作者：思宇醫械觀察
文章來源：思宇醫械觀察
近日『元宇宙』概念引人關注，而一切火熱的概念背後，都需要有技術的支撐。
其中，『人工智能技術』能為元宇宙的大量場景提供技術支撐。
眾所周知，數據、算法和算力是人工智能三大核心要素，數據是人工智能發展的基石和基礎，算法是人工智能發展的重要引擎和推動力，算力則是實現人工智能技術的一個重要保障。
奔向『元宇宙』前，就必須打造出實現虛實結合的基礎設施——顯然，人工智能就是那把連接虛擬世界與現實世界的『鑰匙』。
今年是人工智能具有裡程碑意義的一年。
曾經是科幻小說的保留地，現在正在成為我們日常生活中不可或缺的一部分。
從我們家中的語音控制數字助理到客戶服務聊天機器人，人工智能現在已經在大眾市場中根深蒂固。
最重要的是，這一年也是醫療保健領域的人工智能為更徹底的變革打下基礎的一年。
多年來，人工智能和機器學習通過提供從機器人手術和 3D 圖像分析到允許遠程管理診斷和治療的智能生物傳感器，一直在悄悄地改變醫療保健領域。
盡管新冠疫情帶來了很多的不便，但它也促進了醫療保健 AI 技術的發展和提升。
僅在 2020 年第一季度，就有近 10 億美元投資於以人工智能為重點的醫療保健初創企業。
最近的一項預測顯示，到 2026 年，全球行業將以 44% 的速度增長。
人工智能在醫療保健領域具有巨大的潛在用途，因此該技術正在迅速獲得投資者的青睞。
隨著其應用范圍從疾病預防和診斷到急性護理和長期疾病管理，該行業已在 2020 年達到臨界點，人工智能終於成為主流。
然而，我們似乎仍然隻是觸及了表面；就像任何實時見證的革命一樣，可能性似乎是無限的。
對於醫療保健提供者和相關組織而言，將願景變為現實仍然是一個真正的挑戰。
為了從測試轉向常規使用，並從根本上改變患者體驗，想要與人工智能互動的機構必須從戰略上解決這個問題。
人工智能中的『藝術』
人工智能背後的技術正在以驚人的速度發展，但對所有機構的真正考驗是它如何利用和實施該技術來達到自己的目的。
新冠疫情的壓力無疑加速了創新，但在我們研究如何將它們付諸實踐之前，先考慮一下人工智能究竟是什麼——以及它在醫療保健環境中的樣子。
AI 的核心是機器學習，它由三個認知節點組成：計算機視覺、自然語言處理和數據推理。
計算機視覺是人工智能的『眼睛』，因為它能夠比人類更快地識別數字圖像中的視覺模式、對象、場景和活動。
自然語言處理是指識別和理解口語的技術。
結構化數據推理是一種使用數據《通常是數字數據》來解決問題的技術。
2021 年，我們在這三個方面都看到了令人興奮的醫療發展。
以自然語言處理為例，在疫情期間，由於醫療保健提供者被迫將業務轉移到網上，自然語言處理成為人們關注的焦點。
『遠程醫療』行業呈指數級增長，因為它使供應商能夠自動化和簡化基本服務，以騰出資源來應對危機。
在法國，例如，遠程醫療會診由原本每周一萬例增加到了疫情期間每周50萬人。
人工智能的最新發展表明，『遠程醫療』不僅僅是一個咨詢平臺。
一家初創公司 Vocalis Health 正在探索使用語音數據作為疾病進展的生物標志物。
使用人工智能，該技術可以檢測特定語音片段中肺動脈高壓的跡象，這些跡象可以記錄到智能手機中。
類似的努力正集中在基於語音的新冠疫情篩查應用程序上，以及使用數據來跟蹤帕金森病等神經系統疾病。
這方面的潛力是巨大的，它有望將遠程醫療提升到全新的水平。
大型企業也在醫療保健 AI 領域取得了巨大進步，例如 Alphabet 的 AI 子公司 DeepMind。
去年 11 月，DeepMind 的 AlphaFold 項目透露，它通過了解蛋白質如何折疊成獨特的三維形狀，在很大程度上解決了科學家面臨的半個世紀以來的挑戰。
這為更深入地了解疾病和創造設計藥物鋪平了道路。
在更廣泛的范圍內，它甚至可以幫助分解塑料污染。
AI影響是巨大的，不僅對研究科學家，而且對人工智能在整個醫療保健領域的作用也是如此。
難以捉摸的藍圖
人工智能是一個廣闊的領域，具有許多潛在的應用。
沒有單一的、萬無一失的實施藍圖，因此希望利用其潛力的醫療保健組織必須做出適合其財務和技術能力的選擇。
在開始他們的人工智能之旅之前，供應商應該問自己的第一個關鍵問題是：我們是否有能力在內部構建這些能力？擁有內部資源、專有數據和資金來在內部開發AI解決方案在控制方面具有明顯的優勢，但企業需要根據他們的目標和時間表自行決定這是否現實。
接下來，我們應該考慮合作還是收購？即使擁有最好的資源和內部能力，合作夥伴關系也可以迅速增加人工智能系統和工具的開發和部署。
對AI初創企業的投資或對小公司的收購也可以讓組織快速進入開發階段，並提供更多的專業知識和能力。
最後，企業需要考慮哪些關鍵推動因素將加速其人工智能戰略。
這意味著要考慮從構建或獲取新技術，到領導力調整和團隊分配的方方面面。
共同因素
我們知道人工智能可以改變醫療保健的許多方面；正如我們今年所看到的，它正在全球范圍內迅速發展。
然而，使用人工智能的醫療保健提供者面臨著特定的挑戰，尤其是在實施人工智能時。
數據是人工智能存在的理由：如果沒有持續的數據供應，人工智能技術根本無法實現迄今為止的成就。
然而，對於正在努力應對『差數據』挑戰的機構來說，這也可能是一件麻煩事，這些數據尚未標準化且仍然存在差異。
隱私協議和安全要求為進步帶來了額外的障礙，但由於它們涉及保護患者隱私，這些都是必須翻越的障礙。
同意使用患者數據以及解決算法中感知到的偏見是所有機構都必須警惕的道德問題。
需求是發明之母，這在一定程度上解釋了為什麼今年取得了如此多的進展。
然而，醫療保健商業模式可以做更多的事情來激勵創新。
雖然該領域有廣泛的行業參與者，但眾所周知，大型科技公司會從初創企業中吸引人才，初創企業在沒有合作夥伴關系的情況下也難以擴大產品規模。
這些挑戰當然是真實存在的，但絕不是不可克服的。
雖然人工智能的成功依賴於精心準備，但它不僅是一項值得追求的創新，而且將成為未來幾年醫療保健故事不可或缺的一部分。
因此，機構需要優先考慮人工智能計劃和實施計劃。
在基本層面上，這意味著確保領導層在場，並支持合適的人才。
整個醫療保健鏈中的許多組織已經深入他們的數字化轉型之旅。
雖然其中一些將有完善的人工智能策略在起作用，但其他人不會。
值得牢記的是，人工智能醫療保健之路任重而道遠，這使得制定戰略將願景變為現實是成功之旅的關鍵。
總體而言，方法可能會有所不同，並將取決於專業和子行業。
但讓醫療保健領先於其他行業的是對人工智能和機器學習力量的普遍認可，以及涉及的規模——從初創企業到跨國公司。
今後的醫療前景可能會大不相同，但在人工智能定義的未來中，全線醫療保健組織要引導自己的道路。
人工智能使用海量數據解決極其復雜問題的能力遠遠超過我們自己，在未來的幾十年裡，醫療保健提供者應該考慮：如何有效地將此類發展納入戰略？
本文轉載自其他網站，不代表健康界觀點和立場。
如有內容和圖片的著作權異議，請及時聯系我們《郵箱：[email protected]》