7項應用各不同，人工智能正在挖掘多種醫療需求

文/allenxu

7項應用各不同，人工智能正在挖掘多種醫療需求

文/allenxu

美國最新的醫療法案要求醫療服務提供者在提高客戶醫療體驗的同時盡可能降低醫療成本。很顯然發展迅速的人工智能技術將滿足這一切。事實上，人工智能在醫療領域已經默默耕耘良久。 下面我們就向大家介紹幾款有關人工智能技術的醫療應用:

維也納醫科大學：人工智能監測院內感染

The Medical University of Vienna（維也納醫科大學）的人工智能監視項目，該項目由一系列數據流模型評估來完成，主要監測可能造成醫院獲得性感染（NIs）的細菌的衍生與傳播。醫院或醫院獲得性感染（NIs）是住院患者常見的并發癥，而醫院病人記錄電子化的可能則能夠允許機器自動識別和監控NIs的活動。根據歐洲監控系統標準我們開發了一個基于模糊知識系統，它將用于識別和監控重癥監護病房NIs的活動，并且已經在維也納總醫院投入使用。該系統名為Moni，主要監測NIs，包括利用醫學知識包（MKPs）來確認和監測血液中的各種感染，比如肺炎、尿路感染以及中心靜脈導管相關的感染。

匹茲堡大學和卡內基梅隆大學：機器學習開發個人診療方案

同樣都是接受乳腺癌治療，兩個人可能有著完全不同的身份。一個可能是馬拉松運動員，而另一個則可能是一位安靜的讀者；一個可能是煙癮者，而另一個則可能是執著健康的狂熱分子；一個可能已經60歲而另一位才滿40……這些不同之處，針對這兩位患者可能需要采取不同的治療方式。

對于科學家和醫生來說最大的挑戰就是，如何從龐大的數據庫里找到他們所需要的針對特定類型病人的治療信息。花費幾年之后他們可能從中篩選出所需要的信息，可是醫生們等不了那么久。

卡內基梅隆大學和匹茲堡大學的科學家們正在利用人工智能從海量數據，比如電子健康記錄、影像診斷、處方、基因組分析、保險記錄甚至是可穿戴設備所產生的數據中來提取有用信息，來為特定的一類人群而不是特定疾病制定合理的衛生保健計劃。

研究者們正在應用大數據來設計有針對性的治療方法來阻止流行病，并找到治療致命疾病的方法。

“當前的系統并不智能，使得這個想法開始時挫折重重，”卡內基梅隆大學機器學習系的一位教授說到。“數據存儲在系統中，它基本上是死的。機器學習和人工智能能從巨大的數據倉庫中挖掘出有用的知識，并且對它進行推理。它就像一個在工作的人工大腦，而不僅僅是一個存儲系統。”

卡內基梅隆大學與匹茲堡大學醫學中心共同合作完成這個項目，他們稱其合作為“匹茲堡健康數據聯盟”。醫學中心已經同意在未來六年里為他們的研究提供每年一千萬到兩千萬美元的研究經費。

每個病人都不同，你可以采取一個非常簡單的觀點，說乳腺癌應該用藥物A或B治療，但生活方式、環境和其他健康方面的獨特性使每個人成為獨一無二的個體。人工智能可以從不只是一個醫生而是很多醫生的經驗中提取出特征點，它也可以從有相似點的患者中提取出特征信息。

人工智能軟件運行時比人腦要快很多，它擅長于模式分析與特征點提取，這能夠幫助醫生和科學家發現關鍵信息。比如一個患有糖尿病的50歲病人，在接受某一種治療方式之后生活產生了很多積極的變化，那么醫生以后可能會嘗試用類似的方法來治療。

此外，該組織正在研究一款智能手機應用程序，它可以給用戶提供建議，讓用戶遠離疾病，獲得更健康的生活。該應用可能在一年左右就會上市。“這個應用了人工智能的APP可以告訴人們什么時候應該看醫生，應該向什么樣的醫生咨詢，以及可以做些什么來維持健康”卡內基梅隆大學計算機科學副院長菲利普說。

他們希望每年能夠推出不同產品的原型——從應用程序到機器學習工具和服務，希望在接下來五到六年里，他們能擁有十幾個新產品。他們相信所有這一切將重新定義醫療保健。

一些醫院正使用愛因斯坦II勞動力解決方案提高效率

很多醫院使用Einstein II workforce management solution （ 愛因斯坦II勞動力解決方案）來靈活調度關于人口普查、員工可用性和歷史數據。該系統主要用來提高現有的勞動力資源效率，它采用云解決方案，不需要購買額外的硬件和服務器空間，數據實時更新。它就像一個“水晶球”一樣，能夠了解到所有醫院工作人員的工作狀態，整個系統以醫院的調度規則為基礎，同時也考慮到臨時調度的需要，因此能夠確保大多數情況下人員調配的合理性。 另外，愛因斯坦II也能夠作為一個分析工具，利用自帶的人工智能引擎，它能夠從歷史行動中提取有效的“行動”和“模式”，從而來決定當前和未來的選擇。此外，在維護時它也能夠產生實時的分析報告，所以會議報告工具也是不錯的選擇。

Aicure：遵醫囑用藥解決方案

AiCure堅持提供更好的服藥解決方案，那么它是如何工作的呢？

首先它有一款很好用的交互軟件，使用者需要填入日常服用劑量，此外這款軟件對用戶的像素也有一定要求。AiCure的HIPAA兼容平臺采用的面部識別和運動傳感器通過智能手機自動化直接觀察病人的服藥行為。該平臺旨在監測不同藥物和多種給藥途徑（口服，舌下含服，吸入器，注射筆）。應用程序和儀表盤可以很容易地使用多國語言展示。最后，所有觀察到的數據會被加密和模糊化，安全的信息（語音，文本消息）會被集成到儀表盤中。

該應用比較突出的一點就是具有很強的機器學習能力，它能夠根據數據的積累優化監測和治療方案還可以檢測虛假的敷衍行為（服藥時間篡改，不尋常的藥物中斷等），當然一切都歸功于其強大的人工智能算法。使用這款應用服藥需要對準著攝像頭。

Alme Health Coach：慢病患者的虛擬助理

醫療保健主要的問題之一就是不能堅持治療計劃和醫生的囑咐方案。Alme Health Coach主要服務于患有慢性疾病的病人，因此整個治療周期非常漫長，使用之前病人需要充分了解這款應用的目的，并與其建立信任關系。

Alme希望病人能夠知道它的工作動機，那就是通過了解病人的飲食習慣、鍛煉周期、服藥習慣等個人生活風格，經過人工智能技術進行數據處理后來為其提供慢性疾病的整體狀態，并為其提供個性化的健康解決方案。

它主要是以一位“虛擬助手”的身份出現的，能夠自動幫助病人規劃日常健康安排，監控睡眠，提供藥物和測試提醒，甚至可以反向推導出一些不服從這些提醒的患者產生懶惰性的根源。所有這些活動的目的就是希望以一種全自動化的方式幫助慢性疾病患者改變不良習慣，養成一種更健康的生活方式。

它能夠無縫的融入病人的生活中，其API能夠和可穿戴設備、手機、企業系統、電子病例等進行整合，解決數據跨平臺轉移的麻煩。

AdverseEvents Explore：藥物作用預測算法

主要提供FEAR S批準的藥物作用的數據，以及通過自由信息法（FOIA）訪問專有信息的權利，能夠幫助醫生獲得實時的藥物安全性和成本資料，該瀏覽器核心分析算法R xsuite主要包括R xFilter、R xCost、R xSignal、R xScore。 R xFilter通過17步算法完整優化了FAER S的數據集，使之能夠被完全訪問和檢索；而R xCost則是一種以確定藥物不良反應事件的直接成本，使決策能夠依據醫療總成本進行的標準化的方法；R xSignal是一種預測算法，能夠提醒用戶新出現的和以前未知的藥物所產生的副作用，這些副作用在未來可能引發FDA的質問；R xScore是首個藥品安全評分系統，可以迅速總結全面批準后的藥品安全問題，就像FICO信用評分系統一樣。

Modernizing Medicine：為醫生提供智能治療工具

現代醫療公司致力于醫學現代化，他們使用電子醫療助手（EMA）來提供整個綜合服務和解決方案。整個系統界面非常直觀，并且可以根據每個醫生的風格自主調整，同時它基于云端存儲，可以實時保存數據。就像我們平時使用手機一樣，系統自帶有指尖繪圖功能，醫生可以通過快速觸摸和手指滑動屏幕來建立每個病人的圖表、賬單等醫療數據。 通過EMA系統，醫生通過觸摸屏幕就可以了解病人的病史。Modernizing Medicine目前已與 IBM Watson的人工智能系統進行結合，號稱他們與一般的EMR系統大不一樣，它將提供正合你意的工作方式。（動脈網）