迎接医疗保健行业人工智能

人工智能（AI）话题已成为全球关注的焦点。如今所有行业都在经历数字转型，各企业发现数据利用能力不仅是一项竞争优势，还是一项必行的战略。医疗保健行业当然也不例外。

阶段

与如今许多其他行业一样，我们看到医疗保健行业中也正在发生大规模的数字转型。其中的主要驱动因素是，慢性病增加和人口老化的大环境下，管理医疗保健成本并改进其覆盖范围迫在眉睫。

远程医疗、可穿戴设备和远程传感器等数字解决方案为患者参与和预防保健方面的创新打开了方便之门。

此外，我们正迈向精准医疗时代，基因组学和其他组学开始成为日常医疗护理的标准因素。

这些转型创造了大量新的数据集，也为人工智能的使用提供了机会。

定义

在进一步讨论之前，我们先为人工智能确定一个工作定义。在英特尔，我们开发了一种人工智能分类方法，其中包括机器学习和推理技术，使机器能够更准确地模仿人类的感知、推理和行为能力。

在机器学习领域，包括两种常用的方法。第一种是经典的机器学习方法，其中采用决策树、随机森林和支持向量机等统计技术。第二种是深度学习方法，采用了神经网络。机器学习的常用方法是分类，这是预测模型中的常见因素。

与机器学习相接近的是推理系统，包括记忆和逻辑性推理系统，要求能够采用多种技术来识别不同数据集的模式并构建规范性解决方案。

这些技术并不是相互排斥的，而是具有各自的优势和劣势。可以将他们视为解决特定问题的不同工具。这样我们将会逐渐开发出可利用多种技术解决广泛业务不同需求的方案。

所有这些技术的关键前提是数据。这就是医疗保健行业数字转型如此重要的原因所在。采用数字技术将会创造大量新的数据集，人工智能应运而生。

展望未来

我经常会反省的一个常见问题，“一个企业该如何着手发展人工智能？”

要回答这个问题，重点在于将人工智能与其他分析技术结合看待。

人工智能是传统分析技术的演变形式。数据治理和数据驱动型决策训练等关键能力为部署人工智能解决方案做好了铺垫。这场演变的关键在于，从管理层开始自上而下地利用数据，以促进业务和临床流程。

在上述分析成熟性模型中，您可以看到，当企业从利用数据来分析过去发生的事件转变为利用数据来预测未来将要发生的事件时，人工智能就开始发挥作用。通常这种转变发生在利用经典机器学习技术，从结构化数据中构建预测模型的过程中。当企业更适应这种方法之后，他们自然会开始利用新的非结构化数据源，从而开启深度学习过程。

构建预测模型后，下一步是构建透视模型，采用预测与业务流程相结合的认知系统，来推荐疗程或疗程措施。

转自：英特尔商用频道 官方微博；

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/