人工智能、认知计算及机器学习进军医疗领域，现在是投资时机吗？

随着谷歌、IBM以及微软公司都一致地将目光投向医疗卫生领域，所有分析人士预测：截止2018年，百分之三十的供应商将会对患者数据进行认知分析，投资过晚的所造成的风险也许要大于投资过早的风险。

一直以来，人工智能、认知计算以及深度机器学习的到来给人的感觉就像是到了模糊的遥远未来，想到离实际应用还有几十年时间让人不禁觉得其具有很大的吸引力。

不可否认的是，虽然目前的许多应用案例都属于个案，并没有形成一个标准，但是其中部分案例的出现依然让主要的医疗卫生供应商们为之侧目。

就拿研究院以及印地安那信息与计算学院来说，两者最近对开源算法以及机器学习工具在公共卫生报告方面进行的测试。在使用病理报告对癌症进行探测方面相关工具曾经打败过人类检查员，而且速度要远远超过人类。

的确，越来越多的高级卫生系统正在寻找利用人工智能、认知计算以及机器学习的方法。

“深度学习最初的应用告诉我们这些方法对医疗卫生领域来说有着巨大的价值，”安迪.许茨（萨特医疗研发与宣传集团高级数据科学家）说：“我们对效率的需求将推动相关技术的发展。”

不过，并非只有许茨和他的同事在这么做。据市场分析员IDC表示：截止2018年，约有百分之三十的医疗系统将对患者的数据以及现实证据运行认知分析从而对治疗方法进行个性化。

此外，IDC预计：同样在2018年医师将会在近一半的癌症患者身上采用认知治疗方案，也正是因为如此，癌症治疗的成本和死亡率将下降近十个百分点。

竞赛正趋于白热化

IBM公司的watson是医疗卫生领域认知计算的大人物，不过竞赛的枪声已经打响，越来越多人加入到这场竞赛中来。

IBM与戴尔、惠普公司相互竞争，均推出了相应的系统来对华生展开挑战，此外还有许多公司，比如苹果、日立数据系统也在人工智能、认知计算以及机器学习领域迎头赶上。

2015年，一份来自于德勤公司的报告公开了其他竞争对手，其中就包括Luminoso、Alchemy API、Digital Reasoning、Highspot、Lumiata、Sentient Technologies、Enterra、IPSoft以及Next IT公司。

上月底，当谷歌公司公开其云机器学习时，微软公司在同一周内通过其自己开发的大数据分析对谷歌公司展开反击，并且用“对话式智能”这一新词汇对其新产品进行描述。

因此，不要指望watson会成为前进的“思考机器”的唯一选择。

前方的障碍

医疗卫生机构所面临的困难中那些无畏的技术供应商在人工智能、认知计算以及机器学习领域中必须克服的障碍就是数据问题。

对于医疗卫生供应商以及技术供应商们来说，数据一直以来都是一个让人头疼的问题。数据的收集、分类、标准化、跟踪以及管理问题都非常有必要，这样，供应商会才能够使用先进的软件以及硬件创新来收集对患者治疗有促进作用的信息。

“将数据转变为行动，这就是其中困难的部分，难道不是吗？IBM的watson的卫生供应商解决方案副主席萨拉.米哈利克如此说道。

她补充道：“实现人工智能的变化潜力也是供应商拥抱技术，获得人才的方式。”

正确的数据对于解决当今的问题来说至关重要，但是信息本身并非永恒的战略制定。

“分析学只是总体数据战略的一部分，”尼古拉斯.马克（Geisinger 医疗系统首席数据官）说道。

其中重要的部分还包括：商业智能、企业数据库、基础设施、隐私以及安全性。

“如果你没有关注这些不断变化的部分，那么你一定会触发某个瓶颈，”马克说道：“战略必须不断地处于动态变化之中，而不是那些需要落实在字面上的东西。没有秘密能够让你制定出一个分析战略。这需要付出很多艰辛的劳动。没人拥有神奇的解决方法。”

即使技术巨人也是如此。

先行者的优势

人工智能、认知计算以及深度机器学习目前仍然属于处于发展初期的技术，不过顾问们建议医疗机构们与其等待观望还不如现在就开始着手对这些技术进行研究。

据高德纳咨询公司的一份报告表示：“在智能机器领域投资过晚的风险可能要远无大于投资过早的风险。”

围绕医疗卫生领域大数据的复杂程度却很少有争论，这也正是为何临床医生、医师以及整个行业整体需要这些新兴技术的原因所在，而一直以来我们都觉得这些还离我们很远。

“我相信复杂的学习以及人工智能算法未来会在医疗卫生领域找到用武之地，”许茨说：“我不确定是否会在两年内诞生，还是十年内诞生，但是它正朝着我们走来。”

人工智能学家 Aitists

人工智能学家是权威的前沿科技媒体和研究机构，2016年2月成立人工智能与互联网进化实验室（AIE Lab)，重点研究互联网，人工智能，脑科学，虚拟现实，机器人，移动互联网等领域的未来发展趋势和重大科学问题。