医生可以通过 AI 更多地了解您，从而改变医疗保健行业

快速阅读: 《福布斯》消息，医疗技术正向全球适用性和预防医学转型。通过预测分析和个人数据挖掘，可提前识别健康风险。荣格提出三种关键技术：AI分析健康数据、区块链管理数据所有权、密码学保护隐私。小组讨论还关注如何有效整合健康数据以提升医生效率，解决医疗资源短缺等问题。未来，医疗将在早期干预中发挥更大作用。

医疗技术：医生手持带有DNA、电子病历的健康图标

医疗保健和研究通过全球网络连接到全息虚拟屏幕上，涉及保险和数字健康技术等。

有时你可能会对频繁听到的人工智能在医疗保健中的应用感到厌烦，但随后会出现一些非常精彩的突破性解释。其中许多与预测分析和利用数据来促进早期干预有关。我们大多数人直觉上都明白，及早解决医疗问题会产生积极影响。但当你深入研究更详细的研究时，这些现实会变得更加清晰。

**谈论医疗保健**
在一月份达沃斯期间，IIA的一个小组讨论会上，桑迪·彭特兰采访了一组从事医疗系统前沿工作的人员。其中包括Rune Labs的贾里德·乔斯林（曾任职于赛诺菲）、微软研究院的联合创始人爱德华·荣格，以及著名的心脏病专家阿米·巴特，还有斯坦福医疗保健的阿努朗·雷夫里和塔塔咨询服务公司的希瓦·甘内桑。小组成员一致认为，优秀的医疗技术应当具备全球适用性，并应从三级护理转向预防医学。

**我们的行为与健康**
这是一个我们以前未曾这样思考过的重大见解。我们有可穿戴设备来追踪我们一天中的所有活动。如果你能提前知道哪些行为在未来几年内对你的健康威胁最大，那会怎么样？你是否上下楼梯？你早上喝咖啡后心率是否加速？这只是个开始。“我们拥有可以用来使用预测分析的数据，”巴特描述了其运作方式。“实际上，我们可以告诉你，哪些风险因素最有可能影响你的死亡率，哪些最有可能影响你的生活质量。然后你可以思考这对你的意义。”巴特说，处于心血管健康最高三分之一（普通人中的三分之一）的人平均寿命将延长近十年。我们可以挖掘个人数据，以了解哪些风险因素，以及哪个特定风险因素，对任何一个人来说是最危险的。这是一个强有力的提议——你可以挖掘自己的个人数据，以了解将来可能对你造成问题的因素——无论是饮食、日常习惯还是其他任何事情。

**改变世界**
荣格指出当前的医疗模式不可持续，他谈到了促进健康长寿和可持续的方式，并表示理想情况下，医疗保健应在早期干预并给予人们更多生产力年份，从而创造经济生产力。他列举了三种有助于实现这一目标的技术：首先是人工智能，大数据可以通过支持健康的途径进行分析；其次是区块链，个人数据可以集中存储在一个地方，解决数据所有权问题；第三是密码学，它可以解决隐私问题。雷夫里强调了我们拥有的丰富研究环境，并提倡将医疗保健与计算机科学和伦理相结合，打造他所说的“负责任的人工智能生命周期”。他说，三个原则很重要：合理使用技术，注重预防与自我服务，发明供世界共享的技术或成果。

**将数据转移到有效的地方**
在小组讨论的后半部分，参与者谈到了如何将所有这些数据带到需要的地方。甘内桑提到现代系统的“亲历视角”，提及价值链以及对结构化数据源的访问，超越传统的顺序计算，采用新方法，以帮助发现预防性解决方案。

**挑战与痛点**
巴特等人探讨了当前的一些局限性：最终将面临1100万名医生的缺口，由于成效不佳，每年投入高达11万亿美元。此外，平均每个美国人每年只看医生16分钟——并不多。但是，小组成员建议，如果能有效整合健康与非健康数据，那16分钟的效率可以提升数个量级。荣格提出了解决方案的三大要素：政府政策小组、与医疗机构合作的能力以及超级计算机时代的健康价值模型。巴特还讨论了这关键的16分钟以及如何充分利用这段时间。她指出，这对于临床医生而言是一种“道德伤害”，因为他们在这短短的时间内无法做他们需要做的事情。你如何处理数据？她说，医生需要了解的信息包括：保险是否涵盖某项程序，患者能否前往提供治疗的设施？“这不是市场数据，而是关乎生命的数据，”她说。巴特描绘了医生如何获取这些生命数据并在咨询中充分准备的情景。

**展望未来医疗保健的发展**
如果你像我一样，你会开始看到结构化数据在医疗保健方面的整体情况。这个想法是我们可以在医生办公室之外了解更多关于人的信息，并在治疗需求显现之前着手解决潜在问题。我们正在进入一个新时代，这一点在医疗保健领域尤为真实。让我们继续关注随着我们前进而形成的情况。

(以上内容均由Ai生成)