人工智慧預測本看似在遙遠不可及的未來或是科幻電影中,但近日從美國大選預測至IBM醫療衛生服務部隊(Health Corps)建置登革熱防疫決策模型,大數據及人工智慧正一步一步深入我們的生活。
小至手機的siri、OK Google,就簡單的問題馬上搜尋,現行智慧型手機可搭配手錶等載具監控心跳速率、跑步距離、卡路里消耗等,當身體有點不舒服,是不是能經由這種方式得到初步的診斷?從以往的病史、監控的身體狀況以及常識性的醫學資料,根據列舉出的症狀,給出初步的診斷結果和具體的應對措施,這樣能夠將等待就診的時間縮短,節省在醫院就診的時間。
通過應用統計學習,研究人員可以開發自動識別資料中所存模式的計算模型,通過訓練來發現資料中的邊界和關係,數據越大,準確度就越高。IBM醫療衛生服務部隊(Health Corps)以這樣的方式建置登革熱防疫決策模型,輸入條件後預測防疫成效,能有效縮短測試沃巴赫氏菌(Wolbachia)控制病媒蚊可行性所花費的時間與人力,近一步評估防疫效益。
IBM另一名為 Medical Sieve 的演算法可對放射與心臟科的醫學影像圖片輔助分析並給出診斷建議,放射科醫生再對一些疑難病症進行診斷,這類運算模擬與醫療結合,應用於醫院,大量的病歷數據與就診紀錄能夠讓病人就診流程更快速方便,甚至在醫生診斷決策時給予建議,若結合智慧型手機,看診完後還能提醒病人定時服藥,並即時監測身體狀況,不僅能為病人推薦更好的生活方式,更能為個人化診療提供重要的資訊參考。
從產前篩檢至癌症檢測,人體基因庫能在早期發現先天基因可能導致的疾病,透過大量的遺傳資訊及醫療診斷數據集,人工智慧能夠為基因治療提供極大的幫助。
以上這些都是人工智慧與大數據的應用,現行正一步步開發在醫學領域的應用範圍,隨著它的應用越來越廣,必定能為人們帶來福祉,進而改善整體醫療結構。