人工智能与医疗，路在何方
深度学习
而深度学习则是当前医学人工智能开启医学大数据价值之门的主要手段，也将在未来医疗中扮演重要角色。尽管深度学习在医学方面的产出具有巨大的潜力，并且在过去几年中一直在加速发展，但仍处于最初阶段。可以想象，人工智能在未来将解决医学中的各种困境，并且将帮助人们将人工智能与医疗健康进行更好地融合。将医生的每一项具体任务外包给专业化的AI模型，例如解读放射科的影像，在医疗论文数据库中搜寻相近病例等。人机协作，是社会大分工必然的下一步，当分工越来越细，只从事一个细分任务的就应该是机器而不是人，而人所从事的整合与协调的工作则越来越重要。
深度共情
而深度医疗的第三个要点是深度共情，加深医疗从业者与患者的共情。通过技术进步，为医生节省出时间，从而让医生能够更多的和患者进行面对面的交流，让医生能够像对待一个活生生的人，而不是流水线上的一件产品式的对待患者。医患之间的“同理心”是医疗的本质，再先进的技术都不可替代它。
2000多年前，希波克拉底曾说过：“了解一个什么样的人得了病，比了解那个人得了什么病更重要。”1981年，罗伯特·卡利夫（RobertCaliff）与罗伯特·罗萨蒂（RobertRosati）发表了一篇关于运用计算机解释运动负荷试验后风险的社论，文章中写道：“对电子化数据的正确解读与运用，还是要靠有经验的医生，其重要性一点都不亚于历史数据来源。”也就是说，只要我们讨论的是人类，而非流水线上的零件，这便是一个永恒的原则。
《深度医疗》介绍
世界医生领导者、智能医疗发展领航人埃里克·托普将多年行业经验汇聚成著作HowArtificialIntelligenceCanMakeHealthcareHumanAgain，绘制深度医疗蓝图，指明智能时代医疗发展方向。OMAHA发起人郑杰结合时代背景，将此书翻译成《深度医疗》，赋予HowArtificialIntelligenceCanMakeHealthcareHumanAgain全新的解读视角。
《深度医疗》从互联网医疗、智能诊断、远程医疗、医疗信息化、虚拟医疗助手，到医院管理，展示了人工智能在医疗领域几乎所有的应用实例；从智能医疗的结构、实践意义、现存问题，到发展趋势……将行业的前世、今生、未来尽数道来。
作者介绍
埃里克·托普（EricJ.Topol）是美国心脏病学家，基因组学家、学者。他毕业于美国约翰霍金斯大学（JohnsHopkinsUniversity），他曾是克利夫兰医学中心（ClevelandClinic）的心血管科主任，现任加州斯克里普斯转化科学研究所（ScrippsTranslationalScienceInstitute）的创新药物研究教授兼主任。他在克里夫兰医学中心创办了世界上第一家基因银行。同时也是Medscape与theheart.org的主编。
译者介绍
树兰医疗集团总裁，浙江加州国际纳米技术研究院精准医学中心副主任，中华医学会国际数字医学学会副主席，中国非公医疗协会医院管理分会副会长。《颠覆医疗》推荐序作者，《未来医疗》译者。一席《聪明的病人》、TED《FutureofMedicine》讲者。拥有多年的数字医疗、社会资本办医等创业及投资经验。致力于推动对生命科学的研究、最新医疗与健康科技的天使投资、新型社会资本办医疗集团及医院运营管理等领域，同时积极推动医疗健康产业生态的数据开放运动。2015年，郑杰先生发起OMAHA（开放医疗与健康联盟），专注于通过行业联盟协作、开源开放的方式来实现健康信息技术的标准化，从而提高不同系统之间的互操作能力，提升行业规范化和整体效率。
亲笔签名版《深度医疗》！
返回搜狐，查看更多
人工智能在医疗行业中的应用与前景分析
①研发周期长；②研发成本高；③成功率低。
人工智能+药物挖掘能够有效缩短新药研发周期和降低失败风险。目前通过计算机模拟和借助深度学习，在抗肿瘤药物和常见传染病治疗药等获得了新的突破。目前仿制药占我国国产药的95%左右，药品产能过剩，并且重大创新较少，主要原因在于国内药企研发能力偏弱，研发经费占比低，仅3~5%，国外新药研发企业的研发经费则占15~20%。人工智能在药物挖掘的应用有望改变国内药物研发创新不足的格局。
(3)人工智能+个人健康管理。人工智能健康管理利用人体日常的身体数据，帮助个人实现精准有效的健康管理，从源头减少发病诱因，从而减少家庭医疗支出。2017年华尔街互联网行业权威MaryMeeker发布的《互联网趋势报告》指出，医疗卫生和保健已进入数字化拐点。百分之八十多的消费者使用可穿戴设备等健康数据，而这些结构化的健康数据将会作为数据源帮助消费者进行个人健康管理。
(4)人工智能+辅助诊断。人工智能辅助诊断将数据变为知识，按照数据流的视角大致分为五个步骤：数据集中、数据加工、知识图谱、知识计算、交互设计。具体而言，人工智能+辅助诊疗以患者的病史、症状、检验检查和用药等治疗方案为原始数据，整理出临床治疗经验，融合现存的医学知识，针对各种疾病建立医疗图谱。并在此基础上，通过“阅读”患者的病历或者是临床症状，结合后端的医疗图谱，为医生提示临床医疗方案，为患者提供诊疗方法参考并答疑解惑。
人工智能在医疗领域发展迅速的原因初探
(1)医疗健康产业供需严重不平衡。由于医疗资源缺乏和效率不高，目前我国卫生行业存在“看病难、看病贵”问题，没有办法满足人民群众不断增长的医疗需求。随着中国人口老龄化趋势下，疾病高发的数量日益增多，看病需求加大。但是受制于周期长、成本高等特点，培养更多的医务人员“这杯远水”解不了近渴。《2016年中国卫生和计划生育事业发展统计公报》显示，医院卫生技术人员数同比增长5.57%，低于诊疗人次6.17%的增幅，供给跟不上需求的增加。而人工智能在医疗领域上的运用可以大大降低成本和提高效率，弥补医疗健康产业供需严重不平衡。
(2)医疗领域有海量的大数据。国务院办公厅2016年6月发布《关于促进和规范健康医疗大数据应用发展的指导意见》，把生物学资源和医疗大数据作为国家的基础战略资源，纳入了国家大数据战略布局。据预计，医疗数据量到2020年将超过40万亿GB，并且还在以惊人的速度迅速增长。但我国的医疗数据分散在各个医疗机构，利用效率低。并且绝大部分是非结构化数据，大大超出了传统的数据计算处理能力。另外我国医疗数据分散在不同医院机构，深度利用率不高。人工智能领域计算机视觉、机器学习、深度学习等技术突破，可以激活这座沉睡的数据金矿。
(3)医疗行业特征和人工智能技术优势高度吻合。医疗是一个知识、数据密集型的行业。在对失误零容忍的前提下，极其依靠强大的知识储备和处理分析能力进行诊断治疗。
人工智能在医疗领域应用前景分析
人工智能的飞速发展大大提高了医疗数据处理深度和效率。借助大数据分析和深度学习，以及计算机24h不知疲倦等运转优势，人工智能可以将医疗失误降低40%左右。
人工智能未来将从医院、医生、医药、患者四个经营和服务主体出发，充分利用数据储存和处理优势，触及医疗设施设备、诊断、手术、医药电商、挂号问诊、医生社区及工具、慢病管理及可穿戴设备等商业版块，促进医疗服务行业的快速有效更替，为健康服务。
来源：傻儿司令-雪球
声明：本公众号尊重所有原创者的劳动成果，向所有原创者致。本文不代表天磊咨询观点，仅供读者参考。本文版权归原作者所有，如有侵权，请联系我们进行删除。返回搜狐，查看更多