尽管大规模的风险投资进入医疗AI应用，有使用机器学习在实际应用中的医院几乎没有证据。我们决定，这个话题值得覆盖的深度，因为任何改变医疗系统在多个方面，直接影响企业的领导人，如职工保险或医院管理政策。
在2016年，国家卫生支出估计为3.4万亿$从17.8到2015年和2025年行业分析师之间的国内生产总值的19.9％的预计增幅估计，AI保健市场有望达到$ 6.6十亿到2021年而到2026年有可能挽救美国经济的医疗保健$ 150十亿每年节约。然而，没有消息来源取自机全面审视学习在美国领先的医院应用。
在这篇文章中，我们要回答的问题，企业领导人今天问：
- 哪些类型的机器学习应用程序目前正在使用，哪些正在顶级医院的工作中，如马萨诸塞州总医院和约翰霍普金斯医院?
- 是否有自己的创新工作中的任何共同趋势 - 怎么可能这些趋势会影响医疗保健的未来？
- 多少已投资于机器学习，并在医院领导的新兴高科技创新？
本文旨在通过基于美国五大主导医院介绍机器学习的实施的简洁图片在2016 - 2017年美国新闻与世界报道最佳医院光荣榜排名。（虽然尊重业内人士，我们承认，我们只是使用的排名为手段荣誉榜排名的方法可能不能完全代表了每家医院的复杂性，以找到一个代表性的高性能医院）。
通过事实和数字，我们的目标是为兴趣了解这些美国前五大医院正在由AI影响商界领袖和专业人士提供相关的见解。
在每个五大医院的呈现应用程序之前，我们就来看看从我们在这方面的研究出现了一些共同的主题。
机器学习在医院 - 深入分析了前面
从目前美国五大医院的机器学习计划来看，最受欢迎的医院人工智能应用似乎是:
- 预测分析- 能够监视患者和防止病人突发事件发生之前，通过对关键指标（见克利夫兰诊所与微软和约翰斯·霍普金斯下面GE的合作伙伴关系）分析数据
- 聊天机器人- 自动化的医生询问和医生路由到适当的专科，（见加州大学洛杉矶分校的“虚拟介入放射（VIR）”的情况下）
- 预测健康追踪器-使用实时数据收集监控患者健康状况的能力(参见Mayo诊所对AliveCor的投资)
在下面的完整的文章中，我们将逐一探讨各医院的AI应用。这是需要注意的重要，大多数AI在各大医院的应用是比较新的，和他们几个对他们的改进和效率不同的结果，允许这些技术。我们尽了最大努力排除AI使用情况，似乎更像是公关噱头大于实际真正应用和举措。
在这两种情况下，你会低于我们很清楚哪些应用程序具有牵引力的文章中看到的，以及没有结果可言迄今。我们将开始与＃1的最佳医院光荣榜，梅奥诊所的排名报告。
梅奥诊所
在2017年一月，梅奥诊所的中心个体化用药联手坦帕斯，健康科技启动集中在使用机器学习平台开发个性化的癌症治疗。该合伙涉及的Tempus进行了许多癌症类型，包括的“1000周参与涉及免疫治疗的研究梅奥诊所的病人分子测序和分析”，“肺癌，黑色素瘤，膀胱癌，乳腺癌和淋巴瘤。”
虽然目前处于研发阶段，但最初的目标是利用这些分析的结果，为梅奥的癌症患者提供更个性化的治疗方案。梅奥加入了一个由医疗组织组成的小联盟，与Tempus合作，其中包括密歇根大学、宾夕法尼亚大学和拉什大学医学中心。
“该holy grail that we’re looking for, and that Tempus is actively trying to build, is a library of data big enough that these patterns become a therapeutic, meaning you can start to say, ‘People that have this particular mutation shouldn’t take this drug, people that have this particular mutation should take this drug’”埃里克•莱夫科夫斯基,腾邦联合创始人兼首席执行官
进入割胶估计138亿美元的DNA测序产品市场，启动显然遵循两个补偿模型依赖于客户端类型：腾邦直接收费的医院系统对他们的服务和在个体或患者的情况下，成本计费的保险供应商。腾邦CEO，埃里克·莱夫科夫斯基也是电子商务巨头的联合创始人Groupon的以及一些倾向于分析软件的科技公司吸收技术和Mediaocean。
据CDC说，癌症是仅由心脏疾病相媲美这是死亡的主要原因在美国2017年3月，梅奥诊所与医疗设备制造商合作欧姆龙保健做了一个3000万$系列d投资在心脏健康创业公司AliveCor。
AliveCor设计的Kardio Pro是一个人工智能为临床医生设计的平台，用于“监测患者早期发现心房纤颤，这是最常见的导致5倍于中风风险的心律失常。”AliveCor的旗舰产品Kardia Mobile是一款支持移动设备的EKG。投资Kardio Pro的结果尚未公布。
克利夫兰诊所
在2016年9月，微软公布与克利夫兰诊所合作，帮助医疗中心“标识下的ICU监护潜在的高危患者。”研究人员使用柯塔娜，微软的AI数字助理，打入预测和高级分析。
以每月1.26亿的Windows 10用户使用，柯塔娜是微软的智能云段的一部分增长了6%，即13亿美元在收入根据公司2016年年度报告。
柯塔娜被集成到克利夫兰诊所的eHospital系统，一种类型的命令中心的在2014年首次推出，目前显示器“在六个加护病房100床”从下午7点到上午07点。而改善患者预后已经报道了威廉·莫里斯，医学博士，副CIO，具体的改进措施尚未公布。
微软与克利夫兰诊所合作的重点是在心脏骤停的高风险识别患者。升压药都给予患者心脏骤停的情况下用药。虽然“无脉性心脏骤停管理协议”，升压药也引起血压的一部分。研究人员的目标来预测患者是否需要升压药。
从监控的重症监护病房存储在微软的数据收集SQL Azure数据库，基于云数据库设计的应用程序开发人员。数据收集点，例如患者生命体征和实验室数据也馈送到系统中。计算机模型从数据集成机器学习的预测分析建成。
马萨诸塞州总医院
目前处于人工智能战略的早期阶段，将于2016年4月推出NVIDIA公布它的加入与马萨诸塞州总医院的临床数据科学中心作为“创始技术合作伙伴。”该中心旨在用作用于在医疗应用中AI的轮毂“检测，诊断，疾病治疗和管理”。
正式提出了在2016年GPU技术大会上，NVIDIA DGX-1是由公司描述为“深度学习的超级计算机”，并安装在麻省总医院（读者不熟悉GPU技术可能有兴趣在题为“我们的NVIDIA高管访谈什么是GPU？“）。的NVIDIA DGX-1据报道花费$ 129,000名。
随着由“10个十亿医学图像”的医院数据库服务器将首先培训了这个数据，在放射学和病理学的应用。该中心旨在后来扩展到电子健康记录（电子病历）和基因组学。如果NVIDIA DGX-1上的承诺提供它可以减轻一些挑战目前所面临的场：
“如果我们能以某种方式无缝地捕获相关数据高度结构化的，彻底的，重复的，颗粒状的方法，我们请从医生那负担。医生是快乐，我们挽救病人的钱，我们得到的数据类型，我们需要做的改变游戏规则的AI的工作。”- 将会杰克，联合创始人兼首席执行官补救健康
约翰霍普金斯医院
在2016年3月，约翰霍普金斯医院公布推出了使用预测分析，以支持更有效的操作流程的医院指挥中心的。医院联手与GE医疗集团合作伙伴设计的朱迪·瑞兹容量指挥中心从接收“每分钟500个消息”和集成数据“14个不同的约翰霍普金斯大学的IT系统”跨22高分辨率，触摸屏功能的电脑显示器。
24指挥中心的工作人员组成的团队能够识别并降低风险，“对所有患者的利益触发活动的优先顺序，以及干预措施，以加速病人的流动。”自从推出指挥中心约翰霍普金斯大学的报告在到大，从周边地区乃至全国收治病人“复杂的医疗条件”的能力，60％的改善。
医院还报道更快救护车调度，在急诊科30％的速度床作业，并在病人出院增加了其他改进中午前21％。
约翰霍普金斯大学的领导们最近于2017年4月召开了为期两天的会议，讨论如何在精准医疗领域利用大数据和人工智能。行业分析师估计，到2024年，全球精准医疗市场价值将达到1,730亿美元我们对医药AI应用全文更多的使用情况在医学和制药）。
虽然具体细节尚未公布，关于“如何人工智能和深度学习的通知患者的诊断和管理”的演讲，是由三位主讲人包括IBM华生医疗集团，沙赫拉姆Ebadollahi和Sachi莎莉亚，博士，助理教授副总裁介绍计算机科学。
莎莉亚的研究机器学习应用，以提高患者的诊断和预后上最近提出了在第11届机器学习研讨会在纽约科学学院。
加州大学洛杉矶分校医学中心
三月2017年，华盛顿特区，加州大学洛杉矶分校的研究人员爱德华·李博士和凯文博士密封件提出的研究其背后的虚拟介入放射（VIR）在介入放射学的年度会议的社会设计。本质上，聊天机器人，该VIR“自动指临床医生沟通并快速提供的证据为基础的经常问到的问题。”
目前在测试模式下，该第一VIR原型正由一个小团队，加州大学洛杉矶分校医疗专业人员，其中包括“hospitalists，放射肿瘤学家和介入放射科”（在癌症治疗更深兴趣的读者可能需要阅读我们对肿瘤学深学应用全文）。所述AI驱动的应用程序提供了与将信息传达给所述患者的能力指医生，例如在治疗计划的介入放射治疗或后续步骤的概述，所有实时。
VIR是建立在过度的基础2000个样本数据点旨在反映在与介入放射科医生会诊时经常出现的问题。响应不限于文本格式，可能包括“网站、信息图和自定义程序”。
该研究小组综合VIR与使用IBM沃森AI系统，自然语言处理能力。在传统客服聊天机器人各行业，如果VIR不能提供到特定询问聊天机器人提供的联系信息用于人介入放射医师的临床医生参考的充分反应。
随着增加使用研究人员的目标，以扩大应用的功能，对于“普通医生和其他专家，如心脏病学家和神经外科医生的接口。”
在2016年3月，UCLA大学为基础的研究，发表在自然的科学报告有研究相结合特殊的显微镜与深度学习计算机程序“以确定有超过95％的准确癌细胞。”
照片（见光子时间伸缩显微镜）：http://newsroom.ucla.edu/releases/microscope-uses-artificial-intelligence-to-find-cancer-cells-more-efficiently
光子时间拉伸显微镜，通过巴勒姆贾拉利，该研究小组的首席科学家，发明产生高分辨率的图像，并能够分析每秒36000000个图像。再深的学问是用来“区分健康的白血细胞的癌细胞。”
基于血液的诊断是一个增长的行业和竞争日益激烈的空间，在最近的一次讨论Emerj访问在早期阶段的科技初创领先的投资公司的创始人：
“......看着DNA，RNA，蛋白质，各种生物标志物的信息来诊断有人尽早绝对是一个非常活跃的领域...例如，如果你看一下圣杯，从非常大的分拆Illumina公司，他们是很好的资助，他们正试图用DNA等信息从血要能早期发现癌症。”-雪莱庄，创始人和股东，十一两个资本
在五大医院总结机器学习的思考
具有唯一约束的斗争，需要注意的是医疗机器学习应用（ - - 比如检测信用卡欺诈或优化营销活动不像在其他应用程序）是非常重要的。治疗的患者中更细腻的过程不是检验一个电子商务向上销售，并与合规性和复杂的利益相关者关系的众多（医生使用的技术，医院高层买的话，患者有望从中受益），我们必须有些同情这些顶级医院没有在这样一个敏感的和新领域应用AI明显效果。
我们的健康科技投资史蒂夫Gullans博士面试深入探讨医院人工智能应用的独特挑战。史蒂夫提到了许多专家医生对人工智能工具的明显恐惧，以及其他可能会使医院采用缓慢的心理因素。
当被问及如何医院和医疗设施可能会绕开这些障碍（假设该技术实际上将更好地患者的生命），他表示他对哪些地方可能存在收养机会的意见：
“这很艰难，但总会有一些滩头阵地会有回报;有些应用程序现在,医生不喜欢某种特定的调用或一个有一些援助实际上可以是一个很大的好处每个参与者…我认为你将会看到的是非常具体的数量在一个特定的设置,如调用一个中风的ER出血或浸渍,那里是一个生与死的决定非常二进制…”——史蒂夫•古兰斯博士,擅长风险管理
这也是要注意的重要的，我们应该保持怀疑的技术应用到量化的结果可以验证。由于在几乎所有其他的AI-注入产业，医疗机器学习是造成大量“技术信号”（的噱头的吹捧“AI”为赢得关注和新闻界的缘故，并没有真正用于改善组织结果）。
它是像NVIDIA或微软的AI供应商授予“新超级幻想” AI技术，顶医院，并授予该医院的称号互利“创始技术合作伙伴。”
这些类型的事件几乎保证得到媒体和（可能）反映良好，对双方都有 - 艾申请者是否曾经带动结果无论是医院（效率）或患者（更好的健康结果）。
当然，我们撰写这篇文章并不是要侮辱任何一家医院或供应商的努力，但是作为分析人员，我们必须保持怀疑，直到确定结果。我们的目标是让商业读者(比如你自己)了解人工智能的应用和影响，我们总是更喜欢有记录结果的项目，而不是“计划”。
话虽这么说，这是重要的商业领袖，了解这种发展的共同趋势，以获得一个行业的“脉冲”的感觉，我们希望已经在这篇文章中做到了这一点。
其中一个原因，我们坚持认为，供应商企业名单客户公司和可量化的结果在我们的Emerj AI案例研究这是因为——与任何新兴技术一样——人工智能经常被用作“前沿”的信号，是炒作的工具，而不是功能。
我们相信，一些医院AI应用在这篇文章中强调了将在事实上使他们的方式，以真正的和无处不在的应用（特别是那些我们在强调“洞察力前期”部分在本文的开头）。正当卓有成效的应用将成为家常便饭 - 时间会证明一切。
图片来源：Static1
