物联网是AI的最大推动者之一

也是最不被认可的推动因素之一。可穿戴设备正逐渐变得越来越普遍。这些小工具会产生大量关于其所有者的健康数据。医疗保健组织可以使用这些数据——当然是在规定的法律范围内——创建丰富的患者电子健康记录。相同的数据可以为基于 AI 的健康助理应用程序提供支持，这些应用程序可以使用无监督学习为患者的生命体征设置基线。每当他们观察到异常值或异常活动时，助手可以通知患者或他们的医生。

助手还可以为用户提供有针对性的营养和健身小贴士，引导他们逐步实现更健康的生活。

然而，由于健康数据被归类为敏感信息，其存储和安全性将面临挑战。公司必须确保他们在处理用户信息时不违反法律规定。

查找健康数据中的模式

机器学习算法可以识别数百万个数据点的模式，这些模式需要人类永远寻找。这对医疗保健行业来说可能是一个福音。使用机器学习算法，医生和研究人员可以发现不同层次的健康模式。

例如，当患者以特定症状去看医生时，ML 算法可以快速扫描他的个人和家庭健康记录以寻找类似的模式并提出建议。这可以帮助减少就诊时间，并让医生不必依赖自己的记忆和个人经验。

在更广泛的范围内，无监督学习算法可以在数百万患者的健康记录中找到秘密模式。另一方面，监督学习可以提供不同类型的帮助。提供 X 射线、MRI 和皮肤样本图像等标记资源可以使算法能够执行与顶级健康专家同等或更精确的诊断。

该计划可以帮助早期发现和预防癌症和罕见疾病等危险疾病，并可能通过在患者到达不归路之前拉响警报来挽救生命。

再一次，我们在这里走的是一条很好的路线。去年，英国皇家免费 NHS 信托在与 Google DeepMind共享患者记录信息后遇到了麻烦。关于这种做法的法律含义以及它如何影响患者隐私，我们还有很多不知道的地方。