医疗趋向智能化将给人们带来诸多便利

依赖于AI及ML，近几年药物的诊断准确度有了很大的提升。目前大市场研究所(Big Market Research) 的调查显示，截至2025年AI智能医疗市场将会超过181.2亿美元。一篇讲述了用AI维持健康的文章还表明，与人类相比，AI及ML在扫描中能更快、更准确地检测出异常现象。

使用AI及ML项目来检测可能被人眼漏看的异常现象，正不断改良诊断，为病人提供更好的护理。下面是几个例子：斯坦福大学的研究员已经研发出解读胸部X光片的算法，这种解读不仅和放射科医生的一样准确，且用时很短。医生使用Viz.ai公司的技术能节约宝贵的诊断时间，具体方法是在重大损伤发生前运用科技快速、准确地检测出中风病人的血块。

在美国，25%的卫生保健费用皆为行政成本，这远超其他发达国家。AI能产生重大影响的一个重要领域即医学编码和医疗账款，AI能在该领域中研究出自动化方法。

汇总索赔数据可以让人们全面了解阿片类药物的购买情况。医疗保健公司可以通过机器学习程序和算法看到数据中的模型，以及在何处出现偏离模型的数据。因此医疗保健机构能转向预防和检测欺诈，而非“付费追逐”。根据美国公共广播公司新闻频道(PBS News) 的一篇文章，美国司法部称，“在美国将近1300万非法阿片类药物涉嫌欺诈和开具假账单，”其中涉及23名药剂师和19名护士。数据源的类型包括：电子健康记录 (EHR)、健康等级7(HL7)消息、医疗设备、台式机、服务器、存储设备、网络、门户网站、计费系统、患者管理系统。

据麻省理工研究员兼初创公司Insitro创始人达芙妮·柯勒 (Daphne Koller) 的一篇Medium文章称，大型制药公司一直在努力开发新型治疗方法。过去的几十年里，药物开发变得越来越困难、昂贵，因而无法满足许多患者的需求。药物的临床试验成功率徘徊在一位数；开发新药（一旦失败）的税前研发成本预计会超过25亿美元；30年前药物开发投资的回报为2亿美元，之后回报率逐年呈线性下降；据一些分析估计，2020年前这一数字将降至0%。

人类基因组计划 (HGP) 的第一次人类基因组测序花费了近13年时间，耗资27亿英镑。从那时起，技术进步使得单个基因组测序的时间和成本大幅下降。医疗保健服务开始使用基因组测序，读取患者数据，并根据个体独特的遗传特征为病人定制并优化护理。除了基因组测序技术的进步，大数据和云技术在医学领域的广泛应用也使得精准医学有了新进展。

机器学习算法使用云计算数据湖和数据仓库来识别模式并进行预测。这些数据湖和数据仓库能够清理（在数据中创建一个单一的“真实来源”）并存储大量数据，从而统一多个医疗保健系统。这样通过电子健康记录，可以为人们提供更好且更有针对性的护理。

肿瘤学和癌症研究通过研究癌症遗传学，在精准医学上进行大量投资。在某些情况下，癌症可能是受基因遗传驱动，而非其在患者体内的物理位置。佛罗里达州坦帕市莫菲特癌症中心 (Moffitt Cancer Center) 一直致力于整合分子基因组学、人口统计学和试验的结果，为每位患者建立模型。

有时不相容的治疗方法和药物会有风险，精准医学不仅能降低风险，还提供新的解决方案，以抗击疾病、提供医疗服务。一家名为深度基因组学 (Deep Genomics) 的初创公司利用人工智能和基因组为每位病人找到最佳的药物疗法。越来越多的医疗保健组织开始投资、试验并将新兴技术整合到他们的系统中，这将打破、改变传统的医疗保健模式。

尽管大量的使用案例和证据表明，在医疗保健行业使用人工智能和机器学习益处颇多，且每年流入该行业的风投资金也越来越多，但医疗保健和科技初创企业仍然面临一系列挑战，巨大的潜在市场所面临的挑战，不是仅仅通过技术改进就能化解的。

医疗保健组织必须学会信任、使用算法，这意味着医保组织希望看到算法的临床验证。到目前为止，在没有大量证据验证结果的情况下，有些人仍对全面采用人工智能工具持谨慎或犹豫的态度。埃森哲咨询公司 (Accenture) 进行的一项数字健康调查显示，持怀疑态度的不仅仅是医生：大约25%的受访者尚未准备好人工智能提供的健康服务。许多人有些担忧这项技术，比如他们不理解人工智能工作的方式，或者担心这项技术会真正地“读懂”他们。

另一个挑战与规模有关。通常在有限范围内，测试的概念验证 (POC) 或试点项目可能尚未准备好在大型机构中推出。另一个问题是，目前先进的技术解决方案在初期对于较小的地区和农村医疗机构来说可能过于昂贵。

最后，考虑到当前健康产业涉及到规模巨大且极具多样性的利益相关者。人工智能对医疗管理人员、临床从业人员、患者的医疗保健 *** 作及治疗产生的影响将有一些推动作用。摩根士丹利 (Morgan Stanley) 估计前景还是不错的，全球医疗领域人工智能市场将从现在的13亿美元飙升至2024年的100亿美元，年复合增长率为40%。