与患者护理没有直接关系的任务
现代人工智能系统已经在帮助医生治疗患者。 例如，HeartFlow公司使用CT图像，血流的计算机模拟和深度学习算法，
可以构建心脏的3D卡。 这使医生能够更准确，更快速地诊断出心脏病，从而将必要的侵入性手术数量减少了80％。
但是，AI还用于与患者的治疗没有直接关系但仍会影响医疗质量的领域。 今天，我们想谈谈这些，在某种程度上是辅助但仍然重要的任务。
“ 只要您方便，专心的医生都会来找您 ”医院路线
人工智能系统和机器学习不仅可以帮助诊断。 例如，5月底，布鲁姆斯伯里大学学院伦敦诊所（UCLH）宣布它将
使用 AI系统来识别真正需要急诊护理的患者。
当抱怨疼痛的患者进入急诊室时，医务人员将执行标准程序-抽取血液进行分析，收集回忆，并在必要时进行X射线检查。 如诊所中所述，在80％的病例中，患者没有什么严重的症状-他们开了处方药并被释放回家。
人工智能系统将使您能够快速识别出真正需要急救的20％。 UCLH首席执行官在接受《卫报》采访时
说 ，该软件将确定患者的优先级，评估其发声症状的危险性。 例如，腹部疼痛可能表示阑尾炎或肾脏疾病，因此这样的人将“移动”到管线的头部。
机器学习算法还可以帮助安排患者和医生。 例如，英国国家神经病学和神经外科国家医院的研究人员和顾问神经学家Parashkev Nachev开发了一种机器学习算法，可以分析有关诊所预约的信息，并估计患者由于某种原因错过MRI诊治的可能性扫描。 他的系统
考虑了诸如年龄，他的住所，到诊所的距离，天气状况等参数。 到目前为止，这位科学家已设法达到85％的准确性。 这有助于快速重新分配录制时间。
在同一UCLH中，由该研究所的科学家开发的人工智能系统。 艾伦·图灵（Alan Turing）
将监控医生和患者如何在医院中“移动”-他们执行哪些任务，执行哪些程序。 这将有助于确定诊所组织中潜在的“瓶颈”，即可能出现排队或设备短缺的情况或场所。
寻找新知识
医生所遵循的治疗方法往往已过时。 新的方法，新的研究和药物正在出现。 早在2004年，研究人员检查了341种医学期刊的内容，发现每月出版的
总数超过7,000种 。
理想情况下，医生必须不断保持学科知识水平，并与现代治疗实践保持同步-但是，即使是专家，也几乎不可能研究定期在学科期刊上发表的全部出版物。
人工智能技术与搜索引擎的结合
能够在这种情况下
提供帮助。 美国研究中心
RAND的科学家开发了一种类似的解决方案，用于分析战略问题。 他们教该系统在大量信息中搜索与请求主题有关的关键字和术语。
在测试期间，该主题是有关痛风，低骨密度和膝盖骨关节炎的数据。 该算法能够将医生感兴趣的相关文章数量减少67–83％。 根据开发人员的说法，系统仅跳过了将由人们选择的两篇文章，但其中没有一篇包含关键信息。 机器学习算法的准确性为96％。
药物开发
制药公司的经验
表明 ，从临床前试验开始到批准药物和患者治疗，大约需要12年的时间。 同时，只有0.1％的“候选药物”落入临床测试。 其中有20％获得了批准。
人工智能系统可以帮助解决这种情况并加速新药的发布。 机器学习和AI系统
用于药物开发的早期阶段。
一个示例是AtomWise旧金山解决方案。 他们的系统称为AtomNet。 她使用深度学习方法来预测分子的行为以及形成必要连接的可能性。
在培训期间，AtomNet开发人员根据数百万个已知分子相互作用的结果提供了人工智能系统数据。 基于这些交互，
系统学会了预测尚未发生的交互。 该软件已经帮助
开发出治疗埃博拉的
药物 。
人工智能系统和机器学习可帮助医生和科学家更有效地工作。 医生从日常工作中解放了出来，科学家可以更轻松地进行研究，并且患者可以更快地接受治疗。
如今，人工智能和医学交叉领域的发展变得越来越受欢迎。 例如，谷歌开始选择从事创建“医学”人工智能系统的公司，以参与启动加速器程序Launchpad Studio。 去年年底，四家公司立即
加入了该项目。
在DOC +，我们还致力于这一领域的开发：我们正在开发自己的
NLP系统 ，该
系统可以处理有关医学主题的文本。 它在我们的
聊天机器人中使用 -帮助收集
病历 ，知道如何从患者抱怨中分离出疾病症状，并以结构化形式将其传递给医生。
顺便说一句，除了哈布雷（Habré）上的博客之外，我们还有一个主题杂志“ Just Ask ”-在其中我们谈论现代医学和健康：