7项应用各不同，人工智能正在挖掘多种医疗需求

文/allenxu

7项应用各不同，人工智能正在挖掘多种医疗需求

文/allenxu

美国最新的医疗法案要求医疗服务提供者在提高客户医疗体验的同时尽可能降低医疗成本。很显然发展迅速的人工智能技术将满足这一切。事实上，人工智能在医疗领域已经默默耕耘良久。 下面我们就向大家介绍几款有关人工智能技术的医疗应用:

维也纳医科大学：人工智能监测院内感染

The Medical University of Vienna（维也纳医科大学）的人工智能监视项目，该项目由一系列数据流模型评估来完成，主要监测可能造成医院获得性感染（NIs）的细菌的衍生与传播。医院或医院获得性感染（NIs）是住院患者常见的并发症，而医院病人记录电子化的可能则能够允许机器自动识别和监控NIs的活动。根据欧洲监控系统标准我们开发了一个基于模糊知识系统，它将用于识别和监控重症监护病房NIs的活动，并且已经在维也纳总医院投入使用。该系统名为Moni，主要监测NIs，包括利用医学知识包（MKPs）来确认和监测血液中的各种感染，比如肺炎、尿路感染以及中心静脉导管相关的感染。

匹兹堡大学和卡内基梅隆大学：机器学习开发个人诊疗方案

同样都是接受乳腺癌治疗，两个人可能有着完全不同的身份。一个可能是马拉松运动员，而另一个则可能是一位安静的读者；一个可能是烟瘾者，而另一个则可能是执著健康的狂热分子；一个可能已经60岁而另一位才满40……这些不同之处，针对这两位患者可能需要采取不同的治疗方式。

对于科学家和医生来说最大的挑战就是，如何从庞大的数据库里找到他们所需要的针对特定类型病人的治疗信息。花费几年之后他们可能从中筛选出所需要的信息，可是医生们等不了那么久。

卡内基梅隆大学和匹兹堡大学的科学家们正在利用人工智能从海量数据，比如电子健康记录、影像诊断、处方、基因组分析、保险记录甚至是可穿戴设备所产生的数据中来提取有用信息，来为特定的一类人群而不是特定疾病制定合理的卫生保健计划。

研究者们正在应用大数据来设计有针对性的治疗方法来阻止流行病，并找到治疗致命疾病的方法。

“当前的系统并不智能，使得这个想法开始时挫折重重，”卡内基梅隆大学机器学习系的一位教授说到。“数据存储在系统中，它基本上是死的。机器学习和人工智能能从巨大的数据仓库中挖掘出有用的知识，并且对它进行推理。它就像一个在工作的人工大脑，而不仅仅是一个存储系统。”

卡内基梅隆大学与匹兹堡大学医学中心共同合作完成这个项目，他们称其合作为“匹兹堡健康数据联盟”。医学中心已经同意在未来六年里为他们的研究提供每年一千万到两千万美元的研究经费。

每个病人都不同，你可以采取一个非常简单的观点，说乳腺癌应该用药物A或B治疗，但生活方式、环境和其他健康方面的独特性使每个人成为独一无二的个体。人工智能可以从不只是一个医生而是很多医生的经验中提取出特征点，它也可以从有相似点的患者中提取出特征信息。

人工智能软件运行时比人脑要快很多，它擅长于模式分析与特征点提取，这能够帮助医生和科学家发现关键信息。比如一个患有糖尿病的50岁病人，在接受某一种治疗方式之后生活产生了很多积极的变化，那么医生以后可能会尝试用类似的方法来治疗。

此外，该组织正在研究一款智能手机应用程序，它可以给用户提供建议，让用户远离疾病，获得更健康的生活。该应用可能在一年左右就会上市。“这个应用了人工智能的APP可以告诉人们什么时候应该看医生，应该向什么样的医生咨询，以及可以做些什么来维持健康”卡内基梅隆大学计算机科学副院长菲利普说。

他们希望每年能够推出不同产品的原型——从应用程序到机器学习工具和服务，希望在接下来五到六年里，他们能拥有十几个新产品。他们相信所有这一切将重新定义医疗保健。

一些医院正使用爱因斯坦II劳动力解决方案提高效率

很多医院使用Einstein II workforce management solution （ 爱因斯坦II劳动力解决方案）来灵活调度关于人口普查、员工可用性和历史数据。该系统主要用来提高现有的劳动力资源效率，它采用云解决方案，不需要购买额外的硬件和服务器空间，数据实时更新。它就像一个“水晶球”一样，能够了解到所有医院工作人员的工作状态，整个系统以医院的调度规则为基础，同时也考虑到临时调度的需要，因此能够确保大多数情况下人员调配的合理性。 另外，爱因斯坦II也能够作为一个分析工具，利用自带的人工智能引擎，它能够从历史行动中提取有效的“行动”和“模式”，从而来决定当前和未来的选择。此外，在维护时它也能够产生实时的分析报告，所以会议报告工具也是不错的选择。

Aicure：遵医嘱用药解决方案

AiCure坚持提供更好的服药解决方案，那么它是如何工作的呢？

首先它有一款很好用的交互软件，使用者需要填入日常服用剂量，此外这款软件对用户的像素也有一定要求。AiCure的HIPAA兼容平台采用的面部识别和运动传感器通过智能手机自动化直接观察病人的服药行为。该平台旨在监测不同药物和多种给药途径（口服，舌下含服，吸入器，注射笔）。应用程序和仪表盘可以很容易地使用多国语言展示。最后，所有观察到的数据会被加密和模糊化，安全的信息（语音，文本消息）会被集成到仪表盘中。

该应用比较突出的一点就是具有很强的机器学习能力，它能够根据数据的积累优化监测和治疗方案还可以检测虚假的敷衍行为（服药时间篡改，不寻常的药物中断等），当然一切都归功于其强大的人工智能算法。使用这款应用服药需要对准着摄像头。

Alme Health Coach：慢病患者的虚拟助理

医疗保健主要的问题之一就是不能坚持治疗计划和医生的嘱咐方案。Alme Health Coach主要服务于患有慢性疾病的病人，因此整个治疗周期非常漫长，使用之前病人需要充分了解这款应用的目的，并与其建立信任关系。

Alme希望病人能够知道它的工作动机，那就是通过了解病人的饮食习惯、锻炼周期、服药习惯等个人生活风格，经过人工智能技术进行数据处理后来为其提供慢性疾病的整体状态，并为其提供个性化的健康解决方案。

它主要是以一位“虚拟助手”的身份出现的，能够自动帮助病人规划日常健康安排，监控睡眠，提供药物和测试提醒，甚至可以反向推导出一些不服从这些提醒的患者产生懒惰性的根源。所有这些活动的目的就是希望以一种全自动化的方式帮助慢性疾病患者改变不良习惯，养成一种更健康的生活方式。

它能够无缝的融入病人的生活中，其API能够和可穿戴设备、手机、企业系统、电子病例等进行整合，解决数据跨平台转移的麻烦。

AdverseEvents Explore：药物作用预测算法

主要提供FEAR S批准的药物作用的数据，以及通过自由信息法（FOIA）访问专有信息的权利，能够帮助医生获得实时的药物安全性和成本资料，该浏览器核心分析算法R xsuite主要包括R xFilter、R xCost、R xSignal、R xScore。 R xFilter通过17步算法完整优化了FAER S的数据集，使之能够被完全访问和检索；而R xCost则是一种以确定药物不良反应事件的直接成本，使决策能够依据医疗总成本进行的标准化的方法；R xSignal是一种预测算法，能够提醒用户新出现的和以前未知的药物所产生的副作用，这些副作用在未来可能引发FDA的质问；R xScore是首个药品安全评分系统，可以迅速总结全面批准后的药品安全问题，就像FICO信用评分系统一样。

Modernizing Medicine：为医生提供智能治疗工具

现代医疗公司致力于医学现代化，他们使用电子医疗助手（EMA）来提供整个综合服务和解决方案。整个系统界面非常直观，并且可以根据每个医生的风格自主调整，同时它基于云端存储，可以实时保存数据。就像我们平时使用手机一样，系统自带有指尖绘图功能，医生可以通过快速触摸和手指滑动屏幕来建立每个病人的图表、账单等医疗数据。 通过EMA系统，医生通过触摸屏幕就可以了解病人的病史。Modernizing Medicine目前已与 IBM Watson的人工智能系统进行结合，号称他们与一般的EMR系统大不一样，它将提供正合你意的工作方式。（动脉网）