醫(yī)療保健過程通常會(huì)產(chǎn)生大量的數(shù)據(jù)，但是從目前來看，醫(yī)療保健行業(yè)應(yīng)用AI技術(shù)處理龐大數(shù)據(jù)資料的進(jìn)度依舊緩慢，不過這一切都將發(fā)生改變。

　　根據(jù)行業(yè)咨詢公司Frost&Sullivan數(shù)據(jù)顯示，到2021年，醫(yī)療保健行業(yè)AI市場的年均復(fù)合增長率將會(huì)達(dá)到40%，醫(yī)療費(fèi)用有望降低一半。

　　AI技術(shù)可以從許多方面協(xié)助專業(yè)的醫(yī)療人員。例如，AI可以協(xié)助評估疾病的診斷和預(yù)后，減少人為的出錯(cuò)率和工作量；同時(shí)，AI技術(shù)還能通過分析復(fù)雜的數(shù)據(jù)，或?qū)⒂锌赡茏R(shí)別出先前未被發(fā)現(xiàn)的一些與疾病相關(guān)的線索，從而為治療提供新思路。

　　同樣地，AI技術(shù)也會(huì)為患者帶來諸多便利。例如，醫(yī)護(hù)人員在AI的協(xié)助下可以更高效率地完成工作，這樣患者就能得到更及時(shí)有效的護(hù)理，從而極大地改善醫(yī)療結(jié)果。

　　分析多種數(shù)據(jù)格式

　　醫(yī)療保健數(shù)據(jù)的存儲(chǔ)格式多種多樣，其中包括數(shù)字、文本、圖像、掃描、視頻以及音頻等。許多研究結(jié)果也表明，AI技術(shù)可以成功地應(yīng)用到這些不同的數(shù)據(jù)類型中。

　　舉例來說，深度學(xué)習(xí)模型可用于分析核磁共振的掃描結(jié)果及評估癌癥病人體內(nèi)的腫瘤生長情況。使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，誤報(bào)會(huì)降低，從而減少對病人進(jìn)行創(chuàng)傷性的活檢診斷。來自中國的一支研究團(tuán)隊(duì)通過分析顯示軟組織彈性和硬度的彈性圖，其區(qū)別惡性腫瘤和良性腫瘤的精確率已經(jīng)達(dá)到了93%。

　　文本數(shù)據(jù)同樣也能用AI技術(shù)來進(jìn)行處理。在2100萬份電子健康檔案中使用類神經(jīng)網(wǎng)絡(luò)技術(shù)提取某些危險(xiǎn)系數(shù)，其中8500個(gè)患者被識(shí)別到有發(fā)展成心臟衰竭的風(fēng)險(xiǎn)，準(zhǔn)確率為85%。另一個(gè)類似的技術(shù)在基于患者的語言模式下，被用于鑒別精神分裂癥患者的精神疾病，準(zhǔn)確率達(dá)到了100%。

　　在另一份研究中，來自加拿大的一支研究團(tuán)隊(duì)使用原始心電圖(ECG)數(shù)據(jù)搭建了一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)模型。從該模型可了解誘發(fā)陣發(fā)性心房顫動(dòng)（一種有致命危險(xiǎn)的心臟疾病）的主要因素，還能協(xié)助患者進(jìn)行篩查。

　　面臨的阻礙

　　AI技術(shù)應(yīng)用到醫(yī)療保健還面臨一些需要克服的阻礙：

　　醫(yī)療行業(yè)需意識(shí)到AI技術(shù)可帶來的幫助

　　醫(yī)療數(shù)據(jù)的敏感性讓獲取數(shù)據(jù)來培養(yǎng)AI模型會(huì)有一定的困難

　　AI模型得到認(rèn)可具有難度

　　為克服這些阻礙，醫(yī)療行業(yè)人員和數(shù)據(jù)科學(xué)家應(yīng)該更緊密地合作。根據(jù)哈佛一支醫(yī)學(xué)院團(tuán)隊(duì)的研究，在診斷乳腺癌時(shí)，病理學(xué)家錯(cuò)誤率是3.5%，使用AI模型可將錯(cuò)誤率降低到2.9%。兩者配合進(jìn)行診斷，則錯(cuò)誤率可降低到0.5%。