全球只有小部分科学信息被真正使用或科学家可以使用，因为每30秒钟就有新的与医疗卫生有关的研究成果出现。BenevolentAI能对大量数据进行分析，给专家提供他们需要迅速加快药品研发的见解。最近，该公司确定了可能对阿尔兹罕默氏病有作用的两种化合物，吸引了制药公司的注意。
随着ML和AI的进步，未来药品研发看起来很有希望。最近谷歌研究院的论文指出，使用不同来源的数据可更好确定哪些化合物可用于“有效治疗不同季度的药物”，ML如何在大规模测试数百万种化合物上节省大量时间。
发现和控制新疾病
多数疾病远不是只有简单的基因突变。尽管医疗卫生系统生成了大量（无序）数据——质量不断提高——但人类以前没有必要的硬件和软件进行分析，形成有意义的见解。疾病诊断是复杂的过程，涉及到各种因素，从病人的皮肤纹理到每日吃的糖数量。过去2000年，医生都是根据病人症状来开药。
但出现可检测到的症状时，治疗疾病已经太迟，特别是在治疗癌症和阿尔兹罕默氏病等疾病时。有了ML，可以在出现可检测症状很早前，就能发现微弱的疾病信号，提高了病人的生存几率和增加了治疗选项。旧金山的新创公司Freenome开发了自适应基因组引擎，帮助动态检测血液中的疾病信号。
为此，该公司使用你的freenome，动态收集你血液中漂浮的基因物质，这些物质可以随时间不断改变，从而提供了了解你成长、生活和老去过程的基因组计。在疾病诊断和治疗计划上，Enlitic等公司关注通过将深度学习与医疗数据结合，从数十亿临床案例中提炼可用的见解，提高病人的治疗效果。
IBM的沃森与纽约的纪念斯隆-凯特琳癌症中心合作，消化过去数十年使用的大量癌症病人数据和治疗方法，给治疗独特癌症病例的医生提供治疗选项。在伦敦，谷歌的DeepMind收集摩非眼科医院的医疗记录分析研究的数字扫描数据，帮助医生更好理解和诊断眼科疾玻
同时，DeepMind也有帮助头颈癌病人放射治疗的项目，给肿瘤医生释放几个小时的规划时间，使他们能关注更多以病人治疗为导向的任务。
意义何在
AI/ML在医疗卫生的应用重塑了该行业，使曾经不可能的事情成为现实。由于AI/ML在医疗卫生的流行，持续访问相关数据对成功很重要。系统消化的专有数据越多，就会变得越智能。因此，各家公司都尽力获得数据。例如，IBM在2016年2月以26亿美元收购了医疗分析公司Truven Health，主要是为了获得他们数据和见解库的访问权。
此外，他们最近与Medtronic合作，通过访问实时胰岛素的数据，进一步提高沃森理解糖尿病的能力。随着数据越来越丰富，技术越来越先进，机会也会不断增加，从而激发医疗卫生从业者寻找新方法提高人类健康和生活水平。（木秀林）
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！