如果医生有更多的时间解决病人的问题怎么办？这就是人工智能(AI)融入医学的驱动力。通过使用复杂的算法来检测大数据集中的模式(例如实验室测试结果、当前药物和症状，仅举几例)，人工智能实际上可以让医学更人性化，而不是更少。

耶鲁大学医学专家和数据研究员哈兰克鲁姆霍尔茨说：“当病人进来时，我们已经知道他们的经历。”“尤其是对于慢性病患者，我们可以发现他们在开始之前就需要医疗护理。”

人工智能的定义因行业而异，甚至因词典而异。然而，广义而言，在医学领域，人工智能是指利用计算机系统根据原始数据中的模式创建算法，从而找到难以识别(如果不是不可能的话)的联系(例如，基因突变与医学状况或特定症状的集群之间的联系)。

为了说明人工智能辅助医学的未来，Krumholz博士举了一个假设的心力衰竭风险的例子，其中虚弱的心肌很难向全身泵入足够的氧合血。

首先，患者将通过互联网上的秤开始新的一天，秤将监控体重变化，以发现体液滞留的可能迹象(这是心力衰竭的迹象)。他或她将被绑在智能手表或其他传感器上，以跟踪步伐和活动水平，并将使用手机应用程序记录特定症状，如呼吸急促。克鲁姆霍尔兹博士说，所有这些数据将直接流向电子健康记录(EHR)，电子健康记录将“获得所有这些信息，并对患者的风险进行分类，而不是等待患者来找我们”。然后，医生可以警告患者他或她正在接近危险，并采取措施避免危险，从而可以主动而不是被动地提供医疗服务。

Krumholz博士解释说，人工智能在医学上辅助的这种相互作用已经形成多年。自1995年以来，他一直负责结果研究和评估中心(CORE)，该中心通过收集、测量和分析从记账记录到传统病历和EHR的各种数据来帮助改善患者护理。

在将患者记录数字化并通过算法和机器学习由计算机进行分析之前，Krumholz博士和他的团队致力于从纸质记录中提取见解。这项既费钱又费力的工作需要几年才能完成。这项研究是与联邦机构、美国心脏协会、美国心脏协会等医学专业组织以及临床医生、医院等机构合作的结果，使护理工作有了显著的改善。经过多年的显著努力，这项研究及其传播大大减少了心脏病患者接受救命治疗以清除血栓的时间。

美国美国食品药品监督管理局(美国食品和药物管理局)现在评估人工智能工具的方式几乎与评估药物和医疗器械的功效和安全性相同。例如，一个被批准的人工智能系统分析显示神经系统症状的患者的电脑断层扫描，并在结果显示中风时向医生发送短信。这有助于他们更快地提供有效的治疗，从而有助于防止中风对大脑的损害。

Krumholz博士说：“机器学习和AI帮助我们以前所未有的方式组合高度复杂和高维的数据，这对于我们传统的分析方法来说是不可能的。”

目前，耶鲁医学博士正在利用AI为患者带来更快、更有效的治疗。

尽管前列腺癌是美国第二常见的癌症，但诊断仍然充满挑战。通常，医生必须反复将活检针插入前列腺，并从肿块区域收集几个样本，希望可以获得一簇癌细胞。因为前列腺是一个柔软的器官，可以在骨盆中旋转和移动，耶鲁大学的医学泌尿科医生普雷斯顿c斯普伦克尔解释说，“这是一个非常困难的活检。”

使用AI辅助的机器学习，Sprenkle博士将患者的超声波和核磁共振扫描结合成一幅图像，可以更准确地显示可疑肿瘤的位置。放射学、生物医学成像和泌尿学助理教授JohnOnofrey博士说：“MRI和超声波都显示了非常不同的解剖结构可视化，挑战在于试图将两幅图像映射在一起。”与Sprenkle博士一起设置人工智能工具。

该工具被称为“磁共振成像/TRUS前列腺活检融合”，它可以收集图像数据并将这些信息输入到算法中，然后创建前列腺的3D图像。然后，医生可以从计算机屏幕上的不同角度浏览这些图像，以准确识别要进行活检的病变。

奥诺弗雷说：“我们已经从数百个以前的病例中吸取了教训，并在Sprenkle博士的指导下进行了一些培训。

列腺在活检过程中如何变形(或改变形状)。”通过首先使用AI软件绘制图像，医生能够做得更精确(因此更少)的针头插入以获取活检样本，这可以想象得到，大大改善了接受手术的患者的体验。

肝癌很复杂，因此医生需要考虑来自许多不同来源的信息，以确定如何最好地治疗特定患者。例如，要查看癌症，他们依靠CT和MRI图像。他们必须测量肿瘤的大小，并试图了解肿瘤的生长速度。他们试图识别肿瘤内发现的特定基因，并权衡患者的病历和家族史，以帮助指导治疗计划。

耶鲁大学的肝癌专家致力于通过合并更多和不同的数据点来提高准确性的方法，与耶鲁大学的生物医学工程师和计算机科学家团队进行了接触，以探索创建可帮助他们识别数据模式的算法。

放射学和生物医学成像研究人员劳伦斯·斯塔布(LawrenceStaib)博士解释说：“我们希望临床医生为我们提供适当的临床问题。”他专门研究使用机器学习来分析医学图像。“然后，这是一个测试算法并评估其性能的叙述过程。”

双方都致力于更好地识别图像中的图案。

耶鲁大学医学博士和介入放射学家朱利叶斯·查皮罗说：“在肝癌中，影像学起着非常非常重要的作用。”“我们需要更好地定量提取成像信息。”

事实证明，人工智能产生的算法有助于弥合复杂数据与临床决策之间的差距。尽管仍有改进的空间，但团队已经看到了这种方法的优势。

“人类是不完美的，”参与该项目的另一位介入放射学家杰弗里·波拉克(JeffreyPollack)表示。“而且机器也不是完美的。但是也许将两者结合在一起将达到更高的完美水平。”

机器学习技术可以为计算机辅助的3D设计模型增加更高的准确性，从而帮助整形外科医生为复杂的面部重建手术做准备。

耶鲁大学整形外科和整形外科医师DMD医学博士DerekSteinbacher说：“面部有很多功能方面的考虑。”他说：“大多数时候，它是形状功能。”他指的是需要结构，例如人脸的细腻骨头，保持均衡的比例，以发挥良好的功能。

通过与全国和全球研究人员的合作，耶鲁大学的外科医生基于大约4,000名面部结构正常的人的图像创建了一种机器学习模型。该团队在形态计量学的专业领域内工作，该团队依靠使用定量分析来测量和测试影响生物体形状或形式的因素，从而创建了人脸的3D模型。

然后，计算机程序会将大量的正常面部模型与术后扫描产生的模型进行比较，以提供外科医生可以用来改善手术效果的见识。

Steinbacher博士说：“我们可以使用模型来了解骨骼的关系，以及如何移动骨骼以达到面部效果。”该博士是耶鲁大学颅面外科手术计划的负责人，是口腔颌面外科手术负责人和牙科。

为了建立模型，医生会根据患者的病历编辑MRI和其他成像扫描。Steinbacher博士解释说：“然后我们就可以对它们进行数字化渲染，并且基本上可以在数字空间中进行手术了。”一旦3D模型正确，外科医生就可以打印患者面部骨骼的模型，并在手术室中使用该模型指导实时手术。

Steinbacher博士说：“我认为将此模型纳入我们的计划流程将有助于我们获得可重复的，高保真度和准确的结果。”