机器学习如何“着陆”医疗行业？三位行业专家谈关键四点

在决策过程中，人类思考过程要比机器学习应用程序复杂得多。尽管目前机器研究取得了一些进展，但还不具备成熟的感知、推理和解释能力。即使最先进的机器学习算法也不能提供临床决策所需要的灵敏度、特异性和精度 (即阳性预测值)。例如，使用各种机器学习技术，我们开发了预测保健获得性感染的统计模型，这些模型在特异性或敏感性方面表现良好，但在精确度方面不够高(即15例预测病例中1例阳性)，无法满足临床医生的要求。

以上是机器学习解决方案尚未成熟之处，但它也有很多“亮眼之处”。

它可以科学地部署医护人员以便能更好地完成任务。它会减少人类去做常规、耗时、高重复型工作，腾出的人员会被重新部署，以支持更“高端”的工作。例如，在治疗时，查找病人的病历记录是一个非常常规且无聊的过程，这项任务非常耗时，而且对于临床医生来说还不止一个，后面还有大量的患者数据，其中大部分数据还有可能是非结构化数据。因此，在诊断期间，医生只能依靠病患最近的诊断记录来治疗，这是非常不可靠的。