机器学习、量子计算可以改变医疗保健，包括诊断肺炎

肺炎是一种导致呼吸困难的肺部感染，最常通过胸部 X 线检查进行诊断。

通常，这些胸部 X 光片由放射科医生读取，但劳动力短缺（opens in new window） 意味着未来可能更难及时得到诊断。

此外，根据世界卫生组织（opens in new window）的数据，肺炎的早期准确诊断也很重要，因为肺炎约占 5 岁以下儿童死亡人数的 15%。

这就是机器学习的用武之地，福特杰出研究主席、卡内基梅隆大学泰珀商学院（opens in new window）运营管理学教授 Sridhar Tayur（opens in new window）说。

“机器学习用于预测，在医疗保健中，我们希望预测某人是否患有疾病，”他说。“如果你给出足够多的例子，说明有肺炎而不是肺炎的图像，因为有两种情况，这被称为二元分类。

Tayur和一组研究人员研究了一种称为支持向量机的技术，该技术使用量子启发计算进行分类，然后在最近的一篇论文中将其与其他方法进行了比较。

“我们证明它非常有竞争力，”他说。“它犯的错误更少，花费的时间也更少。”

量子计算如何应用于医疗保健？

Tayur 在 CMU 创立了量子技术小组（opens in new window），以更好地了解量子计算方法并将其应用于医疗保健等行业。

“人们总是在寻找更有效的解决问题的方法以及解决问题的新方法和技术，”他说。

在20世纪中叶，领导第一次量子革命的科学家通过晶体管、激光和原子钟等创新改变了世界。虽然使用量子比特进行计算的硬件仍在开发中，但模拟器能够使用专门定制的算法解决现实大小的问题，这就是为什么这种方法被称为量子启发计算的原因。

“假设将开发更大尺寸和更低误差的量子比特设备，我们现在可以在普通计算机上模拟它们，”Tayur说。

医疗保健在采用人工智能方面面临哪些挑战？

然而，当涉及到人工智能在医疗保健中的应用时，这些技术仍然处于考虑的前沿。

为了做到这一点，该行业面临着四大挑战，正如 Tayur 在与约翰霍普金斯大学凯里商学院的 Tinglong Dai 进行的研究（opens in new window）中所描述的那样：医生的支持、患者的接受度、提供者投资和付款人支持。

为了实现这些目标，任何应用于医疗保健系统的人工智能都应该考虑医生如何将其整合到他们的实践中，然后审查患者如何看待人工智能在医疗保健服务中的作用。

“我们在 2022 年写了那篇论文，但情况并没有太大变化。这不仅仅是为了制造一个更好的捕鼠器，而是为了让人们使用这个捕鼠器，“他说，并引用了一个长期存在的商业理念（opens in new window）， 即成功来自于简单地设计最好的产品。

首先，Tayur 解释说， FDA 已经批准了 500 多种医疗 AI 设备（opens in new window），但这些技术的广泛采用才刚刚开始，部分原因是医疗保健行业的状况和财政激励措施所在。

“拥有一个好的产品是必要的，但这还不够，”他说。“你仍然需要弄清楚人们将如何使用它，以及谁将为此买单。

其次，医疗保健的一个主要考虑因素是责任。当涉及到设备时，公司可能会鼓励医生采用它们，但如果设备给出错误的诊断或医生对设备数据的错误解释，会发生什么？

“在这篇论文中，我们基本上谈到了这样一个事实，即你必须弄清楚商业案例，包括风险和回报，以及采用该技术的培训和前期投资，”他说。

Tayur说，在将人工智能和量子计算元素应用于医疗保健方面，虽然至少取得了一些进展，但还有很长的路要走。

“很多时候，医疗保健中的很多人工智能都是由科学家和研究医生衍生的，”他说。“他们需要的是一个不那么迷恋捕鼠器，对患者旅程和商业可行性更敏感的商人。