人工智能和机器学习在医疗保健行业，现在被提议的频率比以往任何时候都要高。医疗行业的领导者可能会发现很难跟上人工智能在其行业中的应用。
类似于制药行业在美国，医疗行业是一个几乎每种人工智能方法都有多种用途的行业，包括机器视觉,预测分析,自然语言处理，如果是健康保险，异常检测欺诈检测目的。
在这篇文章中，我们全面概述了人工智能在医疗行业中最突出的应用，并详细介绍了医生如何，医院和医疗保健提供商已经发现他们的成功。
这份报告是我们多年来在医疗保健领域对人工智能的二次研究的成果，包括我们在人工智能领域所做的工作世界银行如何将人工智能引入发展中国家的医疗系统。它突出了许多关键的医疗保健功能，人工智能可能目前服务于医院设置和特点的见解，从博士和医疗人工智能的高管，我们采访了我们的每周播客。
医生和护士在各医院科室可以使用人工智能和机器学习：
- 将医生的记录转录到EMR或EHR中
- 手术计划
- 分析医学图像发现异常并进行测量
- 突发事件管理和评估患者病情
- 帮助医生诊断癌症和其他疾病
- 监控手术是否符合计划的程序和最佳实践
我们从医疗转录应用开始，概述医疗行业的人工智能：
医疗转录
医生和医生可以使用人工智能抄写的声音转换成医疗文件如电子健康记录(EHR)。目前，许多医生利用自己的时间将病人就诊记录的音频记录转录到电子病历系统中。
使用语音识别的自然语言处理(NLP)应用程序，医疗转录员可以自动转录，并将他们的语音直接输入到EHR系统中。
尽管医疗转录人工智能与其他人工智能医疗应用相比还处于萌芽阶段，但像Allina Health这样的医疗公司正在购买由自然语言处理技术支持的医疗转录软件。该软件主要由Nuance Communications销售，Nuance Communications是NLP软件的开发商。其他信息医疗行业的白领自动化战略都将在AI的行业播客访谈中讨论。
细微的通信提供了一个他们称之为Dragon Medical One的软件，他们声称该软件可以帮助医疗公司和提供商使用自然语言处理将医生的讲话转录成电子病历。似乎医疗服务提供商可以将该软件集成到他们现有的EHR系统中。
背后龙医一机器学习模型将需要以准确识别医生的声音上成千上万的请求录制的语音进行训练。用来训练该模型的声音必然包括多个重音，语调和音调使软件能够识别的任何和所有的医生的声音。然后，机器学习模型将转录请求到电子病历。
然后，一位电子病历专家将更正转录，并再次通过机器学习模型运行新草稿。这将训练算法识别医疗术语，并在记录EHR笔记时更有效地转录医生说的话。
下面是Nuance的Dragon Medical One如何工作的简短演示视频：
Nuance通讯公布的案例研究中，他们声称帮助过内布拉斯加州医学提高他们的所有医疗保健机构更新病人病历的效率。根据该案例研究，内布拉斯加州医学综合龙医一到他们的电子病历系统。
整合前，客户公司支付第三方转录服务键入了医生和医生录音笔记。
内布拉斯加州医学据称能够将它们的转录成本降低23%。该公司调查了所有医生对Dragon Medical One的经验，其中71%的医生表示，电子病历的质量有所提高。另外，50%的人说他们使用该软件每天至少节省30分钟。
Nuance communications在其网站上将Allina Health和Baptist Health South Florida列为以前的客户。
我们有机会交谈查尔斯·奥尔蒂斯他是Nuance Communications人工智能和自然语言处理实验室的前任主任。当被问及他的公司在语音识别技术的更新停留历史，奥尔蒂斯说，
Our systems have to become more proficient in being able to understand what the user wants done and not just in terms of an answer, like ‘what’s the temperature outside?’ It’s more that the user wants to do something, say reserve a table somewhere for dinner or they want to find a store that has something in particular…you have to take the natural language processing in the front and carry it forth to the backend, which is responsible for doing the reasoning about the task.
这对于那些考虑人工智能医学转录解决方案的人来说是很重要的一点，因为它指的是龙医人分辨口头命令和要输入到EHR中的口述文本的能力。
例如，医生可以用麦克风录下EHR记录。如果医生说“病人的右尺骨出现了发际线断裂”，软件就能识别出“发际线断裂”这个短语和与“行断裂”命令相关的语音之间的区别
这样，当EHR注释被转录时，软件就不会启动一个新行或接收其他短语作为操作命令。
In the future, a doctor might be able to say to the NLP system, “0.15 units of insulin per kilogram,” and the NLP system might be able to interpret that the doctor is looking for the system to write a prescription for the patient she’s talking with. It might comply because the doctor said her command slightly louder than the voice she used to speak with the patient and based on the context that the doctor is currently in a conversation with a patient who has糖尿病。
因此，NLP系统可能会调出一张处方单，然后打印出来给病人和/或发送给保险公司。同样，NLP软件现在不太可能做到这一点，但它是一个未来的可能性。
手术计划
整形手术的外科医生可以利用人工智能和机器学习来规划手术。人工智能和机器学习也可以帮助骨科部门进行医学成像，并在这些医学图像中识别不同的身体结构。
在矫形术中，必须了解病人身体结构的确切形状，如骨骼、软骨和韧带，在他们遭受疼痛或残疾的区域。医学图像，如核磁共振成像和x光可能缺乏详细信息，准确的测量和成像结构的深度，需要充分评估情况。
机器学习解决方案可以帮助测量病人的骨骼、韧带和软骨，从这些图像中提取更多的信息。例如，一位骨科专家想要知道他们病人脚踝的每块骨头、韧带和肌肉的大小，以便在需要的时候更准确地替换部分骨头、韧带和肌肉。
确定这些测量结果可能会揭示急性炎症或其他问题，这些问题在典型的医学成像技术中可能很难发现。
此外，医疗保健提供者可以使用基于人工智能的预测软件来估计某些手术的成功程度。这可以让医疗保健公司就如何进行手术提出更好的建议。
这类软件通常使用评分系统来确定给定医疗程序成功的可能性，并可以估计可能或多或少对患者有利的替代程序的评分。
寻求预测性分析解决方案的医疗保健公司也可以选择供应商，如医学院为定制的工具或植入手术有问题的结合那些软件解决方案。
该公司根据客户医疗保健公司使用Medicrea的UNiD平台制定的手术计划，提供专门为每位患者量身定做的植入物。
OM1提供他们称之为OM1医疗负担指数（OMBI）的预测分析软件，他们声称这有助于供应商预测手术结果。他们的网站还说，该软件可以创建一个计划建议，这些手术使用预测分析。OMBI计算病人的疾病对他们日常生活的影响程度。
OMBI评估是对单个患者所有医疗问题的综合负担的测量，得分从1到1000。
OMBI评分标准是通过分析美国超过2亿的患者资料得出的。OM1的网站称，OMBI评分是未来患者资源利用率和死亡率的有力预测指标。
以下是OM1网站的图片，显示了OMBI软件在平板电脑上的外观：
OMBI背后的机器学习模型需要接受数万份电子医疗和健康记录（emr/ehr）的培训。每一个会削弱患者正常日常功能的因素，比如瘫痪或不能说话，都会给出一个数值，然后通过OMBI算法向用户提供OMBI评分。
然后OM1的软件可以预测可能伴随患者的疾病，随着资源的量，他们将需要在未来沿并发症。这可能需要用户包括对患者的健康保险到软件事先信息。
OM1为其软件提供的演示材料很少。例如，我们找不到关于该软件的解释性视频，也找不到OM1网站上的任何案例研究。也就是说，该公司已经筹集了3600万美元的风险投资，并得到了通用催化剂和北极星合作伙伴的支持。
也就是说,公司的网站还指出OMBI得分比一个叫做花边指数的领先竞争对手表现得更好。这是在2017年11月的美国心脏协会科学会议上确定的。
分析医学图像
随着机器视觉软件在医疗行业中的应用越来越广泛，医学成像将是一个适用的用例。用于医学成像的机器视觉软件通常由扫描医学图像以从中提取更多信息的应用程序组成，如我们在上一节有关整形外科的内容中所述。
一些软件可能会对其产生的医学图像或3D模型进行分割，以突出显示身体成像区域的特定部分或异物或恶性物体，如肿瘤或癌细胞。
例如，RSIP Vision主要专注于骨科图像扫描，然而，Sigtuple开发了一个名为Shonit的软件，该公司声称可以从血液图像中提取信息。Sigtuple公司声称，他们的解决方案可以通过将图片上传到云端的显微镜来扫描图像中的血细胞。
通过将医学图像存储在云中，它们有助于心灵感应学为他们的客户医疗保健提供者。例如，他们还声称，如果提供者需要更详细地了解患者的病史，他们可以提供对血液涂片信息的远程访问。
这两个应用程序的存在可以帮助缓解与人工智能一起工作时的非数字数据问题。因为机器学习算法需要训练数字数据在输入人工智能算法之前，医学图像需要数字化。RSIP视觉是指与医学成像设备如MRI和Shonit本身捕获它的显微镜的数字图像。
我们采访了中国陈，医疗大数据实验室主任腾讯。当被问及要让人工智能在医疗领域发挥作用，需要克服哪些障碍时，陈说:
没有数据和数字化的基础，很难，或者几乎不可能得到真正好的模型。这就是第三点，没有数字化，没有整个过程的在线和数字化，你将如何实现或如何将人工智能的价值带回商业?
另一个人工智能医学图像扫描软件是荷兰的SkinVision该公司声称，该软件使用机器视觉检查皮肤损伤和痣，以确定是否有患癌症的风险。
据称，该软件可以根据皮损的风险大小对皮损照片进行分类。这些风险阈值分为低、中、高三个级别。用户收到显示高风险的检测结果后，也可以要求该公司的皮肤科医生对他们的检测结果进行审查。
根据a 2017研究在美国远程医疗协会的杂志上SkinVision应用程序发布，该软件拿下了80％的灵敏性病变。此外，该软件检测到78％的特异性恶性和恶变前的条件。这项研究使用108个图像的样品，并通过皮肤科在凯瑟琳娜医院埃因霍温在荷兰进行的。
心电图检测与应急管理
在紧急情况下，准确度和速度总是最重要的。这在医疗行业尤其如此，因为医疗专业人员不能长时间等待计算机系统完成处理。这包括紧急情况，如心脏骤停或危及生命的伤害。
针对这些情况的人工智能应用程序通常使用预测分析从患者的医疗数据中提供见解。一个规范的分析解决方案也可以提供如何治疗病人的建议。
例如，病人的心电图/心电图结果可以通过机器学习应用程序来帮助医生发现心跳异常。
如果有问题的软件是一个说明性的分析应用程序，它可能会为如何治疗按优先顺序列出的病人提供建议。因此，人工智能应用程序可以根据其他类型的医疗数据，如血糖或酒精水平、血压或白血球计数，提取见解并提出建议。
一些应用程序可能需要利用机器视觉技术来正确地评估病人的情况并推荐最佳的治疗方法。这可能是必要的，以确定血细胞计数和病变或其他标志的体外。
医学机器视觉应用程序面临着寻找运行它们的最佳硬件的挑战。对于一些应用程序，iPad的便携性和易用性是被选择的。否则，在护理过程中，可能需要将患者放置在一个较大的摄像机下，以便医生和摄像机能够清晰地看到患者。
提供可能导致诊断的信息
AI协助突破医学诊断继续通过对每个用例的创新推动技术的发展。我们谈过了具有Alexandre Le Bouthillier博士，首席运营官兼人工智能和医学成像公司联合创始人Imagia，探讨机器视觉在未来医学诊断中的可能性。当被问及医疗保健行业的领导者们在未来可能会期待哪些突破时，Le Bouthillier说:
这一突破实际上发生在几年前，当时人们在深入了解患者预后甚至基因突变方面的情况。只要看一张图片，电脑就能看到是否有任何基因突变，所以我们不需要做血液样本或活检。最终的目标将是，仅仅通过观察图像，就能够加速护理标准的提高。通过合并所有可用的数据，我们将能够为每个患者找到最佳的治疗方法。
在医疗保健领域，AI和ML应用程序最突出的用例之一可能是帮助医生进行医疗诊断。目前，有人工智能供应商提供移动应用程序来获取患者的症状信息，以及可以通过提供类似功能的应用程序或公司网站访问的聊天机器人。
一些智能手机应用程序也可以帮助您处理物联网（IoT）传感器数据通过机器学习算法，这将允许软件跟踪心率。物联网传感器可以连接到智能手机本身、智能手表或其他可穿戴设备沿着FitBit的路线。测量这些数据的结果将显示在患者的智能手机应用程序上，其中可能包括建议或提醒，如用药时间。
患者可以使用聊天机器人应用程序，通过在聊天窗口中输入症状信息来快速查找相关信息。经过训练的机器学习模型能够识别用打字语言书写的文本中的症状，然后能够找到与输入症状相关的疾病信息。
需要注意的是，这些类型的诊断应用程序的集成可能需要一些更深层次的考虑，而不是显而易见的。我们采访了Yu冯邓的首席科学家和北美分部主任Infervision. 邓的公司是一家机器视觉公司，专门从事医学成像和诊断。当被问及他们最成功的客户有共同之处，邓说：
我认为第一点是工作流集成，因为如果你有一个好的AI模型，那是不够的。在医学领域，您必须将您的解决方案无缝地集成到医生和医生的工作流程中，以便他们能够真正地使用您的工具来提高他们的效率，而不是您的工具对他们来说是一个额外的步骤，这可能真的会降低他们的效率。我们与许多医院和合作者合作过，我们与他们讨论的第一件事就是如何将我们的工具整合到他们的医疗系统中。
很明显，对于医疗行业的商业领袖来说，要想看到诊断AI应用的成功，他们需要考虑它将如何影响每一层的工作流程。
例如，一个研究和开发团队可能需要适应一个新的用户仪表板，以便其他部门可以方便地访问他们的研究数据。如果这个过程被证明对研究和开发团队来说是困难的，它可能会导致医生对他们诊断的关键细节的了解更少。
一些人工智能诊断应用包括机器视觉软件，以帮助医生诊断可能是疾病迹象的身体异常。具有人工智能研究和机器视觉软件应用的医学领域包括肿瘤学和放射学。
Aidence声称他们的机器视觉软件Veye Chest可以帮助放射科医生报告检测到的肺结节，或肺部的小增生。他们还声称，软件的训练数据集最初只有45000张带标签的扫描图。
该公司称，Veye Chest软件可以与医院现有的阅读和报告软件集成。我们可以推断这意味着EMR/EHR系统或数据库，尽管不清楚该软件是否兼容所有品牌，如EPIC EHR。
该软件据称能在病人肺部的CT扫描中检测出肺结节的存在或迹象。这可能有助于放射科医生判断结节是否对患者的健康构成威胁，也可能是恶性的。
Veye胸部显示其发现的文字描述以及肺部的注释图像。指标注释和文本，以更准确地诊断患者，并记录整个治疗过程中肺结节的大小。
下面是Aidence一个形象，显示了该软件可以显示医生的电脑屏幕上：
Veye Chest软件已经获得CE认证，这是一种符合欧洲经济区标准的认证。该公司没有列出任何案例研究的软件的性能与客户，但CE认证批准软件的使用跨欧盟。
艾登斯列出的客户主要包括荷兰的医院，其中包括阿尔伯特·施韦策医院和特古伊医院。
Mark-Jane哈特是联合创始人兼CEO Aidence。他从埃因霍温科技大学计算机科学硕士学位。在Aidence工作前，哈特担任联合创始人兼首席技术官较小的荷兰营销和高科技公司。
监控手术
监测手术是这几款机器视觉应用可以适用的用例。因此与肿瘤学和放射学，机器视觉软件可用于跟踪手术进程。
一些供应商可能会提供软件，当检测到外科医生何时完成了一个步骤时，该软件会推荐一个循序渐进的手术过程。其他人可能会监控手术中患者的生命体征或遵守医院的最佳做法。情况可能包括失血、血糖水平、心率和血氧水平。
Gauss提供了他们的iPad软件Triton，他们声称该软件可以帮助医生使用机器视觉跟踪患者失血情况。
据称，医生可以将iPad的摄像头对准用过的手术纱布，这样就可以测量病人的失血情况和失血速度。为了准确地确定这些因素，高斯可能对Triton背后的机器学习模型进行了训练，使其能在数百万张不同血量的手术海绵图像上进行识别。然后，该算法可以识别出与较高失血率相关的图像。
然后，外科医生可以将一块血液海绵放在启用了Triton功能的iPad上，该软件将确定海绵上有多少血液。据称，该软件利用这些信息来确定病人在手术前或手术中失血量。目前还不清楚高斯的机器学习模型如何决定失血量和失血率。
以下是Triton工作原理的演示视频：
Gauss没有在其网站上展示其大客户，但Triton软件已经获得了FDA的批准。该公司筹集了5150万美元的风险投资，并得到韩国软银风险投资公司和北极星合作伙伴的支持。
作为报道的高斯网站援引上的Triton软件的独立研究美国围生期杂志。该研究将该软件与外科医生识别2781名剖腹产患者失血量的能力进行了比较。研究表明，Triton识别出患者明显出血的频率高于外科医生的估计。
与没有Triton的患者相比，外科医生对涉及Triton的剖腹产患者使用较少的血液产物。使用triton的剖腹产患者也比使用传统剖腹产程序的患者更早出院。
西达斯萨提什他是高斯公司的首席执行官和联合创始人。他拥有伯克利大学的生物工程硕士学位。萨蒂什也是斯坦福大学外科模拟奖学金的一部分。
