在人工智能席卷世界的大浪潮中，應用于醫(yī)療領域的機器學習技術(shù)在過去三年似乎成了投資界和新聞界關(guān)注的首要話題。

自2013年初以來，IBM的Watson應用于醫(yī)療領域；在打敗世界上最出色的圍棋選手后，谷歌 DeepMind的團隊決定將重心放在充分發(fā)揮這項技術(shù)在醫(yī)療領域的應用上。

機器學習（ML）行業(yè)許多最火爆的年輕初創(chuàng)公司也將大量的精力投入到醫(yī)療領域，其中包括Nervanasys（最近已被英特爾收購）、Ayasdi（截至2016年2月融資940萬美元）、Sentient．a(chǎn)i（截至2016年2月融資1．44億美元）和Digital Reasoning Systems（截至2016年2月融資3600萬美元），不一而足。

盡管投資界和研究界表現(xiàn)異常興奮，但我們發(fā)現(xiàn)大多數(shù)機器學習公司高管很難洞悉如今機器學習正在醫(yī)療領域的哪些方面發(fā)揮影響。為此我們撰寫這篇文章，目的不是全面列出可能的應用，而是重點介紹機器學習在醫(yī)學領域當前和未來的用途。

機器學習當前在醫(yī)療領域的應用

下面這幾個應用并不全面，但表明了機器學習在醫(yī)療行業(yè)的一些影響。

醫(yī)療圖像診斷

由于機器學習和深度學習，計算機視覺一直是最顯著的技術(shù)突破之一，也是機器學習在醫(yī)療界特別活躍的應用領域。微軟的InnerEye計劃（始于2010年）目前正在開發(fā)圖像診斷工具，團隊已發(fā)布了解釋發(fā)展動向（包括機器學習用于圖像分析）的許多視頻。

隨著深度學習變得越來越普及，以及更多的數(shù)據(jù)源（包括形式豐富多樣的醫(yī)療圖像）成為人工智能診斷過程的一部分，深度學習可能在診斷應用中發(fā)揮越來越重要的作用。

然而，深度學習應用軟件的解釋能力有限。換句話說，經(jīng)過訓練的深度學習系統(tǒng)無法解釋它“如何”給出預測，即使預測是正確的。這種“黑盒子問題”在醫(yī)療界更具有挑戰(zhàn)性，醫(yī)生們不希望在沒有深入了解機器如何給出建議的情況下做出生死攸關(guān)的決定，即使過去已證明了那些建議是正確的。

治療查詢和建議

診斷是一個非常復雜的過程，涉及眾多因素：從病人眼白的顏色到早上吃的食物――機器目前無法關(guān)聯(lián)和解讀這些因素。然而有一點毫無疑問：僅僅充當科學知識的延伸，機器就有助于幫助醫(yī)生在診斷和治療方面做出正確的考量。

這是Memorial Sloan Kettering（MSK）的腫瘤科室最近與IBM Watson合作時力爭實現(xiàn)的目標。MSK擁有癌癥患者和數(shù)十年來采用的治療方法方面的大量數(shù)據(jù)，借鑒過去最有效的治療措施，能夠向醫(yī)生展示并建議治療思路或方案，以便處理將來獨特的癌癥病例。如今，這種智能增強工具已經(jīng)投入初步使用。

醫(yī)療數(shù)據(jù)收集

人們非常關(guān)注匯集來自各種移動設備的數(shù)據(jù)，以便匯總并解讀更多的實時健康數(shù)據(jù)。 蘋果的ResearchKit旨在治療帕金森病和阿斯波哥爾綜合癥，為此允許用戶訪問交互式應用程序（其中一個應用程序運用機器學習來識別臉部），從而長期評估身體狀況。應用程序能將日常的進展數(shù)據(jù)饋送到匿名數(shù)據(jù)池中供將來研究。

IBM在不遺余力地獲取它能獲取的所有健康數(shù)據(jù)，不僅與Medtronic合作，實時解讀糖尿病和胰島素數(shù)據(jù)，還斥資26億美元收購了醫(yī)療分析公司Truven Health。

盡管物聯(lián)網(wǎng)提供了大量的醫(yī)療保健數(shù)據(jù)，但業(yè)界似乎仍在嘗試如何解讀這些信息，并且實時改變治療。科學家和患者都樂觀地認為，如果匯集消費者數(shù)據(jù)這股趨勢持續(xù)下去，研究人員會有更多的手段來攻克疑難雜癥和獨特病例。

藥物發(fā)現(xiàn)

雖然醫(yī)療保健行業(yè)牽涉眾多利益相關(guān)者（醫(yī)院CIO、醫(yī)生、護士、患者和保險公司等），但對于開發(fā)機器學習醫(yī)療保健應用軟件的公司來說，藥物研發(fā)帶來了相對簡單的經(jīng)濟價值。這類應用軟件還面對一群相對清晰的客戶，它們通常財力雄厚，那就是制藥公司。

IBM自己的醫(yī)療應用軟件很早就發(fā)力藥物發(fā)現(xiàn)，谷歌也加入到了藥物研發(fā)的行列，而一大批公司已經(jīng)在通過借助機器學習致力于藥物發(fā)現(xiàn)來融資和獲利。