可能會查看每 10 秒監測一次的數據。然而，要查看 24 小時內收集的 10 秒數據是否發生變化，就像查看頭髮在此期間是否已生長一樣。然而，如果使用人工智能算法和來自許多患者的大量數據，將更容易將人們所看到的與長期模式相匹配，並且可能會發現一些細微的改進，從而影響醫生的護理決策。”
利用人工智能技術進行臨床決策支持、風險評分和預警是這一革命性數據分析方法最有前景的發展領域之一。
通過為新一代工具和系統提供動力，臨床醫生可以更好地了解疾病的細微差別，更有效地提供護理服務，提前解決問題。人工智能將開啟提高臨床治療質量的新時代，並在患者護理方面取得令人興奮的突破。
發佈時間：2021年8月6日
