人工智能在医疗中的应用

说起人工智能在医疗中的应用大概有两种合作方式，一种是图像识别类的应用，另外一种是自然语言处理类的应用。现在人工智能都是基于三大要素，来进行应用创新的，云计算、大数据、算法，在算法趋于稳定的时候，我们做的更多的是在算法上，用数据寻找商业落地的价值，价值先行，商业其次。针对于不同行业与场景，给机器算法喂养大数据的饵料，相关预期应用都会在适当调优的情况下，实现识别率慢慢接近人，甚至是超过人，这就是人工智能在各行各业应用的前提，除了少部分人工智能可以自己生产数据根据规则设定来提供准确率外，其他的人工智能基本上都是用大数据堆出来的智能。

主导型人工智能应用“图像识别”，目前人工智能图像识别在医学中的应用，已经有比较成熟的方案了，我们将数百万张的肺癌ct片子，样本给机器学习，且输出结果，准确率和识别率别均高过人工。这个大大的降低了人工识别的成本，尤其在中国的大环境中，病患与医务人员不平衡的情况下，可以节省医务人员的宝贵时间，将精力花费在更多的患者身上。图像识别是在人工智能领域中，属于较为成熟及容易实现的需求，因为针对的场景比较有局限性，识别率也会非常高，只要有相关素材数据 ，可以将人工智能应用实践的出神入化，可以从安防产品中就可以看出，相关图像识别应用已经在某种水平上已经超过了人类，所以人工智能在医疗行业的图像识别应用，应该是主导辅助作用。

辅助型人工智能应用“nlp”，在自然语言处理这块，基本是以医疗问答为主的病患诊断意见。我们可以将相关医疗诊断病症归类搜集，训练，生成相关人工智能的医疗机器人应用，当病人有看病需求时候，可以通过系统确诊为大致确诊建议。因为医生的诊断是根据自己的经验来看的，但是有些特殊疾病，需要花费很长的时间周期才能确诊，这个对患者和医生都带来了困扰，但是人工智能的介入就不一样，这种情况下，我们可以将各个医院，尤其是现在医院与医院之间形成的数据孤岛，打通，数据共享，通过人工智能技术能快速甄别疾病的可能性，这样能快速协助医生进行判断病症，对症下药，快速处理病患问题。

 在这两种人工智能的应用中，我们都脱离不了数据，数据是起到关键性作用的基石，如果说你单方面有算法，计算能力，数据量少，效果必然也不会很好。这个道理很简单 ，所以我们在这个层面上，我们意识到人工智能的应用脱离不了大数据的支撑，数据越多，就能有更精准的应用，医疗如此其他行业也是这样。