疾病监测
在疾病监测领域, 借助基于机器学习或认知系统的预测模型, 医生可以根据患者的特征对其是否会患上慢性疾病进行风险预估, 无需坚持既定的护理计划或让患者重复入院治疗. 这样的早期干预可以大大降低患者的医疗费用. Montefiore Health System部署了基于英特尔®至强®处理器上的数据分析平台, 该平台可实时分析各种大量原始数据, 帮助临床医生为患者确定最佳治疗计划. 同时还可以利用规范模型来识别病人呼吸衰竭的风险, 这样医护人员就可以采取预警措施, 从而及时干预, 挽救生命并节约资源.
临床环境
在临床环境中也可以利用基于机器学习的模型, 常见的预测模型包括使用电子病历数据来评估在医院内感染疾病的风险, 通过操作模型预测病人进入急症室的概率等. 英特尔与夏普医疗共同开发的快速反应团队模型, 可以根据电子病历中的数据预测哪些病人需要快速反应小组的干预. 同时通过该模型, 医院也可以迅速找到相应的急救人员和设备, 进而缩短响应时间. 在利用历史数据对模型进行测试的实验中, 预估患者需要快速反应小组干预的准确率约为80%.
成像分析
利用深度学习分析医学图像也是人工智能技术在医疗领域的重要应用之一. 在这方面英特尔已经与业界合作伙伴合作, 利用深度学习技术分析医学图像来进行肿瘤检测. 在与GE医疗的合作中, GE医疗集团采用英特尔®至强®可扩展平台, 将成像设备的总体拥有成本降低25% . 通过与GE Healthcare的成像解决方案配合使用, 英特尔至强可扩展平台可以帮助放射科医师提高阅读效率, 第一张图像显示时间降至2秒以下, 全部研究加载时间降至8秒以下.
虚拟服务
人工智能的第四个用例是以远程医疗为代表的虚拟服务. 远程医疗的应用为企业和消费者提供了更为丰富的解决方案, 住院医疗机器人InTouch Health就是新颖解决方案的代表之一. 同时, 由此产生的视频数据集可用于开发人工智能解决方案, 进而完善临床诊断. 例如在远程中风疾病诊断的案例中, 基于深度学习的模型可以识别患者的早期中风特征, 继而提高诊断正确率并大大缩短诊疗时间.
虚拟现实
人工智能的第五个用例是创建下一代虚拟现实助手. 在未来, 人工智能可以在虚拟现实会话中对参与者的交互进行响应. 患者可以与虚拟环境进行交互, 并观察病情可能发生的变化. 在外科训练方面, 人工智能可以用来分析图像, 进而识别顶级外科医生的最佳做法, 这些方法可以被反馈到模拟中, 并可以随着时间的推移不断获得改进.
总之, 数字化转型为医疗健康领域带来了新机会, 在转型的过程中, 医疗组织应该将数据作为核心能力来提升业务流程和患者体验. 随着计算分析能力的进一步提升, 人工智能在医疗健康领域的应用场景将更加丰富.