人工智能用来提高健康医疗服务的效率和自动化程度。人工智能技术的发展在过去备受质疑，然后如今我们发现大数据技术正在推进人工智能的进程，在医疗健康领域也是如此。
分析患者行为，制定个性化肿瘤治疗方案
例如，两位乳腺癌患者可能会得到相同的治疗方案，但其实两者的身体情况可能完全不同。
其中一个可能是马拉松长跑者，另外一个是喜欢安静的读书的人；一个可能是吸烟者，另一个也许是个注重养生的人；一个可能都60多岁了，另一个也就刚刚40。这样的情况在我们身边是常见的。
所以考虑到方方面面的不同，这两位患者需要两种不同的治疗方案。
而对于科学家和医生来说，难度在于掌握特定患者的个人信息。重要的关键信息常常淹没于大量的数据当中，医生根本没有时间（可能要一年）在茫茫信息中筛选出他们想要的。
于是许多研究者想方设法利用人工智能的方式来跨越这个难度。
比如，卡耐基梅隆大学和匹兹堡大学的科学家，正在用人工智能从电子病历、诊断影像、处方、基因组资料、保险记录，甚至是可穿戴设备的数据中挑选出有用信息，为特殊疾病和特殊人群设立医疗保健方案。
研究者们利用大数据来创建特定的医疗方案、控制传染病，并寻找致命性疾病的治疗方法。
“现在遇到的最大问题就是，系统并不智能。” 卡耐基梅隆大学机器学习系的教授Eric Xing说道。“存储在系统中的数据基本上是死数据，而机器学习和人工智能可以把有用的信息从海量数据中分离出来。你可以这样理解，就像是有一个人工的大脑在代替一个‘死’的存储系统在工作。”
他表示，卡耐基梅隆大学和匹兹堡大学正在与匹兹堡大学医学中心合作一个“匹兹堡健康数据联盟”的项目。医疗中心在接下来的6年中，会每年资助研究者1000~2000万美元用于这项研究。
科学家正在用从医疗中心获得的健康数据（剔除了患者身份信息），来研究如何能够更快速有效的分析大数据，去创造一个与健康医疗相关的技术和服务，能针对不同患者更好的做诊断、治疗和沟通。
“每个患者都是不同的个体。”Xing补充道，“一个非常简单的观点，比如说乳腺癌应该用药物A或者B来治疗。但是由于生活方式、生活环境和其他相关健康因素的独特性，使得每个人都是一个不同的独立个体。而人工智能不单单是从一位医生那里提取信息，而是来自大量有经验的医生，这样，它就能从不同患者那里梳理出有共性的信息。”
此外，人工智能软件工作效率远远高于人脑，能够更快速的找到数据的模式和相似性，帮助医生和科学家发现最关键的信息。
举例来说，一名50岁的糖尿病患者，生活方式很积极，某一种治疗方法可能对他很有效果。那么医生就可以用同一种治疗方法，来医治其他患有相同特性的糖尿病患者。
Xing表示，他们的团队就正在研究一款App，可以为用户提供一些健康生活建议，规避一些疾病。此款App可能会在一年内上线。
Philip Lehman，卡耐基梅隆大学计算机科学副院长告诉笔者，这款App应用了人工智能，可以告诉人们什么时候该去看医生，咨询什么样的医生以及怎样保持身体健康。
“比如，现在大家一般会通过手机来搜索，‘我怎么到某个地方’。” Lehman在采访中表示。“其实，你把它搬到医疗上是一样的。‘我怎么做才能感觉好点或者活的久一点’？”
Lehman和Xing希望，从App到机器学习工具和服务，他们都能延展出不同产品的原型，在未来的5-6年内，开发出十几个新产品。
这方面比较出名的公司，是获得IBM投资的Welltok，它借助IBM的“沃森”超级电脑，来构建通过个性化活动与用户沟通的愿景。其App Cafewell Concierge 利用沃森系统的自然语言处理能力，来更好的了解用户的需求，平衡对用户的激励和警告，以此达到预期目标来回馈用户。
虚拟医疗助手，改善药物依从性
比如，Aicure，利用移动技术和面部识别技术来判断患者是否按时服药，再通过App来获取患者数据，用自动算法来识别药物和药物摄取。患者数据会通过与HIPAA（健康保险流通与责任法案）兼容网络实时的反馈给临床医生，这样医生就可以确认他的患者是否在按照他们的嘱咐按时服药。当然，这项技术也可以被用来标识不良事件。
还有一个是，Next IT开发的一款app Alme Health Coach，去深掘人们为什么不按时服药。对于健康服务业来说，Next IT虽然还是个新手。但是它曾经开发了一款app“虚拟助手”来帮助消费者解决在银行、零售、财产管理等方面遇到的问题。
一般，一些人工智能的组件会重复用户话语来明确用户想法。而Alme Health Coach是专为特定疾病、药物和治疗设计配置。它可以与用户的闹钟同步，来触发例如‘睡得怎么样’的问题，还可以提示用户按时服药。这种思路是收集医生可用的可行动化数据，来更好的与病人对接（前提是患者愿意共享他们的数据）。
跟踪状态，自动汇报支持智能看护
人工智能技术公司Automated Insights把它的自然语言生成平台Wordsmith与Great Call（移动App开发者）合作。家人和朋友可以通过与App连接的GreatCall设备，来获取设备携带者的信息。它主要用于老年人看护，当携带者需要帮助的时候，App可以收到消息提醒。此外，该App还有GPS定位专利技术，可以获取用户的位置信息。
目前，该公司已经被Vista Equity Partners 和STATS（体育信息技术公司）收购。利用Wordsmith的自动书写功能，将对看护者的情况，包括所在地点、活动路线、电池状态、设备使用情况等信息自动生成文字报告给看护人。
智能化药物研发
生物科技公司也正在把人工智能和大数据结合到一起，来识别新的药物化合物，比如Cloud 制药和 Berg。
Berg通过开发的Interrogative Biology人工智能平台，来研究人体健康组织，探究人体分子和细胞自身防御组织，以及发病原理机制，利用人工智能和大数据来推算人体自身分子潜在的药物化合物。
这种方法有很多优点，不但使得靶向治疗成为今天医学治疗的趋势，而且利用人体自身的分子来医治类似于糖尿病和癌症等疑难杂症，要比研究新药的时间成本与资金少一半。
当然，Berg不是这个领域的唯一公司。Cloud制药就在专注于这个领域的研发，并已融资2000万美元。
还有，强生和赛诺菲，也正在用“沃森”超级系统（一个可迅速在海量数据中识别相关模式的计算机系统）来支持药物研发。
强生用“沃森“来快速分析详细的临床试验结果的科技论文，加快对不同治疗方法的对比效果研究，以求获得药物在更广泛领域的应用，而这些用普通的方法，需要3个人花费10个月的时间来完成这些工作。
“沃森”现在能识别化学、生物学、法律和知识产权语言，让科学家拥有别人无法拥有的与数据“交流”的能力，这将加快实现科学和医疗研究领域的突破。
赛诺菲则利用Watson来鉴别现有药物的其他用途，沃森会组织筛选毒理学信息，来帮助研究者们判断哪种药物比较适合应用在新的领域。
原文发布时间为：2015-09-26
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
