人工智能可应用于医疗，即利用机器学习模型来帮助处理医疗数据，并为医疗专业人员提供重要的洞察分析，从而改善患者健康状况和体验。
得益于计算机科学和信息学的最新进展，人工智能 (AI) 正迅速成为现代医疗保健不可或缺的一部分。AI 驱动的 AI 算法和其他应用程序正被用于在临床环境和正在进行的研究中，为医疗专业人员提供支持。
在医疗领域，AI 目前最为常见的应用便是助力临床决策和成像分析。借助临床决策支持工具，医疗专业人员可方快速获取与患者病症相关的信息或研究成果，从而就治疗方案、药物、心理健康及患者的其他需求做出明智决策。在医学成像领域，AI 工具正应用于 CT 扫描、X 射线、MRI 和其他影像分析，以帮助发现放射科医生可能遗漏的皮损或其他状况。
新冠疫情给许多卫生系统带来的挑战也促使全球许多医疗保健组织开始对新的 AI 支持技术进行现场测试，例如旨在帮助监测患者的算法和用于筛查新冠患者的 AI 驱动工具。
这些测试的研究和结果仍在收集中，而在医疗领域使用 AI 的总体标准仍在确定中。然而，AI 使临床医生、研究人员及其服务的患者受益的机会正在稳步增加。在这一点上，几乎没有疑问，AI 将成为塑造和支持现代医学的数字健康系统的核心部分。
AI 可以通过多种方式对医疗实践产生积极影响，无论是加快研究步伐还是帮助临床医生做出更好的决策。
以下是如何使用 AI 的一些示例：
AI 在疾病检测和诊断中的应用
不同于人类，AI 工具可以全天候不间断运行。机器学习模型可用于观测接受重症监护的患者的生命体征，并在某些风险因素增加时及时提醒临床医生。虽然可通过心脏监护仪等医疗设备监测跟踪患者的生命体征，但 AI 可以从这些设备收集数据并发现败血症之类的并发症。一位 IBM 客户开发了一种专门面向早产儿的预测性 AI 模型，该模型在检测严重败血症病例方面的准确率达到了 75%。
个性化疾病治疗
在虚拟 AI 的帮助下，精准医疗可以变得更容易支持。由于 AI 模型可以学习并保留偏好，因此 AI 有可能全天候为患者提供定制的实时建议。医疗保健系统不必每次都向新接触的人重复信息，而是可以让患者全天候访问由 AI 驱动的虚拟助理，该虚拟助理可以根据患者的病史、偏好和个人需求回答问题。
AI 在医疗成像中的应用
AI 已在医疗成像领域发挥着重要作用。研究表明，在检测乳腺癌和其他病症的迹象方面，由人工神经网络驱动的人工智能技术非常有效，可达到与放射科医生相同的准确率。除了帮助临床医生发现疾病的早期迹象外，AI 还可用于检测患者病例中的重要信息并据此向临床医生呈现相关影像，从而帮助他们更轻松地管理大量医学影像。
临床试验效率
在临床试验期间，花费大量时间为患者结果分配医疗代码并更新相关数据集。AI 可更快、更智能地搜索医疗编码，从而帮助加快此流程。IBM® Watson Health 的两位客户最近发现，借助 AI，他们可以将医疗代码搜索次数减少 70% 以上。
加速药物开发
药物发现通常是药物开发过程中耗时最长、成本最高的部分之一。AI 主要通过两种方式帮助降低新药开发成本：创造更好的药物设计和寻找有希望的新药物组合。借助 AI，可以克服生命科学行业面临的许多大数据挑战。
将医疗 AI 集成到临床医生的工作流程中可以为提供商做出护理决策时提供有价值的背景信息。经过适当训练的机器学习算法可以为临床医生提供有价值的搜索结果，并在患者仍在病房中时提供有关治疗和程序的循证见解，从而帮助缩短研究时间。
有证据表明，AI 可以帮助提高患者安全性。最近对 53 项同行评审研究进行的一次系统性审查（ibm.com 外部链接）探讨了 AI 对患者安全的影响，发现 AI 驱动的决策支持工具有助于改善错误检测和药物管理。
AI 有很多潜在的方法可以降低整个医疗保健行业的成本。一些最有前途的机会包括减少用药错误、定制的虚拟健康援助、预防欺诈以及支持更高效的管理和临床工作流程。
许多患者都会在正常工作时间之外提出问题。AI 可以通过聊天机器人提供全天候支持，回答基本问题，并在提供商的办公室不开放时为患者提供资源。AI 还可能用于对问题进行分类和标记信息以供进一步审查，这有助于提醒提供商需要额外关注的健康变化。
深度学习的一大优势在于，AI 算法可以利用上下文来区分不同类型的信息。例如，如果临床记录包括患者当前在用的药物及其提供方推荐的新药物清单，则经过适当训练的 AI 算法可以使用自然语言处理来识别哪些药物属于患者的病史。