人工智能如何改变人类医疗？
在2013年，数据还只是处于缓慢增长的状态，达到4.4 ZB，但emc预计这一数字每两年就会翻一倍，到2020年将会达到44 ZB，也就是440亿GB的惊人数量。
如果少了人工智能对浩如烟海的这些数据进行整理及计算，人类必然无所适从。诚然，我们远没有达到强人工智能的阶段，但在弱人工智能层面上，我们已经取得了一定的成就。Siri、小娜、OK Google，还有Echo，都能在短时间内对人类所提的简单问题进行快速检索并给出解答。
而人类也在人工智能上尝试走得更远，更贴近我们的生活。例如去年9月的DoNotPay，这款应用由19岁的斯坦福学生Joshua Bowder开发，能在一分钟内处理乱收费的停车罚单。截至 6月，这款应用已经在纽约及伦敦处理了25万张罚单里的16万张，成功率达到64%。
想象一下，如果这种高效能应用在健康领域，是否能拯救不少人的生命？
人工智能与健康领域的结合能够让病人就诊流程更加便利，医生也能合理安排手术日程，甚至还能为医生们在看病时提供决策建议。一名就职于Sutter Health的数据科学家Andy Schuetz表示：“虽然我不知道成熟的人工智能算法可能会花两年还是十年才能实现，但这一愿景正在实现。”
只需环顾一下人工智能市场的健康领域，你就会发现他所言不虚。虽然IBM Watson经常霸占着AI健康领域的头条，但还是有不少熟悉的名字也出现在了这个板块中：戴尔、苹果、日立研究院、Alchemy API、Lumiata……而这也只是一管窥豹。
数据挖掘
健康领域与人工智能结合，最简单的联想自然是数据管理。收集、存储、同构并跟踪它的来源，这些着实会对现有的健康系统带来颠覆。Google的DeepMind Health项目对大量的就诊记录进行挖掘，为患者提供更好更高效的健康服务体验。雷锋网此前也报道过DeepMind与英国国家医疗服务体系(NHS)进行了二度合作，将和Moorfields眼科医院一同开发识别视觉疾病的机器学习系统。
智能诊断
雷锋网此前提过IBM Watson的肿瘤治疗项目，它能够为医生提供基于数据支持的诊疗计划。通过对病历中结构化或非结构化的数据及报告进行整理，Watson得以结合病人的资料及临床专业知识，制定出病人所适合的治疗计划。
医学影像辅助诊断
IBM的另一个名为Medical Sieve的算法就能担任“识别助手”的工作，对于放射科及心脏科的医学影像图片，它能够在短时间内辅助分析，并给出可靠的诊断建议。这样一来，放射科医生只需要对一些疑难病症进行再次核查，工作压力就会大大降低。
初创公司Enlitic就是利用人工智能辅助医学影像诊断，并借助深度学习从海量数据中不断获取诊断的特征点，并将其运用到实际诊断领域。
在线就诊
如果觉得身体有些不适，是选择去医院看看，还是能有更简便的方法？以Babylon为代表的人工智能健康咨询系统就能实现这一点。系统能够基于用户以往的病史以及常识性的医学资料，根据用户与在线人工智能系统对话时所列举的症状，给出初步的诊断结果和具体的应对措施。此外，系统还能提醒用户定时服药，并实时监测用户的身体状况。这样的解决方式能够将病人就诊的时间缩短数倍，还能节约用户去医院等待就诊的时间，实现医患资源的合理配置。
健康助理及用药管理
Molly是Sense.ly推出的一款虚拟护士，脸上永远挂着亲和微笑的她能够帮助患者更好地接受治疗。患者的慢病管理需要定期复诊，并和医生长期保持沟通，系统能够以机器学习的方式不断更新患者的情况，并给出个性化的护理建议。
除此之外，一些能辅助用药管理的人工智能应用也慢慢浮出水面，美国国家健康部背书的 AiCure 通过手机摄像头及人工智能，能够确认病人是否能遵循处方服药。
基因组学
人工智能甚至能够为基因治疗提供极大的帮助。Deep Genomics旨在通过海量的遗传信息及医疗诊断数据集，寻找遗传信息及疾病的联系。他们采用的新一代计算系统能够对 DNA进行判断，告知医生可能出现的变异。
而人类基因组学之父Craig Venter同样也看好人工智能对基因组学的前景，他创立的Human Longevity能够为用户提供完整的基因序列，并在早期就指出因先天基因可能导致的患癌风险。
新药挖掘
典型公司当以Atomwise为首，这家公司采用超级计算机从药物的分子结构库溯源，研发具有针对性的药物。去年，Atomwise基于现有安全药物，成功通过算法寻找到能够控制埃博拉病毒的两种药物。以往要做一个能得到类似结论的研究，需要耗费数月甚至是几年的时间，而现在Atomwise只用了不到一天的时间。公司的COO Alexander Levy表示：“有了像Atomwise这样的公司，你可以想象将会有多少人能在下一次流行病中存活下来。”
Berg Health也是一家利用大数据协助病人管理的公司，系统针对以往大量的诊断数据及患者的体征资料，通过对成功疗法的分析，结合人工智能，为同样患有此类疾病的患者提供诊疗方法参考，甚至创造出一种新的疗法。
Open AI，帮助用户做出更健康的决策
Open AI生态即一种通过大量数据，结合自然语言处理技术的进步及社会意识算法，将人工智能更广泛地应用于人类生活中的概念，在今年的世界经济大会上被列为十大科技之一。
而在医学及健康领域上，这更能为人们带来福祉。大量的病历数据，来自可穿戴设备的实时追踪数据，不仅能为用户推荐更好的生活方式，更能为个性化诊疗提供重要的信息参考。
以数据分析引导健康系统
在荷兰，97%的医疗发票可以被轻松检索到，且隐藏着大量就诊信息。一家本地的分析公司Zorgprisma Publiek使用IBM Watson的云端服务分析发票数据，并指出医生是否因为在诊断特定疾病时总是采用某种疗法而导致失败。
以上就是人工智能在医学健康领域的比较热门的几个应用，相信在未来随着人工智能的发展，它在医学领域的应用范围会越来越广。(雷锋网)
如果少了人工智能对浩如烟海的这些数据进行整理及计算，人类必然无所适从。诚然，我们远没有达到强人工智能的阶段，但在弱人工智能层面上，我们已经取得了一定的成就。Siri、小娜、OK Google，还有Echo，都能在短时间内对人类所提的简单问题进行快速检索并给出解答。
而人类也在人工智能上尝试走得更远，更贴近我们的生活。例如去年9月的DoNotPay，这款应用由19岁的斯坦福学生Joshua Bowder开发，能在一分钟内处理乱收费的停车罚单。截至 6月，这款应用已经在纽约及伦敦处理了25万张罚单里的16万张，成功率达到64%。
想象一下，如果这种高效能应用在健康领域，是否能拯救不少人的生命？
人工智能与健康领域的结合能够让病人就诊流程更加便利，医生也能合理安排手术日程，甚至还能为医生们在看病时提供决策建议。一名就职于Sutter Health的数据科学家Andy Schuetz表示：“虽然我不知道成熟的人工智能算法可能会花两年还是十年才能实现，但这一愿景正在实现。”
只需环顾一下人工智能市场的健康领域，你就会发现他所言不虚。虽然IBM Watson经常霸占着AI健康领域的头条，但还是有不少熟悉的名字也出现在了这个板块中：戴尔、苹果、日立研究院、Alchemy API、Lumiata……而这也只是一管窥豹。
数据挖掘
健康领域与人工智能结合，最简单的联想自然是数据管理。收集、存储、同构并跟踪它的来源，这些着实会对现有的健康系统带来颠覆。Google的DeepMind Health项目对大量的就诊记录进行挖掘，为患者提供更好更高效的健康服务体验。雷锋网此前也报道过DeepMind与英国国家医疗服务体系(NHS)进行了二度合作，将和Moorfields眼科医院一同开发识别视觉疾病的机器学习系统。
智能诊断
雷锋网此前提过IBM Watson的肿瘤治疗项目，它能够为医生提供基于数据支持的诊疗计划。通过对病历中结构化或非结构化的数据及报告进行整理，Watson得以结合病人的资料及临床专业知识，制定出病人所适合的治疗计划。
医学影像辅助诊断
IBM的另一个名为Medical Sieve的算法就能担任“识别助手”的工作，对于放射科及心脏科的医学影像图片，它能够在短时间内辅助分析，并给出可靠的诊断建议。这样一来，放射科医生只需要对一些疑难病症进行再次核查，工作压力就会大大降低。
初创公司Enlitic就是利用人工智能辅助医学影像诊断，并借助深度学习从海量数据中不断获取诊断的特征点，并将其运用到实际诊断领域。
在线就诊
如果觉得身体有些不适，是选择去医院看看，还是能有更简便的方法？以Babylon为代表的人工智能健康咨询系统就能实现这一点。系统能够基于用户以往的病史以及常识性的医学资料，根据用户与在线人工智能系统对话时所列举的症状，给出初步的诊断结果和具体的应对措施。此外，系统还能提醒用户定时服药，并实时监测用户的身体状况。这样的解决方式能够将病人就诊的时间缩短数倍，还能节约用户去医院等待就诊的时间，实现医患资源的合理配置。
健康助理及用药管理
Molly是Sense.ly推出的一款虚拟护士，脸上永远挂着亲和微笑的她能够帮助患者更好地接受治疗。患者的慢病管理需要定期复诊，并和医生长期保持沟通，系统能够以机器学习的方式不断更新患者的情况，并给出个性化的护理建议。
除此之外，一些能辅助用药管理的人工智能应用也慢慢浮出水面，美国国家健康部背书的 AiCure 通过手机摄像头及人工智能，能够确认病人是否能遵循处方服药。
基因组学
人工智能甚至能够为基因治疗提供极大的帮助。Deep Genomics旨在通过海量的遗传信息及医疗诊断数据集，寻找遗传信息及疾病的联系。他们采用的新一代计算系统能够对 DNA进行判断，告知医生可能出现的变异。
而人类基因组学之父Craig Venter同样也看好人工智能对基因组学的前景，他创立的Human Longevity能够为用户提供完整的基因序列，并在早期就指出因先天基因可能导致的患癌风险。
新药挖掘
典型公司当以Atomwise为首，这家公司采用超级计算机从药物的分子结构库溯源，研发具有针对性的药物。去年，Atomwise基于现有安全药物，成功通过算法寻找到能够控制埃博拉病毒的两种药物。以往要做一个能得到类似结论的研究，需要耗费数月甚至是几年的时间，而现在Atomwise只用了不到一天的时间。公司的COO Alexander Levy表示：“有了像Atomwise这样的公司，你可以想象将会有多少人能在下一次流行病中存活下来。”
Berg Health也是一家利用大数据协助病人管理的公司，系统针对以往大量的诊断数据及患者的体征资料，通过对成功疗法的分析，结合人工智能，为同样患有此类疾病的患者提供诊疗方法参考，甚至创造出一种新的疗法。
Open AI，帮助用户做出更健康的决策
Open AI生态即一种通过大量数据，结合自然语言处理技术的进步及社会意识算法，将人工智能更广泛地应用于人类生活中的概念，在今年的世界经济大会上被列为十大科技之一。
而在医学及健康领域上，这更能为人们带来福祉。大量的病历数据，来自可穿戴设备的实时追踪数据，不仅能为用户推荐更好的生活方式，更能为个性化诊疗提供重要的信息参考。
以数据分析引导健康系统
在荷兰，97%的医疗发票可以被轻松检索到，且隐藏着大量就诊信息。一家本地的分析公司Zorgprisma Publiek使用IBM Watson的云端服务分析发票数据，并指出医生是否因为在诊断特定疾病时总是采用某种疗法而导致失败。
以上就是人工智能在医学健康领域的比较热门的几个应用，相信在未来随着人工智能的发展，它在医学领域的应用范围会越来越广。(雷锋网)