人工智能＋辅助疾病诊断，提高了医疗服务质量和预后

AI辅助疾病诊断

实际上，诊断就是数据分析过程，从基因序列到影像图片分析，病人会产生大量数据，机器学习应需而生。通过AI分析技术与机器学习相互结合，极大地提高了医疗服务质量和预后。

临床上，常规病理诊断方法需要大量人力成本，结果仍然缺乏质量保证。在AI基础上开发的病理诊断方法更加精确和具有可预测性。许多医疗机构正在尝试利用图像识别技术辅助癌症诊断。

被《MIT科技述评》评为全球最智慧的50家公司之一Enlitic公司，他们利用AI辅助影像诊断，借助深度学习，从海量数据中不断获取诊断特征点。在公共数据集上运用图像识别算法对肺部CT结果进行测试的结果表明，该项技术对肺癌的识别准确率比放射科专家高50%。

Enlitic公司还通过人机协作来提高病理诊断的高效和精确性。例如，在乳腺癌前哨淋巴结转移诊断中，基于AI计算系统的误诊率为7.5%，有经验的病理学家对同一组HE染色切片的误诊率为3.5%，当将AI系统与病理学家相结合后，误诊率进一步降至0.5%，近乎达到了完美无误。Enlitic公司另外一项技术是应用深度学习进行骨骼损伤检查，AI系统从X光片中能够自动识别出骨骼损伤的部位和程度。

AI技术也能为基因治疗提供帮助。DeepGenomics通过遗传信息和临床诊断大数据分析发现遗传信息与疾病的相关性。人类基因组学之父CraigVenter教授创立的“人类长寿”项目，能够为个体提供完整的基因序列，从而进行癌症风险早期预测和评估。