医疗保健和人工智能的结合具有巨大的潜力，但是数据标准化和集中化的缺乏阻碍了它的发展。
几乎每个行业都在关注人工智能( AI )对其产生的影响，但是医疗保健一直是最具前瞻性的行业之一，因为它具有提供更好的病人护理和拯救生命的潜力。
之所以说医疗和人工智能的结合有着巨大的潜力，也是因为有100多家初创企业正专门致力于将人工智能引入医疗领域。未来几年，随着该领域企业生态系统的增长，该领域的创新将会出现爆炸式的增长。
在华盛顿特区举行的Nvidia GPU技术会议上，Nvidia加速计算总经理兼副总裁Ian Buck讨论了我们将如何通过现代AI实现爆炸式的增长，在那里，技术将彻底改变我们做事的方式。
例如，在医疗保健领域，基于人工智能的视频分析正在帮助放射学家发现核磁共振成像中可能被肉眼错过的脑溢血或肿瘤。这并不是随处可见的例子，但是这是医疗保健领域所广泛应用的人工智能的例子之一，因为机器可以在更精细的层次上看到事物。
现代人工智能将这一过程提升到了一个新的高度。Buck展示了一张带有胸部x射线单色图像的幻灯片。然后人工智能被用来用不同的颜色给器官着色，然后图像被锐化使其看起来是三维的。Buck称这个过程为“AI超分辨率”，在这个过程中，神经网络可以拍摄高度像素化的图像并对其进行锐化。Buck展示了另一个用例，在这个用例中，一只手的x射线被提取出来并进行了超分辨率处理，将之前不可见的图像元素呈现出来。
AI实现精准的医疗保健
另一个现代医疗与人工智能的例子是精准治疗。在当今的医疗行业中，患者的治疗通常是基于疾病给出的。不考虑年龄、种族和身体组成等因素。有了足够的数据，人工智能可以用于制定针对个人的治疗计划。每个人都是独一无二的，但是创建定制治疗计划的过程对于医生来说太复杂了，无法手动开发。人工智能被证明是一个极好的工具，可以让病人接受精确的药物治疗。
预测性医疗保健即将到来
人工智能也可以用来预测结果。在医疗保健领域的一个会议上，该小组讨论了一个人的肌肉与脂肪的比例如何进行预测广泛的医疗结果，包括预测手术成功率和癌症。基于AI分析的CT扫描，可以显示身体的组成和即时的片段信息，从而为生物标记创建数据集。临床医生可以利用这些数据来预测病人是否有很高的患病几率。
数据质量和可用性仍然是一个重大问题
现代人工智能将以前所未有的速度改变医疗保健。不过，还有一个挑战仍然存在，那就是数据。医疗行业在几年前转向了电子记录，但数据往往是存储在信息孤岛中。
最近我采访了一位来自波士顿的马萨诸塞州总医院的医生。这家医院是美国领先的医院之一。他经常将文件通过电子邮件发送给自己，或让患者携带打印的纸质记录。每个主要医院的数据库里都有成百上千的数据集，因此无法将这些信息整合在一起正阻碍着医院现代人工智能的发展。基于GPU的服务器的广泛可用，人工智能算法也已经成熟，但是数据可用性仍然是医疗保健领域的最大问题。
我问过麻省总医院(Mass General)、布里格姆妇女医院(Brigham and Women’s Hospital)以及临床数据科学中心(Center for Clinical Data Science)的资深机器学习科学家Neil Tenenholtz，我们可以做些什么来提高数据质量。他承认这是一个大问题，并建议从最重要的数据集开始，或者从医院现有的系统开始。这是一个开始，但最终，数据标准需要就位，信息仓库需要被整合。
例如，许多临床报告只不过是医生写的散文，没有共同的结构和格式。这使得人工智能很难解析和提取有意义的信息。人工智能正在取得进展，自然语言处理(NLP)可以用来更好地理解报告，但创建一个标准化的结构肯定会有所帮助。
此外，与将电子记录存储在远程办公室的本地服务器上相比，迁移到集中式的存储系统将是一项重大改进。在我看来，每个人都应该有自己的个人“健康云”，所有相关记录、测试结果和其他数据都可以存储在这里。然后患者可以决定应该给谁访问权限。这将使人工智能算法能够访问一个人的所有信息，而不仅仅是其中的一部分。
我们可能还需要几年的时间才能实现这一目标，但与此同时，医疗垂直领域的首席信息官应该专注于数据的标准化和集中化，因为这将有助于推进人工智能的使用。
