人工智能如何改善人类健康生活的质量？

　　2016年10月18日讯 人工智能（Artificial Intelligence，AI）是研究开发用于模拟、延伸及扩展机体智能的理论、方法、技术及应用系统的一门新技术。AI是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

　　科学家如何利用人工智能来帮助实现疾病的高效率诊疗？

　　近日，在日本科学家们首次报道了他们利用人工智能来挽救患者的生命，人工智能能够成功实现并且完成医生技术团队无法完成的任务，其能够准确诊断出女性患者所患的罕见类型的白血病，更值得注意的是，人工智能仅需要花费10分钟时间就能够对来自2000万个临床肿瘤研究所提供的女性遗传信息进行对比分析，从而做出挽救生命的诊断工作。

　　那么这是否意味着机器人或许未来会取代医生呢？也并不完全是，但这会增加医学数据的容量，以及强大计算机和智能算法的规模，从而就能使得医生未来在人工智能的帮助下对疾病进行更为快速的诊疗。

　　数据驱动的医学研究往往会不断驱动基因组数据库、临床数据、成像数据以及分子数据的扩张，同时先进算法的使用也能够帮助研究者不断获取一些有价值的信息，这样科学家们就能够通过筛选数以十亿计的记录来寻找出最终的答案，从而在几分钟内做出人类可能需要花费数年时间才能够得出的结果。

　　人工智能加快乳腺癌风险预测

　　来自美国休斯顿的研究人员最近开发出一个人工智能软件能够准确解读乳腺X线影像结果，帮助医生快速准确预测乳腺癌风险。根据这项发表在国际学术期刊Cancer上的最新研究，这套计算机软件能够直观地将病人的图像结果翻译成诊断信息，速度是人类的30倍，准确率高达99%。

　　“这套软件能够在很短时间内回顾几百万份纪录，通过解读病人的乳腺X线影像结果帮助我们确定病人患乳腺癌的风险，效率更高。这有望减少不必要的活检。”Stephen T. Wong博士这样说道。

　　研究人员使用人工智能软件解读了500名乳腺癌病人的乳腺X线影像结果和病理报告。该软件能够扫描病人的影像结果，收集诊断特征和将乳腺X线影像结果与乳腺癌亚型进行关联。医生使用软件的分析结果来精确预测每个病人诊断为乳腺癌的可能性。

　　人工智能筛查乳腺癌的效率有多高？比医院老司机们快30倍！

　　乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤，一直是威胁女性健康的恐怖杀手之一。此前在该疾病的筛查上，医生们多数采用乳腺X光图片的检验方法，但这种方式通常需要乳腺活组织检查来辅助，这就为女性带来了不必要的痛苦。

　　不过，通过研究人员的努力，未来AI将大幅降低乳腺疾病检测为女性带来的不适。今天，来自休斯顿卫理公会医院的研究人员称他们开发出了一款AI软件，该软件在解析乳腺X光图片时比普通医生快上30倍，其准确率更是高达99%。他们将该研究发表在了癌症杂志上，研究结果显示，这款AI软件可以直观的将X光图转译成诊断信息，方便医生快速对病人病情作出判断，以免耽误病情。

　　都说人工智能要灭绝人类 可它也在帮人类延长寿命

　　2014年，理论物理学家史蒂芬·霍金给脱口秀主播约翰·奥利佛讲了一个故事：科学家打造了一台人工智能电脑，然后问它“世界上有上帝吗？”电脑回答“现在有了。”然后插头闪过一道光，科学家再也关不掉这台电脑了。

　　这个故事只是吓唬奥利佛的笑话，不过近年来，霍金和越来越多科学、科技界的领袖都开始坚持 人工智能（AI）威胁论的观点，自然也引发了不少人的反驳。有威胁、没有威胁，双方各有论点，更客观全面的看法是：直到真的能够自我更新的 AI 出现之前，它还是一种纯粹的工具。工具没有善恶，要看用它的人。

　　如果说AI有一天会灭绝人类，至少今天有人还在用它给人类续命：以下几家公司或机构，正在医药/医疗行业应用人工智能相关技术，提高医药的研发和测试速度，尝试找到不治之症的治疗方法。

　　人工智能助力癌细胞活体检测

　　-随着人工智能技术的快速崛起，基于人工智能的癌症筛选也获得了长足的进步。科学家们利用人工智能技术，可以高效区分出普通的健康细胞和癌变的细胞，其准确率不亚于一个专业训练的病原学专家。

　　在过去的近一白年间，研究人员和医生们检测人体病原体的方法并没有太大的变化。通过获取样品，在显微镜下进行镜检，需要在成千上万的细胞中，找到那么几个被感染的细胞或者癌变的细胞，或者直接发现视野中的病原体。这个过程需要大量的体力劳动和机械性的工作，同时，检测的精度和准确率也并不理想。然而，现在情况开始出现了变化。

　　今年四月份，在捷克首都布拉格举行的国际生物医学成像国际研讨会上，一组来自哈佛大学的科学家们，展示了他们最新的研究成果。该研讨会组织了一次利用计算机模型来进行病理检测的竞赛。组织者们选择的病理活体组织检测基于前哨淋巴结活检。哈佛大学组的基于机器学习模型的分辨方法，可以在人类乳腺癌细胞组织中，成功区分开正常的组织细胞和乳腺癌细胞，其分辨的成功率达到了惊人的92%，远超出其他的机器学习模型。然而人类依然有着天然的优势。