数据和人工智能如何帮助改善医疗领域

1. 管理再入院率

目前 匹兹堡健康数据联盟 (PHDA)是三所大学在数据驱动医疗保健方面的合作，利用多名患者的数据来锁定风险最高的患者。他们考虑社交媒体、医疗记录和活动数据来了解癌症患者的行为。人工智能算法分析这些数据以确定引发更多再入院的行为，以便研究人员能够更好地引导患者养成更健康的行为。

2. 改善患者护理

卡姆登医疗保健联盟的创始人杰弗里·布伦纳利用数据分析揭示了医疗保健服务使用率增加的模式，这种模式集中在一小部分患者和实体位置。

与约翰·斯诺博士的工作类似，布伦纳收集了从医疗保险索赔到救护车呼叫等各种数据，并建立了一个“热图”的医疗费用。他发现该地区 1% 的患者占该地区医疗费用的 30%。在与这些患者合作的过程中，布伦纳发现他们经常使用昂贵的急诊室服务来治疗急性症状，而不是解决更系统性的根本原因。他的工作改善了患者护理，同时降低了该地区的医疗成本。 

3. 预测医务人员需求

巴黎的一些医院在决定如何最佳地部署医务人员时会参考这些数据。人工智能系统会分析从各种来源收集的数据，包括十年的医院入院记录，以预测每小时需要医疗救治的患者人数。在设计医务人员的轮班时，预测需求至关重要，这样医院才能配备足够的医护人员来满足预期的需求。

4. 更好地了解疾病模式

虽然 Brenner 的项目侧重于地方医疗问题，但 HealthMap 等其他项目则采用全球视角。该项目由波士顿儿童医院的研究人员和流行病学家发起，利用公开的医疗数据来记录传染病报告。数据来源包括目击者证词、在线新闻聚合器和官方健康报告，以便实时更新用户。最终结果是交互式分析，显示流感等传染病的传播方式。

相似地， 天气预报 利用社交媒体等多种来源，并将其应用于人工智能算法，提前 15 周预测患病率，准确率高达 91%。借助可穿戴技术，该分数现在可以传送到您的智能手表上。

5. 获得可扩展的实时洞察

在我们的 开创性的工作 借助医疗设备、药物输送以及诊断和医疗设备，我们正与合作伙伴一起创造健康解决方案，通过实时汇总和分析医疗数据来改变世界。我们的医疗级数字健康平台 光明洞察是我们的交钥匙医疗分析解决方案。这个安全平台收集来自医疗设备、应用程序和组合产品的数据，并应用人工智能和机器学习，使我们的制药和医疗技术客户能够优化他们的治疗方法，从而提高依从性和参与度。

开发一种新药的成本约为 $26 亿美元，耗时 10 至 15 年。除了支持持续的治疗优化之外，BrightInsight 还可以通过加快制药公司的上市时间以及跨产品和市场扩展来帮助降低药物开发成本。