随着人工智能 (AI) 在医疗保健各个领域的大肆侵入，对于AI的关注已经是迫在眉睫。本文盘点了目前应用于医疗保健领域的各个AI工具，希望能够帮助医疗领域的从业者完成更好的诊断、更复杂的病人护理和更准确的疾病预判。
过去几年，人工智能及其在医疗保健领域的应用潜力已经被广泛讨论。讨论不仅局限于智能算法本身，而且还扩展到围绕人工智能的诸多新闻炒作。
每当一项关于深度学习或机器学习在诊断学、医学成像或其他任何医学领域的新研究发表时，新闻阅读者大多会肯定地说，标题一定是诸如“人工智能在某某领域再次击败了医生”之类的噱头。相关炒作是如此扭曲和极端，以至于对于人工智能的评价往往是两极化。
通过列举迄今为止在医疗领域发现和应用的顶级人工智能工具，我们希望本文可以为医疗专业人士有效补充更多实用的信息。
在盘点之前，我们需要对人工智能的局限性进行逐一分析。
首先，人工智能这个词本身就已经有了误导性，因为智能这个词往往意味着其目前所处的是一个非常发达的技术阶段。然而，现实中，我们目前应用的人工智能远远没有达到幻想中的技术层次。
人工智能可以分为三个阶段：人工狭义智能（ANI），人工通用智能（AGI）和超级智能。我们目前的科学（特指大型语言模型和各种机器学习方法），充其量能够在一些领域达到人工狭义智能（ANI），即人类创造的第一级智能，少量可以达到第二级智能，即当机器能够从有限的经验中抽象出概念并在各领域之间转移知识的人工通用智能（AGI）阶段。
然而，第三个也是最可怕的阶段——超级智能，即人工智能演变成一个独立的意识进行思考的阶段，我们目前的科学还远远没有达到。其次，无数的算法被训练来对医疗图像中的各种模式进行分类，从而帮助医生诊断病情。然而，这种算法应用的局限性至少存在于三个方面。
其一，算法所使用的医学数据往往来源于高度发达的地区，也就是说，包含着一定特异性或概念化的算法框架本身就是不客观的，其内部不可避免地夹杂着工作团队的主观假设；
其二，智能算法的预测能力是以过去的案例为基础的。然而事实上，这些案例经验在新的药物副作用或治疗抗性实验预测中很可能是无用的；
其三，大多数正在进行的人工智能研究都是在从各种医疗机构收集的训练数据集上完成的。然而，如果利用算法分析医学图像，医生往往会得到相同的数据集，却很难再现临床实际情况；
人工智能的局限性往往与其理论价值无关，却会大大影响其实际执行效果。现实中，生活和生命并不只是简简单单的训练数据集。成千上万的病人带着成千上万的病症来往于医院之间，看起来类似的病情常常会表现出完全不同的病症。
因此，在训练数据集的基础上进行的人工智能研究的结果，很可能无法代表现实生活中的病症情况，这是我们必须要明晰的。
以下是我们对医疗领域发现和应用的顶级人工智能算法的盘点。
癌症治疗非常困难的一个原因是，恶性肿瘤往往会变异、生长和进化，难以控制。
近年来，科学家们发现，不仅肿瘤本身会发生变化，其DNA也会转变。随着测序成本的大幅下降，肿瘤的基因分析成为可能，最近，专家在AI算法的支持下开始分析数据，想要弄清肿瘤内部到底发生了什么样的基因突变。
为了使这些现有的工具更加精确，美国巴尔的摩市的个人基因诊断公司开发了一种新方法，利用机器学习使肿瘤DNA诊断过程自动化，并提高识别癌症组织中突变的准确性。通过这种方法，医生就可以为患者选择特定的靶向治疗。
2、心脏图像&AI预测心脏病
超声心动图通过声波描绘心脏的图像，心脏病专家可以通过该图像确定患者是否患有心脏病。这是一项标准测试，用于检查患者的中央器官的瓣膜或腔室是否有问题，是否有先天性心脏缺陷，或者气短或胸痛是否与心脏有关。
加州塞达斯西奈山心脏研究所和人工智能医学部门的研究人员在这一领域有突出成就。该研究所报告说，在评估和诊断心脏功能方面，人工智能（AI）被证明比超声心动图医生的表现更出色。在这项首次、随机的盲试中，心脏病专家评估了3,495份经胸超声心动图研究，并比较了人工智能或超声心动图医生的初始评估。其中一个主要发现是，心脏病专家更认可人工智能的评估结果。例如，专家们只纠正了16.8%的人工智能的初步评估，却纠正了27.2%的超声心动图医生的人工评估。
当然，这并不是AI在心脏病学中的首个应用。早些时候，加州大学旧金山分校的助理教授和执业心脏病专家Rima Arnaut和她的同事就已经使用深度学习来训练一个AI系统，该系统可以根据显示的视图类型对超声心动图进行分类。当人工智能和心脏病专家被同时要求对图像进行分类时，算法的准确率达到了92%，而人类的正确率却只有79%。
此外，AI算法不仅在图像分类方面胜过医生，而且在根据各种因素预测结果方面也表现优越。英国诺丁汉大学的研究人员创建了一个系统，通过扫描和分析病人的常规医疗数据，来预测他们中哪些人会在10年内发作心脏病发作或中风。与基于公认的风险因素（如高血压、胆固醇、年龄、吸烟和糖尿病）的标准预测方法相比，该人工智能系统准确地预测了355名患者的命运。
3、用AI进行更精确的皮肤癌诊断
根据世界卫生组织的统计数据，目前，全球每年约新增150万非黑色素瘤皮肤癌和32.5万黑色素瘤皮肤癌患者。数字健康技术，如SkinVision等智能手机应用程序、远程医疗服务以及人工智能，正被应用于对抗这种广泛流行的疾病的前线。
尽管几个研究小组已经开发了诊断皮肤癌的智能算法，但斯坦福大学创建的算法可能是迄今为止最强大的系统。该算法在超过128万张图像上进行了训练，并通过一组来自2000多种疾病的近13万张皮肤病变扫描图进行了微调。这是迄今为止用于皮肤癌自动分类的最广泛的数据集。
4、用AI检测乳腺癌
乳腺癌是妇女最常发生的癌症，也是总体上第二常见的癌症。就像许多其他类型的癌症一样，早期发现可能是乳腺癌患者的救命稻草。
加州大学旧金山分校的研究人员发现，用于自动分类乳房密度从而检测乳腺癌的商业软件与人类放射科医生一样准确。短时间内，当乳腺密度无法明确诊断时，该算法可以为医生提供支持。
此外，算法不仅可以协助放射科医生，也可以协助病理科医生与乳腺癌作斗争。国际生物医学成像研讨会（ISBI）日前举行了一项重大挑战，评估用于自动检测转移性乳腺癌的计算系统。研究表明，结合人类病理学家的努力和深度学习系统的预测，在识别转移性乳腺癌时，人类的错误率下降了85%。这是一个令人印象深刻的结果，尤其是考虑到在涉及到这种致命疾病时，早期诊断意味着拯救生命。
5、预测自杀风险的智能算法
在未来，你可能会因为手臂骨折而去医院，然后带着石膏和一张因标明有自杀风险而必须接受精神病治疗的纸条离开医院。这就是一些科学家的目标，他们开发的人工智能系统旨在早期捕捉抑郁症行为，并帮助减少严重精神疾病的出现。
位于纳什维尔的范德比尔特大学医学中心创建的机器学习算法，使用入院数据，包括年龄、性别、邮政编码、药物治疗和诊断历史等，来预测任何特定个人自杀的可能性。
在使用从5000多名因自残或自杀企图而入院的病人身上收集的数据进行的试验中，该算法在预测某人是否会在接下来的一周内尝试自杀方面的准确率为84%，在预测某人是否会在接下来的两年内尝试自杀方面的准确率为80%。
6、AI预测住院病人的死亡风险
斯坦福大学的研究人员训练了一个人工智能系统，以增加在需要时准确接受生命晚期护理的住院病人的数量——这意味着这个智能算法能够预测非常严重的病人何时接近生命的终点。
该算法经过训练，以分析病人去世前3至12个月期间电子健康记录中的诊断、处方、人口统计和其他因素。一旦经过训练，该算法就能在医院的系统中标出仍然活着的病人，这些病人可能是姑息治疗的合适人选。
当斯坦福医院的姑息治疗团队评估了50名被算法标记为非常高风险的随机选择的病人时，该团队发现所有这些人都适合被转诊。除了能够准确预测，该程序还将决策权完全交给了医生。这可能是算法和医生作为一个团队一起工作的未来模式。
7、MedPaLM，医学大型语言模型
大型语言模型无疑永远地改变了这一领域，它们能够提供高质量的协助，这是先前从未有过的。在ChatGPT发布后短短几周，谷歌/DeepMind宣布发布MedPaLM，这是一个专门用于回答医疗保健相关问题的大型语言模型，是一个基于540亿参数的PaLM模型。
这个模型是在六个现有的医疗问答数据集（NedQA、MedMCQA、PubMedQA、LiveQA、MedicationQA和MMLU）的基础上上训练的，开发者团队还创建了他们自己的HealthSearchQA，使用有关医疗状况和相关症状的问题。目前MedPaLM还不能被公众测试。
最近，最新的迭代也被推出，谷歌向部分用户提供了访问权限，但我们还没有看到任何与2.0版本有关的研究。
8、用于败血症观察的AI算法
杜克大学的研究人员开发了一种败血症观察深度学习算法，帮助评估病人患败血症的风险。在出现高风险病人时，它会自动提醒医院的快速反应小组，并指导他们完成头3小时的护理管理。这对于预防并发症至关重要。
该大学多年来一直在研究这种算法，并于2018年在临床工作中实施该模式。据共同领导该项目的杜克大学医生和临床数据科学家Mark Sendak表示，杜克大学正在进行最终分析，且在临床试验中，使用算法后的病人死亡率似乎有所下降。
此外，据《华尔街日报》报道，连锁医院HCA Healthcare也开发了一种名为败血症预测和优化治疗的预测算法。它持续监测病人数据，以识别潜在的即将发生的败血症病例。该算法能够比临床医生提前六小时发现败血症，而且更准确，使医疗系统将160家医院的败血症死亡率降低了近30%。
由于人工智能（AI）将彻底改变医疗实践，对医学生、年轻医生和执业医生来说，为变化的环境做好充分准备至关重要。换言之，人工智能的快速发展带来了一个重大的范式转变。
人工智能不会取代医生，但使用人工智能的医生会取代那些没有跟上这场革命的医生。拥抱人工智能技术并将其融入医疗实践，不仅会使患者受益，也会提升那些为这个医学新时代做好准备的人的职业生涯。
除了以上盘点的AI应用外，还有很多智能算法在医疗领域的优秀案例，未来还会有很多。但最后一个例子显示了数字医疗的本质：最好的结果是——人工智能和人类医生共同合作。
