【新智元导读】在几位医疗行业知名人士的眼中,AI 在这一领域的发展比预想的更快。有远见的医院已开始部署 AI 技术,使用了诸如患者自动诊疗、智能信息推荐、智能账单等等比较容易实现的 AI 应用。正如他们在医学和基因组学领域看到的那样,“机器学习的改进速度远超摩尔定律所描述的芯片改进速度。”
眼下精明的医院已经开始在特定用例中部署 AI、认知计算和机器学习方面的应用了。医疗行业的知名人士预测,AI 在这一领域的发展将比此前预想的更快。
Health Catalyst 的执行副总裁 Dale Sanders 表示:“在我的职业生涯中,从没见过像机器学习在过去两年内发展这么快的技术。”
值得注意的是,Sanders 拥有在美国空军工作的背景,其工作内容则和堆叠神经网络及模糊逻辑相关,这在过去一般被称为深度学习。同时他也是 Northwestern University 和开曼群岛国家卫生系统的 CIO 。
“机器学习的改进速度远超摩尔定律所描述的芯片改进速度。”
医院已经开始部署 AI
患者和医护人员——包括临床医生、医生、护士、专家,甚至行政人员和行政人员——都开始在医疗领域的改革浪潮中寻找立足点,寻求先发优势的医院已经认识到 AI 正在成为整个系统的关键,而不仅仅是IT 。
“AI 和机器学习对我们来说是一个令人兴奋的取得加速的机会。”Carolinas HealthCare 的首席信息和分析员 Craig Richardville 说:“要想成功,必须了解 AI 能够如何应用在你的市场和患者人群中。”
今天,这意味着选择一些对于 AI 现有能力来说比较低枝的果实。Richardville 表示,Carolinas HealthCare 正在努力开发自助服务应用,为患者提供自我诊断和自我治疗的工具。当然这指的是非常有针对性的情况,这种情况下医学的发展已经让临床医完全知道该如何治疗。
医院也在考虑用 AI 获取患者信息并将其存入自己的数据池中。这很重要,因为 Richardville 说,在 Carolinas HealthCare 只有20%的相关患者信息存入了其 EHR 系统中。
“对这些数据进行更多的智能处理能够继续使我们的医学从艺术向科学转变。”Richardville 补充道。
Change Healthcare 高级副总裁 Stuart Hanson 表示,营收循环是机器学习成熟的另一个领域。
Hanson 说:“医疗机构已经开始变得更加以信息为中心,下一个阶段就是采取个性化的处理方法。”
Hanson 引用了两个例子:对于特定患者来说,预测什么信息与其相关并进行智能推荐,例如健康、预防疾病的小提示以及透明的价格;以及通过更好地了解患者如何对待不同的缴费凭据,来降低无用账单带来的成本。
“这对于医生和医院的营收循环来说,有明显的投资回报率。” Hanson说。
虽然 Carolinas HealthCare 和其他一些顶尖医院所做的这些工作毫无疑问是尖端的,但 Health Catalyst 的 Sanders 决不是唯一一个相信 AI 、认知计算和机器学习带来的发展速度将超出摩尔定律所展现的加速度的人。
未来超乎想象
英特尔联合创始人 Gordon Moore 在 1965 年预测,当前计算机芯片处理速度每年提升一倍的势头,将会持续到未来;十年之后,摩尔定律被修正,芯片处理能力每两年翻一番。这个速率会在 50 年内基本保持稳定。
事实上,过去五十年间发生了很多事情,基因组学的进展就是其中之一。当一家名为 454 的DNA 测序公司在 2007 年测序了联合发现人 James Watson 的基因组时,花费了 200 万美元,这只比人类基因组计划在 2003 年首次测序花费的30亿美元“少了一点儿”。
英特尔健康与生命科学全球营销总监 Bryce Olson 表示:“现在我们将降至 1000 美元,我们将来到测序每个基因组只需 100 美元的时代。这将成为下一件大事。”
AI 技术快速爆炸。医疗保健提供商将能够在不久的未来通过 DNA 诊断疾病,Olson 表示,这个行业正处在 AI 技术变得更快、更好、更便宜的交汇点上。
“正如我们在基因组领域和机器学习算法中看到的一样,” Olson 补充道,“这比摩尔定律快很多。”
原文地址:http://www.healthcareitnews.com/news/ai-machine-learning-will-shatter-moores-law-rapid-fire-pace-innovation