近日“元宇宙”概念引人关注，而一切火热的概念背后，都需要有技术的支撑。其中，“人工智能技术”能为元宇宙的大量场景提供技术支撑。众所周知，数据、算法和算力是人工智能三大核心要素，数据是人工智能发展的基石和基础，算法是人工智能发展的重要引擎和推动力，算力则是实现人工智能技术的一个重要保障。奔向“元宇宙”前，就必须打造出实现虚实结合的基础设施——显然，人工智能就是那把连接虚拟世界与现实世界的“钥匙”。
今年是人工智能具有里程碑意义的一年。曾经是科幻小说的保留地，现在正在成为我们日常生活中不可或缺的一部分。从我们家中的语音控制数字助理到客户服务聊天机器人，人工智能现在已经在大众市场中根深蒂固。最重要的是，这一年也是医疗保健领域的人工智能为更彻底的变革打下基础的一年。
多年来，人工智能和机器学习通过提供从机器人手术和3D图像分析到允许远程管理诊断和治疗的智能生物传感器，一直在悄悄地改变医疗保健领域。尽管新冠疫情带来了很多的不便，但它也促进了医疗保健AI技术的发展和提升。仅在2020年第一季度，就有近10亿美元投资于以人工智能为重点的医疗保健初创企业。最近的一项预测显示，到2026年，全球行业将以44%的速度增长。
人工智能在医疗保健领域具有巨大的潜在用途，因此该技术正在迅速获得投资者的青睐。随着其应用范围从疾病预防和诊断到急性护理和长期疾病管理，该行业已在2020年达到临界点，人工智能终于成为主流。
然而，我们似乎仍然只是触及了表面；就像任何实时见证的革命一样，可能性似乎是无限的。对于医疗保健提供者和相关组织而言，将愿景变为现实仍然是一个真正的挑战。为了从测试转向常规使用，并从根本上改变患者体验，想要与人工智能互动的机构必须从战略上解决这个问题。
人工智能中的“艺术”
人工智能背后的技术正在以惊人的速度发展，但对所有机构的真正考验是它如何利用和实施该技术来达到自己的目的。新冠疫情的压力无疑加速了创新，但在我们研究如何将它们付诸实践之前，先考虑一下人工智能究竟是什么——以及它在医疗保健环境中的样子。
AI的核心是机器学习，它由三个认知节点组成：计算机视觉、自然语言处理和数据推理。计算机视觉是人工智能的“眼睛”，因为它能够比人类更快地识别数字图像中的视觉模式、对象、场景和活动。自然语言处理是指识别和理解口语的技术。结构化数据推理是一种使用数据（通常是数字数据）来解决问题的技术。2021年，我们在这三个方面都看到了令人兴奋的医疗发展。
以自然语言处理为例，在疫情期间，由于医疗保健提供者被迫将业务转移到网上，自然语言处理成为人们关注的焦点。“远程医疗”行业呈指数级增长，因为它使供应商能够自动化和简化基本服务，以腾出资源来应对危机。在法国，例如，远程医疗会诊由原本每周一万例增加到了疫情期间每周50万人。
人工智能的最新发展表明，“远程医疗”不仅仅是一个咨询平台。一家初创公司Vocalis Health正在探索使用语音数据作为疾病进展的生物标志物。使用人工智能，该技术可以检测特定语音片段中肺动脉高压的迹象，这些迹象可以记录到智能手机中。类似的努力正集中在基于语音的新冠疫情筛查应用程序上，以及使用数据来跟踪帕金森病等神经系统疾病。这方面的潜力是巨大的，它有望将远程医疗提升到全新的水平。
大型企业也在医疗保健AI领域取得了巨大进步，例如Alphabet的AI子公司DeepMind。去年11月，DeepMind的AlphaFold项目透露，它通过了解蛋白质如何折叠成独特的三维形状，在很大程度上解决了科学家面临的半个世纪以来的挑战。这为更深入地了解疾病和创造设计药物铺平了道路。在更广泛的范围内，它甚至可以帮助分解塑料污染。AI影响是巨大的，不仅对研究科学家，而且对人工智能在整个医疗保健领域的作用也是如此。
难以捉摸的蓝图
人工智能是一个广阔的领域，具有许多潜在的应用。没有单一的、万无一失的实施蓝图，因此希望利用其潜力的医疗保健组织必须做出适合其财务和技术能力的选择。
在开始他们的人工智能之旅之前，供应商应该问自己的第一个关键问题是：我们是否有能力在内部构建这些能力？拥有内部资源、专有数据和资金来在内部开发AI解决方案在控制方面具有明显的优势，但企业需要根据他们的目标和时间表自行决定这是否现实。
接下来，我们应该考虑合作还是收购？即使拥有最好的资源和内部能力，合作伙伴关系也可以迅速增加人工智能系统和工具的开发和部署。对AI初创企业的投资或对小公司的收购也可以让组织快速进入开发阶段，并提供更多的专业知识和能力。
最后，企业需要考虑哪些关键推动因素将加速其人工智能战略。这意味着要考虑从构建或获取新技术，到领导力调整和团队分配的方方面面。
共同因素
我们知道人工智能可以改变医疗保健的许多方面；正如我们今年所看到的，它正在全球范围内迅速发展。然而，使用人工智能的医疗保健提供者面临着特定的挑战，尤其是在实施人工智能时。
数据是人工智能存在的理由：如果没有持续的数据供应，人工智能技术根本无法实现迄今为止的成就。然而，对于正在努力应对“差数据”挑战的机构来说，这也可能是一件麻烦事，这些数据尚未标准化且仍然存在差异。隐私协议和安全要求为进步带来了额外的障碍，但由于它们涉及保护患者隐私，这些都是必须翻越的障碍。同意使用患者数据以及解决算法中感知到的偏见是所有机构都必须警惕的道德问题。
需求是发明之母，这在一定程度上解释了为什么今年取得了如此多的进展。然而，医疗保健商业模式可以做更多的事情来激励创新。虽然该领域有广泛的行业参与者，但众所周知，大型科技公司会从初创企业中吸引人才，初创企业在没有合作伙伴关系的情况下也难以扩大产品规模。
这些挑战当然是真实存在的，但绝不是不可克服的。虽然人工智能的成功依赖于精心准备，但它不仅是一项值得追求的创新，而且将成为未来几年医疗保健故事不可或缺的一部分。因此，机构需要优先考虑人工智能计划和实施计划。在基本层面上，这意味着确保领导层在场，并支持合适的人才。
整个医疗保健链中的许多组织已经深入他们的数字化转型之旅。虽然其中一些将有完善的人工智能策略在起作用，但其他人不会。值得牢记的是，人工智能医疗保健之路任重而道远，这使得制定战略将愿景变为现实是成功之旅的关键。
总体而言，方法可能会有所不同，并将取决于专业和子行业。但让医疗保健领先于其他行业的是对人工智能和机器学习力量的普遍认可，以及涉及的规模——从初创企业到跨国公司。
今后的医疗前景可能会大不相同，但在人工智能定义的未来中，全线医疗保健组织要引导自己的道路。人工智能使用海量数据解决极其复杂问题的能力远远超过我们自己，在未来的几十年里，医疗保健提供者应该考虑：如何有效地将此类发展纳入战略？
