人工智能与医生之间的配合越发紧密。
尽管有很多技术尚未经过临床验证，但在许多实验中，人工智能系统的确在诊断疾病、分析医学影像和预测健康结果方面表现出很大的潜力。在手术缝合和新生儿孤独症诊断等领域的表现甚至超过人类医生。
如今，人工智能又取得了更大的进步：英国诺丁汉大学的研究人员开发的新系统可以扫描病人的日常医学数据，并预测哪些人可能在10年内患心脏病或中风。与标准测预测方法相比，人工智能系统正确预测的病人数量高出355人。
预测这些心血管问题并非易事。研究人员最近在《PLOS One》期刊上发表的一篇论文中指出，约有半数心脏病和中风病人之前未被标记为“存在风险”。
查看这篇论文，请在量子位微信公众号(ID：QbitAI)对话界面，回复：“中风”几个字。
目前标准的风险评估方式是根据美国心脏病学会制定的指导原则进行的。医生使用这些指导原则来对病人进行问诊和治疗，主要关注的风险因素包括高血压、胆固醇、年龄、吸烟史、糖尿病等。
为了提高该系统的效果，研究人员Stephen Weng和他的同事测试了多种不同的机器学习工具，对全英国的378,256份病例进行了测试。这些病例追踪了病人从2005年到2015年间的健康状况，包括人口统计学信息、病情状况、处方药、门诊次数、实验室数据等。
研究人员从中选取75%的病例数据，然后提供给机器学习模型，由它寻找那些在10年内患心脏病或中风的病人特征。Weng的团队之后又对另外25%的病例进行了测试，看看具体的预测精确度。他们还利用标准的指导原则对这25%的病例进行了评估。
如果以1.0表示100%的准确率，标准指导原则得分为0.728，而机器学习的得分在0.745至0.764之间，最好的结果来自一种名为神经网络的机器学习模型。
虽然机器的优势并不明显，但如果换成绝对数值，便可更加明显看出差异：在7,404个真正患病的人中，神经网络模型成功预测了4,998人，比标准方法多出355人。借助这些预测，医生便可采取预防措施，例如通过处方药来降低胆固醇含量。
Weng表示，当今实验室里测试的人工智能医疗工具很快就可以在诊断及预后等方面提升临床准确度。“未来5年有望从实验室研究走向临床应用。”他说。
这种技术应用于实践后大概会是什么样子？Weng预计，忙碌的基层医生可以使用具备模式识别能力的人工智能工具。
“由算法查看整个病例列表，然后加以标记，提醒医生注意。”他说，“这可以在病人进行常规预约时进行，也可以对整个的病例进行系统性筛选。”虽然Weng指出，类似的临床决策支持软件已经存在，但这些系统并未使用人工智能识别技术，因而准确率大打折扣。
但在人工智能走进医生的办公室之前，这项技术还必须经过严格的监管审核。“关键的部署障碍是应对隐私和保密问题，因为计算机算法需要过滤庞大的病例数据，而其中包含了很多秘密而敏感的医疗信息。”Weng说。
除了这些隐私担忧外，监管者也对能够自主诊断疾病的机器学习技术保持谨慎态度。面对这些繁文缛节，我们可能会好奇一个问题：机器学习工具能否预测自己通过审批的概率？
还有一家公司也在进行中风领域的研究：Viz。
这家刚刚展露在大众视野的初创公司，对很多人来说都披着神秘的面纱。如果说2017年是人工智能的元年，那成立于2016年9月的Viz称得上是AI应用的先行者。
Viz将机器学习应用到脑部扫描成像，提早预知中风的发作，开始解决解决目前连医生都觉得棘手的问题。
Viz的三名创始人各有侧重——Chris Mansi不仅是斯坦福大学的MBA，还是一名神经外科医生；David Golan博士来自斯坦福大学统计学专业，同时也是人工智能和深度学习领域的专家；来自印度的Manoj Ramachandran曾是一名整形外科医生，也是医院的CIO。
自Viz成立至今，已经完成了超过两百万美元的种子融资。其中的投资人不乏来自很多知名风投机构。
比如前谷歌前CEO，现Alphabet的董事长埃里克·施密特创立的Innovation Endeavors,雅虎公司创始人杨致远创立的AME Cloud Ventures等。在得到这些VC投资前，Viz还进行了一期可转债(Convertible notes)，筹集了五万美元。
在Viz的网站（viz.ai）上写着这样一句话——Time is Brain（时间就是大脑）。当大脑受伤时，每一秒都至关重要。
