WHAT
人工智能的發展近期毫無疑問受到了人們極大的關注，醫療領域一直以來，都希望通過人工智能的發展來提高醫療技術，使得行業發展更上一層樓。IBM Watson的發展是醫療領域的一個裡程碑，但是在醫療的其他領域，也不乏人工智能的身影：據統計，目前在新藥研發、輔助疾病診斷、輔助治療、健康管理、醫學影像、臨床決策支援、醫院管理、便攜裝置、康複醫療和生物醫學研究等十大領域，都有人工智能的實操案例。
AI in Medical Health
AI在醫療健康領域研發最少。美國德克薩斯大學副校長Lynda Chin教授說過“ 人類大腦的容量是有限的，與日俱增的患者資料和爆炸式資訊增長，讓醫生無法跟上醫學知識發展的步伐，AI将成為輔佐醫生提高認知能力的最佳工具和手段。”
相關資料
據埃森哲（Accenture）的一份報告估計，到2026年，大資料與醫學和制藥領域的機器學習相結合将産生每年1500億美元的驚人價值。這個數字反映了人工智能（AI）工具幫助醫生、病人、保險公司和監管人員做出更好決策、優化創新以及提高研究和臨床試驗效率的潛力。為此，5月1日，GEN網站整理羅列了人工智能在生命科學領域内六個最有價值的應用。
1.診斷疾病
醫學面臨的最大挑戰是疾病的正确診斷和識别，這也是機器學習發展的重中之重。2015年的一份報告顯示，針對超800種癌症的治療方案正在臨床試驗中。而利用機器學習可使癌症識别更加精确。以，一家總部位于波士頓的生物制藥公司Berg為例，目前公司正在利用AI平台對臨床試驗患者資料進行分析，以促進治療各種疾病的新藥開發。
2.個體化用藥
關于使用機器學習和預測分析來定制針對個人的特異性治療潛能，目前正處于研究中。如果成功，這一政策可以優化診斷和治療方案。目前，研究的重點是有監督的學習，醫生可以利用遺傳資訊和症狀縮小診斷範圍，或對患者的風險做出有根據的推測。這可以促進更好的預防措施。預計未來10年，先進的健康測量移動應用以及微生物傳感器和裝置的使用将激增，這将提供豐富的資料，進而有助于有效的研發和更好的治療方案。
3.藥物開發
機器學習在早期藥物發現（如新藥開發）和研發技術（如下一代測序）中發揮着許多作用。這一領域的第一項是精确醫學，它使複雜疾病的識别和可能的治療方式更有效。MIT臨床機器學習小組是使用機器學習促成精密醫學的主要參與者之一，側重于算法開發。英國皇家學會指出，醫藥開發中的機器學習可以幫助制藥公司通過分析制造過程資料來優化生産，并加快生産速度。
4.臨床試驗
臨床試驗研究是一個漫長而艱巨的過程。機器學習可以在各種方面幫助縮短這一過程。一種政策是通過對廣泛的資料使用進階預測分析，進而更快地确定目标人群的臨床試驗候選人。麥肯錫( McKinsey )的分析師描述了其他機器學習應用程式，這些應用程式可以通過簡化計算理想樣本大小、友善患者招募以及使用病曆将資料錯誤降至最低等任務來提高臨床試驗的效率。
5.放射治療和放射學
哈佛醫學院助理教授Ziad Obermeyer博士在2016年的一次采訪中表示:“20年後，放射學家将不會以現在的形式存在。它們看起來更像是電子機器人：監督每分鐘閱讀數千份研究報告的算法。目前，倫敦大學學院醫院的deep mind Health正在開發機器學習算法，通過區分健康組織和癌症組織來提高放射治療計劃的準确性。
6.電子健康記錄
支援向量機（Support vector machines用于分類患者電子郵件查詢的技術）和光學字元識别（用于數字化手寫筆記的技術）是用于文檔分類的機器學習系統的基本元件。這些技術的應用案例包括MathWorks的MATLAB （一個具有手寫識别應用程式的機器學習工具）和谷歌的雲視覺API。MIT臨床機器學習小組的重點之一是開發基于機器學習的智能電子健康記錄技術，其理念是開發“安全、可解釋、能從少量标記的訓練資料中學習、了解自然語言、并能在醫療環境和機構中很好地推廣的強大機器學習算法”。
現有的多個AI結合生命科學的案例
1.人工智能預測阿茲海默病風險，準确率超 84%
2.Science：自學習式人工智能可協助預測心髒病發作
3.人工智能診斷皮膚癌準确率達91%
4.人工智能走進ICU：可預測病人死亡 準确率達93%
5.厲害！第三軍醫大利用人工智能30秒内鑒定血型，超99.9%準确率
6.Science：重大突破！利用人工智能鼻子預測分子的氣味
7.谷歌研發人工智能眼科醫生：用深度學習診斷預防失明
8.人工智能加快乳腺癌風險預測
9.人工智能篩查乳腺癌的效率有多高？比醫院老司機們快30倍！
10.人工智能助力癌細胞活體檢測
行業研究
IBM
