人工智能對于醫療健康領域中的應用已經非常廣泛，從應用場景來看主要分成了虛擬助理、醫學影像、藥物挖掘、營養學、生物技術、急救室/醫院管理、健康管理、精神健康、可穿戴設備、風險管理和病理學共11個領域，我們著重分析前8個，這一篇包含生物科技、急救室/醫院管理、健康管理和精神健康四個方面。

生物科技：帶來更好的數據處理

在生物科技方面，人工智能能帶給我們更好的數據處理方式。在中國，人工智能在生物技術領域上已經走在了世界的前列，比如在語音技術、生物特征識別方面，甚至能夠與發達國家并列。在我國，最為出名的人工智能生物科技初創公司，就是碳云智能。

碳云智能希望建立一個健康大數據平臺，通過收集人們各種各樣的生物數據，然后在這個數據基礎上建立一個人工智能的內核模型，然后把它對接起來，做這樣一個整合。利用人工智能技術處理這些數據，幫助人們做健康管理。碳云智能的數據來源包括兩部分，一部分靠自己的技術能力獲取，一部分靠合作伙伴獲取。靠該團隊的核心技術獲取的有基因數據、微生物數據（腸道、口腔、皮膚等）、蛋白及代謝數據（尿液、汗液、血液等）等。碳云智能要做的事情主要是將生物技術、生命大數據、人工智能和互聯網++結合起來。

碳云智能的創始人來自華大基因，但是他們并沒有選擇重資產的上游測序行業，也沒有選擇重運營的針對C端進行服務的下游基因檢測，而是成為中間端的數據整合、挖掘、分析的服務提供商。通過智能的大數據分析，提出對不健康狀態的干預措施，為醫療、慢病管理、美容、健身提供個性話解決方案。

急救室/醫院管理：輔助急診室管理

在大型醫院中，急診科的管理往往非常混亂。從普通連鎖醫院到頂尖醫療機構，管理者和前線的醫護人員每天面對數以千計的諸如怎么配備人員、手術室、占用時間預估問題，整個管理和看病流程效率偏低，對醫生經驗非常要求高。以協和醫院為例，協和醫院急診科成立于1983年，建科之初，日均急診量大約為三四十人次，1996年達到一百多人次，2012年升至五六百人次。為適應急診患者人數的增長，急診床位由21張增至100多張。然而，床位的增長速度仿佛永遠跟不上患者的增長速度，剛剛增加的床位總是很快又被填滿，急診科總是人滿為患。但是實際上，非急診患者至少占1/3，需要立刻搶救的大概只占急診總量的5%～10%。而在美國，每年在醫療上的開支接近3萬億美元，占GDP比例超過18%，不過更為痛心的是7500億美元是浪費的，比如一個手術室即使不做手術，成本也是5000美元/小時，醫療資源浪費是一個頑疾。因此如何提高醫療服務效率是政府頭痛的事，由于沒有智能的醫療健康系統，經常會出現病人在急診室門口等待幾小時卻無人醫治，或者醫護人員和病床資源空閑時，卻無人可醫的情況。

AnalyticsMD是一家提供醫院智能決策分析系統技術的初創公司，成立于2013年，總部位于美國加州。AnalyticsMD開發符合HIPAA標準的SaaS，已經使用在了舊金山的醫療機構。它從美國政府醫療網站收集詳細數據，美國所有接受醫療保險以及醫療補助基金的醫療機構數據都匯聚于此。利用實時分析的saas平臺分析這些數據，可輸出輔助性的推薦信息，幫助醫院管理者、醫護人員決策。

如何將得到的龐大數據進行分析，輸出直觀和具有參考指導意義的結果，減少醫療資源的浪費，是考驗AnalyticsMD的一道難題，也是其差異化競爭的優勢所在。AnalyticsMD幫助醫院建立SaaS系統有兩個目的。第一可以讓醫院的管理者時時掌握目前的工作狀態和進度，做出更好的選擇，不落后于其他同行。另一個目的就是提高病人和醫護人員看病的質量和效率，比如醫護人員和病床之類的資源可以在空出來的第一時間被利用，防止出現那種病人在急診室門口無人醫治的情況。還有，只要使用了AnalyticsMD開發的系統，利用系統分析的數據，就可以得到類似如何讓病人避免遭遇治療瓶頸的建議等。

以往，能否減少醫療開支決定因素在于前線的醫務人員、臨床醫生以及護士，他們的經驗是決定成本和服務水平的關鍵。現實情況是，他們得不斷地處理一個又一個的緊急病例，根本沒有時間去研究繁多的病例圖表來提高效率。有了AnalyticsMD開發系統自帶的DecisionOS之后，情況就有了變化。從醫院自身的EMR系統提取大數據（兼容大部分主流醫院的EMR系統，數據經過加密處理符合HIPAA），通過機器算法處理，系統自動分析、監測和預估，給臨床醫生提供最合理的建議，幫助他們在合適的時間內給病人提供最合適的治療和服務。醫生不需要再去反復研究那些繁雜的病例報告等數據。結果是，無論在病人的安全性、滿意度和醫療成本控制上，都有效得到解決。

AnalyticsMD通過大規模的機器學習預測，經過分析后的一些指標，如病人的停留時間和數量，可視化的數據將提供給醫護人員更多輔助。根據每家醫院服務病人的相關數據，分析出如病房或手術室不足等問題的原因，從而幫助管理者優化醫院的資源配置。

健康管理：更智能更全面的數據管理

有關個人健康的數據是十分復雜的。假如我們把一個人所有的健康數據都收集起來，完全可以用“生命數據化”來形容。生命數據化有不同維度的數據：基因數據、生理數據(比如血壓、脈搏)、環境數據(比如每天呼吸的空氣)、社交數據、蛋白數據等。有了生命科學大數據，加上人工智能最終可以實現人們對健康的前瞻性管理。

Welltoks是一家健康管理公司，主要關注個人健康管理和生活習慣提升，它本身不僅做健康數據分析或者專業健康管理建議，還將此作為平臺切入點，接入其他服務商，比如硬件、保險公司、內容、應用等，同時幫助一些群體健康管理公司提供管理辦法。

最有名的要數其CaféWell Health Optimization Platform健康管理優化平臺，這是一個以網站為主要入口的習慣干預和預防性健康管理計劃，合作方有專門記錄數據的可穿戴硬件 MapMyFitness 、FitBit和社交網絡。它包含特定的計劃和成效預測，同時以Gaming和個性化的數據將服務精確到個人。當用戶按照Welltok提供的方案培養生活習慣時，它還會給予相應獎勵，比如積分、禮品卡或者現金，激勵用戶改善健康。IBM投資WellTok，將Watson 融入CafeWell，主要功能是借助Watson 的認知能力理解復雜的人類語言，數秒內從海量數據中找到科學答案，給予用戶健康管理、慢病恢復、健康食譜等指導。

精神健康：加強診斷和疾病控制

人工智能在人類精神健康方面可以做的事情相當多，我們可以通過兩個方面來談，一個是針對正常人的應用，一個是針對有精神疾病的患者的應用。對于我們普通人來說，人工智能在精神健康方面最大的用處就是情緒識別能力。

情緒識別主要是通過收集人的外在表情和行為變化，對人的心理狀態進行推斷。能通過面部表情、聲音、行為、心率、甚至筆跡，來判斷人的情緒變化。最常規的方式通過攝像頭來捕捉記錄人們的表情，并通過面部表情的變化，分析判斷出人的情緒是高興、生氣、厭惡還是困惑等。另一種方式是通過人的聲音，說話聲音的高低、語速、口氣詞匯的變化進行智能識別。

即使人會故意控制面部表情和聲音不產生變化或者展現出與內心世界不一樣的表情和聲音，也總會露出一些破綻，只不過可能這些破綻會很微小或一閃而過，讓人不易察覺。但對于人工智能來說，發現細微的現象或捕捉稍縱即逝的變化正是他們的長項。從這個方面來說，人工智能對人類情緒的理解可能會比人還優秀。在判斷出人的情緒變化之后，就可以通過一些方法，幫助人類進行情緒的管理和調節。

蘋果收購的人工智能公司Emotient就是一家擅長通過人臉識別分析情緒的公司。Emotient已經能夠分辨出類似于喜悅、憤怒、悲傷、驚訝等等這種的基礎表情，還能夠分析出一些更細微和復雜的表情，比如焦慮以及沮喪。Emotient起源于加利福尼亞大學的“機器感知實驗室”，（MachinePerceptionLab），他們最終的目的是打造一套“無所不在”的人類情感分析系統。Emotient利用攝像頭來捕捉、記錄面部肌肉運動，并根據其計算模型來分析出面部表情，最終得出關于表情的動態結果。Emotient同時還提供API接口，能夠將其技術輕松地與任何硬件或者軟件進行整合。

而在精神疾病治療方面，人工智能能夠發揮出更大的作用。2015年3月, 《Telemedicine and e-Health》刊登了一篇用機器學習預測產后抑郁的論文，目的是建立產后抑郁癥發作的風險分層模型，以便提前干預。同時開發一款APP，目標用戶是產后希望了解自己情緒的媽媽。同時，人工智能在PTSD（創傷后應激障礙）方面的診斷和治療，以及對精神疾病的監控上，能起到相當大的作用。

NeuroLex公司的人工智能產品會通過一部安裝在附近看不到的墻上的智能手機或是其他設備記錄病人的信息，會從病人的錄音中搜索語言線索，以數字的方式呈現——像血壓讀數那樣——精神病學家做診斷的時候就可以參考這些數據。并且隨著該算法被越來越多的病人訓練，產生的讀數更準確。

除了找診斷，人工智能可以更快地為一個精神病患者開出正確的處方與合適的劑量，通過已經在醫院里的精神病病人進行“前-后研究（pre-post study）”，可以觀察患者在醫院里的發病狀態或抑郁狀態過程中的語音模式是如何變化的。

如果一個人的語音在服用某種藥物之后，表現出更少的抑郁癥或躁動癥的信號，該工具就能幫助證明該藥物是有效的。如果服藥后沒有變化，該人工智能可能會建議立即嘗試另外一種藥。并且，一旦它獲取了足夠的數據，它就能根據有相似語音特征的病人的情況推薦藥品。

人工智能在精神健康方面的市場需求是十分巨大的。WHO的數據顯示，在美國有1/5的人有精神健康方面的問題，因精神問題而產生住院的次數每年有200萬次。而且精神疾病的痊愈相當困難，病人的重復住院率為37.5%，導致每年的花費為452億美元。在中國，由于人口基數的龐大，各類受精神健康影響的人群更多。