AI在健康医疗领域发挥的作用,正从一个后端工具转向消费者和临床医师的前端,成为支撑个人和系统交互的一种方式。
AI时代到来前夕,周一职场趴邀请英国利兹大学博士后——吴博老师,于空体与爱学习的观众们一起分享,属于时代最前沿的科技动态,现场数十名热爱学习的同学,保持好奇与自我更新,和吴博老师一起以最佳的姿态,开启未来。
人工智能(AI)发展史
人工智能的发展由来已久,从1956年之前,一些著名的科学家便开始了对AI领域的探索。吴博老师从“万物皆数”的算法及算力发展方向,及“万物源自比特”的数据及信息发展史两条脉络,带大家从技术的源头回溯AI发展的历史。
“万物皆数”脉络从毕达哥拉斯、柏拉图提出的理论出发,到1936年图灵刊出的《论可计算数及其在判定问题中的应用》理论,才正式用图灵机赋予了算法(Algorithm)正式的定义。而后1943年MP神经元模型的发现,奠定了现代人工智能硬件及算法发展的基础。
计算机发展的另一条路径,源自于柏拉图、亚里斯多德的《形而上学》,书中提出了“人为什么区别于动物”的困惑,而后对此展开探讨感知、记忆、学习、智能、体验。随后,经过莱布尼兹、布林、图灵、香农等几代人的努力,终于在1948年,香农出版的《A Mathematical Theory of Communication》成为信息论的开山之作,提出比特(bit:binary digits 二进制数)的概念。
1956年,是人工智能理念诞生的元年,被誉为“人工智能”、“认知科学”之父的司马贺预言“十年之内,数字计算机将成为国际象棋世界冠军。” 1966年预测“二十年内,机器将能完成人能做到的一切工作。” 虽然预言的时间往后推了几十年,直到现在才实现,但司马贺前瞻性的科学目光,让他获得了人工智能之父的称号。
AI发展拐点于2006年,Geoffery Hinton公开发表深度学习算法理论。而后以基于卷积神经网络及强化学习的AlphaGo战胜围棋世界冠军李世石,引发了人工智能研究的热潮。
医疗健康AI的发展与机遇
进如IT时代,医生及医疗经验的稀缺,让医疗领域仍然面对着繁复冗余的等待时间这个痛点,这也为AI与医疗领域的结合提供了发展的机会。
为医生、医院提升效率,为疑难杂症的诊断,新药物的发现,IBM Watson的出现,走在医疗AI行业的前列。Watson 每秒能够读八亿页的资料,帮助生命科学家把斩获一些重要发现的时间从数年甚至缩短到了数周。同时还可以从来自于电子病历、放射影像报告和病理报告、化验结果、医生病程记录、医学文献、临床医护指南及公开的结论性报告等方面的数据中提取洞察,帮助医生针对具体病患做出个性化治疗决策。
AI与医疗的结合,极大地填补了各级医院之间技术的鸿沟。与此同时,AI技术能够迅速整理病患的医疗记录,提高医生的诊断效率。通过分析海量数据,从而帮助医生快速为患者提供高质量、个体化的疾病治疗方案。无论在病人的安全性、满意度和医疗成本控制上,都有效得到解决。
AI医疗应用领域
01
虚拟助理
虚拟助理通过自然语言处理和语义分析技术来回答问题。交谈是与其交互的基本模式。苹果手机上的Siri可能就是大家最熟悉的虚拟助理。
而在医疗领域,虚拟助理可以根据与用户的交谈内容,智能化地通过病情描述判断病种,以起到帮助用户自诊的作用。
02
医学影像
医学影像包含了海量的数据,即使有经验的医生有时也显得无所适从。医学影像的解读需要长时间专业经验的积累,放射科医生的培养周期相对较长。
而人工智能在对图像的检测效率和精度两个方面,都可以做得比专业医生更快,还可以减少人为操作的误判率。
03
药物研制
传统的药物研发领域存在巨大的痛点,研发周期长、成功率低,而人工智能与可参与其中多个阶段,缩短时间、提高效率,控制成本。
目前人工智能药物挖掘主要在三大领域——抗肿瘤药、心血管药和孤儿药及经济欠发达地区常见传染病防治药。
04
营养学
研究结果表明,相较于传统人工专家,机器学习算法能够成功控制病人餐后血糖水平,给出更精准的营养学建议。
另外,人工智能技术还可以为个人用户提供个性化营养方案,告诉人们“应该吃什么”。
05
健康管理
有关个人健康的数据是十分复杂的。假如我们把一个人所有的健康数据都收集起来,完全可以用“生命数据化”来形容。生命数据化有不同维度的数据:基因数据、生理数据(比如血压、脉搏)、环境数据(比如每天呼吸的空气)、社交数据、蛋白数据等。有了生命科学大数据,加上人工智能最终可以实现人们对健康的前瞻性管理。
医疗+AI领域创业项目、社会关注度和融资量逐年增加,是否意味着AI与健康领域机会的全面到来?关于这一点,吴博老师与现场嘉宾进行了深入的探讨。
Q:人工智能的高速发展之后,技术如何落地,更好的应用和服务于现代生活?
A:技术的落地,有时候面临的是拿着锤子找钉子,先技术后市场。但是在过程中以技术为出发点,去寻找更多合作的机会,整合多方面的资源。在技术研发的过程中,以需求驱动更好的服务市场,更有利于技术的落地。
Q:远程监控+医疗+人工智能在未来三年间的可操作性如何?
A:人工智能在安防领域已经落地生根,甚至出现了一些独角兽企业,而人工智能与医疗领域的结合尚属于起步阶段,这个领域的投资在未来的爆发的机会很大。
Q:AI使用场景,和商业化的路径应该是如何实现的?
A:吴老师的应用过程中,将各类应用场景分解,而后按照用户的需求组合打包。生活美容领域,就很容易实现商业价值的兑现。另外在皮肤医疗方面,为用户提供接口、平台、解决方案,门槛会比较高,但也能的代很多专业的反馈,对客户和技术的发展要求也比较高。
Q:AI意见应用到临床中了,但在眼科OCT中,机器分析的结论正确率比人高,为什么仍然需要医生加入其中进行解析?AI在做判断是,是做一些选择,还是在做联想?
A:眼科OCT较为特殊,拍检不分离,需要测试与医生检查同步进行,此时AI介入的时间需要早于医生给出检测结果之前。此时,OCT更多的功能,是在医生对一些疑难杂症无从判断是,通过AI进行大量的数据分析给出更加可靠的结论。
现在AI判断的时候,不能完全靠数据呆板的比对,会涉及到联想的层面,超越规则去做模糊的判断。但不用害怕,回到人和机器未来的相处方式的问题,现在还未给出答案,且行且看。
网友评论