疫情加速了人工智能(AI)在遠程病人護理方面的進展。越來越多的醫生開始使用數字病人監測跟蹤健康數據、識別異常情況，提供治療，這些不再需要面對面進行。另外，急診科也在采用遠程監控解決方案，因而有些病人可以更快地離開醫院。這些變革性的技術正在為患者帶來更好的治療，并降低醫療成本。

人工智能在醫療領域的應用狀況

人工智能在醫療保健領域的應用案例在不斷增加，這主要得益于各種算法的不斷學習和訓練，使得技術更加智能以及患者體驗得以改善。

大多數人工智能在醫療領域的應用都用了“增強型智能”，增強型智能將算法的輸出匯集在一起，為臨床醫生在獲得分析結果時提供了“往哪里看”的方向，而且還在提供服務的過程中發揮了重要的質量控制作用。增強智能側重于技術的輔助作用，旨在加強人類智能而不是取代人類智能。

諸如如蘋果公司一類的消費電子公司利用人工智能幫助個人保持對自己健康的了解。一些具有心率監測功能的腕戴式設備能夠在用戶的心率異常時通知用戶，并可以將有關信息提供給他們的醫生分享。醫生們也在擴大遠程監控病人的能力，做法是在人工智能引擎上運行FDA認證技術。例如，Current Health的解決方案提供具有預測能力的生命體征監測以及健康惡化警報等功能。

許多在醫療級非住院心臟監測領域的不同公司正在積極部署用于心電圖記錄和心律失常檢測的人工智能。與基于規則或傳統的機器學習算法(用于Holter監護儀)等傳統技術相比，利用人工智能可以更好地改善病人的治療效果。不太復雜的算法往往不能提供足夠高的診斷率，以致于醫生在不重復監測的情況下就不能得出明確的診斷。使用人工智能的設備不僅使個性化醫療更接近現實，而且還進一步擴大了醫療系統的能力，進而可以在具有挑戰性的情況下為民眾提供服務，例如在偏遠地區或在可能無法進行診所訪問的情況下提供服務。

人工智能和機器學習用于監測心臟護理

人工智能除了對患者有好處之外，還可以將醫生從行政性質的后臺工作中解放出來，例如篩選和管理大型數據集等工作，進而使他們能夠專心使用他們的臨床技能去護理病人。

人工智能可以識別人類無法識別的模式。例如，心臟在兩周內平均跳動約150萬次，而醫生則可能要找到某個六秒鐘的時間段對臨床結果作出判斷。要找到具有臨床意義的東西可謂是大海撈針，而人工智能則能確保規模化層次上更高的準確性。

為了達到這種可靠性水平，供應商、數據科學團隊和人工智能需要干凈的數據以及大量的數據。這種大規模數據擴展需要復雜的分析手段，而利用機器學習和深度學習算法則可以實現。在過去的十年里，屬于機器學習子集的深度學習已經在在開發一些科學領域的算法方面達到了與人類表現相匹配的程度。更傳統的機器學習方法基于人類搜集的特征預測結果，深度學習算法與更傳統的機器學習方法不同，深度學習算法利用了人工神經網絡預測結果，因此具有從原始數據中自動學習相關特征的優勢。因此，深度學習算法可以利用大量的注釋實例數據和重要的計算能力建立復雜的模型并能夠以非常高的準確度預測新輸入的正確結果。

機器學習和深度學習方法到醫療保健領域的部署受到FDA的嚴格監督和并需要獲得510(K)許可。獲得了510(K)許可表明相關技術設備的使用是安全和有效的。隨著算法創新和數據量創建步伐不斷加快，監管機構出臺了一些框架，一方面協調最佳實踐和監管要求，同時允許設備以比過去更快的速度不斷改進。這方面的工作明顯包括了以下兩個文件。FDA曾在2021年1月發布了《基于人工智能機器學習軟件的醫療設備之行動計劃》，隨后又發布了《醫療設備開發良好實踐：指導原則》，該指導原則是與加拿大衛生部及英國藥品和保健品監管局(MHRA)共同制定的。

利用先進的算法和大量的數據，深度學習在許多應用中已經達到了專家級、人類級的表現。

醫療領域人工智能創新的下一個階段

人工智能在醫療領域大有可為，我們才剛剛開始。去年，拜登政府創建了一個人工智能工作團隊，團隊的目標令政府數據的獲取更容易以及擴大獲得關鍵資源和教育工具的機會，以達到持續刺激人工智能創新的目的。此舉基于2020年法案，包括為期五年的2.5億美元預算。

全國范圍內都在關注人工智能創新，資金在增加，人工智能和可穿戴設備的下一個前沿將是預測能力的擴大使用：洞察力范式將從臨床回顧性報告轉向對未來狀況的風險預測。在醫療保健領域，關鍵將會是通過識別和分析健康風險決定監測哪些病人群體以及在何時監測，另外還要確保病人得到適當的預防性醫療護理。

人工智能創新正在改變醫療保健服務。人工智能創新可以提高病人的體驗，減少病人、醫生和護理團隊的行政負擔，并可能改善健康結果。進一步的投資和技術進步無疑將徹底改變我們所了解的遠程病人護理。醫療系統在不斷發展以應對當前和未來的挑戰。而由于最近的新冠大流行，采用遠程護理和使用人工智能的勢頭必將持續下去。