博客在以病人和人为中心的医疗保健世界中，我们对机器学习和商业智能如何改善病人护理、节省宝贵时间和资源的理解才刚刚开始。机器可以了解病人并帮助他们的想法现在在医学领域越来越被广泛接受。对许多人来说，这似乎是一个外来的，甚至是危险的概念。同样，在一个致力于帮助人们变得更好和保持健康的行业中谈论"商业智能"似乎有些奇怪。直到我们意识到，像描述性、诊断性、预测性和规范性分析这样听起来像医学术语的BI概念，实际上可以用拯救生命的方式应用到医疗BI中。机器学习与商业智能？机器学习和商业智能几乎可以用于医疗保健的各个方面。从病人接待到治疗、监测和康复。无论是治疗疾病还是保持健康，这两个学科现在正在帮助医疗保健走向一个新的有效水平。想学习如何使用BI提高医疗保健效率吗？请收听这段与ReMy Health和Advocate Radiology的独家录音。然而，机器学习和商业智能提供了不同的方法。如果我们看一下它们的功能，它们之间的区别就变得很明显了。机器学习是一种用于解决许多不同问题的通用工具，而商业智能的目的是了解和改进企业。机器学习是人工智能（AI）的一部分，由于计算机技术的进步和处理大量数据的可能性，人工智能最近走到了最前沿。商业智能从商业开始就以一种或另一种形式存在，使用任何一种最有用、最容易获得的工具来改进数据分析。然而，尽管它们存在差异，但当商业智能利用机器学习时，我们看到了一些令人兴奋的发展。基于机器学习的医学诊断但让我们用一些现实生活中的例子来深入问题的核心。利用核磁共振成像（MRI）扫描仪生成的图像来检测诸如脑瘤之类的问题。放射技师和其他医务人员将仔细检查每个MRI图像，以评估患者的状态。MRI图像也可以作为两个不同的集合输入到机器学习系统中。一组显示脑瘤。另一组显示没有脑瘤。ML程序分析图像，以检测典型的区分一个病例和另一个病例的模式。当新的图像被输入时，不管是哪种方式，ML程序都会应用它以前学到的知识来判断新图像是否代表脑瘤。ML程序处理的图像越多，学习的越多，诊断也就越好，节省了医务人员的时间，同时提供了可信的评估。大数据，医学事实今天可用的医学知识的数量早已超过了任何医生记忆或应用它的能力。以核磁共振成像机为例。通常几兆字节的大小，不需要太多的MRI图像训练集-或一组适合算法学习的设置参数的图像-达到需要大数据机器学习的大小。在医学的其他领域，大数据也普遍存在于大量结构化或非结构化数据中，这些数据来自多个数据源。通过合并这些庞大的数据源，甚至可以创造出更多潜在的救命医学知识。针对医疗保健见解的大数据商业智能考虑收集到的关于特定药物的使用和效果的数据。这些数据可能包含丰富的元素，如患者人口统计、时间安排、药物与其他药物或治疗的组合、给药方法（注射、口服、局部等）等等。目前的挑战是找出哪种药物效果最好，以及是否存在应该避免使用这种药物的情况。由于病人的数量往往在数百万，没有一个人类分析员能够从如此海量的大数据中挑出至关重要的信息。另一方面，商业智能可以。BI技术允许您对数据进行"切片和切分"，以检查不同数据维度之间的关系。例如，你可能想知道在最近几年里，这种药物的效果在某些时期是否有所不同。如果出现这样一个时期，你可能会对你的数据进行进一步的掷骰子，看看是否有任何特定的给药方法，或者这一时期是否与另一种药物的释放和处方相吻合。一个有能力的商业智能系统会让你尝试不同的方法，问一些特别的问题，根据直觉，来找出真相。BI可以做所有事情：描述、诊断、预测和开处方在上面的例子中，BI可以给你带来描述性分析，告诉你药物使用发生了什么，以及何时何地。它还可以为你带来诊断分析，告诉你为什么会发生这种情况（例如，药物形式的类型，与其他药物的组合）。它可以帮助你预测分析，预测药物对其他患者群体的影响，根据他们的人口统计学或趋势医疗状况。最后，在BI的最高级水平，处方分析可以为药物的最佳操作方案提供建议，以降低风险。ML和BI将继续改善医疗保健我们只触及了机器学习和商业智能对医疗保健的作用。例如，像自然语言处理（NLP）这样的机器学习形式，现在也可以用日常英语向商业智能系统提问。医生可以将他们的问题输入聊天机器人，就像他们在和同事交谈一样，然后BI聊天机器人将英语输入转换成BI系统理解的指令，得到结果，并再次以日常英语或屏幕图形的形式显示给医生，一眼就能明白。随着NLP、AI和机器学习等技术变得越来越智能，其用途也在不断扩大，因此，将这些技术与全面的BI解决方案的强大功能相结合，将继续改变我们对医疗保健的看法。但不要从我们这里拿走。如果您想了解如何使用BI提高医疗保健效率，请收听ReMy Health和Advocate Radiology的独家录音。标签：聊天机器人|医疗保健|自然语言处理