大數據及人工智慧將會顛覆我們的生活

大數據及人工智慧將會顛覆我們的生活

在 2013 年，數據還只是處於緩慢增長的狀態，達到4.4 ZB，但emc 預計這一數字每兩年就會翻一倍，到 2020 年將會達到 44 ZB，也就是 440 億 GB 的驚人數量。

如果少了人工智慧對浩如煙海的這些數據進行整理及計算，人類必然無所適從。誠然，我們遠沒有達到強人工智慧的階段，但在弱人工智慧層面上，我們已經取得了一定的成就。Siri、Cortana、OK Google，還有 Echo，都能在短時間內對人類所提的簡單問題進行快速檢索並給出解答。

而人類也在人工智慧上嘗試走得更遠，更貼近我們的生活。例如 2015 年 9 月的 DoNotPay，這款應用軟體由 19 歲的史丹佛學生 Joshua Bowder 開發，能在 1 分鐘內處理亂收費的停車罰單。截至 6 月，這款應用軟體已經在紐約及倫敦處理了 25 萬張罰單裡的 16 萬張，成功率達到 64%。

想像一下，如果這種高效能應用軟體在健康領域，是否能拯救不少人的生命？

人工智慧與健康領域的結合能夠讓病人就診流程更加便利，醫生也能合理安排手術日程，甚至還能為醫生們在看病時提供決策建議。一名就職於 Sutter Health 的數據科學家 Andy Schuetz 表示，「雖然我不知道成熟的人工智慧演算法可能會花 2 年還是 10 年才能實現，但這一願景正在實現。」

只需環顧一下人工智慧市場的健康領域，你就會發現他所言不虛。雖然 IBM Watson 經常霸佔著 AI 健康領域的頭條，但是還有不少熟悉的名字也出現在了這個板塊中：戴爾、蘋果、日立研究院、Alchemy API、Lumiata……而這也只是以管窺豹。

目前已經有不少人工智慧在健康領域實踐的成功案例，無疑也預示著它的樂觀前景。接下來帶大家一起看看幾個比較熱門的健康領域：

資料挖掘

健康領域與人工智慧結合，最簡單的聯想自然是資料管理。收集、儲存、同構並追蹤它的來源，這些著實會對現有的健康系統帶來顛覆。Google 的 DeepMind Health 計畫對大量的就診紀錄進行挖掘，為患者提供更好更高效的健康服務體驗。雷鋒網之前也報導過 DeepMind 與英國國家醫療服務體系（NHS）進行了二度合作，將和 Moorfields 眼科醫院一同開發辨識視覺疾病的機器學習系統。

智慧診斷

雷鋒網之前提過 IBM Watson 的腫瘤治療計畫，它能夠為醫生提供基於數據支持的診療計畫。透過對病歷中結構化或非結構化的數據及報告進行整理，Watson 得以結合病人的資料及臨床專業知識，制定出病人所適合的治療計畫。

醫學影像輔助診斷

IBM 的另一個名為 Medical Sieve 的演算法就能擔任「辨識助手」的工作，對於放射科及心臟科的醫學影像圖片，它能夠在短時間內輔助分析，並給出可靠的診斷建議。這樣一來，放射科醫生只需要對一些疑難病症進行再次核查，工作壓力就會大大降低。

初創公司 Enlitic 就是利用人工智慧輔助醫學影像診斷，並藉助深度學習從海量資料中不斷獲取診斷的特徵點，並將其運用到實際診斷領域。

線上就診

如果覺得身體有些不適，是選擇去醫院看看，還是能有更簡便的方法？以 Babylon 為代表的人工智慧健康諮詢系統就能辦到這一點。系統能夠基於用戶以往的病史以及常識性的醫學資料，根據用戶與線上人工智慧系統對話時所列舉的症狀，給出初步的診斷結果和具體的應對措施。此外，系統還能提醒用戶定時服藥，並即時監測用戶的身體狀況。這樣的解決方式能夠將病人就診的時間縮短數倍，還能節省用戶去醫院等待就診的時間，實現醫患資源的合理配置。

健康助理及用藥管理

Molly 是 Sense.ly 推出的一款虛擬護士，臉上永遠掛著親和微笑的她，能夠幫助患者更好地接受治療。患者的慢病管理需要定期復診，並和醫生長期保持溝通，系統能夠以機器學習的方式不斷更新患者的情況，並給出個性化的護理建議。

除此之外，一些能輔助用藥管理的人工智慧應用軟體也慢慢浮出水面，美國國家健康部背書的 AiCure 通過手機鏡頭及人工智慧，能夠確認病人是否能遵循處方服藥。

基因組學

人工智慧甚至能夠為基因治療提供極大的幫助。Deep Genomics 旨在透過海量的遺傳資訊及醫療診斷數據集，尋找遺傳資訊及疾病的聯繫。他們採用的新一代計算系統能夠對 DNA 進行判斷，告知醫生可能出現的變異。

而人類基因組學之父 Craig Venter 同樣也看好人工智慧對基因組學的前景，他創立的 Human Longevity 能夠為用戶提供完整的基因序列，並在早期就指出因先天基因可能導致的患癌風險。

新藥挖掘

典型公司當 Atomwise 為首，這家公司採用超級電腦從藥物的分子結構庫溯源，研發具有針對性的藥物。2015 年，Atomwise 基於現有安全藥物，成功透過演算法尋找到能夠控制伊波拉病毒的兩種藥物。以往要做一個能得到類似結論的研究，需要耗費數月甚至是幾年的時間，而現在 Atomwise 只用了不到一天的時間。公司的 COO Alexander Levy 表示，「有了像 Atomwise 這樣的公司，你可以想像將會有多少人能在下一次流行病中存活下來。」

Berg Health 也是一家利用大數據協助病人管理的公司，系統針對以往大量的診斷數據及患者的體徵資料，透過對成功療法的分析，結合人工智慧，為同樣患有此類疾病的患者提供診療方法參考，甚至創造出一種新的療法。

Open AI，幫助用戶做出更健康的決策

Open AI 生態即一種透過大量數據，結合自然語言處理技術的進步及社會意識演算法，將人工智慧更廣泛地應用於人類生活中的概念，在今年的世界經濟大會上被列為十大科技之一。

而在醫學及健康領域上，這更能為人們帶來福祉。大量的病歷數據，來自可穿戴裝置的即時追蹤數據，不僅能為用戶推薦更好的生活方式，更能為個性化診療提供重要的資訊參考。

以數據分析引導健康系統

在荷蘭，97% 的醫療發票可以被輕鬆檢索到，且隱藏著大量就診資訊。一家本地的分析公司 Zorgprisma Publiek 使用 IBM Watson 的雲端服務分析發票數據，並指出醫生是否因為在診斷特定疾病時總是採用某種療法而導致失敗。

以上就是人工智慧在醫學健康領域的比較熱門的幾個應用，相信在未來隨著人工智慧的發展，它在醫學領域的應用範圍會越來越廣。