Healthbox报告：利用人工智能进行医疗大数据变革(4)
虽然将大数据应用于研究的理论机会很多，但人工智能和机器学习已经在医疗服务领域掀起了波澜。以下重点介绍利用大数据进行患者分流、诊断成像和预测实践变化、不良结果和治疗影响的驱动因素的公司。
例如，Twiage正在处理急诊医学，帮助医院跟踪指标、分配资源和改善反应时间，以显著影响中风、心脏病发作、败血症和创伤患者的预后。Buoy Health利用大数据和人工智能直接针对患者进行疾病分类，并将他们引导到合适的护理环境。患者可以使用在线应用程序与机器人聊天，描述他们的症状，并通过一系列类似于他们在物理护理环境中体验的问题进行指导。
随着医学成像技术的进步和需求的增加，Zebra medical Vision旨在帮助放射科医生更快地识别成像结果中的异常情况。该公司的人工智能算法可以识别医疗状况，充当第一组“眼睛”，提高放射科医生的工作速度。
GNS Healthcare将上述反向工程和正向模拟理论付诸实践，利用大数据和人工智能在临床试验中运行，了解药物在现实世界中如何发挥作用，并帮助确定针对个体患者的最佳干预方式和干预时机。
Agathos为卫生系统提供了一个分析平台，可以收集见解并向提供者提供反馈，使他们能够看到患者数据中的个性化和聚合趋势，帮助告知人员配置、舍入前处理和指导需求，以及其他改进临床工作流程和患者结果的需求。
PhysIQ和Pascal Metrics是针对患者的实时监控解决方案，它们使用机器学习来检测患者病情的细微变化，无论是急性发作后还是住院期间，并提醒其护理团队采取必要行动。
结论
那么，我们如何利用大数据与人工智能的关系来推动医疗创新呢?
大数据新应用的增长速度和数据本身一样快。随着我们不断开发将大数据融入人工智能的新方法，人们意识到以下需求至关重要：
1、“清除”所有收集到的可能存在偏见的数据;
2、标准化收集或统一数据的方法;
3、同意正确使用匿名信息;
4、避免落入相关性与因果关系的陷阱。
为了充分利用人工智能的力量，我们必须接受与计算机协同工作。通过这种方式，我们既能从计算机的处理能力中获益，也能从人类智能中获益，从而充分利用大数据进行变革。
这些观点得到了英伟达CEO、总裁兼联合创始人黄延森的赞同，他也强调了“数据培训”的重要性，即从数字体验中学习的过程。与此同时，机器学习算法的能力正在迅速提高，人类必须学会更聪明地工作，并适应“新常态”，让机器自动化商品化的任务，并解放提供者，让他们能够执行人道关怀的人工任务。
通过这种方式，人类和人工智能可以协同工作，在数据分析、临床决策和医疗创新方面达到新的高度。
