大數(shù)據(jù)分析AI和機(jī)器學(xué)習(xí)在醫(yī)療行業(yè)的應(yīng)用

　　傳統(tǒng)的商業(yè)和技術(shù)領(lǐng)域并不是受AI影響的唯一領(lǐng)域。醫(yī)療行業(yè)領(lǐng)域被認(rèn)為非常適合AI工具和技術(shù)的應(yīng)用。
 

　　介紹
 

　　21世紀(jì)只有20年的歷史了，可以肯定的是，本世紀(jì)人類社會(huì)最大的變革性技術(shù)和推動(dòng)力之一將是人工智能(AI)。眾所周知，人工智能以及相關(guān)的服務(wù)和平臺(tái)將改變?nèi)蛏a(chǎn)力，工作模式和生活方式，并創(chuàng)造巨大的財(cái)富。
 

　　強(qiáng)大的機(jī)器學(xué)習(xí)(ML)工具和技術(shù)(例如深層卷積網(wǎng)絡(luò)，生成對(duì)抗網(wǎng)絡(luò)(GAN)，梯度增強(qiáng)樹模型(GBM)，深度強(qiáng)化學(xué)習(xí)(DRL)等
 

　　但是，傳統(tǒng)的業(yè)務(wù)和技術(shù)領(lǐng)域并不是受AI影響的唯一領(lǐng)域。 醫(yī)療行業(yè)領(lǐng)域被認(rèn)為非常適合AI工具和技術(shù)的應(yīng)用。
 

　　電子病歷(EMR)等強(qiáng)制性實(shí)踐 已經(jīng)為將大數(shù)據(jù)工具應(yīng)用于下一代數(shù)據(jù)分析的醫(yī)療系統(tǒng)做好了準(zhǔn)備。AI/ML工具注定會(huì)為此流程增加更多的價(jià)值。他們有望提高初級(jí)/三級(jí)患者護(hù)理和公共醫(yī)療行業(yè)系統(tǒng)的自動(dòng)化和智能決策質(zhì)量。這可能是AI工具的最大影響，因?yàn)樗锌赡芨淖內(nèi)驍?shù)十億人的生活質(zhì)量。
 

　　ML在醫(yī)療行業(yè)中的應(yīng)用的關(guān)鍵示例
 

　　AI輔助放射學(xué)和病理學(xué)

　　如今，電子存儲(chǔ)的醫(yī)學(xué)成像數(shù)據(jù)非常豐富，并且可以將此類數(shù)據(jù)集用于DL算法，以檢測(cè)和發(fā)現(xiàn)模式和異常。機(jī)器和算法可以像訓(xùn)練有素的放射線醫(yī)師一樣解釋成像數(shù)據(jù)-識(shí)別皮膚病變，腫瘤和腦出血的可疑點(diǎn)。因此，AI/ML工具/平臺(tái)用于協(xié)助放射科醫(yī)生的用途已準(zhǔn)備成指數(shù)級(jí)擴(kuò)展。
 

　　這種方法解決了醫(yī)療行業(yè)領(lǐng)域的一個(gè)關(guān)鍵問(wèn)題，因?yàn)樵谑澜绶秶鷥?nèi)，訓(xùn)練有素的放射科醫(yī)生正變得越來(lái)越難找。在大多數(shù)情況下，由于數(shù)字醫(yī)療數(shù)據(jù)的泛濫，這些熟練的工人承受著巨大的壓力。平均放射科醫(yī)生，按照這篇文章，需要產(chǎn)生的結(jié)果解釋為一個(gè)圖像每隔3-4秒，以滿足需求。
 

　　放射學(xué)中的人工智能
 

　　確定罕見(jiàn)或難以診斷的疾病通常取決于檢測(cè)所謂的“邊緣病例”。由于這種ML系統(tǒng)是建立在包含這些疾病原始圖像(以及各種變換)的大型數(shù)據(jù)集上的，因此對(duì)于這種類型的檢測(cè)，它們通常比人類更可靠。
 

　　他們有望提高初級(jí)/三級(jí)患者護(hù)理和公共醫(yī)療行業(yè)系統(tǒng)的自動(dòng)化和智能決策質(zhì)量。這可能是AI工具的最大影響，因?yàn)樗锌赡芨淖內(nèi)驍?shù)十億人的生活質(zhì)量。
 

　　Microsoft的Project InnerEye是一個(gè)很好的測(cè)試案例，該項(xiàng)目采用ML方法使用3D放射圖像對(duì)腫瘤進(jìn)行分割和識(shí)別。它可以幫助您進(jìn)行精確的手術(shù)計(jì)劃，導(dǎo)航以及有效的腫瘤輪廓，以進(jìn)行放射治療計(jì)劃。
 

　　越來(lái)越多地用于早期癌癥檢測(cè)的MRI和其他先進(jìn)的成像系統(tǒng)都配備了ML算法。下面的文章提供了這方面的全面概述。
 

　　深度學(xué)習(xí)，人工智能可提高乳腺癌檢測(cè)的準(zhǔn)確性
 

　　利用ML技術(shù)如何應(yīng)用??于執(zhí)行高級(jí)圖像分析，例如前列腺分割和融合多個(gè)成像數(shù)據(jù)源(例如超聲檢查，CT和MRI)。
 

　　新時(shí)代：前列腺癌的人工智能和機(jī)器學(xué)習(xí)
 

　　ML工具還通過(guò)在機(jī)器人程序和其他以圖像為指導(dǎo)的干預(yù)措施中增加癌癥定位等信息來(lái)擴(kuò)大外科醫(yī)生的顯示屏，從而增加了巨大的價(jià)值。
 

　　因此，AI/ML工具/平臺(tái)用于協(xié)助放射科醫(yī)生的用途已準(zhǔn)備成指數(shù)級(jí)擴(kuò)展。
 

　　機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)提供可行的見(jiàn)解

　　在當(dāng)今世界，各種醫(yī)療機(jī)構(gòu)(公立醫(yī)院，療養(yǎng)院，醫(yī)生診所，病理實(shí)驗(yàn)室等)都將數(shù)字化的EB級(jí)醫(yī)療數(shù)據(jù)進(jìn)行了數(shù)字化處理。不幸的是，這些數(shù)據(jù)通常是混亂且沒(méi)有結(jié)構(gòu)的。與標(biāo)準(zhǔn)交易類型業(yè)務(wù)數(shù)據(jù)不同，患者數(shù)據(jù)并不特別適合簡(jiǎn)單的統(tǒng)計(jì)建模和分析。
 

　　每小時(shí)都需要強(qiáng)大而靈活的支持AI的平臺(tái)，該平臺(tái)能夠連接到多個(gè)患者數(shù)據(jù)庫(kù)并分析復(fù)雜的數(shù)據(jù)類型組合(例如血液病理學(xué)，基因組學(xué)，放射學(xué)圖像，病史)。此外，這些系統(tǒng)應(yīng)該能夠深入地分析分析并發(fā)現(xiàn)隱藏的模式。
 

　　此外，他們應(yīng)該能夠?qū)l(fā)現(xiàn)的結(jié)果翻譯和可視化為人類無(wú)法理解的形式，以便醫(yī)生和其他醫(yī)療行業(yè)專業(yè)人員能夠以高信心和完全透明的方式進(jìn)行輸出。
 

　　可解釋的AI 和分布式ML系統(tǒng)-非常適合這些賬單，并有望在不久的將來(lái)滿足此類系統(tǒng)的要求。
 

　　物理機(jī)器人提供手術(shù)幫助

　　手術(shù)機(jī)器人可以為人類外科醫(yī)生提供獨(dú)特的幫助，
 

　　1)增強(qiáng)查看和瀏覽過(guò)程的能力，

　　2)創(chuàng)建精確且微創(chuàng)的切口。

　　3)通過(guò)最佳的針跡幾何形狀和傷口減輕疼痛
 

　　將AI/ML用于此類數(shù)字手術(shù)機(jī)器人確實(shí)有令人興奮的可能性。
 

　　1)一個(gè) 軟件為中心的協(xié)作 機(jī)器人進(jìn)行大規(guī)模的援助分布式處理

　　2)基于手術(shù)歷史(由機(jī)器和人類共同執(zhí)行)及其結(jié)果(有利與否)的 數(shù)據(jù)驅(qū)動(dòng)的見(jiàn)解和指導(dǎo)

　　3)AI生成的虛擬現(xiàn)實(shí)空間，用于實(shí)時(shí)指導(dǎo)和指導(dǎo)

　　4)相對(duì)簡(jiǎn)單的程序即可進(jìn)行遠(yuǎn)程醫(yī)療和遠(yuǎn)程手術(shù)
 

　　下面的文章簡(jiǎn)要總結(jié)了潛在的應(yīng)用程序。
 

　　機(jī)器人和人工智能如何造就21世紀(jì)的外科醫(yī)生
 

　　用于醫(yī)療行業(yè)運(yùn)營(yíng)管理和患者體驗(yàn)的AI
 

　　在美國(guó)，普通公眾獲得適當(dāng)醫(yī)療行業(yè)的成本和困難一直是長(zhǎng)期而激烈的辯論主題。
 

　　人工智能和相關(guān)的數(shù)據(jù)驅(qū)動(dòng)技術(shù)具有獨(dú)特的優(yōu)勢(shì)，可以解決某些被認(rèn)為是根本原因的問(wèn)題：排隊(duì)時(shí)間長(zhǎng)，對(duì)賬單不合理的恐懼，冗長(zhǎng)而又過(guò)于復(fù)雜的任命流程，無(wú)法獲得合適的醫(yī)療行業(yè)專業(yè)人員。
 

　　幾十年來(lái)，同樣的問(wèn)題困擾著傳統(tǒng)企業(yè)，而AI/ML技術(shù)已經(jīng)成為解決方案的一部分。這是因?yàn)?，龐大的?shù)據(jù)庫(kù)和智能搜索算法是AI系統(tǒng)的長(zhǎng)處，擅長(zhǎng)解決此類模式匹配或優(yōu)化問(wèn)題。因此，醫(yī)院和公共衛(wèi)生組織在日常操作方面必須利用先進(jìn)的AI/ML工具和技術(shù)。
 

　　11種醫(yī)療行業(yè)AI的運(yùn)營(yíng)應(yīng)用程序-Olive
 

　　令人高興的是， 對(duì)于醫(yī)療行業(yè)系統(tǒng)而言，這是一個(gè)復(fù)雜而困難的問(wèn)題，對(duì)數(shù)據(jù)隱私的關(guān)注并不會(huì)給這種類型的AI應(yīng)用帶來(lái)巨大挑戰(zhàn)。通常，操作問(wèn)題并不涉及與疾病，診斷或醫(yī)學(xué)有關(guān)的機(jī)密患者數(shù)據(jù)，但是，與任何其他現(xiàn)代商業(yè)企業(yè)一樣，該問(wèn)題由與財(cái)務(wù)，資本，營(yíng)銷或人力資源問(wèn)題相關(guān)的數(shù)據(jù)組成。

　　這種系統(tǒng)的主要目標(biāo)應(yīng)該是使AI輔助平臺(tái)成為目標(biāo)，以增強(qiáng)最大部分普通人的醫(yī)療行業(yè)服務(wù)體驗(yàn)。傳統(tǒng)業(yè)務(wù)中已經(jīng)部署的系統(tǒng)的總體目標(biāo)是最大化利潤(rùn)。用于醫(yī)療行業(yè)運(yùn)營(yíng)管理的功能強(qiáng)大的AI工具必須通過(guò)將同理心與產(chǎn)生利潤(rùn)的目標(biāo)相結(jié)合，將自己與傳統(tǒng)系統(tǒng)區(qū)分開。
 

　　借助AI/ML技術(shù)發(fā)現(xiàn)藥物

　　人工智能和機(jī)器學(xué)習(xí)技術(shù)正越來(lái)越多地被制藥行業(yè)的知名人士所采用，以解決成功發(fā)現(xiàn)藥物這一棘手的難題。一些突出的例子-涉及賽諾菲。這些案例研究涵蓋了各種治療領(lǐng)域-代謝性疾病，癌癥治療，免疫腫瘤學(xué)藥物。
 

　　人工智能如何改變藥物發(fā)現(xiàn)
 

　　超越傳統(tǒng)的長(zhǎng)途過(guò)程，越來(lái)越多地應(yīng)用AI技術(shù)來(lái)加速早期候選人選擇和機(jī)制發(fā)現(xiàn)的基本過(guò)程。
 

　　例如，生物技術(shù)公司Berg使用其AI平臺(tái)分析來(lái)自患者的大量生物學(xué)和結(jié)果數(shù)據(jù)(脂質(zhì)，代謝物，酶和蛋白質(zhì)譜)，以突出顯示患病細(xì)胞與健康細(xì)胞之間的關(guān)鍵差異，并確定新的癌癥機(jī)制。
 

　　伯格的人工智能：還有另一家生物技術(shù)或行業(yè)改變公司嗎?
 

　　在這方面另一個(gè)突出的例子來(lái)自DeepMind的使用其AlphaFold系統(tǒng)與新冠病毒病毒(SARS-CoV-2) 相關(guān)的可能的蛋白質(zhì)結(jié)構(gòu)的出版物。
 

　　與新冠病毒相關(guān)的蛋白質(zhì)結(jié)構(gòu)的計(jì)算預(yù)測(cè)
 

　　許多初創(chuàng)公司還通過(guò)利用貝葉斯推理，馬爾可夫鏈模型，強(qiáng)化學(xué)習(xí)和自然科學(xué)的最新技術(shù)，致力于使用AI系統(tǒng)分析多通道數(shù)據(jù)(研究論文，專利，臨床試驗(yàn)和患者記錄)。 語(yǔ)言處理(NLP)。 關(guān)鍵目標(biāo)是找到要存儲(chǔ)在云中并用于藥物發(fā)現(xiàn)過(guò)程的模式并構(gòu)建高維表示。
 

　　這是一篇評(píng)論文章，顯示了使用DL進(jìn)行藥物發(fā)現(xiàn)。
 

　　評(píng)論：藥物發(fā)現(xiàn)中的深度學(xué)習(xí)
 

　　用于醫(yī)療行業(yè)運(yùn)營(yíng)管理的功能強(qiáng)大的AI工具必須通過(guò)將同理心與產(chǎn)生利潤(rùn)的目標(biāo)相結(jié)合，將自己與傳統(tǒng)系統(tǒng)區(qū)分開。
 

　　面向未來(lái)—精準(zhǔn)醫(yī)學(xué)和預(yù)防保健
 

　　根據(jù)美國(guó)國(guó)家醫(yī)學(xué)圖書館的資料，精密醫(yī)學(xué)是“ 一種新興的疾病治療和預(yù)防方法，它考慮了每個(gè)人在基因，環(huán)境和生活方式方面的個(gè)體差異。”
 

　　展望未來(lái)，這可能是AI/ML在醫(yī)療行業(yè)領(lǐng)域應(yīng)用中影響最大的優(yōu)勢(shì)之一。
 

　　這里的目標(biāo)非常復(fù)雜且要求很高-根據(jù)個(gè)人的病史，生活方式選擇，遺傳數(shù)據(jù)以及不斷變化的病理學(xué)檢查為他們找到精確的治療選擇。自然，我們需要引入最強(qiáng)大的AI技術(shù)-深度神經(jīng)網(wǎng)絡(luò)，AI驅(qū)動(dòng)的搜索算法/高級(jí)強(qiáng)化學(xué)習(xí)，概率圖形模型，半監(jiān)督學(xué)習(xí)-應(yīng)對(duì)挑戰(zhàn)。
 

　　除了提供疾病和治療的預(yù)測(cè)和建模之外，這種AI系統(tǒng)還可以通過(guò)早期篩查或常規(guī)的年度身體檢查數(shù)據(jù)來(lái)潛在地預(yù)測(cè)未來(lái)患者患特定疾病的可能性。此外，人工智能工具可能能夠?qū)槭裁春驮诤畏N情況下更可能發(fā)生疾病進(jìn)行建模，從而甚至可以在個(gè)體開始出現(xiàn)癥狀之前幫助指導(dǎo)和準(zhǔn)備醫(yī)生進(jìn)行干預(yù)(以個(gè)性化方式)。
 

　　這里的目標(biāo)非常復(fù)雜且要求很高-根據(jù)個(gè)人的病史，生活方式選擇，遺傳數(shù)據(jù)以及不斷變化的病理學(xué)檢查為他們找到精確的治療選擇。
 

　　人工智能如何推動(dòng)精密醫(yī)學(xué)
 

　　用于公共衛(wèi)生系統(tǒng)的AI
 

　　不用說(shuō)，這種強(qiáng)大的技術(shù)可以與個(gè)體病人護(hù)理一起應(yīng)用于大規(guī)模的公共衛(wèi)生系統(tǒng)。實(shí)際上，流行病的數(shù)字監(jiān)控和AI輔助的健康數(shù)據(jù)分析已經(jīng)成熟，可以擴(kuò)展。
 

　　數(shù)字監(jiān)視可以幫助控制冠狀病毒大流行，但也可能威脅到……
 

　　世界衛(wèi)生組織(WHO)也說(shuō)了很多…
 

　　大數(shù)據(jù)與人工智能

　　在正在進(jìn)行的新冠病毒危機(jī)已經(jīng)表明，它是多么的重要運(yùn)行數(shù)百個(gè)平行試驗(yàn)疫苗開發(fā)和治療的研究項(xiàng)目。使用標(biāo)準(zhǔn)的統(tǒng)計(jì)建模技術(shù)(針對(duì)小型試驗(yàn)進(jìn)行了優(yōu)化)，幾乎不可能實(shí)現(xiàn)從所有這些不同來(lái)源獲取數(shù)據(jù)和識(shí)別模式(通常會(huì)產(chǎn)生高度不確定性的結(jié)果)的情況。必須采用AI技術(shù)來(lái)解決這種行星級(jí)問(wèn)題。
 

　　新冠病毒臨床試驗(yàn)中的潛在治療選擇
 

　　摘要
 

　　討論了在醫(yī)療行業(yè)領(lǐng)域中AI/ML技術(shù)和平臺(tái)的各種令人興奮且具有前瞻性的應(yīng)用。審查了從放射線助理到智能健康操作管理，從個(gè)性化醫(yī)學(xué)到公共衛(wèi)生的數(shù)字監(jiān)視等主題。
 

　　數(shù)據(jù)隱私和法律框架帶來(lái)的已知挑戰(zhàn)將繼續(xù)成為全面實(shí)施這些系統(tǒng)的障礙。弄清楚第三方提供商(例如，AI和ML工具，物理設(shè)備或平臺(tái)的所有者)可以合法查看和使用哪種數(shù)據(jù)可能非常復(fù)雜。因此，在應(yīng)對(duì)這些挑戰(zhàn)的同時(shí)，需要在法律和政策制定方面進(jìn)行大量的合理化工作。
 

　　作為技術(shù)人員和AI/ML實(shí)踐者，我們應(yīng)該為光明的未來(lái)而努力，使AI算法的力量使數(shù)十億普通人受益，以改善他們的基本健康狀況。