可以自动驾驶的汽车， 能够打败世界上最优秀的人类游戏玩家的软件，可以进行专属脸部解锁的手机。科技公司在使用人工智能打造产品和实现任务方面已经取得了巨大的进步，而这些任务直到最近还不可能完成。鉴于这种成功， 人们有理由思考人工智能在健康领域的广泛采用是否指日可待。

有关科幻的典例是《星际迷航》中的医用三录仪，它可以扫描人体并自动做出诊断。多年来，人工智能似乎已经准备帮助生产此类设备，或者正在往这个方向前进。苹果在其手表中应用人工智能来监测你的心跳。谷歌试图在医院部署智能算法，结果喜忧参半。许多研究表明，人工智能在理论上具有解读医疗扫描结果的潜力。但总体而言，人工智能在医疗保健领域的应用进程缓慢。

然而，获得大型数据集是发展人工智能的先决条件，而在健康领域，这些数据集往往是混乱的，或者是由于隐私政策而被禁止使用的，或者两者都是。埃里克·托波尔(Eric Topol)说，人工智能在医疗保健领域的发展一直十分缓慢，部分原因是因为“医学的发展就像糖浆般寸步难行”。托波尔是加利福尼亚州拉霍亚斯克里普斯研究所的一名医生和研究科学家，他是 《深度医学》(Deep Medicine)一书的作者，该书介绍了深度学习在医疗保健中的应用，多年来他一直在跟踪人工智能在医疗保健中的应用。他看到了进步的迹象，即使公众的关注都在于充满未来感、由技术驱动且配备着自主医生机器人的诊所[见方框第34页]，这也是人工智能仍未被应用于医疗的部分原因。

迄今为止的创新主要在于直接向消费者销售的产品中。英国连锁药店Boots正在销售一种尿路感染(UTI)的家用检测试剂盒，它依靠智能手机上的机器学习软件，对尿液标尺的变量进行视觉分析，从而诊断出尿路感染。在这种情况下，一个14美元的试剂盒和一部智能手机可以取代看医生诊断。

另一个应用是检测糖尿病视网膜病变，这是糖尿病的一种并发症，高血糖会损害眼睛后的血管。一家名为IDx的公司已经在美国各地的杂货店安装了机器，当一个人看向机器时，机器会快速扫描眼睛，找出疾病的蛛丝马迹。如果早期能够被发现，糖尿病视网膜病变很容易被治疗，所以检测它至关重要。虽然英国有患病风险的人每年都会在英国国家医疗服务体系(NHS)中接受检查，但大约50% 的美国糖尿病患者没有接受定期检查，甚至根本没有。进行自动扫描并将机器放置在可达的地方是一种可行的方法，来增加受检测者的数量。

在许多情况下，眼睛是机器学习的目标。这是因为它是身体中唯一透明的部分，并且直接与大脑相连。伦敦摩尔菲尔兹眼科医院(Moorfields Eye Hospital)的眼科医生、研究员皮尔斯·基恩(Pearse Keane)正致力于开发人工智能模型，以通过图像检测阿尔茨海默氏症的早期症状， 以及患上中风和心脏病的倾向。这些疾病和它们的前兆在视网膜的血管图案中留下了明显的迹象。机器可以检测出这些图案， 但人类无法发现。托波尔说：“最大的惊喜是，我们可以通过眼睛追踪所有这些我们从未了解过的东西。”

当人工智能完全舍弃旧的医疗保健数据库，通过扫描身体的方式检测出症状，从而为机器学习过程提供依据时，它在医疗保健领域起到的作用往往最大。人类基因组测序在这方面提供了另一个信息来源。“其中一个正在发生转变的领域是照看新生儿和病婴。”托波尔说，“它的发生是如此悄无声息，以至于人们根本没有意识到。”

 

 

最初这一转变发生在圣地亚哥雷迪医院的儿童基因组医学研究所，由斯蒂芬·金斯莫尔(Stephen Kingsmore)领导。该计划是想尽快对病婴进行全基因组测序， 以便迅速确定他们是否患有遗传疾病。

经过几年的努力，金斯莫尔的项目现在可以在短短18个小时内完成一个新生儿的基因组测序，使用机器学习来解释和挖掘健康数据的模式，以找出哪些突变可能与疾病相关，从而获得有关治疗的线索。托波尔称这是迄今为止人工智能在医疗保健领域取得的“最大的现实成就”。

这些成功是特殊进展的个例，并不代表整个领域的情况。“软肋在于电子健康记录(EHR)。”托波尔说。“他们十分糟糕且可怕。它们是用来计费的，甚至不是用于病人。”他的意思是说，健康记录系统，特别是在美国，其设计不是为了帮助治疗病人，而是为了记录所做的治疗。人工智能软件无法轻易通过这类数据来改善病人的健康。

 

 

解决这个问题意味着我们需要做一件事：重写健康记录系统，使其为人工智能系统提供它们所需的数据，以找到表明病人健康状况不佳的病症，或者通过在消费者设备中安装人工智能系统，在某种程度上避开传统的临床环境。迄今为止，大多数人工智能的部署都采取了第二种方式，舍弃不可靠的医疗保健系统，而不是改造它们。

这种转变可能只有当创建人工智能医疗保健系统的成本下降时才会发生。一旦

发生这种情况，我们就越有可能在临床系统内做一些繁琐的数据处理工作，以修复信息系统，因为这些信息系统将成为普遍应用的最后障碍之一。

创建人工智能医疗保健系统的成本正在下降。基恩说，对于不是人工智能专家的临床医生来说，开发人工智能的应用软件已经变得非常容易。当深度学习在2010年代初开始初露锋芒时，任何想用它来开发软件的人都需要雇用具有高技术水平的专家，而这些专家供不应求。这给人工智能在健康领域的发展带来了阻碍，其只能在较小的试点项目中应用。进行机器学习需要功能强大的计算机，该类计算机的获取也是 一个难题。但如今，基恩说，任何人都可以通过互联网获得这些计算机，这降低了难度。

随着人工智能在医学领域越来越普及，提及它的人可能会越来越少。聪明的程序员和规模庞大的美国科技公司展示出人工智能发展的潜力，但成本的降低和普遍化，才是真正改变医疗保健的原因。当《星际迷航》中的三录仪真的到来时，它可能不再引人注目。