人工智能对未来人类健康有哪些帮助?

从1998年起,医疗信息化建设开始推进,先后经历了计算机化、数字化阶段并逐渐实现了全面普及。

作者: 大健康派编辑 来源: 全景网 2019-07-05 13:03:59

500655426_wx.jpg

从1998年起,医疗信息化建设开始推进,先后经历了计算机化、数字化阶段并逐渐实现了全面普及。目前基于移动的数据消费、物联网的数据收集,基于大数据的数据分析,基于云计算的数据分享逐步在各个领域展开应用,医疗信息化呈现出新的方向。


互联网+医疗不仅仅是提现在挂号或者拿药上,还应该发展到远程检验、远程诊断、远程影像中心等在线医疗方面。在线医疗的基础是大数据,或者在这一领域,国外科技巨头在这领域的布局可以带给我们一些思考。


人工智能正在改变医疗保健网络开展业务的方式,医生正在执行从医疗转录到机器人辅助手术的日常活动。在未来三到五年内,医疗保健的AI解决方案将变得越来越专业化个人用例。


在AI时代精神的第二阶段,医疗保健网络的领导团队将熟悉基本的AI概念,他们将能够与为特定医疗保健问题提供AI解决方案的供应商合作。


我们将研究流行病学的AI状态,疾病发病率和传播的研究。用于流行病学的绝大多数AI应用程序都是预测分析应用程序,也许并不令人惊讶。


预测分析涉及使用历史数据预测未来结果的AI算法。因此,有一些证据表明,他们可以帮助政府机构,社区卫生组织和研究人员,根据这些预测,弄清楚疾病如何来自人群以及疾病如何传播。

500553455_wx.jpg


流行病学的预测分析应用程序几乎总是要求客户提供大量匿名的患者数据,这对于与医疗机构没有强大合作关系的研究机构来说可能具有挑战性。


有兴趣将AI用于流行病学的领导者应该在选择与供应商开展业务之前考虑供应商的AI解决方案的数据要求。


以下内容是国外涵盖了四家为流行病学提供人工智能解决方案的AI供应商:IBM.Saama,SAS和Orion Health.我们开始使用IBM Watson Health分析空间。


IBM Watson Health


IBM沃森健康提供了Explorys数据集和分析解决方案,该公司声称可以提供生命科学公司和流行病学家更好地理解疾病史,流行病学和疾病进展,并确定对选定人群的经济影响。


该公司声称,了解这一点也将使组织能够确定进行更深入研究的努力,并确定最有可能从治疗中受益的人群。


该公司表示,分析软件背后的机器学习模型接受了来自电子病历系统的5000万名匿名患者的门诊,住院和裁定索赔数据的培训。然后,数据将通过软件的机器学习算法运行。


然后,该软件将能够预测人群中疾病的发病率和患病率,疾病治疗模式和治疗相关风险。


IBM Watson 声称已帮助 Smart Analytics研究了使用IBM Explorys的超过6,500名牛皮癣患者的治疗过程。SmartAnalytics的一家客户,一家制药公司,想知道牛皮癣患者从局部治疗过渡到口服治疗需要多长时间,最后到注射治疗。


SmartAnalyst求助于IBM Watson Health并使用Explorys发现,在三年的时间里,患者倾向于跳过口服药物并立即从局部药物转变为注射剂。


Explorys数据集显示,大量患者在206天内从局部治疗过渡到注射剂,没有足够的时间让一些局部治疗生效。然而,在转用注射剂之前尝试口服治疗的患者平均则需要488天。


由于获得了这些信息,SmartAnalytics的客户制定了一项沟通计划,教育患者和医生了解口服药物生效的重要性,并且使用更昂贵的注射剂是最后的治疗方法。


Saama Technologies


Saama 提供真实世界分析,它声称可以帮助生命科学公司挖掘数据,使他们能够在临床试验期间监测数百万人口,并使用机器学习预测疾病发病率或患病率。


Saama声称该应用程序驻留在云中。 该公司补充说,软件背后的机器学习模型是根据数十亿患者的电子医疗和健康记录组成的数据进行培训的。然后,数据将通过软件的机器学习算法运行。这将训练算法以辨别哪些数据点与药物的功效。


该软件将能够预测治疗模式,例如药物类型的变化,理想的治疗持续时间以及疾病的患病率和发病率。

500556082_wx.jpg


结果还显示了治疗的持续时间以及患者从一种治疗方法转变为另一种治疗方案的时间:


Saama 声称已经帮助Pharmacyclics开发和销售用于治疗癌症和其他自身免疫性疾病的小分子药物的公司,将其所有临床操作数据汇总为一个单一的中心视图。随着临床操作的增长,Pharmacyclics需要更好地最大化其临床数据。但是,数据孤岛使得生成自动化和准确的报告变得困难。


Pharmacyclics求助于Saama,后者部署了临床开发优化工具(CDO),这是生命科学分析云的一部分。


SAS


SAS提供其真实世界证据,它声称可以提供各种来源的数据,帮助医疗保健者和生命科学公司更好地了解人口,改善人口健康和治疗。


这些来源包括:


环境


电子医疗和健康记录


基因组学


社会经济数据


临床试验,


病例报告


医疗保险索赔,


公共卫生调查


然后使用机器学习和预测来分析数据。该公司表示,软件背后的机器学习模型是在医疗点系统,电子医疗记录,保险索赔,患者报告结果和第三方数据进行培训的。


然后,数据将通过软件的机器学习算法运行。这将训练算法以辨别哪些数据点与药物的性能以及患者对治疗和治疗偏好的依从性。


该软件能够通过识别可治疗的新疾病和新客户来预测现有药物的治疗价值如何扩大。这可能会或可能不会要求用户事先将他们的新客户群或营销活动计划的信息上传到软件中。


SAS 声称正在帮助Renown健康创新研究所(Renown IHI)更好地了解遗传,临床,环境和社会经济因素如何影响人口健康。著名的IHI于2016年9月启动了健康内华达项目,需要开发一个应用程序,根据性别,年龄,个人或家庭健康史揭示患者的人群健康风险。


该应用还将用于揭示疾病和空气质量等环境因素的公共卫生风险。


根据案例研究,该项目的试验阶段已招募了10,000名参与者,他们的DNA样本已在60个工作日内收集。该项目的第二阶段于2018年3月开放给40,000多名内华达人。


SAS报告说,使用其应用可以预测环境因素如何促进内华达州人口的健康状况,并了解年龄,性别或遗传因素的作用。然后,结果可用于推进精准医学和其他卫生创新和研究。

500543249_wx.jpg


猎户座健康


Orion Health 提供Amadeus,一种人口健康管理和精准医学软件,它声称可以帮助医疗保健组织处理大量数据,以使用机器学习预测和区分人群中的健康风险。该公司解释说,拥有这种能力将使医疗保健组织能够做出快速而明智的决策。


该公司表示,该软件背后的机器学习模型是针对临床和非传统数据(如组学,社会和行为数据)进行培训的。然后,数据将通过软件的机器学习算法运行。这将训练算法以辨别哪些数据点与群体的健康风险。


该软件将能够预测哪些患者处于危险中,可以制定治疗方案以及相应的成本。这可能需要或可能不需要用户事先将关于他们的护理协调程序或个性化护理计划的信息上载到软件中。


猎户座健康声称已经帮助了斯科茨代尔健康伙伴(SHP),医师为首的临床网络覆盖超过60,000例,成立了医疗信息交换(HIE),将提供完整,准确的患者数据。


HIE允许700多名参与临床的医生使用不同的EMR软件分享健康信息。HIE还使临床医生能够识别有风险的患者,找到与适当治疗相关的数据,并简化报告。


使用该应用程序,SHP能够预测有再入院风险的患者和出院后的影响因素。这使他们能够开发降低风险的程序,从而使应用程序部署后一年内的再入院率降低9%。


该案例研究还声称,在同一时期内,SHP能够将成本降低10%,SHP是唯一一项节省近375万美元的亚利桑那州医疗保险共享储蓄计划,这归功于该应用程序提供的预测。


【凡本网注明来源非大健康Pai的作品,均转载自其它媒体,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。】

人工智能 医疗信息化 疾病治疗 医疗保障

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯