有时候你可能会厌倦听到 AI 在医疗领域的应用，但当你了解到这些突破性进展的详细解释时，说实话，真的令人PG电子惊叹。
许多突破都与预测分析和数据应用有关，目的是促进早期干预。我们都直觉地认为及早发现医疗问题会产生积极影响。当你深入研究更详细的研究报告时，这些现实变PG电子得更加清晰。
医疗对线 月在达沃斯 IIA 的一个研讨会上，Sandy Pentland 采访了一组站在医疗系统前沿的专家。其中包括 Rune Labs 的 Jared Josleyn (曾就职于 Sanofi)、Microsoft Research 的联合创始人 Edward Jung、著名心脏病专家 Ami Bhatt，以及来自 Stanford Healthcare 的 Anurang Revri 和 Tata Consultancy Services 的 Siva Ganesan。
与会专家一致认为，优质的医疗技术应该具有全球适用性，并且应该注重从三级医疗向预防医学转变。
这里有一个重要的见解，我之前确实没有这样想过。我们现在有可穿戴设备来追踪我们一天的所有活动。如果你能知道哪些行为在未来几年会对你的健康构成最大威胁，那会怎样？你是否经常上下楼梯？你的心率是否因为早晨的咖啡而加快？
Bhatt 说：我们拥有可以进行预测分析的数据，实际上可以告诉你，哪些风险因素最可能影响你的死亡率，哪些最可能影响你的生活质量。然后你可以思考这对你意味着什么。
Bhatt 表示，如果心脏健康水平处于最高三分之一，就能为寿命增加近十年。
我们可以看到什么样的风险因素，以及哪个具体的风险因素对任何个人来说最危险。
这是一个强大的主张 - 你可以本质上挖掘个人数据来了解什么可能会在未来给你带来问题 - 无论是饮食、日常习惯还是其他任何事情。
Jung 认为当前的医疗模式不可持续，他谈到了以可持续方式促进健康长寿，以及理想情况下，医疗应该通过早期干预创造经济生产力，为人们提供更多有生产力的生命年限。他提到了三项有助于实现这一目标的技术：首先是 AI，可以以支持健康的方式分析大数据；其次是区块链，个人数据可以集中存储，解决数据所有权问题；第三是密码学，可以解决隐私问题。
Revri 讨论了我们拥有的丰富环境，并提倡将医疗保健与计算机科学和伦理学相结合，创造他所说的负责任的 AI 生命周期。
他说，三个原则很重要：善用技术、注重预防和自助服务，以及发明可以与世界共享的东西。
Ganesan 提到了现代系统的近距离视角，谈到了价值链和对结构化数据源的访问，超越顺序计算，采用新方法来帮助发现预防性解决方案。
Bhatt 等人思考了我们当前的一些限制：最终将出现 1100 万医生的缺口，每年支出高达 11 万亿美元，但效果平平。
但与会者表示，如果能有效结合健康和非健康数据，可以让这 16 分钟的效率提高数个数量级。
Jung 提到了解决方案的三个部分：政府政策组、与医疗机构合作的能力，以及超级计算时代的健康价值模型。
她断言，对临床医生来说，这是一种道德伤害，因为他们往往无法在如此短的时间内完成所需工作。
她说，医生需要知道一些事情，比如：保险是否覆盖某个手术，病人是否能到提供治疗的医疗机构就医？
这不仅仅是市场数据，她说，这是生命数据。
如果你和我一样，你会开始看到医疗结构化数据的全貌。我们的理念是，可以在诊所之外了解更多关于人们的信息，并在问题需要治疗之前很久就开始着手解决潜在问题。
我们正在进入一个新时代，这在医疗领域尤其明显。让我们继续关注事态的发展。
