機器學習快速粉碎摩爾定律，醫院已開始摘取AI低枝果實

新智元編譯

眼下精明的醫院已經開始在特定用例中部署 AI、認知計算和機器學習方面的應用了。醫療行業的知名人士預測，AI 在這一領域的發展將比此前預想的更快。

Health Catalyst 的執行副總裁 Dale Sanders 表示：「在我的職業生涯中，從沒見過像機器學習在過去兩年內發展這麼快的技術。」

值得注意的是，Sanders 擁有在美國空軍工作的背景，其工作內容則和堆疊神經網路及模糊邏輯相關，這在過去一般被稱為深度學習。同時他也是 Northwestern University 和開曼群島國家衛生系統的 CIO 。

「機器學習的改進速度遠超摩爾定律所描述的晶元改進速度。」

醫院已經開始部署 AI

患者和醫護人員——包括臨床醫生、醫生、護士、專家，甚至行政人員和行政人員——都開始在醫療領域的改革浪潮中尋找立足點，尋求先發優勢的醫院已經認識到 AI 正在成為整個系統的關鍵，而不僅僅是IT 。

「AI 和機器學習對我們來說是一個令人興奮的取得加速的機會。」Carolinas HealthCare 的首席信息和分析員 Craig Richardville 說：「要想成功，必須了解 AI 能夠如何應用在你的市場和患者人群中。」

今天，這意味著選擇一些對於 AI 現有能力來說比較低枝的果實。Richardville 表示，Carolinas HealthCare 正在努力開發自助服務應用，為患者提供自我診斷和自我治療的工具。當然這指的是非常有針對性的情況，這種情況下醫學的發展已經讓臨床醫完全知道該如何治療。

醫院也在考慮用 AI 獲取患者信息並將其存入自己的數據池中。這很重要，因為 Richardville 說，在 Carolinas HealthCare 只有20％的相關患者信息存入了其 EHR 系統中。

「對這些數據進行更多的智能處理能夠繼續使我們的醫學從藝術向科學轉變。」Richardville 補充道。

Change Healthcare 高級副總裁 Stuart Hanson 表示，營收循環是機器學習成熟的另一個領域。

Hanson 說：「醫療機構已經開始變得更加以信息為中心，下一個階段就是採取個性化的處理方法。」

Hanson 引用了兩個例子：對於特定患者來說，預測什麼信息與其相關並進行智能推薦，例如健康、預防疾病的小提示以及透明的價格；以及通過更好地了解患者如何對待不同的繳費憑據，來降低無用賬單帶來的成本。

「這對於醫生和醫院的營收循環來說，有明顯的投資回報率。」 Hanson說。

雖然 Carolinas HealthCare 和其他一些頂尖醫院所做的這些工作毫無疑問是尖端的，但 Health Catalyst 的 Sanders 決不是唯一一個相信 AI 、認知計算和機器學習帶來的發展速度將超出摩爾定律所展現的加速度的人。

未來超乎想像

英特爾聯合創始人 Gordon Moore 在 1965 年預測，當前計算機晶元處理速度每年提升一倍的勢頭，將會持續到未來；十年之後，摩爾定律被修正，晶元處理能力每兩年翻一番。這個速率會在 50 年內基本保持穩定。

事實上，過去五十年間發生了很多事情，基因組學的進展就是其中之一。當一家名為 454 的DNA 測序公司在 2007 年測序了聯合發現人 James Watson 的基因組時，花費了 200 萬美元，這隻比人類基因組計劃在 2003 年首次測序花費的30億美元「少了一點兒」。

英特爾健康與生命科學全球營銷總監 Bryce Olson 表示：「現在我們將降至 1000 美元，我們將來到測序每個基因組只需 100 美元的時代。這將成為下一件大事。」

AI 技術快速爆炸。醫療保健提供商將能夠在不久的未來通過 DNA 診斷疾病，Olson 表示，這個行業正處在 AI 技術變得更快、更好、更便宜的交匯點上。

「正如我們在基因組領域和機器學習演算法中看到的一樣，」 Olson 補充道，「這比摩爾定律快很多。」

原文地址：http://www.healthcareitnews.com/news/ai-machine-learning-will-shatter-moores-law-rapid-fire-pace-innovation