精准医疗、人工智能和个性化医疗的未来，美国范德堡大学等撰述

人工智能(AI)和精准医疗的融合有望给医疗健康带来一场革命。精准医学方法识别出对治疗不太常见的反应或有独特医疗需求的患者表型。人工智能利用复杂的计算和推理来产生见解，使系统能够推理和学习，并通过增强智能使临床医生做出决策。最近的文献表明，探索这种融合的转化研究将有助于解决精准医疗面临的最困难的挑战，尤其是那些非基因组和基因组决定因素，结合来自患者症状、临床历史和生活方式的信息，将有助于个性化诊断和预后。

在美国国家医学院(National Academy of Medicine)最近发布的一份关于人工智能(AI)在医疗保健领域当前和未来状态的报告中，作者指出，人工智能在应对人类现实(包括疲劳和注意力不集中)和机器出错风险方面提供了“前所未有的机会”，以增强专家的护理和人工智能提供的帮助。重要的是，报告指出，尽管在使用这些技术时必须谨慎，但仍有很大的希望。健康相关数据的数字化和技术的快速吸收正在推动医疗领域AI开发和使用的变革和进步。然而，多模态数据集成、安全、联邦学习(这需要在隐私、大规模机器学习和分布式优化等领域取得根本性进展)、模型性能和偏差可能会对人工智能在医疗保健中的使用构成挑战在医疗保健领域成功采用人工智能的三个主要原则包括数据和安全、分析和见解以及共享专业知识。数据和安全等同于对人工智能系统的训练方式以及用于训练它们的数据和知识的完全透明和信任。随着人类和人工智能系统越来越多地合作，我们必须信任这些系统的输出。

分析和见解等同于“增强智能”和“可操作的见解”支持人类的行为，而不是取代它们。人工智能可以结合来自多个结构化和非结构化来源的输入，在语义层面进行推理，并在计算机视觉、阅读理解、对话系统和多模式应用中使用这些能力，以帮助卫生专业人员做出更明智的决定(例如，医生作出诊断，护士制定护理计划，或社会服务机构安排为老年人提供服务)。共享的专业知识等同于我们与人工智能系统的互补关系，人工智能系统由人类专业人员训练，并为人类专业人员提供支持，从而导致劳动力的变化，从而产生新的技能。创建前沿AI模型和构建高质量业务应用的能力需要能够访问最新硬件的熟练专家。大量未开发的数据可能对我们的健康产生巨大的影响——然而这些数据存在于医疗系统之外我们个人的健康在很大程度上受到生活方式、营养、环境和获得保健的途径的影响。这些行为和社会决定因素以及其他外生因素现在可以通过可穿戴设备和一系列医疗设备进行跟踪和测量。这些因素约占我们健康决定因素的60%(行为、社会经济、生理和心理数据)，我们的基因约占30%，而我们的实际病史仅占10%。在我们的一生中，我们每个人将产生相当于3亿多本个人和健康相关数据的书籍，这些数据可能有助于我们了解更长寿、更健康的生活。

大数据现象可以用五个v来描述:体量、速度、多样性、准确性和价值。量是指大量复杂异构的数据，使得数据集过于庞大，无法使用传统的数据库技术进行存储和分析。速度是指新数据生成和移动的速度。多样性指的是结构化、半结构化和非结构化数据的不同类型，例如社交媒体对话和语音记录。准确性是指数据的确定性、准确性、相关性和预测性。价值指的是将数据转化为业务洞察。然而，数据的数量、种类、速度和准确性正在导致数据管理和工作负载的日益复杂——创造了对高级分析的更大需求，以发现洞察力——移动设备使技术更容易消费，创造了用户对可视化分析的交互工具的需求。

大数据分析和人工智能在整个医疗保健领域越来越无所不在，包括5P领域:付款人、提供商、决策者/政府、患者和产品制造商。高达10%的全球卫生健康支出是由欺诈和滥用造成的，基于人工智能的工具有助于减少支付人项目中的欺诈、浪费和滥用。可靠地识别医疗编码错误和不正确的索赔，可以节省大量的金钱、时间和精力，从而对支付人、提供者和政府产生积极的影响例如，IBM DataProbe是一种基于人工智能的商业智能工具，它能够在2年内检测并收回艾奥瓦州医疗补助企业医疗补助欺诈案中4150万美元的服务费。在提供者领域，人工智能用于循证临床决策支持，检测不良事件，并使用电子健康记录(EHR)数据预测患者再次入院的风险医疗政策制定者和政府使用基于人工智能的工具来控制和预测感染和疫情。FINDER就是一个例子，这是一个机器学习的模型，用于使用匿名和聚合的网络搜索和位置数据实时检测食源性疾病。另一个例子是使用IBM Connect360和IBM Watson护理管理器的综合数据中心和护理管理解决方案，加州索诺马县政府机构在整个社区发生危机时，利用该方案改变了社会弱势群体和其他流离失所者的健康和医疗保健该解决方案实现了在2017年和2019年索诺马县野火期间，将孤立的数据和服务集成到统一的公民地位视图中，从结构化和非结构化来源识别健康的临床和社会决定因素，构建算法将客户与服务匹配，并简化护理协调。随着2020年初全球大流行性冠状病毒疾病2019 (COVID-19)的出现，这种模型可用于预测高危人群，并可能为护理高危患者的临床医生提供额外的风险信息。AI在患者和生命科学/健康产品中的使用将在以下各部分中进行广泛讨论