未来十年，AI对医疗领域的影响

　　随着医疗领域的不断发展，医疗的本质开始从基础整体医疗向精准个体医疗转变，在这个过程中我们会看到机器学习在医疗领域中的大量投资和相关应用进展。

　　在机器学习技术中，我们已经看到的一个呈现爆炸式发展的技术是自然语言处理(NLP)。这是一个计算机“自己学习”的应用，它是基于学习理解的反馈循环，通过神经网络构建的预测算法。并且随着摄取和分析的经验数据不断增加，计算机将变得越来越聪明。

　　无论是医院、健康计划、医疗集团、制药公司还是医疗器械制造商，为了提高医疗质量的同时降低成本，未来十年的重点将在于针对个体患者的创新技术和数据驱动的解决方案。机器学习在这方面将起到非常重要的作用，它可以让整个医疗系统不断地“学习”，并将这些见解应用于个体患者的实时决策上。

　　经典回归技术是基于传统预测分析引擎的技术，如今的机器学习平台在此之上扩展版，以便能够驾驭更加动态的、更加个性化的患者数据。然而，实时全面地利用大数据是数据科学家们的梦想。计算机能够分析成千上万个互不相同并且不断发展的数据点，并提出对患者的预测和更精准的治疗方案，这种情况导致了许多临床状况的规则改变。

　　我们已经看到机器学习在真实世界中的应用，并有望提高医疗效率。得益于自然语言处理(NLP)的应用，管理型医疗机构和健康计划公司不再需要耗尽稀缺和昂贵的人力资源，去手动阅读和分析数百万病人的医疗记录，并提交给CMS和其他监管机构进行数据审核。NLP机器学习现在可以用来预先筛选医疗记录，比传统的人体临床检查方法更有效率和完整性。

　　AI会改变医疗体系，影响医生和医院

　　美国的医疗体系受困于成本的上涨和效率的低下，导致了其医疗服务和沟通零散的特性。机器学习和NLP以及其他AI相关方法可以快速整合分散的数据资源，有希望解决这个痛点。目标是在医疗服务过程中给出一种个性化的患者分析结果，从而改变付费者、提供者和其他医疗机构与患者的接触方式。

　　因此，大数据平台可以给机器学习提供养料，从而影响医疗系统和临床医师。临床医师正在从决策的提供者，过渡到在患者分析指导下的方案选择者。通过机器学习技术产生的扩展数据和分析模型，还将提升整个医疗领域中其他方面的效率，其中包括减少医疗错误、改善癌症检测和诊断精神状况。

　　但是即将到来更有想象空间。以远程医疗为例，在不久的将来，临床医生能够在虚拟访问期间实时获取患者的临床资料，并在个人独特的基因型、表现型和社会经济情况等多种因素的指导下给出临床建议。这进一步延伸了精准医疗。

　　医生和医院应当准备好AI的来临

　　在众多的AI技术之中，机器学习和NLP正在慢慢地成为医疗过程中的一部分，越来越多的医疗利益相关者正在用这些技术进行投资，这些技术在很大程度上依赖于能够整合复杂数据输入的操作系统。在药物的发现和商业化中，数据正在改变传统临床试验模式，药物使用常常伴随着诊断结果，确保正确的药物在正确的时间到达正确的患者。

　　医疗服务方已经准备好使用机器学习和其他与AI相关的技术，通过增加对可扩展模块化平台的投资，将关键的患者分析能力直接赋予临床工作中。医院、整合型服务集团、责任关怀组织、独立医师协会和其他医生集团现在意识到，他们必须拥抱能够进行大规模数据集成和聚合的技术平台，从而加强对数据的分析能力。

　　最终，临床医生应该花费更多的时间在患者身上，以数据来驱动恰恰可以实现这一点。这是一个目标，也许不会很理想。但是到了下一个十年底，几乎所有的数据都与患者有关，无论来源是他们的基因型和表现型、他们的自我评论、还是可穿戴装置，甚至可以深入了解到患者前一天晚上在便利店购物的情况，把这些数据汇总和分析，以此来改善患者的医疗服务质量。当这种情况发生时，我们无疑将在从基础整体医疗转向精准个体医疗，机器学习和AI相关技术将成为其中的重要原因。