TMT观察网_独特视角观察TMT行业

近年來，在人工智能的浪潮下，AI技術幾乎已經達到了狂熱的地步。 隨著人工智能產品推出和機器學習算法的進步，我們的醫療技術也有很大的進步！

英國國民保健屬(National Health Service, NHS)于 2018/6/10 上午發布了一份新的報告，在報告中預測 了人工智能機器人在短時間內將可以很快的實現幫助病人吃飯和診斷嚴重疾病的功 用，甚至幫助病人們進行復建。

目前該機器人可以承擔醫生，護士，醫療助理和行政人員完成各種任務。國民保健屬表示廣泛采用人工智能機器人能在醫院里提供全方位的服務，每年大約可以節 省 125 億英鎊的開銷。雖然大部分人擔心英國國民保健屬(NHS)在人工智能的發展 上，機器人的投入可能會導致 130 萬個勞工失去工作崗位。對此，國家保健屬也做出 了回應，他們表示此機器人的最大用處是與醫療人員一起工作，而不是取代他們，通 過這種新的方式將能加快醫療工作的效率，同時病患也能得到更好的醫療照顧。

據公共政策研究院(IPPR)和 Lord Darzi(杰出的外科醫生和前衛生部長)在 周一發表了一份報告表示，“鑒于目前醫療和護理人員的短缺，人工智能機器人的全自 動化服務是一個重大的發展機會，并同時提高了英國國民保健屬(NHS)的醫療效率和質量。” 此外他們也表示了“人工智能床邊機器人”可以幫助病患食用食物和藥品，并 且在病房周圍移動巡邏，甚至可以幫助患者進行復建與鍛煉，作為他們從手術中康復 的一部分。

這款機器人可以在自動評估的套件中協助到達醫院就診的民眾進行數字分類，基于人工智能的機器學習算法系統將用于準確地診斷疾病，如肺炎、乳腺癌、皮膚癌、眼部疾病和心臟病等等。

AI 人工智能技術通過機器學習和算法讓儀器檢測出癌癥

皮膚癌

全球每年約有 23.2 萬新的黑色素瘤病例和 55,500 例死亡病例。身體上許多部位 (例如手指，腳趾和頭皮)的黑色素瘤很難成像和發現。由德國，法國和美國組成的 團隊開發出人工智能算法系統，透過人工智能的算法可以比皮膚科醫生更準確地診斷 出皮膚癌，在這項研究中，系統將惡性的皮膚病變和良性病變區分開來，并顯示出 100,000 多幅圖像，在這些圖像數據路能夠準確地檢測出 95%的黑痣和良性斑點的癌 癥，而 58 名皮膚科醫生團隊準確的判斷率為 87%。

AI 算法將危險的皮膚病變與良性病變區分開來

頭部和頸部的腫瘤算法技術

來自美國德克薩斯大學休斯頓分校高級計算中心的研究人員，使用人工智能和 超級計算機開發出一種輪廓算法軟件，此軟件經過算法的輪廓處理后可以精確地描繪 出位于頭部或頸部的腫瘤形狀和位置。在頭部或頸部的腫瘤下，附近存在許多脆弱的 組織和神經，通過此算法所畫出的圖片可以幫助醫生判斷病患需要使用的輻射量和準 確的治療位置來完成艱難的治療任務。

AI 軟件通過輪廓算法精確地描繪出頭部和頸部的腫瘤

大腸癌

通過 AI 可以以 86%的準確度檢測到早期的大腸癌，由于癌細胞進入血液中，這 種類型的癌癥往往在腫瘤變成惡性和致命之前很難確定，因此早期的檢測非常的重 要。來自日本昭和大學的 Yuichi Mori 博士日前在巴塞羅那舉辦的歐洲胃腸病學會議上 發表了這一項新技術，Mori 博士和他的團隊收集了成千上萬的癌癥前和感染癌細胞后 的高分變率圖像，通過機器學習過程，他們研發的 AI 算法能夠在短短一秒內從高度放大的直腸息肉圖片中分辨出癌癥。該團隊同時也表示了在未來的研究若繼續保持穩定，86%的準確度是非常令人印象深刻的。一旦惡性腫瘤轉移到淋巴或血液里，大腸 癌會造成致命的危險。但是，通過這項新技術可以提前發現癌癥并提早治療防止惡 化。

大腸癌 AI 技術檢測圖片

乳腺癌

乳癌是全世界女性中最常見的癌癥，每年全球有近 160 萬名女性被診斷出罹乳 癌，但每年仍有 50 萬人死于乳癌。人工智能的發展下提高乳腺癌檢測準確度，這項新 的檢測技術在一名乳腺癌專家帶領著團隊在英國倫敦帝國理工學院的領導下，將該聯 盟設在英國癌癥研究中心的皇家中心。該中心的臨床醫生和放射科醫生將與谷歌的 DeepMind Health 和 AI 健康研究團隊進行技術合作來共同研究這項新技術。雖然早期 發現乳腺癌能為患者帶來更好的治療結果，但是準確的檢測和診斷乳腺癌仍有極大的 挑戰性。乳房的 X 光檢查被臨床醫生用于早期發現癌癥的檢測并不完整，每年成千上 萬的病例都不會被乳房 X 光線檢測出，其中 30%是在篩檢過程之間罹癌的，這些錯誤 的診斷很常見。在這項新技術研發過程中，谷歌 Deepmind Health 的機器學習技術和 AI 健康研究院使用了英國癌癥研究院提供的 7,500 名女性歷史 X 光病例來進行數字圖 像的算法解析。通過機器學習對數據進行算法分析 X 光圖像，并以超過當前技術的準 確性來提醒醫生進行診斷。

AI 的技術減少乳腺癌的過度診斷和誤診