本文摘要：在人工智能席卷世界的大浪潮中，应用于医疗领域的机器学习技术在过去三年或许出了投资界和新闻界注目的首要话题。自2013年初以来，IBM的Watson应用于医疗领域；在击败世界上伟大的棋士运动员后，谷歌DeepMind的团队要求将焦点放到充分发挥这项技术在医疗领域的应用于上。

在人工智能席卷世界的大浪潮中，应用于医疗领域的机器学习技术在过去三年或许出了投资界和新闻界注目的首要话题。自2013年初以来，IBM的Watson应用于医疗领域；在击败世界上伟大的棋士运动员后，谷歌DeepMind的团队要求将焦点放到充分发挥这项技术在医疗领域的应用于上。

机器学习（ML）行业许多最疯狂的年长初创公司也将大量的精力投放到医疗领域，其中还包括Nervanasys（最近已被英特尔并购）、Ayasdi（截至2016年2月融资940万美元）、Sentient．ai（截至2016年2月融资1．44亿美元）和DigitalReasoningSystems（截至2016年2月融资3600万美元），不一而足。尽管投资界和研究界展现出出现异常激动，但我们找到大多数机器学习公司高管很难看穿如今机器学习正在医疗领域的哪些方面充分发挥影响。为此我们编写这篇文章，目的不是全面所列有可能的应用于，而是重点讲解机器学习在医学领域当前和未来的用途。

机器学习当前在医疗领域的应用于下面这几个应用于并不全面，但指出了机器学习在医疗行业的一些影响。医疗图像临床由于机器学习和深度自学，计算机视觉仍然是最明显的技术突破之一，也是机器学习在医疗界尤其活跃的应用领域。

微软公司的InnerEye计划（始自2010年）目前正在研发图像临床工具，团队已公布了说明发展动向（还包括机器学习用作图像分析）的许多视频。随着深度自学显得更加普及，以及更好的数据源（还包括形式非常丰富多样的医疗图像）沦为人工智能临床过程的一部分，深度自学有可能在临床应用于中充分发挥更加最重要的起到。然而，深度自学应用软件的说明能力受限。

换句话说，经过训练的深度自学系统无法解释它“如何”得出预测，即使预测是准确的。这种“黑盒子问题”在医疗界更加具备挑战性，医生们不期望在没了解理解机器如何得出建议的情况下作出生死攸关的要求，即使过去已证明了那些建议是准确的。化疗查找和建议临床是一个非常复杂的过程，牵涉到众多因素：从病人眼白的颜色到早上不吃的食物――机器目前无法关联和理解这些因素。

然而有一点毫无疑问：意味着当作科学知识的伸延，机器就有助协助医生在临床和化疗方面作出准确的考量。这是MemorialSloanKettering（MSK）的肿瘤科室最近与IBMWatson合作时力争构建的目标。MSK享有癌症患者和数十年来使用的化疗方法方面的大量数据，糅合过去最有效地的化疗措施，需要向医生展出并建议化疗思路或方案，以便处置将来独有的癌症病例。如今，这种智能强化工具早已投放可行性用于。

医疗数据搜集人们十分注目汇聚来自各种移动设备的数据，以便汇总并理解更好的动态身体健康数据。苹果的ResearchKit目的化疗帕金森病和阿斯波哥尔综合症，为此容许用户采访交互式应用程序（其中一个应用程序运用机器学习来辨识脸部），从而长年评估身体状况。

应用程序能将日常的进展数据馈送到电子邮件数据池中可供将来研究。IBM在不遗余力地提供它能提供的所有身体健康数据，不仅与Medtronic合作，动态理解糖尿病和胰岛素数据，还耗资26亿美元并购了医疗分析公司TruvenHealth。尽管物联网获取了大量的医疗保健数据，但业界或许仍在尝试如何理解这些信息，并且动态转变化疗。科学家和患者都悲观地指出，如果汇聚消费者数据这股趋势持续下去，研究人员不会有更加多的手段来攻下疑难杂症和独有病例。

药物找到虽然医疗保健行业涉及众多利益相关者（医院CIO、医生、护士、患者和保险公司等），但对于研发机器学习医疗保健应用软件的公司来说，药物研发带给了比较非常简单的经济价值。这类应用软件还面临一群比较明晰的客户，它们一般来说财力雄厚，那就是制药公司。

IBM自己的医疗应用软件很早已发力药物找到，谷歌也重新加入到了药物研发的行列，而一大批公司早已在通过利用机器学习致力于药物找到来融资和利润。

本文来源：18新利app-www.pietytive.com