|
||||
|
||||
 |
人工智能在這幾年間的發展側重點已漸從知識工程轉向機器學習方面。深層學習功能對于篩選大量數據起著至關重要的作用。打個比方，自駕車平均每一秒處理來自數十個傳感器產生的超過千兆字節的數據，做出駕駛艙內的每一項決定。這種以數據驅動的方法，省卻了人們制定計算機決策規則的負擔；從機器學習的角度來看，大量的訓練數據則能幫助緩解模型過擬合問題對統計上所可能造成的問題。
在醫療領域亦是如此。除了IBM沃森醫療之外，這些新興AI技術迄今已在改造醫療業、加速其數字轉型的多個方面，提供了無盡的機遇。隨著使用案例迅速增長，AI在運營和臨床領域的成功應用，更數不勝數。
于此同時，市場更見一波投資流向AI創企。
市場一項研究顯示：人工智能在醫療行業的市場值，預計在未來五年將增長10倍以上，達到66億美元，復合增長率將超過40％。同時，AI將為醫療業節省多達1500億美元的運作成本，其中涉及廣泛的應用，包括機器人輔助手術、臨床診斷、治療選擇以及運營效率等。
AI基本上已準備好迎接黃金期的到來，尤其是在非任務關鍵型的應用程序方面。AI系統可以幫助護士從病人門戶網站更快地分類問題；輔助引擎可以在后臺運行，以方便放射科醫生發現可能被忽視的異常狀況；認知計算平臺可以實時分析病患者情緒，提高病患者對24小時醫療熱線的滿意度等。
另一個很好的例子是數據豐富的電子健康記錄系統（EHR）。美國90％以上的醫院已開始使用EHR系統來記錄人口、診斷、治療和付款等信息；但EHR成為“智能”系統的潛力，遠遠大于此。
在操作層面上，自治系統和機器人程序自動化（RPA）利用預定規則運行軟件，消除了人為干預的需要，尤其是在如健康計劃中獲取福利資格信息，以及管理例常的IT基礎設施操作等方面。更多的情況下，這些工具（人們慣稱“機器人”）可以從請求模式中學習，并不斷修復或更新其算法，隨著時間的推移更加智能化。
在更先進的應用水平上，認知技術和人工智能系統通過神經網絡和貝葉斯模型的技術，幫助這些技術仿效人類的思維方式，進行推理和判斷并做出決策。
當然，AI仍不完美，醫療牽涉的也絕對不如自動駕駛汽車那么簡單直白，甚至還要復雜得多。人工智能、認知技術、機器人程序自動化、自治系統、機器學習、深層學習；這些技術充其量是幫助增強人類智能，卻絕對無法取代它。人類依然會是關鍵任務應用程序智慧的“黃金標準”，醫生更不可能因為AI應用的迅速發展，而完全被機器取代。
但是過去只出現在科幻小說和電影中的“未來”AI，已真真實實地發生在醫療領域里，并且擺在我們眼前。
（來源：InfoComm展會）
