AI簡化醫(yī)療保健的解決方案

衛(wèi)生保健在數(shù)據(jù)失調(diào)方面陷入困境。收繳與使用之間的根本失衡在整個系統(tǒng)和地緣政治邊界中持續(xù)存在。數(shù)據(jù)收集一直是一項全力以赴的工作，目的是要有良好的意圖，但結(jié)果不足以將數(shù)據(jù)變成行動。經(jīng)過十多年的努力，人們的看法是數(shù)據(jù)不一致，混亂且不可信。世界上最先進的衛(wèi)生系統(tǒng)對其所積累的內(nèi)容仍然感到困惑：大量數(shù)據(jù)沒有明確的影響途徑。人工智能(AI)可以穿透潛伏者，清除噪聲，并在現(xiàn)有數(shù)據(jù)中發(fā)現(xiàn)任何人或其他技術(shù)無法承受的意義。

AI是具有適應能力和學習能力的技術(shù)或機器的術(shù)語。這是數(shù)據(jù)驅(qū)動，能夠衡量可用數(shù)據(jù)并執(zhí)行操作或改變主意的基本含義。機器學習是AI的核心-教機器從數(shù)據(jù)中學習，而不是像過去的機器那樣需要硬編碼的規(guī)則。

沒有哪個領(lǐng)域比醫(yī)療保健更值得有意義的人工智能了。可以說，醫(yī)療保健是地球上最復雜的行業(yè)，它與科學，商業(yè)，政治和人類行為的發(fā)展息息相關(guān)。這些影響推動和拉動了永恒的矛盾。

衛(wèi)生保健(尤其是心理學)是機器學習的母親。1949年，Donald Hebb博士undefined創(chuàng)建了腦細胞相互作用或“突觸可塑性”的模型，該模型形成了當今遍布AI的人工神經(jīng)網(wǎng)絡的祖先體系結(jié)構(gòu)。解釋人類行為的數(shù)學已成為模仿和超越人類智力的數(shù)學。人工智能現(xiàn)在正處于重返醫(yī)療領(lǐng)域的絕境。

為了實現(xiàn)大規(guī)模的影響，必須在世界上最先進和最不先進的衛(wèi)生系統(tǒng)中部署機器學習。任何體面的技術(shù)都應在學術(shù)界和技術(shù)巨頭的原始數(shù)據(jù)環(huán)境之外保持彈性。AI可以從數(shù)據(jù)的許多維度(照片，自然語言，表格數(shù)據(jù)，衛(wèi)星圖像)中學習，并且可以適應并從可用數(shù)據(jù)中學習。適應能力是定義AI的要素。最好的AI旨在解決復雜的問題，而不是解決衣柜的偏好?，F(xiàn)在是將AI引入醫(yī)療保健的時候了。

是我們時代最大的全球危機：對我們社會的經(jīng)濟和心理健康的直接健康挑戰(zhàn)和持續(xù)時間未知的挑戰(zhàn)。數(shù)據(jù)驅(qū)動決策的缺乏以及自適應和預測技術(shù)的缺乏延長了并加劇了的損失。這些技術(shù)的采用將幫助我們重建健康和社會。人工智能已經(jīng)為響應和醫(yī)療保健的加速發(fā)展打造了新的解決方案。麻省理工學院針對傳輸速率的機器學習模型產(chǎn)生了驚人的精度，在某些情況下undefined將錯誤率降低70%。紐約市Sanai的研究人員已經(jīng)證明，通過將AI模型與胸部計算機斷層掃描(CT)，臨床癥狀，接觸史和治療相結(jié)合，可以將測試從兩天減少到幾乎即時。undefined實驗室測試-減少誤報錯誤。與測試套件不同，AI模型可以立即傳播給新用戶，生產(chǎn)上不受限制，并且不需要額外的培訓和補充設備。