在近日的O’Reilly和英特爾人工智能大會上，英特爾人工智能產(chǎn)品事業(yè)部副總裁、人工智能實驗室和軟件總經(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，第三是高額的時間和花費成本。為了解決這三大類的問題和挑戰(zhàn)，英特爾正在借助領(lǐng)先的人工智能技術(shù)產(chǎn)品組合，與眾多國內(nèi)外行業(yè)合作伙伴在疾病監(jiān)測、臨床環(huán)境、成像分析、虛擬服務(wù)以及虛擬現(xiàn)實助手等領(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，推動醫(yī)療領(lǐng)域的智能化，擴展精準醫(yī)療領(lǐng)域的邊界。

疾病監(jiān)測

在疾病監(jiān)測領(lǐng)域，借助基于機器學習或認知系統(tǒng)的預測模型，醫(yī)生可以根據(jù)患者的特征對其是否會患上慢性疾病進行風險預估，無需堅持既定的護理計劃或讓患者重復入院治療。這樣的早期干預可以大大降低患者的醫(yī)療費用。Montefiore Health System部署了基于英特爾®至強®處理器上的數(shù)據(jù)分析平臺，該平臺可實時分析各種大量原始數(shù)據(jù)，幫助臨床醫(yī)生為患者確定最佳治療計劃。同時還可以利用規(guī)范模型來識別病人呼吸衰竭的風險，這樣醫(yī)護人員就可以采取預警措施，從而及時干預、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器學習的模型，常見的預測模型包括使用電子病歷數(shù)據(jù)來評估在醫(yī)院內(nèi)感染疾病的風險，通過操作模型預測病人進入急癥室的概率等。英特爾與夏普醫(yī)療共同開發(fā)的快速反應團隊模型，可以根據(jù)電子病歷中的數(shù)據(jù)預測哪些病人需要快速反應小組的干預。同時通過該模型，醫(yī)院也可以迅速找到相應的急救人員和設(shè)備，進而縮短響應時間。在利用歷史數(shù)據(jù)對模型進行測試的實驗中， 預估患者需要快速反應小組干預的準確率約為80%。

成像分析

利用深度學習分析醫(yī)學圖像也是人工智能技術(shù)在醫(yī)療領(lǐng)域的重要應用之一。在這方面英特爾已經(jīng)與業(yè)界合作伙伴合作，利用深度學習技術(shù)分析醫(yī)學圖像來進行腫瘤檢測。在與GE醫(yī)療的合作中， GE醫(yī)療集團采用英特爾®至強®可擴展平臺，將成像設(shè)備的總體擁有成本降低25％。通過與GE Healthcare的成像解決方案配合使用，英特爾至強可擴展平臺可以幫助放射科醫(yī)師提高閱讀效率，第一張圖像顯示時間降至2秒以下，全部研究加載時間降至8秒以下。

虛擬服務(wù)

人工智能的第四個用例是以遠程醫(yī)療為代表的虛擬服務(wù)。遠程醫(yī)療的應用為企業(yè)和消費者提供了更為豐富的解決方案，住院醫(yī)療機器人InTouch Health就是新穎解決方案的代表之一。同時，由此產(chǎn)生的視頻數(shù)據(jù)集可用于開發(fā)人工智能解決方案，進而完善臨床診斷。例如在遠程中風疾病診斷的案例中，基于深度學習的模型可以識別患者的早期中風特征，繼而提高診斷正確率并大大縮短診療時間。

虛擬現(xiàn)實

人工智能的第五個用例是創(chuàng)建下一代虛擬現(xiàn)實助手。在未來，人工智能可以在虛擬現(xiàn)實會話中對參與者的交互進行響應?；颊呖梢耘c虛擬環(huán)境進行交互，并觀察病情可能發(fā)生的變化。在外科訓練方面，人工智能可以用來分析圖像，進而識別頂級外科醫(yī)生的最佳做法，這些方法可以被反饋到模擬中，并可以隨著時間的推移不斷獲得改進。

總之，數(shù)字化轉(zhuǎn)型為醫(yī)療健康領(lǐng)域帶來了新機會，在轉(zhuǎn)型的過程中，醫(yī)療組織應該將數(shù)據(jù)作為核心能力來提升業(yè)務(wù)流程和患者體驗。隨著計算分析能力的進一步提升，人工智能在醫(yī)療健康領(lǐng)域的應用場景將更加豐富。