人工智能新工具在医学领域的应用最为广泛。部分原因是这一领域是数据驱动的，大数据有能力帮助治疗疾病、发现新药，甚至研究人类基因组本身。这种工作在人工智能革命之前就已经开始了，但人工智能极大地增强了科学家的能力。
回顾今年我们报道的内容，以下是我们在新技术方面取得的一些最大进展。
人工智能与医学地图
我们年初的一次小组讨论讨论了如何将线性的数据视图转换为更高维度的数据视图，以观察疾病和治疗的“地图”，并将其应用于临床实践。这里还包含了一些关于基因组学和其他研究的笔记，以及如何创新制药工作的思考。
这套理念在现代医学中有许多应用，因此如果你感兴趣，可以查看相关内容。你还可以观看视频。
解决难题
当面临相互矛盾或具有挑战性的医疗信息时怎么办？今年夏天，我们报道了麻省理工学院媒体实验室的阿比谢克·辛格（Abhishek Singh）关于维生素E补充剂及其在人体内的实际效果的研究。他用早期探险者穿越未知水域的比喻来说明如何找到真实和正确的东西。
这一过程涉及辛格所说的“数据自我聚合”，从患者的角度来看，以及不同类型的新的医疗过程映射。
人工智能与心脏健康
我们知道心血管疾病是一种流行病，但在我们报道的一次演讲中，科林·斯图尔茨（Collin Stultz）建议，通过全球化的心脏健康数据，人工智能可以发挥良好的预防作用。心脏是一个复杂的器官和肌肉，深度学习在这方面似乎有很大的潜力。
医疗保健中的公平性：消除AI偏见
然后是努力使医疗保健更加公平和包容的问题。这是协作AI的一个例子，马尔齐耶·加斯米（Marzyeh Ghassemi）建议AI系统可以与医生合作，找出偏见所在，并进行补救。
这也强调了一个基本理念，即大多数AI系统应该是辅助性的，而不是自动化的，它们应该是决策支持工具，而不是在没有人为干预的情况下自行做出决定。
更多创新？
最后，我想提到这些在AI领域做得很多并对医疗保健产生重大影响的公司。
有GNS，DNA研究正在为改善结果做出贡献。有OpenEvidence，该公司试图改进数据收集和利用的过程，以便在最需要的地方发挥最大的作用——我们从电子健康记录和HITECH法案等HHS的工作开始，但现在私营部门合作伙伴正在推动这一进程。还有StabilityAI，它解决了AI在医疗保健中最大的应用之一，即放射学。
总的来说，AI在帮助读取放射学结果（如X光片、CT扫描、MRI等）方面已被证明是很有价值的。由于我们广泛使用这些类型的放射学检查，将AI应用于这些过程可以带来很大的好处。此外，这可以是辅助性的，医生可以得到帮助，从而在查看放射学结果时变得更加高效和准确。
这就是今年我们在医疗保健领域的一些进展，以及我们的专家在为我们提供新工具以应对健康危机、实践更好的预防医学和在全球范围内现代化医疗保健方面的报告。
(全文结束)
