目前,人工智能在医疗领域的应用将主要集中在这几方面。诊断疾病、个体化用药、药物开发、临床试验、放射治疗和放射学、电子健康记录。
1、诊断疾病:医学面临的最大挑战是疾病的正确诊断和识别,这也是机器学习发展的重中之重。2015年的一份报告显示,针对超800种癌症的治疗方案正在临床试验中。而利用机器学习可使癌症识别更加精确。
2、个体化用药:关于使用机器学习和预测分析来定制针对个人的特异性治疗潜能,目前正处于研究中。如果成功,这一策略可以优化诊断和治疗方案。
目前,研究的重点是有监督的学习,医生可以利用遗传信息和症状缩小诊断范围,或对患者的风险做出有根据的推测。这可以促进更好的预防措施。
3、药物开发:机器学习在早期药物发现(如新药开发)和研发技术(如下一代测序)中发挥着许多作用。这一领域的第一项是精确医学,它使复杂疾病的识别和可能的治疗方式更有效。MIT临床机器学习小组是使用机器学习促成精密医学的主要参与者之一,侧重于算法开发。
4、临床试验:临床试验研究是一个漫长而艰巨的过程。机器学习可以在各种方面帮助缩短这一过程。一种策略是通过对广泛的数据使用高级预测分析,从而更快地确定目标人群的临床试验候选人。
麦肯锡( McKinsey )的分析师描述了其他机器学习应用程序,这些应用程序可以通过简化计算理想样本大小、方便患者招募以及使用病历将数据错误降至最低等任务来提高临床试验的效率。
5、放射治疗和放射学:哈佛医学院助理教授Ziad Obermeyer博士在2016年的一次采访中表示:“20年后,放射学家将不会以现在的形式存在。它们看起来更像是电子机器人:监督每分钟阅读数千份研究报告的算法。
目前,伦敦大学学院医院的deep mind Health正在开发机器学习算法,通过区分健康组织和癌症组织来提高放射治疗计划的准确性。
6、电子健康记录:支持向量机(Support vector machines用于分类患者电子邮件查询的技术)和光学字符识别(用于数字化手写笔记的技术)是用于文档分类的机器学习系统的基本组件。
这些技术的应用案例包括MathWorks的MATLAB (一个具有手写识别应用程序的机器学习工具)和谷歌的云视觉API。
MIT临床机器学习小组的重点之一是开发基于机器学习的智能电子健康记录技术,其理念是开发“安全、可解释、能从少量标记的训练数据中学习、理解自然语言、并能在医疗环境和机构中很好地推广的强大机器学习算法”。
人工智能在医学中的应用包括:智能诊疗、医学影像智能识别、医疗机器人、药物智能研发、智能健康管理。
1、智能诊疗
智能诊疗就是将人工智能技术应用于疾病诊疗中,计算机可以帮助医生进行病理,体检报告等的统计,通过大数据和深度挖掘等技术,对病人的医疗数据进行分析和挖掘,自动识别病人的临床变量和指标。
计算机通过“学习”相关的专业知识,模拟医生的思维和诊断推理,从而给出可靠诊断和治疗方案。智能诊疗是人工智能在医疗领域最重要、也最核心的应用场景。
2、医学影像智能识别
传统医疗场景中,培养出优秀的医学影像专业医生,所用时间长,投入成本大。另外,人工读片时主观性太大,信息利用不足,在判断过程中容易出现误判。
有研究统计,医疗数据中有超过 90%的数据来自于医学影像,但是影像诊断过于依赖人的主观意识,容易发生误判。AI通过大量学习医学影像,可以帮助医生进行病灶区域定位,减少漏诊误诊问题。
3、医疗机器人
机器人在医疗领域的应用非常广泛,比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体,医疗保健机器人辅助医护人员的工作等 。
目前,关于机器人在医疗界中的应用的研究主要集中在外科手术机器人、康复机器人、护理机器人和服务机器人方面。国内医疗机器人领域也经历了快速发展,进入了市场应用。
4、药物智能研发
依托数百万患者的大数据信息,人工智能系统可以快速、准确的挖掘和筛选出适合的药物。通过计算机模拟,人工智能可以对药物活性、安全性和副作用进行预测,找出与疾病匹配的最佳药物。这一技术将会缩短药物研发周期、降低新药成本并且提高新药的研发成功率。
5、智能健康管理
根据人工智能而建造的智能设备可以监测到人们的一些基本身体特征,如饮食、身体健康指数、睡眠等。对身体素质进行简单的评估,提供个性的健康管理方案,及时识别疾病发生的风险,提醒用户注意自己的身体健康安全。目前人工智能在健康管理方面的应用主要在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。