人工智能影响医疗保健行业的12个方式

布里格姆妇女医院(BWH)紧急医学助理教授、哈佛医学院(HMS)助理教授Ziad Obermeyer博士说，“有一些艰难的工作是将数据整合到一个地方。但另一个问题是了解当人们预测电子健康记录(HER)中的一种疾病时会得到什么。人们可能会听说人工智能算法可以预测抑郁症或中风，但发现他们实际上预测的是中风费用增加。这与中风本身有很大不同。”

他继续说，“依靠核磁共振结果似乎可以提供更具体的数据集。但是现在必须考虑谁能负担得起核磁共振的成本?所以最终预测的并不是期望的结果。”

核磁共振分析已经产生了许多成功的风险评分和分层工具，特别是当研究人员采用深度学习技术来识别看似无关的数据集之间的新联系时。

但是，Obermeyer认为，确保这些算法不能确认数据中隐藏的偏见，这对于部署能够真正改善临床护理的工具至关重要。

他说：“最大的挑战是确保在我们开始打开黑盒并观察如何预测之前，需要确切地知道我们预测到了什么。”

10.通过可穿戴设备和个人设备监控健康状况

现在几乎所有的消费者都可以使用带有传感器的设备来收集有关健康具有价值的数据。从带有计步追踪器的智能手机到能够全天候跟踪心跳的可穿戴设备，随时可以生成越来越多的健康相关数据。

收集和分析这些数据，并通过应用程序和其他家庭监控设备补充患者提供的信息，可以为个人和人群健康提供独特的视角。

人工智能将在从这一庞大而多样的数据库中提取可操作的见解方面发挥重要作用。

但计算神经科学成果中心的联合主任、布里格姆妇女医院(BWH)神经外科医生Omar Arnaout博士说，帮助患者适应这种亲密、持续监测的数据可能需要额外的工作。

他说：“以往我们对数字数据的处理方式相当自由。但是，随着剑桥分析公司和Facebook这些公司发生数据泄露事件，人们将越来越谨慎地考虑与谁共享什么样的数据。”

他补充说，患者往往更信任他们的医生，而不是像Facebook这样的大公司，这可能有助于缓解为大规模研究计划提供数据的不适。

Arnaout说：“很有可能可穿戴数据将产生重大影响，因为人们的关注是非常偶然的，并且收集的数据非常粗糙。通过连续收集粒度数据，数据更有可能帮助医生更好地照顾患者。”

11.使智能手机成为强大的诊断工具

专家认为，继续利用便携式设备的强大功能，从智能手机和其他消费级资源中获取的图像将成为临床质量成像的一种重要补充，特别是在服务不足的地区或发展中国家。

手机摄像头的质量每年都在提高，并且可以生成可用于人工智能算法分析的图像。皮肤病学和眼科学是这一趋势的早期受益者。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!