21世纪是信息技术迅猛发展的时代，人工智能掀起了一场新的技术革命。从诊断、治疗到保健以及健康服务，人工智能在医疗领域已经默默耕耘良久。迄今为止，智慧医疗到底飞了多高？为医院、医生和患者带来了哪些选择？下面我们来进行盘点。

维也纳医科大学：人工智能监测院内感染

我们都知道，院感是住院患者常见的并发症。维也纳医科大学（The Medical University of Vienna）根据欧洲监控系统标准，开发出一个人工智能监视项目，可以帮助监测院感的细菌衍生与传播。目前，医院患者的信息可以实现电子化记录，在这个基础上该项目通过一系列数据流模型评估来完成机器自动识别和监控NIs的活动。该系统名为Moni，主要监测院感，包括利用医学知识包（MKPs）来确认和监测血液中的各种感染，如肺炎、尿路感染以及中心静脉导管相关的感染。这种技术有助于识别和监控重症监护病房的院感活动，并且已经在维也纳总医院投入使用。

匹兹堡大学和卡内基梅隆大学：机器学习开发个性化诊疗方案

同样都是接受乳腺癌治疗，这两个人可能有着完全不同的身份。一个可能是马拉松运动员，而另一个则是一位安静的读者；可能一个是烟瘾者，而另一个则是执著健康的狂热分子；可能一个已经60岁而另一位才满40……有针对性的个性化治疗或者说精准治疗，是目前科学家和医生试图达到的一个新的医学高度。

从庞大的数据库里找到医生所需要的针对特定类型病人的治疗信息可能要花费较长的时间，这无疑是一个技术难题。

卡内基梅隆大学和匹兹堡大学的科学家们正在利用人工智能来从海量数据，比如电子健康记录、影像诊断、处方、基因组分析、保险记录甚至是可穿戴设备所产生的数据中来提取有用信息，来为特定的一类人群而不是特定疾病来制定合理的卫生保健计划。

“当前的系统并不智能，使得这个想法开始时挫折重重，”卡耐基-梅隆大学机器学习系的一位教授说到。“数据存储在系统中，它基本上是死的。机器学习和人工智能能从巨大的数据仓库中挖掘出有用的知识，并且你可以对它进行推理。它就像一个在工作的人工大脑，而不仅仅是一个存储系统。”

卡耐基-梅隆大学与匹兹堡大学医学中心共同合作完成这个项目，我们称其合作为“匹兹堡健康数据联盟”。医学中心已经同意在未来六年里为他们的研究提供每年一千万到两千万的研究经费。

爱因斯坦II劳动力解决方案提高效率

爱因斯坦计划技术源于美国，目前已经发展到爱因斯坦III。爱因斯坦计划技术最早用于政府机构间的网络安全协作。爱因斯坦II劳动力解决方案（Einstein II workforce management solution）被很多医院用来灵活调度人口普查，员工可用性和历史数据。该系统主要用来提高现有的劳动力资源效率，它采用云解决方案，不需要购买额外的硬件和服务器空间，数据实时更新。它就像一个“水晶球”一样，能够了解到所有医院工作人员的工作状态，整个系统以医院的调度规则为基础，同时也考虑到临时调度的需要，因此能够确保大多数情况下人员调配的合理性。另外，爱因斯坦II也能够作为一个分析工具，利用自带的人工智能引擎，它能够从历史行动中提取有效的“行动”和“模式”，从而来决定当前和未来的选择。此外，在维护时它也能够产生实时的分析报告，所以会议报告工具也是不错的选择。

Aicure：遵医嘱用药解决方案

AiCure为药物依从性问题的解决提供更好的方案。那么它是如何工作的呢？

首先它有一款很好用的交互软件，使用者需要填入日常服用剂量。然后AiCure的HIPAA兼容平台采用的面部识别和运动传感器通过使用者的智能手机自动化观察病人的服药行为。该平台旨在监测不同药物和多种给药途径（口服，舌下含服，吸入器，注射笔）。之后，所有观察到的数据会被加密和模糊化，安全的信息（语音，文本消息）会被集成到仪表盘中。

该应用比较突出的一点就是具有很强的机器学习能力，它能够根据数据的积累优化监测和治疗方案还可以检测虚假的敷衍行为（服药时间篡改，不寻常的药物中断等），当然一切都归功于其强大的人工智能算法。

Alme Health Coach：慢病患者的虚拟助理

医疗保健主要的问题之一就是不能坚持治疗计划和医生的嘱咐方案。对于慢性疾病患者而言，整个治疗周期非常漫长，因此，Alme Health Coach需要病人在使用之前充分了解这款应用的目的并与其建立信任关系。

Alme希望病人能够知道它的工作动机，那就是通过了解病人的饮食习惯、锻炼周期、服药习惯等个人生活风格，经过人工智能技术进行数据处理后来为其提供慢性疾病的整体状态，并为其提供个性化的健康解决方案。

它主要是以一位“虚拟助手”的身份出现的，能够自动化帮助病人规划日常健康安排，监控睡眠，提供药物和测试提醒，甚至可以反向推导出一些不服从这些提醒的患者产生懒惰心的根源。

所有这些活动的目的就是希望以一种全自动化的方式帮助慢性疾病患者改变不良习惯，养成一种更健康的生活方式。它能够无缝的融入病人的生活中，其API能够和可穿戴设备、手机、企业系统、电子病例等进行整合，解决数据跨平台转移的麻烦。

AdverseEvents Explore：药物作用预测算法

AdverseEvents Explore主要提供FEARS批准的药物作用的数据，以及通过自由信息法（FOIA）访问专有信息的权利，能够帮助医生获得实时的药物安全性和成本资料，该浏览器核心分析算法Rxsuite主要包括RxFilter、RxCost、RxSignal、RxScore。RxFilter通过17步算法完整优化了FAERS的数据集，使之能够被完全访问和检索；而RxCost则是一种以确定药物不良反应事件的直接成本，使决策能够依据医疗总成本进行的标准化的方法；RxSignal是一种预测算法，能够提醒用户新出现的和以前未知的药物所产生的副作用，这些副作用在未来可能引发FDA的质问；RxScore是首个药品安全评分系统，可以迅速总结全面批准后的药品安全问题，就像FICO信用评分系统一样。

Modernizing Medicine：为医生提供智能治疗工具

现代医疗公司致力于医学现代化，他们使用电子医疗助手（EMA）来提供整个综合服务和解决方案。整个系统界面非常直观，并且可以根据每个医生的风格自主调整，同时它基于云端存储，可以实时保存数据。就像我们平时使用手机一样，系统自带有指尖绘图功能，医生可以通过快速触摸和手指滑动屏幕来建立每个病人的图表、账单等医疗数据。通过EMA系统，医生通过触摸屏幕就可以了解病人的病史。Modernizing Medicine目前已与IBM Watson的人工智能系统进行结合，提供更加符合医生的工作方式。

（环球医学编辑：吴星）