近年來，多家企業源源不斷地向領先技術領域注入大量資金，尤其是那些希望降低成本、改善患者健康的公司。市場情報公司Tractica的數據顯示，2018年醫療人工智能技術領域的投入為21億美元，預計到2025年這一數據將超過340億美元。

　　目前，亞馬遜（Amazon）、西門子（Siemens）、IBM、Optum、通用電氣醫療保健系統（GE Healthcare and Health Systems）、Mayo Clinic、紀念斯隆-凱特琳癌癥中心（Memorial Sloan Kettering）及美國山間醫療集團（Intermountain）正在持續開發患者記錄，為人工智能算法訓練提供醫療數據，使其通過識別模式進行學習，從而實現關鍵預測。

　　在某些情境下，人工智能的深度學習能力已超越醫生。專家預測2019年醫療人工智能將持續增長，尤其是在成像、診斷、預測分析和管理領域。

　　管理領域增幅最大

　　遠的不說，預計到2019年底，醫療人工智能技術市場的投入就將超過17億美元。

　　這項技術可用于檢測醫療支出中的浪費、欺詐和濫用行為，這些行為每年費用占到全美3萬多億美元支出的3%~10%。

　　弗若斯特沙利文（Frost and Sullivan）醫療保健和生命科學高級副總裁雷尼塔·達斯（Reinita Das）預測，未來幾年內，醫療服務中人工智能操作平臺的生產率將提升10%~15%。

　　對于重復性的耗時任務，應該給予人工智能蓬勃發展的空間。美國醫療體系中的確有很多此類工作。

　　以調度和預約為例。克利夫蘭醫學中心MetroHealth系統在2017年底引入人工智能協助運營決策之前，四家醫院的掛號爽約率為10%~35%。

　　MetroHealth首席戰略和創新官卡里姆·波特斯（Karim Botros）表示，MetroHealth可使用人工智能來篩選出那些很可能爽約的患者，并進行第二次提醒，從而避免浪費醫護人員的時間。到目前為止，人工智能已成功將爽約率降低了30%左右。

　　專家表示，2019年人工智能可能會涉足醫院運營版塊。

　　Cleveland Clinic目前已開始使用人工智能系統來統一管理醫院病床的使用情況，充分發揮其容量和利用率。通過觀察手術室患者的實時狀況，該程序有助于識別手術過程中的潛在困難。

　　人工智能還可用于追蹤藥物及醫療設備狀態，督促患者支付醫療費用。

　　自動化配藥工具軟件服務商Kit Check為醫療機構提供機器學習方案“Bluesight for Controlled Substances”，幫助其識別藥物分流。該方案通過對一系列指標（如員工的物理位置、文檔的上傳下載等）對員工進行評分，來識別可能具有偷盜藥物行為的醫務人員。

　　Kit Check首席執行官凱文·麥克唐納（Kevin Macdonald）表示，“該程序通過分析醫院內部同級別人員的數據，來評估員工偷盜藥物的概率。”

　　麥克唐納還指出，人工智能或許會有助于降低藥物支出，特別是涉及到受控藥物廢棄、藥物消耗及安全與合規性領域。

　　軟件服務公司Simplee為醫療機構提供數據和預測分析服務，以此來確定患者的線上支付能力，從而根據患者的財務情況自動為他們推薦付款方案或選項。

　　“進入醫療系統或其他領域時，我們經常碰到的問題是，我們并沒有真正了解該領域的工作流程和文化，也沒有考慮應用可行性，只是簡單地對目標進行追蹤。”

　　簡化患者匹配流程

　　人工智能聊天機器人和虛擬助理可幫助拓展醫療可及性，讓患者免去一些不必要的現場就診，如巴比倫醫療（Babylon Health）的疾病預防和人工智能診斷、Sense.ly的虛擬護士平臺以及Novo Nordisk的糖尿病聊天機器人Sophia。

　　如果患者需要醫療護理，人工智能可幫助選擇合適的臨床醫生。

　　醫療機構巨頭Providence St. Joseph Health（PSJH）使用一種叫做Kyruus的人工智能技術來提高患者與醫療機構的匹配程度。PSJH首席數據官阿倫·馬丁（Aaron MarTIn）表示，

　　在應用該技術之前，約30%~40%的預約時段并未得到合理利用。

　　Kyruus使用醫療機構的數據管理程序來識別、匹配醫患信息，為患者預約到最能滿足需求的專家。

　　隨著越來越多的老年人選擇在家里養老，人工智能可用于創建智能家居環境，持續關注老年人的健康和安全狀況。人工智能醫療公司Zanthion的首席執行官菲利普·瑞吉（Philip Regenie）如是預測。

　　不過，人工智能在家中的監控對象可不僅限于老年人。

　　專家預測，2019年人工智能將繼續為醫療領域變革提供動力，幫助其從被動的、基于醫院的模式向主動的、基于家庭的模式轉變。

　　人工智能的進步，還將為患有慢性疾病或活動受限的患者提供更大的助力。

　　與家庭傳感器、可穿戴設備及其他家庭治療方案相結合后，人工智能或許能夠在癥狀出現之前幫助檢測到重大疾病。

　　總部位于智利的護理管理公司AccuHealth使用各種家庭傳感器收集患者數據，并將其輸入到人工智能引擎，以此構建預測警報和模型。

　　若警報被觸發，遠程虛擬醫院團隊可以為這些患者及其家屬提供支持，避免出現不可逆的癥狀惡化，同時患者也不必再去昂貴的急診室就診。

　　六個月前，美國醫療保險公司Anthem與基于區塊鏈的人工智能平臺公司doc.ai達成為期一年的合作，根據年齡、體重、身高、身體活動和污染暴露等數據來測試基于區塊鏈的人工智能是否能夠預測人體發生過敏反應的時間。

　　AxisPoint高級副總裁及首席營銷官弗吉尼亞·格利（Virginia Gurley）舉例說：“假如區域內有野火，空氣中顆粒物數量偏高，那么患有呼吸疾病的患者就會收到預警信息，提醒其關窗，待在室內。”

　　美國聯合健康集團（UnitedHealth）旗下的藥品利益管理和數據分析公司Optum正在開發一款名為MyDigitalTwin的原型移動應用程序，用于迷你型家庭設施傳感器的架構。該模型利用大量的基因組、外生和行為數據來實現線上顯示個人的健康狀況。

　　“想象一下，如果我們每個人都有個數字虛擬的雙胞胎，醫生就可以利用它來模擬現況，預測我們未來的健康狀況，精準地提出改善建議。”Optum的技術研究員克里·霍利（Kerrie Holley）如是解釋。

　　但該領域目前尚處于起步階段。“我認為，預測模型的巨大潛力仍待開發，要說服醫生和保險公司相信該項目的盈利前景，還需要拿出更多可行性方案。”數據分析公司Global Data的全球總監兼醫療保健運營和戰略部門（Healthcare OperaTIons and Strategy）執行副總裁邦妮·貝恩（Bonnie Bain）表示。

　　保險公司有望用AI節約成本

　　據咨詢巨頭公司埃森哲（Accenture）預測，人工智能可通過簡化計費、入院、索賠、質量和合規控制及客戶服務等核心功能，在短短18個月內幫助美國保險供應商節省約70億美元。

　　AfiniTI是一種基于客戶和商業私有數據的人類行為微妙模式，采用預測性分析來匹配客戶和客服中心運營人員的技術公司。其首席執行官齊亞·奇什蒂（Zia ChishTI）表示：很多保險公司都在應用Afiniti的技術來降低客戶的死亡率和發病率，包括保險巨頭美國聯合健康集團（UnitedHealth）。

　　自2017年以來，Afiniti的醫療客戶已累計節省了1.25億美元的支出。

　　對于支付方而言，人工智能的潛力在于 “選取用戶提出的簡單問題，在無需人工參與的情況下提供答案，且具有預測需求的能力。”埃森哲支付業務董事總經理理查德·伯漢澤爾（Richard Birhanzel）表示。

　　AI成像和診斷能力穩步增長

　　2018年，人工智能在醫療行業放射和圖像分析領域的應用越來越多，幾乎可以斷定，2019年這一趨勢仍將持續。

　　人工智能對病理學、皮膚病學和放射學等醫學圖像密集領域的影響是顯而易見的。Frost & Sullivan的數據顯示，2018年100多個人工智能醫療成像初創企業中，絕大多數的業務都集中在圖像分析上，而基于人工智能的醫療成像市場有望在2023年前達到20億美元。

　　不過，醫療界對人工智能在分析領域的應用尚有疑慮。在2018年早些時候，IBM Watson的超級電腦未能準確檢測出癌癥。

　　專家表示，這項技術發展得太快了，范圍也很廣。但在特定的診斷領域，人工智能未來仍有著巨大的發展潛力。

　　例如，Mayo Clinic表示，人工智能與心電圖結合，可以成功檢測出某類心臟病。2018年10月，Scripps轉譯醫學研究院和人工智能計算公司NVIDIA達成合作，致力于開發深度學習工具，預測心房顫動及分析整個基因組序列。

　　紀念斯隆-凱特琳癌癥中心和斯坦福大學也正在研究機器學習在腫瘤學中的應用。

　　最近，來自紐約貝絲·以色列醫療中心（Beth Israel Deconess Medicare Centre）和哈佛醫學院的研究團隊使用深度學習訓練人工智能來進行腫瘤診斷。將人工智能與人類病理學結合時，該項目的準確率可達到99.5%。

　　AI在眼疾領域可實現獨立診斷

　　2018年8月，谷歌宣布其旗下DeepMind人工智能系統向50種眼疾患者推介了準確的眼科轉診，盡管這項技術尚未得到臨床批準，但準確率高達94%，與醫療專家的水平相當。

　　在臨床批準方面，IDx-DR已奪得桂冠。2018年4月，該軟件成為首個獲得美國食品藥品監督管理局（Food and Drug Administration，FDA）商業授權的自主人工智能，可用于診斷糖尿病視網膜病變。

　　自主人工智能會帶來深遠的影響，尤其是在患者就診方面。如果很難找到資質較高的醫生時，應用該技術，患者可在住所附近的診所獲取準確率超高的診斷和治療服務。

　　不過這也有缺陷，人工智能只能用于診斷極特定類型的疾病。病情需要具備典型性，且每次出現的癥狀得具有相似性。

　　符合標準的疾病包括青光眼和黃斑變性等。除此之外，多家公司正在探索自主人工智能在胃腸道和皮膚疾病中的適用性。

　　Doctor Hazel就是一個處于探索階段的例子。該應用程序于2017年推出，后改名為BlueScan，通過整理圖像數據庫，診斷劃分痣的類型，判斷其為良性還是潛在的癌癥。

　　阿布拉莫夫預測道，2019年醫療界將會圍繞人工智能作為診斷工具的話題展開更深入的探討，但他同時強調，自主人工智能并不意味著完全不需要人工干預。

　　“醫生會失誤，人工智能同樣也會犯錯。”阿布拉莫夫表示：“我們正在研究的人工智能仍需在醫療系統背景下運行。”人類和技術是在協同合作。