发帖
雷达卡
据新闻报道，机器学习是医疗行业未来最杰出的技术之一。但是它有多真实？有任何重要价值，还是仅仅是乐观的预测？在本文中，您将学习该技术的一些实际实现以及一些在线预测。
如今，随着智能医疗设备的普及，基于技术的医疗保健已成为现实。医疗行业欢迎创新；这就是为什么人工智能在医疗领域的未来非常光明的原因。Google已经启动了一种算法，可以成功地在乳房X线照片中识别癌症，而斯坦福大学的科学家可以通过深度学习识别皮肤癌。人工智能负责处理数千个不同的数据点，精确地预测风险和结果以及许多其他功能。
诊断和疾病鉴定。
从这一点出发，这很公平，因为ML非常擅长诊断；实际上，这是最有效的领域之一。有许多类型的癌症和遗传疾病难以发现；但是，ML在初始阶段可以处理其中的许多内容。IBM Watson Genomics是一个很好的例子。该项目将认知计算与基于基因组的肿瘤测序相结合，并为快速诊断提供了帮助。来自P1vital的PReDicT（预测对抑郁症治疗的反应）正在尝试创建一种实用的方法来引入AI来改善常规医院的诊断和治疗。
健康记录的改善。
尽管取得了所有这些技术突破，但保持健康记录仍然很麻烦。是的，今天要快得多，但是仍然需要很多时间。记录可以通过矢量机和基于ML的OCR识别技术进行分类。领先的示例是Google的Cloud Vision API和MathWorks的ML手写识别技术。
糖尿病的预测。
糖尿病是最常见且非常危险的疾病。它不仅会损害一个人的健康，还会导致许多其他严重的疾病。糖尿病主要损害肾脏，心脏和神经。机器学习可以帮助及早诊断糖尿病，挽救生命。诸如KNN，决策树和朴素贝叶斯之类的分类算法可能是构建预测糖尿病的系统的基础。就性能和计算时间而言，朴素贝叶斯是其中最高效的。
预测肝脏疾病。
肝脏在新陈代谢中起主要作用。它容易感染慢性肝炎，肝癌和肝硬化等疾病。要使用大量医学数据来有效地预测肝脏疾病是一项艰巨的任务。但是，这方面已经发生了一些重大变化。机器学习算法（例如分类和聚类）在这里发挥了重要作用。肝病数据集或印度肝病患者数据集（ILPD）可以用于此任务。
寻找最佳治疗方法。
另一个伟大的应用是在患者发现药物的第一级使用机器学习。当前，微软在其汉诺威项目中使用基于AI的技术，该项目旨在找到可治疗急性髓性白血病的个性化药物组合。
通过图像分析进行诊断。
微软正在通过其InnerEye项目彻底改变医疗保健数据分析。该初创公司使用Computer Vision处理医学图像进行诊断。随着技术的发展，InnerEye在医疗保健分析软件中掀起了更多浪潮。很快，机器学习将变得更加高效，甚至可以分析更多数据点以进行自动诊断。
个性化治疗。
医学机器学习正在取得长足进步。IBM Watson Oncology通过提供众多首先分析患者病史的治疗计划，在该领域处于领先地位。随着先进的生物传感器进入大众市场-为算法提供更多数据-在创建个性化治疗计划时，情况将会变得更好。
调整行为。
这是一个非常有趣的领域。在日常活动中提供预防癌症的技巧？这正是基于B2B2C的公司Somatix的应用程序正在做的事情。该应用程序会跟踪我们每天进行的无意识活动，并从长期的角度提醒我们可能存在危险的活动。
医学研究和临床试验改进。
临床试验可能需要数年才能完成，需要大量投资，这已不是什么秘密。ML可以提供预测性分析，以根据医生就诊历史或社交媒体活动等因素来发现最佳的临床试验候选人。该技术还将减少基于数据的错误的数量，并可能建议要测试的最佳样本量。
利用众包医疗数据。
如今，研究人员可以访问患者自己公开的大量数据。这是未来医学机器学习改进的源泉。为什么数据分析在医疗保健中很重要？嗯，美敦力公司与IBM之间的合作关系已经使人们能够实时解密，积累和提供胰岛素信息。随着物联网（IoT）的发展，将会有更多的可能性。同样，公共数据将改善诊断过程和药物处方的发布。
流行病控制。
说到数据分析，到2020年，专家可以访问卫星，社交媒体趋势，新闻网站和视频流中的信息。神经网络可以处理所有这些问题，并对全世界的流行病爆发做出结论。危险疾病可能在实际造成巨大破坏之前就被扼杀了。在第三世界国家，这是非常重要的，因为它们缺乏先进的医疗系统。这个领域最好的例子可能是ProMED-mail，它是一个基于Internet的报告平台，可以监视全球的爆发报告。人工智能在食品安全中也得到了极大的实施，有助于预防农场的流行病。
人工智能手术。
这可能是机器学习最具影响力的领域，并且在不久的将来它将变得越来越流行。您可以将机器人手术分为以下几类：
自动缝合。
手术流程建模。
机器人手术材料的改进。
手术技能评估。
缝合基本上意味着缝合开放的伤口。使该过程自动化可以使整个过程更短，同时减轻了外科医生的压力。尽管现在谈论仅由机器人执行的手术还为时过早，但它们现在可以协助和帮助医生操纵手术设备。在未来的5年中，它有望成为一个特殊的产业，拥有大约390亿美元的资本。进行医疗程序时，机器人将用机器人的手为医生拿取器械。这种做法可将手术并发症降低50％，并将患者留在手术室的时间减少约20％。用于医疗保健数据分析的机器学习算法还可以评估并定义未来手术的新机会，因为它会收集每个人工智能手术的数据。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
