北京2018年4月27日電 /美通社/ -- 在近日的O’Reilly和英特爾人工智能大會(huì)上，英特爾人工智能產(chǎn)品事業(yè)部副總裁、人工智能實(shí)驗(yàn)室和軟件總經(jīng)理Arjun Bansal指出，目前醫(yī)療行業(yè)主要有三大挑戰(zhàn)，第一是數(shù)據(jù)量特別大，而且不斷地在增加；第二是臨床醫(yī)生不夠多，第三是高額的時(shí)間和花費(fèi)成本。為了解決這三大類(lèi)的問(wèn)題和挑戰(zhàn)，英特爾正在借助領(lǐng)先的人工智能技術(shù)產(chǎn)品組合，與眾多國(guó)內(nèi)外行業(yè)合作伙伴在疾病監(jiān)測(cè)、臨床環(huán)境、成像分析、虛擬服務(wù)以及虛擬現(xiàn)實(shí)助手等領(lǐng)域積極部署人工智能解決方案，為醫(yī)療領(lǐng)域的數(shù)據(jù)處理提供技術(shù)支撐，推動(dòng)醫(yī)療領(lǐng)域的智能化，擴(kuò)展精準(zhǔn)醫(yī)療領(lǐng)域的邊界。
疾病監(jiān)測(cè)
在疾病監(jiān)測(cè)領(lǐng)域，借助基于機(jī)器學(xué)習(xí)或認(rèn)知系統(tǒng)的預(yù)測(cè)模型，醫(yī)生可以根據(jù)患者的特征對(duì)其是否會(huì)患上慢性疾病進(jìn)行風(fēng)險(xiǎn)預(yù)估，無(wú)需堅(jiān)持既定的護(hù)理計(jì)劃或讓患者重復(fù)入院治療。這樣的早期干預(yù)可以大大降低患者的醫(yī)療費(fèi)用。Montefiore Health System部署了基于英特爾®至強(qiáng)®處理器上的數(shù)據(jù)分析平臺(tái)，該平臺(tái)可實(shí)時(shí)分析各種大量原始數(shù)據(jù)，幫助臨床醫(yī)生為患者確定較佳治療計(jì)劃。同時(shí)還可以利用規(guī)范模型來(lái)識(shí)別病人呼吸衰竭的風(fēng)險(xiǎn)，這樣醫(yī)護(hù)人員就可以采取預(yù)警措施，從而及時(shí)干預(yù)、挽救生命并節(jié)約資源。
臨床環(huán)境
在臨床環(huán)境中也可以利用基于機(jī)器學(xué)習(xí)的模型，常見(jiàn)的預(yù)測(cè)模型包括使用電子病歷數(shù)據(jù)來(lái)評(píng)估在醫(yī)院內(nèi)感染疾病的風(fēng)險(xiǎn)，通過(guò)操作模型預(yù)測(cè)病人進(jìn)入急癥室的概率等。英特爾與夏普醫(yī)療共同開(kāi)發(fā)的快速反應(yīng)團(tuán)隊(duì)模型，可以根據(jù)電子病歷中的數(shù)據(jù)預(yù)測(cè)哪些病人需要快速反應(yīng)小組的干預(yù)。同時(shí)通過(guò)該模型，醫(yī)院也可以迅速找到相應(yīng)的急救人員和設(shè)備，進(jìn)而縮短響應(yīng)時(shí)間。在利用歷史數(shù)據(jù)對(duì)模型進(jìn)行測(cè)試的實(shí)驗(yàn)中, 預(yù)估患者需要快速反應(yīng)小組干預(yù)的準(zhǔn)確率約為80%。
成像分析
利用深度學(xué)習(xí)分析醫(yī)學(xué)圖像也是人工智能技術(shù)在醫(yī)療領(lǐng)域的重要應(yīng)用之一。在這方面英特爾已經(jīng)與業(yè)界合作伙伴合作，利用深度學(xué)習(xí)技術(shù)分析醫(yī)學(xué)圖像來(lái)進(jìn)行腫瘤檢測(cè)。在與GE醫(yī)療的合作中，GE醫(yī)療集團(tuán)采用英特爾®至強(qiáng)®可擴(kuò)展平臺(tái)，將成像設(shè)備的總體擁有成本降低25%。通過(guò)與GE Healthcare的成像解決方案配合使用，英特爾至強(qiáng)可擴(kuò)展平臺(tái)可以幫助放射科醫(yī)師提高閱讀效率，第一張圖像顯示時(shí)間降至2秒以下，全部研究加載時(shí)間降至8秒以下。
虛擬服務(wù)
人工智能的第四個(gè)用例是以遠(yuǎn)程醫(yī)療為代表的虛擬服務(wù)。遠(yuǎn)程醫(yī)療的應(yīng)用為企業(yè)和消費(fèi)者提供了更為豐富的解決方案，住院醫(yī)療機(jī)器人InTouch Health就是新穎解決方案的代表之一。同時(shí)，由此產(chǎn)生的視頻數(shù)據(jù)集可用于開(kāi)發(fā)人工智能解決方案，進(jìn)而完善臨床診斷。例如在遠(yuǎn)程中風(fēng)疾病診斷的案例中，基于深度學(xué)習(xí)的模型可以識(shí)別患者的早期中風(fēng)特征，繼而提高診斷正確率并大大縮短診療時(shí)間。
虛擬現(xiàn)實(shí)
人工智能的第五個(gè)用例是創(chuàng)建下一代虛擬現(xiàn)實(shí)助手。在未來(lái)，人工智能可以在虛擬現(xiàn)實(shí)會(huì)話(huà)中對(duì)參與者的交互進(jìn)行響應(yīng)?；颊呖梢耘c虛擬環(huán)境進(jìn)行交互，并觀(guān)察病情可能發(fā)生的變化。在外科訓(xùn)練方面，人工智能可以用來(lái)分析圖像，進(jìn)而識(shí)別頂級(jí)外科醫(yī)生的較佳做法，這些方法可以被反饋到模擬中，并可以隨著時(shí)間的推移不斷獲得改進(jìn)。
總之，數(shù)字化轉(zhuǎn)型為醫(yī)療健康領(lǐng)域帶來(lái)了新機(jī)會(huì)，在轉(zhuǎn)型的過(guò)程中，醫(yī)療組織應(yīng)該將數(shù)據(jù)作為核心能力來(lái)提升業(yè)務(wù)流程和患者體驗(yàn)。隨著計(jì)算分析能力的進(jìn)一步提升，人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用場(chǎng)景將更加豐富。
