人工智能将帮助人类更快更好地战胜疾病，过上更健康的生活，降低医疗成本。过去十年的大量研究表明，深度学习作为人工智能的一个分支，可以将数据模式转化为预测，并成为许多具有挑战性的任务中非常有用的工具，例如诊断不同类型的癌症、加速药物开发以交付精准治疗。但将AI技术应用于医疗保健是一个复杂的过程，涉及解决范围广泛的问题，而不仅仅是创建可以将输入映射到输出的AI模型。飞利浦数据科学与人工智能卓越与数字研究中心负责人TinaManoharan分析并阐述了将人工智能应用于现实医疗保健应用的机遇、挑战和前景。她在利用人工智能算法和产品进行人工智能研究和开发方面拥有丰富的经验。主要从事有监督机器学习和AR/VR仿真领域的研究，拥有硕士和博士学位。博士期间担任研究助理。如今，她正在领导使用数据科学和人工智能来支持飞利浦集群、业务和市场，创建智能连接设备、服务和解决方案。医疗保健行业对人工智能的需求Manoharan认为，医疗保健行业需要一场革命。“医疗保健系统和提供者承受着巨大的压力，现在由于冠状病毒大流行，压力比以往任何时候都大，并且正在应对医务人员短缺、人口老龄化和与生活方式相关的挑战，”她说。慢性疾病。”与此同时，数字化转型正在推动健康数据呈指数级增长。随着数字化和连通性的普及，组织比以往任何时候都更有能力收集有关个人和人群健康的信息。但是处理这些数据是一个巨大的挑战。“一位临床医生告诉我，‘我们有很多数据，但不要负担过重，我们需要相关且准确的信息来进行决策，’”Manoharan说。帮助临床医生、医护人员和患者做出更明智的决定。”她说，人工智能使设备、系统、软件和服务能够感知上下文、精确、个性化、预测和主动。通过将数据转化为精准健康的可操作见解，精准、个性化的治疗和护理将全面实现。但除了提高医疗的准确性，人工智能还可以让医疗体验更加人性化。在人工智能的帮助下，医生将花更少的时间去研究数据和病历，为患者提供更好的护理。Manoharan说，“AI可以将临床医生从繁琐的工作中解放出来，让他们能够专注于自己最擅长的事情，并以更精确和个性化的方式与患者互动，并有可能随着时间的推移增加价值。”虽然围绕人工智能的大部分讨论都是关于采用软件来取代人类，但在医疗保健领域，人工智能必须被视为一个增强因素。“临床医生每天做出的许多决定都非常复杂，他们需要的不仅仅是人工智能或数据驱动的方法，”Manoharan说。有效的患者管理会有所作为。以人为本的人工智能开发方法很重要。我认为临床医生和人工智能具有独特的优势，可以相互补充和增强，而不是相互替代。”AIinHealthcareManoharanEngagement飞利浦的几项举措使用人工智能来改善临床操作。一个例子是使用人工智能来加速医学磁共振成像(MRI)过程。“这里的挑战在于，磁共振成像(MRI)具有许多优点（例如无辐射），但相对耗时：执行完整检查可能需要长达一个小时，而且患者移动的风险可能导致图像质量差，”Manoharan说。这导致必须重做测试。”在MRI扫描期间，患者经常会感到疼痛。扫描的持续时间和密闭空间会增加患者就诊的压力。除了给患者带来不舒服的体验外，重复扫描等问题还会增加医院MRI工作人员的成本和时间。2019年，FacebookInc.的AIResearch和NYULangoneHealth发起了一项名为fastMRI的挑战，旨在利用人工智能提高磁共振成像(MRI)扫描的速度。竞争者使用不同的深度学习架构来改进图像采集并减少患者花在磁共振成像(MRI)扫描上的时间。由飞利浦和莱顿大学医学中心(LUMC)团队开发的深度学习模型在比赛中表现最佳。深度学习模型以八倍的速度成功重建了高质量的磁共振成像(MRI)图像。下一步是将这个和其他研究项目的结果整合到可用于实际医疗保健环境的产品中。“我们现在正在开发一套人工智能应用程序，可以帮助加快MRI工作流程，从患者安排到报告创建，”Manoharan说。他说，其中有一个应用程序可以通过使用计算机视觉来检测患者在扫描仪中的呼吸情况，从而加快MRI检查的设置阶段。原来的方法需要每个病人调整自己的姿势，一个过程可能需要几分钟。人工智能驱动的解决方案称为VitalEye，可执行非接触式呼吸检测，并将检查时间缩短至不到一分钟。飞利浦还致力于在时间至关重要的重症监护病房中使用人工智能技术，及时正确的决策会对患者的生命和健康产生深远影响。Manoharan说，“在这里，挑战在于检测患者恶化的早期迹象，必须在高度动态和压力大的环境中检查。更多患者。”飞利浦正在开发一种解决方案，该解决方案使用预测分析来识别可能需要干预的患者60分钟。该解决方案使用机器学习模型，根据历史住院和门诊数据评估患者风险。”、医疗记录和医疗警报系统。人工智能的输出提供给做出最终决定的医疗专业人员。这可以让医疗专业人员更快地进行干预并改善患者护理。该团队还在考虑人工智能智能模型，结合其他工具和技术，将使医疗护理人员能够使用远程医疗从中央监控位置远程监控患者，并为医护人员提供支持更多的远程监控工具，例如可穿戴生物传感器，可以在家中跟踪患者的健康状况。对于慢性病患者，这可能会有所帮助。预测分析还可以用于预测哪些患者可能需要额外的护理，并联系到他们主动。“将人工智能集成到现有的工作流程中，虽然需要大量的人力和物力每年都有资源投入到医疗领域的AI研究中，将已经开发的技术整合到实际应用中带来了一些挑战，”Manoharan说，“人工智能无疑是改善医疗保健领域的巨大机会，因为它是如此强大。但产生这种影响需要深入融入临床工作人员的工作流程或患者的日常生活。“AI系统的工程师和开发人员还必须确保他们的系统能够顺利集成到医疗保健专业人员的工作流程中。如果将AI系统设计为独立的应用程序，为临床应用程序增加一个额外的步骤，那么它不太可能“我们需要记住，人工智能算法本身并不是一种解决方案，它是一种需要集成到工作流程中的工具，”马诺哈兰说。这意味着了解工作流程，然后设计一个将AI协作考虑在内的解决方案。人工智能技术必须在正确的时间以正确的形式为您提供正确的信息。例如，如果放射科医生有可以帮助他们解读图像的AI解决方案，他们就不必切换计算机来打开另一个应用程序来运行算法。“AI需要集成的健康数据。运行AI系统还必须得到能够将AI系统集成到不同的IT和数据系统中的工具的支持，”Manoharan说。洞察力、互操作性确实是关键。“互操作性和集成挑战是将AI学术研究与实际应用区分开来的关键因素之一。研究通常围绕开发适用于精选健康数据集的AI模型展开。然而，现实生活中的数据杂乱无章且难以访问。在许多情况下，缺乏适当的数据基础设施是将人工智能应用于现有应用程序的主要障碍。Manoharan说，“如今的医疗保健数据通常难以交换、分析和解释。当今有许多可用的AI解决方案，但医疗保健领域高度分散的供应商环境需要将来自不同供应商的创新医疗技术集成到一个无缝且完整的以患者为中心和以疾病为中心的解决方案中。“解决这个问题需要技术供应商、医院和医疗保健组织之间的通力合作。Manoharan补充说，“我们需要从多个供应商的设备中获取数据并连接到医院的IT系统，我们需要数据标准来使数据能够使用一种数据语言以统一的方式理解；连接的数据湖在这里至关重要。“数据湖是对存储在其中的数据没有限制的大型存储库。数据可以以原始格式存储，例如文本文件、图像和视频，以及结构良好的电子表格，然后需要使用数据科学和机器学习工具挖掘和查询数据。解决集成和法律挑战Manoharan说，“要建立人工智能患者的整体视图，数据需要跟踪患者。我们需要将患者可能患有的疾病与护理过程中的要点联系起来，将医院与家庭、初级保健等联系起来。这还需要患者持续参与和反馈他们在处方治疗方面的经验，并将患者报告的结果纳入临床决策。“当然，这将呈现一些法律挑战。医疗数据是敏感数据，受不同司法管辖区的隐私法规约束。如果不小心，为医疗保健和医学开发人工智能解决方案的公司可能会违反隐私法规，而医疗保健行业仍在努力在提供数据访问和保护敏感健康数据之间找到平衡点。“地方立法必须确保安全交换和访问正确注释的数据用于医学研究和临床实践，同时保护患者隐私，”Manoharan说。这项工作还需要医疗保健技术提供商提供新的方法来简化人工智能解决方案的开发。医疗设备供应商必须开始通过发布应用程序编程接口(API)来支持第三方创建应用程序，例如初创企业或学术临床中心。”在医疗保健产生影响之前，它将面临其他技术和非技术障碍，例如货币化、实施工作、工作流程改进和信任。“我们需要考虑诸如需要什么、客户为AI支付的费用以及薪酬和福利等问题，”Manoharan说。人工智能在医疗保健领域的未来Manoharan认为，虽然许多人工智能解决方案已经存在，但下一个真正的飞跃是将产品集成到无缝且完整的以患者为中心的解决方案中，这些解决方案协同工作以实现精确诊断和更优化的治疗路径。Manoharan补充说，“在开发基于人工智能的新技术时，我们还应该关注现有的和新的挑战和障碍。”Manoharan认为，随着数字化转型推动健康数据的指数级增长和行业的快速变化，诚然，目前还没有找到所有答案。“在采用人工智能的激动人心的创新之旅中，将会出现新的问题，我们应该以公开和透明的方式解决这些问题，并将患者和客户的需求放在我们工作的最前沿，”她说。.通过这种方式，我们可以解决和克服一些社会最紧迫的挑战。我们可以更直接地满足客户不断变化的需求。”
