AI应用于医疗预测 需集成机器学习与行为算法

结合机器学习和行为算法的人工智能（AI）虚拟助理软件愈来愈普遍，随著资料库不断扩展，可以对人类偏好做出愈来愈准确的预测，但当下流行的健康追踪装置欲实现医疗预测，也必须集成机器学习与行为算法，才能达到健康照护的目的。

据报导，人工智能应用领域广泛，虽然人工智能似乎无处不在，但消费者只看到其中的一小部分。除了虚拟助理之外，机器学习结合行为算法将产生其它广泛流行的技术，Netflix、亚马逊（Amazon）和Pandora提供高度精确和不断改进的预测文本就是一个例子。

在健康和健身领域，2016年休斯顿卫理公会医院（Houston Methodist Hospital）研究人员开发机器学习软件，综合乳房X光照片结果和个人病史，比医生对患者乳腺癌风险诊断速度快30倍，准确率达到99%。

史丹佛大学（Stanford University）计算机科学家建立一个人工智能算法，与21位经过认证的皮肤科医生一样能准确诊断皮肤癌。甚至IBM Wason超级计算机也正在采取行动，这部世界上最著名的人工智能在不到10分钟内，可正确诊断出一名女性罹患罕见白血病。

至于当前的健康追踪装置因缺乏机器学习软件，因此许多医生质疑可穿戴设备数据的临床价值，且装置与数码健康应用程序的大数据，包含血糖、体重、血压、胆固醇、医疗记录等缺乏互操作性，以至于重要的医疗信息仍然被孤立。

尽管像Validic和Human API这样的中介软件公司正在建立集成数据所需的连接技术，但是能做医疗预测的人工智能还很少。

从个人手机和连网装置中取得传感器数据的机器学习算法，能够检测习惯和行动模式，试想如一个糖尿病患者正在健身中心停车的时候，从智能血糖仪收到提醒，当他们看到数字很低的时候，可以在运动之前先吃一个苹果，避免发生低血糖症。

从手机中的加速度计、GPS和日历中提取数据并加以集成，可以推断出提示用户行动的最佳时刻，实现健康照护的目的。针对可穿戴装置开发的算法具备洞察力，如当侦测到心率和皮肤温度稳步上升，代表用户可能感染流感。

报导认为，人工智能成为主流要归功于前面提到的私人助理，和Google等专案项目的先进用户体验。随着手机和可穿戴装置中的机器学习行为算法与更多物联网产品相结合，我们可以期待看到量身定做的装置和应用程序的实用性将超越新颖性。