大流行加速了人工智能(AI)在远程患者护理方面的进步。医生越来越多地使用数字患者监测来跟踪健康数据、识别异常并提供不再需要面对面进行的治疗。此外，急诊部门正在采用远程监控解决方案，因此一些患者可以更快地出院。这些变革性技术正在为患者带来更好的治疗并降低医疗成本。人工智能在医疗保健中的用例人工智能在医疗保健中的用例正在增加，这主要是由于各种算法的不断学习和训练，使技术更加智能并改善了患者体验。人工智能在医学领域的大部分应用都使用了“增强智能”，将算法的输出汇集起来，在得到分析结果时为临床医生提供“看哪里”的方向，至今仍发挥着重要作用质量控制在提供服务中的作用。增强智能侧重于技术的辅助作用，旨在增强而不是取代人类智能。Apple等消费电子公司正在使用人工智能来帮助个人随时了解自己的健康状况。一些带有心率监测功能的腕带设备可以在用户心率异常时通知用户，并与医生共享信息。医生们还通过在人工智能引擎上运行FDA批准的技术来扩展他们远程监控患者的能力。例如，CurrentHealth的解决方案提供预测性生命体征监测和健康恶化警报等功能。医疗级动态心脏监测领域的许多不同公司正在积极部署AI用于心电图记录和心律失常检测。与基于规则或传统机器学习算法（用于Holter监视器）等传统技术相比，使用人工智能可以更好地改善患者的治疗效果。不太复杂的算法通常不能提供足够高的诊断率，以至于医生在没有反复监测的情况下无法得出明确的诊断。使用人工智能的设备不仅使个性化医疗更接近现实，而且还进一步扩大了医疗保健系统在具有挑战性的情况下为人群提供服务的能力，例如在偏远地区或可能无法就诊的地方。情况下提供的服务。用于监测心脏护理的人工智能和机器学习除了AI对患者的好处外，它还可以将医生从筛选和管理大型数据集等管理后台任务中解放出来，使他们能够专注于自己的临床技能来护理患者。人工智能可以识别人类无法识别的模式。例如，心脏在两周内平均跳动约150万次，医生可能会找到某个6秒的窗口来做出临床判断。寻找具有临床意义的东西是大海捞针，而AI可确保更大规模的准确性。为了达到这种可靠性水平，供应商、数据科学团队和人工智能需要干净的数据，而且需要大量的数据。这种海量数据扩展需要复杂的分析，这可以使用机器学习和深度学习算法来实现。在过去的十年中，作为机器学习的一个子集的深度学习已经达到了在多个科学领域开发算法方面与人类表现相匹配的程度。与更传统的机器学习方法根据人类收集的特征来预测结果不同，深度学习算法使用人工神经网络来预测结果，因此具有从原始数据中自动学习相关特征的优势。因此，深度学习算法可以利用大量带注释的实例数据和强大的计算能力来构建复杂模型，并以非常高的准确度预测新输入的正确结果。将机器学习和深度学习方法部署到医疗保健中需要受到FDA的严格监督，并且需要510(k)许可。获得510(k)许可表明相关技术设备的使用是安全有效的。随着算法创新和数据量创建的步伐不断加快，监管机构引入了协调最佳实践和监管要求的框架，同时允许设备以比过去更快的速度改进。这方面的工作显然包括以下两个文件。FDA此前于2021年1月发布了《基于人工智能机器学习软件的医疗设备之行动计划》，随后是与加拿大卫生部和英国药品和保健产品监管机构（MHRA）联合开发的《医疗设备开发良好实践：指导原则》。利用先进的算法和大量的数据，深度学习在很多应用中已经达到了专家级、人类级的性能。医疗保健领域AI创新的下一阶段AI在医疗保健领域可以提供很多服务，而我们才刚刚开始。去年，拜登政府成立了一个人工智能工作组，目标是让政府数据更容易获取，并扩大对关键资源和教育工具的访问，以继续刺激人工智能创新。此举基于2020年法案，其中包括为期五年的2.5亿美元预算。随着国家对人工智能创新的关注和资金的增加，人工智能和可穿戴设备的下一个前沿领域将是预测能力的扩展使用：洞察范式将从临床回顾性报告转变为对未来状况的风险预测。在医疗保健领域，除了确保患者接受适当的预防性医疗护理外，识别和分析健康风险以确定监测哪些患者群体以及监测时间也至关重要。人工智能创新正在改变医疗保健服务。人工智能创新可以增强患者体验，减轻患者、医生和护理团队的行政负担，并有可能改善健康结果。进一步的投资和技术进步无疑将彻底改变我们所知道的远程患者护理。医疗保健系统不断发展以应对当前和未来的挑战。由于最近的COVID-19大流行，远程护理的采用和人工智能的使用必将继续。
