根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，和個(gè)人健康和生活質(zhì)量息息相關(guān)的因素中有60％與選擇的生活方式有關(guān)，包括遵循正確服用血壓藥物的處方、鍛煉和減壓等。在AI驅(qū)動(dòng)模型的幫助下，現(xiàn)在可以根據(jù)患者生命體征的變化，在患者整個(gè)日常過(guò)程中為其提供干預(yù)和提醒。

在家庭進(jìn)行健康監(jiān)測(cè)本身并不新鮮。包括Partners Healthcare、United Healthcare和Johns Hopkins醫(yī)學(xué)院在內(nèi)的一些領(lǐng)先機(jī)構(gòu)正在開(kāi)展一些活躍的項(xiàng)目和試點(diǎn)研究，并取得了積極成果。但這些嘗試尚未利用人工智能來(lái)實(shí)時(shí)地做出更好的判斷和建議。由于涉及了大量數(shù)據(jù)，機(jī)器學(xué)習(xí)算法特別適合于針對(duì)大量人群來(lái)擴(kuò)展該任務(wù)的執(zhí)行。畢竟，是通過(guò)大量的數(shù)據(jù)來(lái)讓算法更加智能，從而支撐AI技術(shù)。

例如，通過(guò)部署人工智能，NHS計(jì)劃不僅能夠在英國(guó)推廣，而且還能夠延伸到國(guó)際市場(chǎng)。Current Health是該計(jì)劃中使用的患者監(jiān)測(cè)設(shè)備的制造商，由風(fēng)險(xiǎn)資本支持，該公司最近獲得了美國(guó)食品和藥物管理局的批準(zhǔn)，允許其在美國(guó)試行該系統(tǒng)，目前正在紐約的西奈山醫(yī)院進(jìn)行測(cè)試。這是為減少患者再入院率所作的努力的一部分，而再入院率的問(wèn)題每年使美國(guó)醫(yī)院損失約400億美元。

這些努力作為較早的成功案例，讓我們搞清楚了在使用人工智能解決以患者為中心的醫(yī)療保健這個(gè)新領(lǐng)域中的“消費(fèi)無(wú)力”問(wèn)題時(shí)的三個(gè)經(jīng)驗(yàn)：

1.專注于對(duì)關(guān)鍵指標(biāo)產(chǎn)生影響- 例如，降低耗費(fèi)昂貴的醫(yī)院再入院率。

從小的措施開(kāi)始，鎖定目標(biāo)，對(duì)那些與患者治療結(jié)果和財(cái)務(wù)可持續(xù)性相關(guān)的關(guān)鍵指標(biāo)產(chǎn)生積極的影響。與在英國(guó)的試點(diǎn)一樣，可以通過(guò)優(yōu)選的醫(yī)院或醫(yī)療供應(yīng)商地區(qū)來(lái)完成。另一個(gè)案例中，亞特蘭大最大的公立醫(yī)院格雷迪醫(yī)院，由于采用了識(shí)別“有風(fēng)險(xiǎn)”患者的人工智能工具，據(jù)預(yù)計(jì)，兩年內(nèi)再入院率降低了31％，節(jié)省了400萬(wàn)美元。該系統(tǒng)可以提醒臨床團(tuán)隊(duì)在特殊情況下與患者接觸及實(shí)施干預(yù)措施。

2.依靠新型合作伙伴降低風(fēng)險(xiǎn)。

不要試圖獨(dú)自完成所有的事情。相反，要與那些想要解決類似問(wèn)題的合作伙伴結(jié)成聯(lián)盟。考慮Synaptic Healthcare Alliance聯(lián)盟，這是Aetna、Ascension、Humana、Optum和其他公司之間的協(xié)作試點(diǎn)計(jì)劃。該聯(lián)盟正在使用區(qū)塊鏈在各個(gè)醫(yī)療服務(wù)提供者之間創(chuàng)建一個(gè)巨大的數(shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行AI試驗(yàn)。其目的是簡(jiǎn)化醫(yī)療服務(wù)提供者的數(shù)據(jù)管理，目標(biāo)是降低處理索賠的成本，同時(shí)改善醫(yī)療服務(wù)的可達(dá)性。單獨(dú)行動(dòng)的話，由于數(shù)據(jù)不兼容問(wèn)題這一項(xiàng)，就可能會(huì)有風(fēng)險(xiǎn)。例如，安德森癌癥中心因?yàn)槭〉腁I項(xiàng)目不得不損失掉數(shù)百萬(wàn)美元，部分原因是與其電子健康記錄系統(tǒng)不兼容。通過(guò)合作的方式，Synaptic的數(shù)據(jù)集將采用標(biāo)準(zhǔn)格式，使記錄和結(jié)果可傳遞。

3.使用AI與訓(xùn)練有素的專業(yè)人員進(jìn)行協(xié)作，而不是競(jìng)爭(zhēng)。

臨床醫(yī)生通常希望增加他們的知識(shí)和診斷能力，而AI可以為此提供幫助。確實(shí)，許多醫(yī)療AI應(yīng)用程序與醫(yī)生產(chǎn)生了競(jìng)爭(zhēng)。例如，在放射學(xué)中，一些算法在基于圖像診斷方面已經(jīng)和人類專家不相上下，甚至表現(xiàn)更好。然而，尚不清楚患者和醫(yī)療機(jī)構(gòu)是否會(huì)信任AI，并依賴它完全以自動(dòng)化方式完成這項(xiàng)工作。加州大學(xué)圣地亞哥分校的一項(xiàng)試驗(yàn)中，AI作出的兒童疾病診斷比初級(jí)兒科醫(yī)生更準(zhǔn)確，但其檢查結(jié)果仍需要高級(jí)醫(yī)生重新審核并簽字確認(rèn)。所以，真正的目標(biāo)始終應(yīng)該是讓AI與臨床醫(yī)生合作，以求更高精度的診斷結(jié)果，而不是試圖取代醫(yī)生。

麻省理工學(xué)院和MGH已經(jīng)開(kāi)發(fā)出一種深度學(xué)習(xí)模型，可以識(shí)別患者未來(lái)是否有可能患上乳腺癌。此AI系統(tǒng)學(xué)習(xí)了60,000名既往患者的數(shù)據(jù)，允許醫(yī)生用個(gè)性化方式來(lái)篩查乳腺癌篩，本質(zhì)上為每位患者創(chuàng)建詳細(xì)的風(fēng)險(xiǎn)概況。

總而言之，這三條經(jīng)驗(yàn)與針對(duì)“消費(fèi)無(wú)力”問(wèn)題的解決方案相結(jié)合，有望為如何有效操控AI技術(shù)提供一條清晰的道路，特別是目前AI已經(jīng)被過(guò)度熱炒。從長(zhǎng)遠(yuǎn)來(lái)看，我們認(rèn)為人工智能的變革性收益之一是它將加深醫(yī)療服務(wù)提供者與患者之間的關(guān)系。例如，英國(guó)的試點(diǎn)中，病人獲得了更頻繁的主動(dòng)檢查，這在以前從未發(fā)生過(guò)。在新興的以消費(fèi)者為中心的醫(yī)療保健市場(chǎng)中，這對(duì)改善治療結(jié)果和提升客戶忠誠(chéng)度都有好處。