《自然》雜誌介紹了心臟病專家埃裡克·託波爾（Eric Topol）的新書《深度醫學》（Deep Medicine）。這是一本描述人工智能在醫學領域的應用，以及可能前景的科普書。通過這篇文章，我們大概能瞭解，人工智能技術會如何影響醫療。
文章提出，我們面對的醫療問題很明顯。醫療費用越來越貴，而且醫療資源似乎也總是稀缺。這讓醫療問題也成為了貧富分化問題的一部分。人工智能技術的出現，讓人看到了用無情算法解決醫療問題的希望。
醫療行業有大量的數據。人類可以藉助傳感器、智能手機、基因組掃描、臨床病理記錄等方法，收集到海量的健康數據。文章說，如果說數據是新時代的“石油”，健康數據就是精煉石油。人工智能可以用這些數據來為診斷和治療提供決策幫助。這些數據價值連城。金融行業的數據已經很值錢，而“這些數據價值是金融數據的6至10倍”。
人工智能技術目前在醫療領域已經有一些應用。其中最常見的是，把圖像識別技術應用在放射學、病理學和皮膚學領域。人工智能算法可以識別X光片、發現腫瘤細胞，以及推斷皮膚損傷。在眼科和心臟科也有類似的應用，可以識別糖尿病人的視網膜、通過智能手環或手錶的傳感器數據判斷心臟健康等。
更進一步的應用是，可以通過機器識別人類的聲音波動和表情變化，來判斷人的情感變化。
不過，《深度醫學》的作者說，現在大部分的研究，還僅僅停留在科技公司進行算法驗證的階段。把人工智能技術用在臨床實踐中的案例非常少。如果用算法來解決醫療問題是一場馬拉松的話，現在科技公司們僅僅走了第一公里。
同時，作者也提醒，在通過技術解決醫療問題上，還有很多需要做的。比如，很多社會因素會影響健康，但是現在並沒有收集相關社會因素的數據；再比如，醫生會對數據和算法做出什麼樣的反應；以及怎麼樣確保醫療人工智能不是掌控在科技壟斷公司手中，而是讓每個人都能受益。
大數據處理信息服務商金盛網聚WJFabric認為，人工智能與醫療行業的結合是最廣大人群的基本訴求，原因在於人工智能客觀公立的基本屬性更適合應用於解決醫療問題。由於需求量巨大，因此能夠採集到的數據樣本量級非常可觀，這有助於“人工智能＋醫療”的研發。當然，同樣是需求量的原因，用戶對臨床實踐的安全性要求很高。由此可見，可採集到的數據樣本的量級同樣有“雙刃劍”效應，越是能夠採集到更多樣本，越要謹慎對待，因為支撐數據的是巨大的需求量。
閱讀更多 金盛網聚 的文章
