人工智能對將來人類健康有哪些幫助？

　　從1998年起，醫療信息化建設開始推動，前後經歷了計算機化、數字化階段並逐漸實現了全面普及。目前基於移動的數據消費、物聯網的數據收集，基於大數據的數據分析，基於雲計算的數據分享逐步在各個領域展開應用，醫療信息化呈現出新的方向。

　　互聯網+醫療不只僅是提如今掛號或者拿藥上，還應該發展到遠程檢驗、遠程診斷、遠程影像中心等在線醫療方面。在線醫療的基礎是大數據，或者在這一領域，國外科技巨頭在這領域的佈局能夠帶給咱們一些思考。

　　人工智能正在改變醫療保健網絡開展業務的方式，醫生正在執行從醫療轉錄到機器人輔助手術的平常活動。在將來三到五年內，醫療保健的AI解決方案將變得愈來愈專業化我的用例。

　　在AI時代精神的第二階段，醫療保健網絡的領導團隊將熟悉基本的AI概念，他們將可以與爲特定醫療保健問題提供AI解決方案的供應商合做。

　　咱們將研究流行病學的AI狀態，疾病發病率和傳播的研究。用於流行病學的絕大多數AI應用程序都是預測分析應用程序，也許並不使人驚訝。

　　預測分析涉及使用歷史數據預測將來結果的AI算法。所以，有一些證據代表，他們能夠幫助政府機構，社區衛生組織和研究人員，根據這些預測，弄清楚疾病如何來自人羣以及疾病如何傳播。

　　流行病學的預測分析應用程序幾乎老是要求客戶提供大量匿名的患者數據，這對於與醫療機構沒有強大合做關係的研究機構來講可能具備挑戰性。

　　有興趣將AI用於流行病學的領導者應該在選擇與供應商開展業務以前考慮供應商的AI解決方案的數據要求。

　　如下內容是國外涵蓋了四家爲流行病學提供人工智能解決方案的AI供應商：IBM。Saama，SAS和Orion Health。咱們開始使用IBM Watson Health分析空間。

　　IBM Watson Health

　　IBM沃森健康提供了Explorys數據集和分析解決方案，該公司聲稱能夠提供生命科學公司和流行病學家更好地理解疾病史，流行病學和疾病進展，並肯定對選定人羣的經濟影響。

　　該公司聲稱，瞭解這一點也將使組織可以肯定進行更深刻研究的努力，並肯定最有可能從治療中受益的人羣。

　　該公司表示，分析軟件背後的機器學習模型接受了來自電子病歷系統的5000萬名匿名患者的門診，住院和裁定索賠數據的培訓。而後，數據將經過軟件的機器學習算法運行。

　　而後，該軟件將可以預測人羣中疾病的發病率和患病率，疾病治療模式和治療相關風險。

　　IBM Watson 聲稱已幫助 Smart Analytics研究了使用IBM Explorys的超過6,500名牛皮癬患者的治療過程。SmartAnalytics的一家客戶，一家制藥公司，想知道牛皮癬患者從局部治療過渡到口服治療須要多長時間，最後到注射治療。

　　SmartAnalyst求助於IBM Watson Health並使用Explorys發現，在三年的時間裏，患者傾向於跳過口服藥物並當即從局部藥物轉變爲注射劑。

　　Explorys數據集顯示，大量患者在206天內從局部治療過渡到注射劑，沒有足夠的時間讓一些局部治療生效。然而，在轉用注射劑以前嘗試口服治療的患者平均則須要488天。

　　因爲得到了這些信息，SmartAnalytics的客戶制定了一項溝通計劃，教育患者和醫生了解口服藥物生效的重要性，而且使用更昂貴的注射劑是最後的治療方法。

　　Saama Technologies

　　Saama 提供真實世界分析，它聲稱能夠幫助生命科學公司挖掘數據，使他們可以在臨牀試驗期間監測數百萬人口，並使用機器學習預測疾病發病率或患病率。

　　Saama聲稱該應用程序駐留在雲中。 該公司補充說，軟件背後的機器學習模型是根據數十億患者的電子醫療和健康記錄組成的數據進行培訓的。而後，數據將經過軟件的機器學習算法運行。這將訓練算法以辨別哪些數據點與藥物的功效。

　　該軟件將可以預測治療模式，例如藥物類型的變化，理想的治療持續時間以及疾病的患病率和發病率。

　　結果還顯示了治療的持續時間以及患者從一種治療方法轉變爲另外一種治療方案的時間：

　　Saama 聲稱已經幫助Pharmacyclics開發和銷售用於治療癌症和其餘自身免疫性疾病的小分子藥物的公司，將其全部臨牀操做數據彙總爲一個單一的中心視圖。隨着臨牀操做的增加，Pharmacyclics須要更好地最大化其臨牀數據。可是，數據孤島使得生成自動化和準確的報告變得困難。

　　Pharmacyclics求助於Saama，後者部署了臨牀開發優化工具(CDO)，這是生命科學分析雲的一部分。

　　SAS

　　SAS提供其真實世界證據，它聲稱能夠提供各類來源的數據，幫助醫療保健者和生命科學公司更好地瞭解人口，改善人口健康和治療。

　　這些來源包括：

　　環境

　　電子醫療和健康記錄

　　基因組學

　　社會經濟數據

　　臨牀試驗，

　　病例報告

　　醫療保險索賠，

　　公共衛生調查

　　而後使用機器學習和預測來分析數據。該公司表示，軟件背後的機器學習模型是在醫療點系統，電子醫療記錄，保險索賠，患者報告結果和第三方數據進行培訓的。

　　而後，數據將經過軟件的機器學習算法運行。這將訓練算法以辨別哪些數據點與藥物的性能以及患者對治療和治療偏好的依從性。

　　該軟件可以經過識別可治療的新疾病和新客戶來預測現有藥物的治療價值如何擴大。這可能會或可能不會要求用戶事先將他們的新客戶羣或營銷活動計劃的信息上傳到軟件中。

　　SAS 聲稱正在幫助Renown健康創新研究所(Renown IHI)更好地瞭解遺傳，臨牀，環境和社會經濟因素如何影響人口健康。著名的IHI於2016年9月啓動了健康內華達項目，須要開發一個應用程序，根據性別，年齡，我的或家庭健康史揭示患者的人羣健康風險。

　　該應用還將用於揭示疾病和空氣質量等環境因素的公共衛生風險。

　　根據案例研究，該項目的試驗階段已招募了10,000名參與者，他們的DNA樣本已在60個工做日內收集。該項目的第二階段於2018年3月開放給40,000多名內華達人。

　　SAS報告說，使用其應用能夠預測環境因素如何促進內華達州人口的健康情況，並瞭解年齡，性別或遺傳因素的做用。而後，結果可用於推動精準醫學和其餘衛生創新和研究。

　　獵戶座健康

　　Orion Health 提供Amadeus，一種人口健康管理和精準醫學軟件，它聲稱能夠幫助醫療保健組織處理大量數據，以使用機器學習預測和區分人羣中的健康風險。該公司解釋說，擁有這種能力將使醫療保健組織可以作出快速而明智的決策。

　　該公司表示，該軟件背後的機器學習模型是針對臨牀和非傳統數據(如組學，社會和行爲數據)進行培訓的。而後，數據將經過軟件的機器學習算法運行。這將訓練算法以辨別哪些數據點與羣體的健康風險。

　　該軟件將可以預測哪些患者處於危險中，能夠制定治療方案以及相應的成本。這可能須要或可能不須要用戶事先將關於他們的護理協調程序或個性化護理計劃的信息上載到軟件中。

　　獵戶座健康聲稱已經幫助了斯科茨代爾健康夥伴(SHP)，醫師爲首的臨牀網絡覆蓋超過60,000例，成立了醫療信息交換(HIE)，將提供完整，準確的患者數據。

　　HIE容許700多名參與臨牀的醫生使用不一樣的EMR軟件分享健康信息。HIE還使臨牀醫生可以識別有風險的患者，找到與適當治療相關的數據，並簡化報告。　　大連婦科檢查多少錢 mobile.0411fuke.com

　　使用該應用程序，SHP可以預測有再入院風險的患者和出院後的影響因素。這使他們可以開發下降風險的程序，從而使應用程序部署後一年內的再入院率下降9%。

　　該案例研究還聲稱，在同一時期內，SHP可以將成本下降10%，SHP是惟一一項節省近375萬美圓的亞利桑那州醫療保險共享儲蓄計劃，這歸功於該應用程序提供的預測。