在英格蘭東南部，一批服務(wù)于50萬(wàn)人的醫(yī)院正在為出院的患者配備一個(gè)具有Wi-Fi功能的臂帶，可以遠(yuǎn)程監(jiān)測(cè)一些生命體征，如呼吸頻率、含氧水平、脈搏、血壓和體溫。
作為國(guó)家衛(wèi)生服務(wù)試點(diǎn)計(jì)劃的一部分，該項(xiàng)目現(xiàn)在采用人工智能實(shí)時(shí)分析所有患者的數(shù)據(jù)，醫(yī)院再入院率下降了，急診室就診次數(shù)也減少了。更重要的是，開(kāi)銷高昂的家庭出診需求下降了22％。從長(zhǎng)遠(yuǎn)來(lái)看，堅(jiān)持治療計(jì)劃的人數(shù)增加到96％，而行業(yè)平均水平則為50％。
人工智能試點(diǎn)的目標(biāo)是哈佛商學(xué)院教授和Innosight聯(lián)合創(chuàng)始人克里斯·克里斯滕森稱之為“消費(fèi)無(wú)力（Nonconsumption）”的概念。它指的是那些消費(fèi)者有所求，但是目前尚無(wú)實(shí)惠且方便的解決方案的機(jī)會(huì)領(lǐng)域。
例如，英國(guó)在涉及達(dá)特福德和格拉夫舍姆醫(yī)院的試點(diǎn)之前，完成患者家庭監(jiān)測(cè)需要派遣醫(yī)院工作人員每周前往患者家中作檢查，路上往返時(shí)間長(zhǎng)達(dá)90分鐘。但是，隨著算法持續(xù)不斷地搜索數(shù)據(jù)中的警告信號(hào)，并立即向患者和專業(yè)人員發(fā)出警報(bào)，從而誕生了一種新的功能：向患者適時(shí)提供醫(yī)療保健服務(wù)，甚至在患者自己意識(shí)到有這種需求之前。
人工智能的最大優(yōu)點(diǎn)在于，可以用接近零的邊際成本進(jìn)行準(zhǔn)確的預(yù)測(cè)，理所當(dāng)然地激起了人們將AI技術(shù)應(yīng)用到醫(yī)療健康的幾乎所有領(lǐng)域巨大的興趣。但并非人工智能在醫(yī)療保健中的所有應(yīng)用都能獲得同等的收益。此外，很少應(yīng)用能夠在戰(zhàn)略上恰當(dāng)?shù)鼗貞?yīng)困擾幾乎所有健康醫(yī)療系統(tǒng)的最大問(wèn)題：患者分散和利潤(rùn)壓力。
以醫(yī)學(xué)成像AI工具為例，醫(yī)院在未來(lái)四年內(nèi)預(yù)計(jì)每年將在此項(xiàng)目上花費(fèi)20億美元。準(zhǔn)確診斷從癌癥到白內(nèi)障的一系列疾病是一項(xiàng)復(fù)雜的任務(wù)，難以量化但通常會(huì)產(chǎn)生重大后果。然而，該任務(wù)目前通常是大型工作流程的一部分，且由受過(guò)廣泛訓(xùn)練、高度專業(yè)化的醫(yī)生執(zhí)行，而這些醫(yī)生是世界上最聰明的那部分人。
這些醫(yī)生可能需要一些額外的幫助，但是現(xiàn)在這個(gè)問(wèn)題已經(jīng)解決了。這些因素使得疾病診斷成為AI很難產(chǎn)生創(chuàng)造性變革的一個(gè)領(lǐng)域。因此，人工智能在這種環(huán)境中的應(yīng)用，即使對(duì)患者的治療結(jié)果有益，也不可能從根本上改善醫(yī)療保健的實(shí)施方式，也不可能在短期內(nèi)大幅降低成本。
然而，一些正在尋求醫(yī)護(hù)分散化實(shí)施的領(lǐng)先的醫(yī)療組織，通過(guò)部署AI技術(shù)可以做到一些以前從沒(méi)做到的事情。例如，消費(fèi)者每天都會(huì)做出各種各樣的非緊急的關(guān)于健康的決定。這些決定并不值得資深臨床醫(yī)生去關(guān)注，但最終在確定患者健康方面發(fā)揮著重要作用，并最終影響醫(yī)療保健的成本。
根據(jù)世界衛(wèi)生組織的數(shù)據(jù)，和個(gè)人健康和生活質(zhì)量息息相關(guān)的因素中有60％與選擇的生活方式有關(guān)，包括遵循正確服用血壓藥物的處方、鍛煉和減壓等。在AI驅(qū)動(dòng)模型的幫助下，現(xiàn)在可以根據(jù)患者生命體征的變化，在患者整個(gè)日常過(guò)程中為其提供干預(yù)和提醒。
在家庭進(jìn)行健康監(jiān)測(cè)本身并不新鮮。包括Partners Healthcare、United Healthcare和Johns Hopkins醫(yī)學(xué)院在內(nèi)的一些領(lǐng)先機(jī)構(gòu)正在開(kāi)展一些活躍的項(xiàng)目和試點(diǎn)研究，并取得了積極成果。但這些嘗試尚未利用人工智能來(lái)實(shí)時(shí)地做出更好的判斷和建議。由于涉及了大量數(shù)據(jù)，機(jī)器學(xué)習(xí)算法特別適合于針對(duì)大量人群來(lái)擴(kuò)展該任務(wù)的執(zhí)行。畢竟，是通過(guò)大量的數(shù)據(jù)來(lái)讓算法更加智能，從而支撐AI技術(shù)。