隨著醫(yī)療領(lǐng)域的不斷發(fā)展,，醫(yī)療的本質(zhì)開始從基礎(chǔ)整體醫(yī)療向精準(zhǔn)個(gè)體醫(yī)療轉(zhuǎn)變,，在這個(gè)過程中我們會(huì)看到機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域中的大量投資和相關(guān)應(yīng)用進(jìn)展。

　　在機(jī)器學(xué)習(xí)技術(shù)中,，我們已經(jīng)看到的一個(gè)呈現(xiàn)爆炸式發(fā)展的技術(shù)是自然語言處理(NLP)。這是一個(gè)計(jì)算機(jī)“自己學(xué)習(xí)”的應(yīng)用,，它是基于學(xué)習(xí)理解的反饋循環(huán),，通過神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測算法。并且隨著攝取和分析的經(jīng)驗(yàn)數(shù)據(jù)不斷增加,，計(jì)算機(jī)將變得越來越聰明,。

　　無論是醫(yī)院、健康計(jì)劃,、醫(yī)療集團(tuán),、制藥公司還是醫(yī)療器械制造商，為了提高醫(yī)療質(zhì)量的同時(shí)降低成本,，未來十年的重點(diǎn)將在于針對(duì)個(gè)體患者的創(chuàng)新技術(shù)和數(shù)據(jù)驅(qū)動(dòng)的解決方案,。機(jī)器學(xué)習(xí)在這方面將起到非常重要的作用，它可以讓整個(gè)醫(yī)療系統(tǒng)不斷地“學(xué)習(xí)”,，并將這些見解應(yīng)用于個(gè)體患者的實(shí)時(shí)決策上,。

　　經(jīng)典回歸技術(shù)是基于傳統(tǒng)預(yù)測分析引擎的技術(shù)，如今的機(jī)器學(xué)習(xí)平臺(tái)在此之上擴(kuò)展版,，以便能夠駕馭更加動(dòng)態(tài)的,、更加個(gè)性化的患者數(shù)據(jù)。然而,，實(shí)時(shí)全面地利用大數(shù)據(jù)是數(shù)據(jù)科學(xué)家們的夢(mèng)想,。計(jì)算機(jī)能夠分析成千上萬個(gè)互不相同并且不斷發(fā)展的數(shù)據(jù)點(diǎn)，并提出對(duì)患者的預(yù)測和更精準(zhǔn)的治療方案,，這種情況導(dǎo)致了許多臨床狀況的規(guī)則改變,。

　　我們已經(jīng)看到機(jī)器學(xué)習(xí)在真實(shí)世界中的應(yīng)用，并有望提高醫(yī)療效率,。得益于自然語言處理(NLP)的應(yīng)用,，管理型醫(yī)療機(jī)構(gòu)和健康計(jì)劃公司不再需要耗盡稀缺和昂貴的人力資源，去手動(dòng)閱讀和分析數(shù)百萬病人的醫(yī)療記錄,，并提交給CMS和其他監(jiān)管機(jī)構(gòu)進(jìn)行數(shù)據(jù)審核,。NLP機(jī)器學(xué)習(xí)現(xiàn)在可以用來預(yù)先篩選醫(yī)療記錄,，比傳統(tǒng)的人體臨床檢查方法更有效率和完整性。

　　AI會(huì)改變醫(yī)療體系,，影響醫(yī)生和醫(yī)院

　　美國的醫(yī)療體系受困于成本的上漲和效率的低下,，導(dǎo)致了其醫(yī)療服務(wù)和溝通零散的特性。機(jī)器學(xué)習(xí)和NLP以及其他AI相關(guān)方法可以快速整合分散的數(shù)據(jù)資源,，有希望解決這個(gè)痛點(diǎn),。目標(biāo)是在醫(yī)療服務(wù)過程中給出一種個(gè)性化的患者分析結(jié)果，從而改變付費(fèi)者,、提供者和其他醫(yī)療機(jī)構(gòu)與患者的接觸方式,。

　　因此，大數(shù)據(jù)平臺(tái)可以給機(jī)器學(xué)習(xí)提供養(yǎng)料,，從而影響醫(yī)療系統(tǒng)和臨床醫(yī)師,。臨床醫(yī)師正在從決策的提供者，過渡到在患者分析指導(dǎo)下的方案選擇者,。通過機(jī)器學(xué)習(xí)技術(shù)產(chǎn)生的擴(kuò)展數(shù)據(jù)和分析模型,，還將提升整個(gè)醫(yī)療領(lǐng)域中其他方面的效率，其中包括減少醫(yī)療錯(cuò)誤,、改善癌癥檢測和診斷精神狀況,。

　　但是即將到來更有想象空間。以遠(yuǎn)程醫(yī)療為例,，在不久的將來,，臨床醫(yī)生能夠在虛擬訪問期間實(shí)時(shí)獲取患者的臨床資料,，并在個(gè)人獨(dú)特的基因型,、表現(xiàn)型和社會(huì)經(jīng)濟(jì)情況等多種因素的指導(dǎo)下給出臨床建議。這進(jìn)一步延伸了精準(zhǔn)醫(yī)療,。

　　醫(yī)生和醫(yī)院應(yīng)當(dāng)準(zhǔn)備好AI的來臨

　　在眾多的AI技術(shù)之中,，機(jī)器學(xué)習(xí)和NLP正在慢慢地成為醫(yī)療過程中的一部分，越來越多的醫(yī)療利益相關(guān)者正在用這些技術(shù)進(jìn)行投資,，這些技術(shù)在很大程度上依賴于能夠整合復(fù)雜數(shù)據(jù)輸入的操作系統(tǒng),。在藥物的發(fā)現(xiàn)和商業(yè)化中，數(shù)據(jù)正在改變傳統(tǒng)臨床試驗(yàn)?zāi)Ｊ?，藥物使用常常伴隨著診斷結(jié)果,，確保正確的藥物在正確的時(shí)間到達(dá)正確的患者。

　　醫(yī)療服務(wù)方已經(jīng)準(zhǔn)備好使用機(jī)器學(xué)習(xí)和其他與AI相關(guān)的技術(shù),，通過增加對(duì)可擴(kuò)展模塊化平臺(tái)的投資,，將關(guān)鍵的患者分析能力直接賦予臨床工作中。醫(yī)院,、整合型服務(wù)集團(tuán),、責(zé)任關(guān)懷組織,、獨(dú)立醫(yī)師協(xié)會(huì)和其他醫(yī)生集團(tuán)現(xiàn)在意識(shí)到，他們必須擁抱能夠進(jìn)行大規(guī)模數(shù)據(jù)集成和聚合的技術(shù)平臺(tái),，從而加強(qiáng)對(duì)數(shù)據(jù)的分析能力,。

　　最終，臨床醫(yī)生應(yīng)該花費(fèi)更多的時(shí)間在患者身上,，以數(shù)據(jù)來驅(qū)動(dòng)恰恰可以實(shí)現(xiàn)這一點(diǎn),。這是一個(gè)目標(biāo)，也許不會(huì)很理想,。但是到了下一個(gè)十年底,，幾乎所有的數(shù)據(jù)都與患者有關(guān)，無論來源是他們的基因型和表現(xiàn)型,、他們的自我評(píng)論,、還是可穿戴裝置，甚至可以深入了解到患者前一天晚上在便利店購物的情況,，把這些數(shù)據(jù)匯總和分析,，以此來改善患者的醫(yī)療服務(wù)質(zhì)量。當(dāng)這種情況發(fā)生時(shí),，我們無疑將在從基礎(chǔ)整體醫(yī)療轉(zhuǎn)向精準(zhǔn)個(gè)體醫(yī)療,，機(jī)器學(xué)習(xí)和AI相關(guān)技術(shù)將成為其中的重要原因。