人工智能应用医疗保健白领自动化和诊断。然而，医疗机器人是可以稍微欠发达的区域。这是可能的，因为关于自动化手术法规。
在这篇文章中，我们将讨论人工智能软件现在是如何进入医疗机器人领域的，以及未来如果有更多的投资，以及当医疗机器人公司的人工智能人才密度增加时，它可能会如何发展。具体来说,我们探索:
- AI医疗机器人 - 什么是可能的，什么是正在使用现在的医疗保健客户。我们发现，几乎没有案例研究表明医疗网络或医院在基于人工智能的医疗机器人方面取得了成功。
- 医疗机器人供应商的人工智能状况，其中包括医疗机器人公司的人工智能人才，以及讨论如何审查一家供应商，看它的软件是否真正利用了人工智能。
我们开始了基于A-医疗机器人的探索与他们是如何被使用的，现在的概述。
医疗机器人的人工智能——什么是可能的，什么是被使用的
从理论上讲，开发人工智能软件的多种方法可以用于医疗机器人的自动化。例如，一个人可以使用机器视觉引导机器人到问题区域，并使其意识到错误或病人的身体反应。
目前，医疗机器人领域在全自动手术或其他医疗程序方面没有太多可见的用例。这是因为法规规定，一个公认的专业管理这些程序。用人工智能来解决责任等问题比较困难，因为通常都是这样不清楚人工智能应用程序是如何得出结论的。
大多数医疗机器人用于非侵入性手术中的精确操作。这个用例几乎禁止人工智能的完全自动化，因为没有人可能想要将人工智能软件“释放”到人体上。此外，为了操作一个拥有数十个移动手臂和工具的医疗机器人，需要建立一个机器学习模型，并对贴有标签的手术视频进行广泛培训。这需要成千上万的数字标记的手术视频才能实现。
一家医疗保健公司可能需要几个月的时间来获取足够的数据，以适当地培训机器学习模型，使其能够很好地执行机器人手术，从而不会被认为是一种负担。即使一家公司确实收集了所有这些数据，在该软件能够用于完全自动化的手术之前，相关规定可能仍需要改变。
尽管如此，仍然有用于自动化其他医疗过程(如诊断)的医疗机器人。例如，印度软件公司Sigtuple据称创造了自动化自己的智能显微镜拍照，并将它们发送到云基于AI-远程病理学系统。
Sigtuple的软件名为Shonit，它由智能显微镜组成，或安装在可移动的机器人基座上的显微镜，基座与智能手机摄像头相连。该软件通过智能手机上的一个应用程序运行，该应用程序还将软件与云连接起来。显微镜在它的机器人底座上四处滑动，这使得镜头可以悬停在样品盘的一个区域上，并拍摄多张照片。
然后，这些照片将被保存到智能手机和发送到云来进行标注。接收这些图片云卫星使用机器视觉根据血细胞计数和血液中的任何异常标记他们。然后，将照片发送到谁可以诊断基于这些预先标记的高清晰度图像的远程病理学家。然后使用软件的医疗保健公司的工人只需要等待病理学家送他们诊断的响应。
下面的3分钟视频介绍Shonit软件如何扫描血涂片，送他们到云中进行分析，然后病理学家，使他们可以诊断疾病的任何发现：
该软件可能使用机器视觉来覆盖所有这些过程。首先，安装了Shonit应用程序的智能手机摄像头将利用血细胞的存在作为一个良好的指标来拍照。此外，晶状体边缘细胞或身体结构的高浓度可能会促使软件将显微镜更多地朝样品的方向移动。基于云的部分当然也会使用机器视觉来计数血细胞和识别异常或疾病。
虽然这看起来像是机器视觉不同功能的新奇用法，但是Sigtuple并没有列出任何显示其软件成功的结果。这是因为Shonit仍在进行合作伙伴专属的beta测试。此外，Sigtuple似乎并没有雇佣长期在他们公司工作的人工智能人才。
这种缺乏证据的情况在大多数声称使用人工智能的医疗机器人公司中都存在，我们将在本文的下一节进行讨论。
医疗机器人供应商的人工智能状况
谷歌搜索使用AI和ML来实现机器人解决方案自动化的顶级医疗机器人公司，提供了各种公司名称和描述每个机器人的文章。你可能会看到医疗机器人领域的领军人物，比如Intuitive Surgical和Medrobotics Corporation。
这些公司都提供手术机器人，帮助进行精细或非侵入性手术。它们的作用是固定组织，同时使用多个机械手臂进行切割。机器视觉软件也可以用于机器人摄像臂，在手术过程中可以提供更清晰的身体结构视图。
大多数手术机器人在手术过程中提供有用的信息和建议。这包括从监测心率和失血到建议从哪里开始切除异物。
Intuitive公司的机器人还包括一个附带有摄像头的手臂，以便更近距离地观察操作过程。虽然直觉外科手术和医学机器人声称使用人工智能，但企业领导人可能不知道信任指标将显示它。
这些公司表现出对他们的本意是利用AI的一些问题。Medrobotics没有专用AI人才强大的主机，这是博士水平的工作人员尤其如此。此外，各公司缺乏客户的任何种类的软件或机器人解决方案，展示了如何在AI软件解决业务问题的成功的文档。
尽管他们没有提供证据证明一家医疗保健公司在这款软件上取得了成功，但他们在机器人摄像头和博士水平员工方面取得的进步表明，他们可能真的在使用人工智能。
下面是一个显示直观的达芬奇机器人拼接葡萄一起回来的演示视频：
Medrobotics显示的信任指标不如Intuitive surgical。一些文章可能会在无意中误导读者，让他们以为这些公司使用的是真正的人工智能，因为它们精心挑选了“增强智能”或“高级智能”等营销语言。
我们寻找AI软件公司的标准如下:
- 在机器学习、人工智能或认知科学方面有重要学术背景的人工智能人才。如果公司里从事人工智能研究的博士太少，这是一个坏迹象。
- 案例研究、客户故事或详细的新闻稿，它们提供了客户公司在软件方面取得成功的证据。如果该公司连一份关于其客户成功的统计数据的新闻稿都提供不了，那么该软件不太可能使用人工智能，也不太可能开发得足以超越客户。
- 软件解决方案的价值主张，明确指出系统需求和输入，以及系统输出或提供给用户的内容。如果你能从一个公司的网站上识别出这些，他们也应该能够确定这个软件是否真的基于机器学习。
你可以在领英(Linkedin)上找到一家公司员工的信息，以及该公司内部可能的人工智能人才。有才华的人工智能员工的头衔很可能是“数据科学家”、“人工智能”或“机器学习”，并拥有机器学习、认知科学或其他统计领域的博士学位。对人工智能人才来说，好的迹象包括在公司中担任一个特定于人工智能的c级职位，以及在人工智能员工中拥有多个不同级别的博士学位。
为了找到表明客户成功使用该软件的案例研究，你可能需要在公司的网站上搜索额外的资源或视频。一些公司没有任何案例研究，但仍然列出了关于客户经历的多个新闻稿。新闻稿是可以接受的情况下，他们提供了详细的帐户客户使用的软件和至少一个或两个统计数字说明成功与它。
如果一个公司不能提供他们的软件的合法性的证据，它可能是最好到别处人们的注意力，即使他们有相当大的AI人才。
一家医疗机器人公司可能对自称使用AI之前，他们实际上对他们的任何解决方案来实现其多种原因。其中之一是，它可以帮助公司寻找新的客户，都渴望在自己的公司实现AI。
另一个原因可能是，以这种方式夸大事实会给公司带来好的新闻，而这一点良好的媒体和新的客户可能会带来更多的人工智能员工，他们可以帮助构建公司的人工智能应用程序，以更好地反映公众对公司的看法。一旦像这样的公司有了专门的人工智能员工，他们开始测试医疗机器人自动化的机器学习模型就只是时间问题了。
一个公司为他们的软件的价值主张也能照亮的是怎么做的性质，它是用来做什么。我们专注于系统的要求正常运行，什么软件做与这些资源，以确定它是否可能是AI。机器学习为基础的软件需要大量的训练，然后用于确定何时以及如何采取的下一步操作数据。如果一家公司从来没有规定关于需要对相关数据的语料训练软件什么，很可能这是一个艰难的过程。
人工智能开发人员面临着安装机器人手术助手的合法性和后勤方面的挑战。如前所述，医疗机器人领域的一大挑战是围绕全自动手术程序的担忧，以及由此产生的可能禁止它的医疗法规。
随着技术变得更加可靠，公众也更愿意让机器人在没有人类帮助的情况下对他们进行操作，随着时间的推移，这一挑战可能会被克服。
此外，数据科学家和机器学习专家可能仍在开发培训机器学习模型以学习外科手术过程的方法。这是有可能的，正确的外科镜头标记根据所有现有的身体结构和准确的运动或这些结构的脉动。这也将包括可见的机械结构，如机器人的手臂或外科植入物。
给一个外科手术视频贴上这么多信息的标签肯定是一个挑战，而找到一种有效的方法，在合理的时间范围内做到这一点，很可能就是这些公司克服它的方法。试图实现这一目标的医疗保健公司可能会受益于他们业务中经验丰富的人工智能员工的一系列校对和批准。
我们采访了宇邓，首席科学家Infervision，机器视觉公司为医疗诊断有关数据如何才能最有效地收集和用于数据科学，医疗保健旨意。在我们的采访邓谈到了机器视觉技术在医疗保健领域的可能性，更具体地说，在胸部诊断学领域。
当被问及他的公司是如何从相关人员那里收集数据的，这些人没有时间准备和标注数据，邓说:
质量控制[数据]时，我会说一个很好的AI模式最重要的一块。So we have this four-step quality control process, where each image is at least labeled by two radiologists respectively and independently, and the third step is we’ll have a more experienced radiologist to look at the previous two annotations, two labelings, and make a final decision if these two labelings don’t agree with each other. On top of that, we have a judge who is usually a more experienced person, and on top of that, we have a fourth step, which is a random check process on every day.
在创建这样的自动化工具时出现的小错误可能会危及患者的生命，没有哪家医疗保健公司愿意冒软件供应商的风险。因此，在这些挑战得到解决之前，可用的软件产品将很少。
标题图片来源:LoHud
