随着人工智能(AI)广泛渗透到医疗保健的各个领域，对AI的关注已变得迫切。本文总结了目前应用于医疗保健领域的各种AI工具，旨在帮助医疗从业者提供更好的诊断、更复杂的病人护理和更准确的疾病预测。

　　近年来，广泛探讨了人工智能在医疗保健领域的应用及其潜力。这些讨论不仅关注智能算法本身，还涵盖了与人工智能相关的许多新闻热点。

　　当一项有关深度学习或机器学习在诊断、医学成像或其他医学领域的新研究被发表时，往往会出现以“人工智能在某领域又战胜了医生”为标题的报道。这种报道内容过于夸张和极端，容易造成对人工智能的两极化评价。

　　我们奇亿娱乐本文能够向医疗专业人士提供更加实用的信息，为此我们列举了目前在医疗领域中所发现和应用的人工智能工具。

　　在进行盘点之前，我们需逐一分析人工智能的限制性因素。

　　起初，人工智能这个词本身就有些具有误导性。因为“智能”这个词常常暗示着它所处的技术阶段已经极为发达。然而，实际情况是，目前我们应用的人工智能仍远远没有达到我们所幻想的技术水平。

　　人工智能可以分为三个阶段：人工狭义智能(ANI)、人工通用智能(AGI)和超级智能。目前，我们的科学水平(特指大型语言模型和各种机器学习方法)最多只能达到人类创造的第一级智能——即人工狭义智能(ANI)，只有少数能够达到第二级智能——即当机器能够从有限的经验中抽象出概念并在各领域之间转移知识的人工通用智能(AGI)阶段。

　　然而，还存在着第三个可怕的阶段——超级智能，即人工智能进化为一个独立思考的意识。目前，我们的科学水平还远远达不到这种水平。此外，通过对各种医疗图像的模式进行分类来协助医生进行疾病诊断的无数算法被开发出来。然而，这种算法应用存在至少三个方面的局限性。

　　首先，算法所采用的医学数据通常来自于高度发达地区。也就是说，算法框架本身包含一定的特异性或概念化，因此不够客观。同时，算法内部难免夹杂着工作团队主观假设。

　　第二点是，智能算法的预测能力建立在过去案例上，但实际上这些经验可能对预测新药物的副作用或治疗抗性实验无用。

　　第三，现阶段大部分人工智能研究都依赖于从各大医疗机构收集的数据集进行训练。然而，如果直接利用这些算法对医学图像进行分析，往往难以再现真实的临床情景，与医生的实际体验产生巨大的差异;

　　人工智能的实际执行效果往往受到局限，这与其理论价值无关。在现实生活中，训练数据集所能涵盖的范围很有限，而生活和生命却非常复杂。在医院里，数以千计的患者带着各种病症就医，尽管病情看似相似，但实际表现却可能大为不同。

　　因此，必须要明确的是，基于训练数据集进行的人工智能研究结果很可能无法准确代表现实生活中的疾病情况。

　　以下是我们对医疗领域中人工智能算法的发现和应用的总结。

1、肿瘤DNA检测的算法

　　癌症治疗的一个主要难题在于，恶性肿瘤通常会经历突变、生长和演化，因此难以加以控制。

　　近些年，科学家们发掘到肿瘤本身会变异，其DNA也会发生改变。由于基因测序成本的大幅下降，现在可以对肿瘤的基因进行分析。在AI算法的协助下，专家们开始分析数据，旨在深入研究肿瘤内部的基因突变。

　　为了提高准确性，美国巴尔的摩市的一家个人基因诊断公司开发了一种使用机器学习技术的全新方法来自动诊断肿瘤DNA，并提高癌症组织中突变检测的精度。这种方法使得医奇亿娱乐够为患者选择更具体的靶向治疗。

2、使用人工智能技术对心脏图像进行分析，可以预测患者是否患有心脏病。

　　超声心动图是一种利用声波描绘心脏图像的检查方法。心脏病专家可以通过此图像来判断患者是否患有心脏病。这种检查是一项标准测试，可用于检查患者的中央器官是否存在瓣膜或腔室问题，是否有先天性心脏缺陷，以及气短或胸痛是否与心脏有关。

　　加州塞达斯西奈山心脏研究所和人工智能医学部门的研究人员在心脏领域取得了杰出成就。据该研究所报告，人工智能(AI)在评估和诊断心脏功能方面表现优于超声心动图医生。在一项随机的盲审中，心脏病专家评估了3,495份经胸超声心动图研究，并比较了人工智能和超声心动图医生的初次评估结果。其中一个主要发现是，心脏病专家更倾向于接受人工智能的评估结果。例如，专家只需要修改16.8%的人工智能初始评估，而需要修改27.2%的超声心动图医生的评估。

　　这项研究展示了人工智能在心脏病学领域的应用。加利福尼亚大学旧奇亿娱乐分校的心脏病专家RimaArnaut和其同事早期使用深度学习技术开发了一个AI系统，能够对不同类型的超声心动图进行分类。当心脏病专家和人工智能同时对图像进行分类时，该算法的准确率达到了92%，而人类的准确率仅为79%。

　　除此之外，人工智能算法在图像分类方面的表现不仅比医生优越，而且在预测结果方面也表现卓越。英国诺丁汉大学的研究人员开发了一个系统，通过扫描和分析患者的日常医疗数据，可以预测哪些人在未来10年内会患心脏病或中风。相较于基于风险因素(如高血压、胆固醇、年龄、吸烟和糖尿病)的标准预测方法，该人工智能系统准确预测了355名患者的病情。

3、利用人工智能进行更准确的皮肤癌诊断。

　　根据世界卫生组织的最新数据显示，全球每年约有150万新非黑色素瘤皮肤癌患者和32.5万新黑色素瘤皮肤癌患者。现今，数字健康技术如SkinVision等智能手机应用程序、远程医疗服务和人工智能被广泛应用于对抗这种常见病的前沿。

　　尽管已经有几个研究小组开发了用于诊断皮肤癌的智能算法，但是斯坦福大学的这一算法可能是目前最强大的系统。该算法经过对超过128万张图像的训练，还通过对近13万张皮肤病变扫描图的微调，其中包括来自2000多种疾病的图片。这是目前应用于皮肤癌自动分类的最广泛的数据集。

4、利用人工智能技术进行乳腺癌检测

　　乳腺癌是妇女中经常发生的癌症，总体上居第二位。和其他许多类型的癌症一样，乳腺癌的早期发现可以拯救患者的生命。

　　旧奇亿娱乐加州大学分校的研究人员发现，商业软件用于自动分类乳房密度以检测乳腺癌的准确度与人类放射科医生相当。在乳腺密度无法明确诊断的情况下，该算法能够为医生提供短期支持。

　　除此之外，算法不仅能够协助放射科医生，还能在乳腺癌领域协助病理科医生进行斗争。最近，国际生物医学成像研讨会(ISBI)举办了一项重要挑战，旨在评估用于自动检测转移性乳腺癌的计算系统。研究结果显示，通过结合人类病理学家的努力和深度学习系统的预测，人类在识别转移性乳腺癌时的错误率下降了85%。这个结果令人印象深刻，尤其是考虑到早期诊断对于挽救生命在涉及这种致命疾病时的重要性。

5、智能算法预测自杀风险

　　将来，当你的手臂骨折需要去医院时，你可能会在出院时带上石膏，还会附带一张指明你需要接受精神病治疗因为有自杀风险的纸条。这正是一些科学家的目标，他们致力于开发人工智能系统，旨在早期捕捉抑郁症行为，从而有助于减少严重精神疾病的发生。

　　范德比尔特大学医学中心位于纳什维尔，他们开发了一种机器学习算法，可根据入院数据(例如年龄、性别、邮编、药物治疗和诊断历史等)来预测一个人自杀的可能性。

　　采集了5000多名因自残或自杀企图而住院的病人数据，经过试验表明该算法对于预测某人在接下来一周内有无自杀企图的准确率达到了84%，对于预测某人在接下来两年内有无自杀企图的准确率达到了80%。

6、人工智能可预测住院病患死亡的风险。

　　斯坦福大学的研究员培训了一种人工智能系统，旨在提高住院病人正确接受生命后期护理的数量，这意味着该智能算法可以预测非常严重的病人何时接近生命的终点。

　　这个算法经过学习，能够分析病人在去世前3至12个月期间的电子健康记录，包括诊断、处方、人口统计和其他因素。一旦训练完成，该算法就能在医院系统中将还活着的患者标出来，这些患者可能是适合姑息治疗的候选者。

　　在斯坦福医院的姑息治疗团队评估了50名被算法标记为高风险的病人之后，团队发现这些病人都适合被转诊。该算法不仅能够准确预测，还将最终决策权完全交给了医生。这种算法与医生团队协作的模式或许会成为未来的发展趋势。

7、MedPaLM是一种针对医学领域的大型语言模型。

　　大型语言模型毫无疑问彻底改变了这一领域，这些模型能够提供前所未有的高质量协助。在ChatGPT发布短短几周后，谷歌/DeepMind宣布发布了MedPaLM，这是一个专门回答医疗保健相关问题的大型语言模型，该模型是基于540亿个参数的PaLM模型。

　　该模型是基于六个现有的医疗问答数据集(NedQA、MedMCQA、PubMedQA、LiveQA、MedicationQA和MMLU)进行训练的。开发团队还创建了一个名为HealthSearchQA的数据集，其中包含有关医疗状况和相关症状的问题。目前，MedPaLM仍无法公开测试。

　　谷歌已经推出了迭代，向部分用户提供了访问权限，但我们还没有看到任何与2.0版本相关的研究。

8、AI算法可用于监测败血症。

　　美国杜克大学的研究人员研制了一种深度学习算法，用以观测败血症病情，并评估病人患病风险。当危险性较高的病人出现时，该算法会自动通知医院的快速反应小组，并为他们提供头三小时的护理管理指南，以预防并发症的发生。这对病情的控制至关重要。

　　这所大学长期以来一直在研究这种算法，于2018年在临床实践中开始实施。据共同领导该项目的杜克大学医生和临床数据科学家MarkSendak表示，杜克大学正在进行分析，经初步试验，使用该算法后的病人死亡率似乎有所下降。

　　据《华尔街日报》报道，连锁医院HCAHealthcare开发了一种败血症预测和优化治疗的算法。该算法通过持续监测病人数据来识别潜在的败血症病例，有能力比临床医生提前六小时发现败血症，且准确度更高。该算法的应用使得HCAHealthcare管辖下160家医院的败血症死亡率降低了近30%。

　　人工智能(AI)即将改变医疗实践，因此医学生、新医生和医师都必须做好充分准备以适应不断变化的环境。可以说，人工智能的快速发展正带来一次重大的范式转变。

　　人工智能并非能取代医生，但是运用人工智能技术的医生将会取代那些没有跟上这场技术革命的医生。融合人工智能技术于医疗实践中，不仅有利于患者受益，也能助于准备加入这医学新时代的医生职业生涯的提高。

　　除了上述列举的AI应用，医疗领域中还有许多智能算法的案例，并且未来将会有更多。但是一个例子表明了数字医疗的本质结果是——人工智能和人类医生的合作共同推动医疗事业的发展。