看机器学习和商业智能如何改善医疗保健的

商业智能概念，如描述性，诊断性，预测性和规范性分析，听起来像医学术语，实际上可以用于挽救生命的医疗保健方式。

在以患者和以人为中心的医疗保健领域，我们对机器学习和商业智能如何改善患者护理以及节省宝贵时间和资源的理解才刚刚开始被发现。机器可以了解病人并帮助病人的想法正在变得越来越广泛地被医疗领域所接受。对许多人来说，这似乎是外国的，甚至危险的概念。

同样，在一个致力于帮助人们变得更好并保持良好状态的行业中谈论“商业智能”似乎也很奇怪，也就是说，直到我们意识到商业智能概念像描述性，诊断性，预测性和规范性分析这些听起来像医学术语，实际上可以用救命的方式应用于医疗保健。

机器学习与商业智能？

机器学习和商业智能可以用于医疗的几乎所有方面。从患者接受到治疗，监测和恢复。无论是治疗疾病还是维持健康，这两个方面正在帮助医疗保健迈上新的有效期。

但是，机器学习和商业智能提供了不同的方法。如果我们看看它们的功能，差异就会变得清晰。机器学习是用于许多不同问题的通用工具，而商业智能则是针对理解和改进业务的。机器学习是人工智能（AI）的一部分，最近由于计算技术的进步和处理大量数据的可能性而成为最前沿。商业智能已经以某种形式存在，因为企业开始使用哪种工具是最有帮助和最易于改进数据分析的工具。

然而，尽管存在差异，但商业智能使用机器学习的时候，我们看到了一些令人兴奋的发展。

机器学习的医学诊断

但是，让我们以一些真实的例子来说明问题的核心。

以磁共振成像（MRI）扫描仪产生的图像来检测诸如脑肿瘤的问题。放射科医师和其他医务人员将仔细检查每个MRI图像以评估患者的状态。MRI图像也可以作为两个不同的组被输入到机器学习系统中。一套显示脑肿瘤。另一套显示没有脑肿瘤。ML程序分析图像以检测典型地区分一种情况和另一种情况的模式。

当新的图像被输入而没有被标记时，ML程序应用以前学习的内容来确定新图像是否代表脑肿瘤。ML计划处理的图像越多，学习得越多，诊断就越好，从而节省医护人员的时间，同时提供值得信赖的评估。

大数据，生命的医学事实

今天可用的医学知识的数量早已超越了任何医生的记忆或应用能力。

以一台MRI机器为例。通常数兆字节的大小，对于MRI图像训练集或一组适合算法设置参数的图像来说，并不需要太多的工作量，以达到需要大数据机器学习的大小。

在其他医学领域，大数据也普遍存在大量的结构化或非结构化数据，从多个来源高速发展。通过结合这些大量的孤立的数据源，可以创造更多潜在的拯救生命的医学知识。

面向医疗保健见解的大数据商业智能

考虑收集关于特定药物的使用和影响的数据。数据可能包含丰富的元素，如患者人口统计，时间表，药物与其他药物或治疗方法的组合，给药方法（注射，口服，局部等）等等。我们面临的挑战是要找出药物的最佳作用位置，以及是否有避免使用药物的情况。由于患者人数往往高达数百万，所以没有任何人类分析师可以从大量的大数据中挑出重要的信息。另一方面，商业智能可以。

商业智能技术使您能够“切分和切分”数据来检查不同数据维度之间的关系。例如，你可能想看看这些药物的效果是否在近几年的某个时期有变化。如果这个时期出现了，那么你可能会进一步细化你的数据，看看是否有任何特定的管理方法受到青睐，或者这个时期是否与另一种药物的释放和处方一致。一个有能力的商业智能系统将让你尝试不同的方法，并提出特别的问题，追踪预感，了解真相。

BI能做到这一切：描述，诊断，预测和开处方

在上面的例子中，商务智能可以为您提供描述性分析，以向您展示使用毒品的情况，以及何时何地发生的事情。它也可以给你带来诊断分析，告诉你为什么会发生这种情况（例如药物的种类，与其他药物的联合）。它可以帮助您使用预测分析来预测药物对其他患者社区的影响，根据他们的人口统计或趋势医疗条件。最后，在最高级别的商业智能中，规范分析可以为药物的最佳行动提供建议，以降低风险。

ML和BI将继续改善医疗保健

我们只是抓住了机器学习和商业智能可以为医疗保健所做的事情。

例如，像自然语言处理（NLP）这样的机器学习形式，现在也可以在日常的英语中问商业智能系统的问题。医生可以将他们的问题输入聊天机器人，就好像他们正在与同事交谈一样，然后商务智能机器人将英语输入转换成BI系统可以理解的指令，得到结果，再次以日常英语的形式返回给医生，或者显示为一目了然的屏幕图形。

随着NLP，人工智能和机器学习等技术变得更加智能化和扩大使用范围，将它们与综合商务智能解决方案的强大功能相结合，将继续改变我们对医疗保健的思维方式