医疗希望 人工智能AI早期预测与早期预警

随着信息化进程的加快，IDC报告显示，预计到2020年全球数据总量将超过40ZB(相当于4万亿GB)，这一数据量是2011年的22倍。并且大多数是图像和视频等数据，如果通过传统的技术，无法识别这么多非结构化数据，但是人工智能的发展恰恰解决了这些问题，人工智能强调让机器更人性化，而认知计算更多的强调推理和学习，以及如何把这样的能力结合具体的商业应用、解决商业问题。

《“十三五”国家信息化规划》“健康中国信息服务行动”表示，推动健康医疗相关的人工智能、生物三维打印、医用机器人、可穿戴设备以及相关微型传感器等技术和产品在疾病预防、卫生应急、健康保健、日常护理中的应用。

人工智能解决医疗数据已经成了社会层面的需求，通过人工智能不仅仅是将传统数据信息化，更能够挖掘信息和疾病的潜在关联，通过对文本、影像等多模态海量数据的综合挖掘，发掘病人检查信息、既往病历和社会（自然）环境之间的联系，发现群体中的疾病模型及隐藏信息模型，建立预测分析模型，进一步探索疾病分布演化规律，确定危险因素，并对疾病流行趋势进行预测，为决策者提供可续而有依据的疾病监测、卫生制定政策。

人工智能早期预测

大面积脑梗死是一种常见并且非常严重的神经内科疾病，其发病人数约占所有脑梗患者10%左右，但是死亡率极高，大约为80%。大量研究表明患者在症状发生恶化之前积极的干预效果比后期干预更好，因此早期对患者预后进行有效判断从而选择有效的治疗方案关系到脑梗患者治疗成败的关键。

《中国卫计统计》2014年刊登了一篇名为《利用人工智能系统预测大面积脑梗死患者的转归》的论文，利用人工神经网络多层感知机建立多因素预测模型，对大面积脑梗患者的预后进行预测，在单因素模型中，预测效果最好AUROC（受试者工作特征曲线下面积）为0.87，最终得到结论，人工智能随机森林模型可用作医学辅助诊断系统来预测脑疝在大面积脑梗患者的发生。

人工智能早期预警

基于人工智能的慢性肾病分级预警：目前世界上超过5亿人患有不同的肾脏疾病，但是全社会对于慢性肾病的知晓率不足10%，因为慢性肾病早期没有明显症状，很容易被忽略，很多患者等到肾功能恶化时才去就医。因此低于肾病分级预警是一件很急迫的事情，华南农业大学食品学院的研究员曾经基于人工智能对肾小球过滤进行预测，通过BP神经网络构造了预测模型，从而最终构建出一个实用性良好的慢性肾病分型预警模型。

传染病早期预警：根据物理学家网报道，大部分新兴传染病都是由动物传染给人类，全球每年有超过10亿人感染，纵观人类历史，我们对于新兴传染病都十分无力，只能在传染病出现后抑制其传播。美国的卡里生态系统研究所和佐治亚大学科学家们利用机器学习和大数据结合，开发了传染病预警模型，能预测可能存在的啮齿类物种，并能识别出潜在啮齿类和非啮齿类动物的特征，准确率达到90%。他们发现了超过150种新的潜在啮齿类动物和超过50种新的活跃型动物，可能携带多种病原体并传染给人类。

Airdoc的预测模型

现在众多国内外顶尖医疗机构和医生已经见识到人工智能的能量，并开始致力于通过人工智能提高工作效率比如辅助诊断系统，或者通过人工智能和客观因素的潜在联系。

为了辅助医生发现疾病和客观因素联系，国内医疗领域人工智能领先企业Airdoc坚持和国内外一流的全科医院、专科医院、医疗健康数据中心合作，以获取高质量的临床医疗数据建立模型。基于大量真实的脱敏临床数据，进行数据清洗、文字识别、自然语义解析，训练深度学习模型分析多个维度参数与患者发病的相关性和贡献度，挖掘患者行为、病史、基因与患者潜在的相关关系，生成预测模型。

李开复认为人工智能出现的意义是超过工业革命，纵观人工智能对于医疗领域的影响极大，从50年代第一代医疗专家系统出现到现在已经有数十年的发展，从辅助诊断到药物研发，从基因检测到信息电子化，都已经有了巨大的进步，如今国家也在推进推动医学检验检测、影像诊断等服务专业化发展，未来已来，人工智能已经做好辅助医生工作的准备，这是医疗最好的时代，是我们一起见证历史的发展的时代。