《自然》杂志介绍了心脏病专家埃里克·托波尔（Eric Topol）的新书《深度医学》（Deep Medicine）。这是一本描述人工智能在医学领域的应用，以及可能前景的科普书。通过这篇文章，我们大概能了解，人工智能技术会如何影响医疗。
文章提出，我们面对的医疗问题很明显。医疗费用越来越贵，而且医疗资源似乎也总是稀缺。这让医疗问题也成为了贫富分化问题的一部分。人工智能技术的出现，让人看到了用无情算法解决医疗问题的希望。
医疗行业有大量的数据。人类可以借助传感器、智能手机、基因组扫描、临床病理记录等方法，收集到海量的健康数据。文章说，如果说数据是新时代的“石油”，健康数据就是精炼石油。人工智能可以用这些数据来为诊断和治疗提供决策帮助。这些数据价值连城。金融行业的数据已经很值钱，而“这些数据价值是金融数据的6至10倍”。
人工智能技术目前在医疗领域已经有一些应用。其中最常见的是，把图像识别技术应用在放射学、病理学和皮肤学领域。人工智能算法可以识别X光片、发现肿瘤细胞，以及推断皮肤损伤。在眼科和心脏科也有类似的应用，可以识别糖尿病人的视网膜、通过智能手环或手表的传感器数据判断心脏健康等。
更进一步的应用是，可以通过机器识别人类的声音波动和表情变化，来判断人的情感变化。
不过，《深度医学》的作者说，现在大部分的研究，还仅仅停留在科技公司进行算法验证的阶段。把人工智能技术用在临床实践中的案例非常少。如果用算法来解决医疗问题是一场马拉松的话，现在科技公司们仅仅走了第一公里。
同时，作者也提醒，在通过技术解决医疗问题上，还有很多需要做的。比如，很多社会因素会影响健康，但是现在并没有收集相关社会因素的数据；再比如，医生会对数据和算法做出什么样的反应；以及怎么样确保医疗人工智能不是掌控在科技垄断公司手中，而是让每个人都能受益。
大数据处理信息服务商金盛网聚WJFabric认为，人工智能与医疗行业的结合是最广大人群的基本诉求，原因在于人工智能客观公立的基本属性更适合应用于解决医疗问题。由于需求量巨大，因此能够采集到的数据样本量级非常可观，这有助于“人工智能＋医疗”的研发。当然，同样是需求量的原因，用户对临床实践的安全性要求很高。由此可见，可采集到的数据样本的量级同样有“双刃剑”效应，越是能够采集到更多样本，越要谨慎对待，因为支撑数据的是巨大的需求量。
閱讀更多 金盛網聚 的文章
