今天，越來越多匯總數(shù)據(jù)集和數(shù)據(jù)分析工具，以及聯(lián)邦法規(guī)對于信息的強制要求等，使機器學(xué)習(xí)已經(jīng)成為現(xiàn)實。醫(yī)療機器學(xué)習(xí)具有巨大的潛力，能幫助臨床醫(yī)師、醫(yī)生和研究人員從現(xiàn)有數(shù)據(jù)集中發(fā)現(xiàn)規(guī)律，從而提升醫(yī)療效率，改善醫(yī)療質(zhì)量。機器學(xué)習(xí)大致可分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種類型，它們各自在醫(yī)療領(lǐng)域都有不同的具體應(yīng)用。

　　John Guttag是麻省理工學(xué)院教授，并擔任計算機科學(xué)與人工智能實驗室數(shù)據(jù)驅(qū)動推理研究小組的組長。該小組致力于高級計算技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究，目前的項目包括預(yù)測不良醫(yī)學(xué)事件、預(yù)測病患對治療的具體反應(yīng)、無創(chuàng)監(jiān)測和診斷工具，以及遠程醫(yī)療等。筆者梳理了Guttag教授的觀點，一起了解這兩種機器學(xué)習(xí)類型對于醫(yī)療機構(gòu)的意義，以及應(yīng)用該項技術(shù)的必要條件。

　　Guttag認為，即使目前機器學(xué)習(xí)的影響力尚未對產(chǎn)業(yè)形成沖擊，但其潛力是非常巨大的。在其基礎(chǔ)階段，機器學(xué)習(xí)涉及到從數(shù)據(jù)中查找那些不易看到的信息。例如：將機器學(xué)習(xí)應(yīng)用于感染寨卡或其他病毒的患者數(shù)據(jù)中，從已經(jīng)發(fā)生的事件中找出治療的最佳方案，并將其用于未來的相關(guān)救治。

　　通常情況下，人們利用機器學(xué)習(xí)來構(gòu)建推理工具。它可以幫助研究者從現(xiàn)有數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，使其能夠在新的數(shù)據(jù)呈現(xiàn)出來時，從數(shù)據(jù)中推斷出一些有用的信息。與人類的直覺不同，機器學(xué)習(xí)完全是由數(shù)據(jù)驅(qū)動的。

　　下面讓我們分別來了解監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)對于醫(yī)療的重要性。

　　監(jiān)督學(xué)習(xí)

　　在監(jiān)督型的機器學(xué)習(xí)中，數(shù)據(jù)和與數(shù)據(jù)相關(guān)的一些結(jié)局是已知的。以寨卡病毒為例，如果研究者擁有所有感染寨卡的患者信息，他們就能知道哪些產(chǎn)婦的小孩有先天缺陷。從中，研究者們便可以建立起一個模型，計算出感染寨卡產(chǎn)婦生下先天缺陷寶寶的可能性。當然，產(chǎn)婦的年齡也是影響寶寶健康的因素之一，但在機器學(xué)習(xí)的模型中，人們都會生成一個標簽，標記產(chǎn)婦的各種細節(jié)和寶寶健康與否。所以，監(jiān)督學(xué)習(xí)的特點就是將人們感興趣的結(jié)局貼上標簽。

　　無監(jiān)督學(xué)習(xí)

　　另一方面，無監(jiān)督學(xué)習(xí)則沒有任何標簽。在無監(jiān)督學(xué)習(xí)中，研究者試圖從剛剛得到的數(shù)據(jù)中推斷出隱藏的結(jié)構(gòu)。例如，初初拿到一堆醫(yī)療數(shù)據(jù)時，人們會發(fā)現(xiàn)患者們都很“相似”。通常來說，無監(jiān)督學(xué)習(xí)的好處是人們能從中發(fā)現(xiàn)意想不到的信息。因此，在由于某種原因無法將數(shù)據(jù)標簽化時，無監(jiān)督學(xué)習(xí)便非常有用。

　　機器學(xué)習(xí)的應(yīng)用前景

　　機器學(xué)習(xí)是當今計算機科學(xué)中發(fā)展最快的技術(shù)。由于近年來，醫(yī)療機構(gòu)持續(xù)將研究重點傾向大數(shù)據(jù)分析、精準醫(yī)學(xué)與人口健康，機器學(xué)習(xí)、人工智能和認知計算都將越來越有價值。

　　雖然IBM、谷歌、微軟等科技巨頭一直不斷將其新技術(shù)推向市場，但在機器學(xué)習(xí)方面已經(jīng)取得重大進展的則是金融服務(wù)、零售等行業(yè)，且該趨勢已持續(xù)了大約10年。從這方面來說，總是對于新技術(shù)抱著觀望態(tài)度的醫(yī)療行業(yè)，的確是起步太晚了。

　　醫(yī)療行業(yè)在新技術(shù)應(yīng)用上面臨諸多挑戰(zhàn)，其中之一便是獲取新技術(shù)與將新技術(shù)應(yīng)用于醫(yī)療實踐之間的巨大時間差。正因為如此，Guttag正致力于敦促主要醫(yī)療機構(gòu)更積極地將機器學(xué)習(xí)融入現(xiàn)在的工作流程中。正如其所說，“人們應(yīng)該用今天的技術(shù)來做今天的事情。機器學(xué)習(xí)是項了不起的技術(shù)，在未來幾年一定會為醫(yī)療行業(yè)帶來巨大的變化?！?/p>

　　機器學(xué)習(xí)茁壯成長的必要條件

　　Guttag和他的學(xué)生正與麻省總醫(yī)院（MGH）密切合作，致力于將機器學(xué)習(xí)應(yīng)用于臨床工作流程，以降低醫(yī)院感染。對于Guttag來說，醫(yī)療系統(tǒng)中的一個小小轉(zhuǎn)變都比10篇紙上談兵的論文更管用。他們在MGH的工作正在有條不紊地進行，并有望在1年內(nèi)降低醫(yī)院的院內(nèi)感染率。Guttag希望在成功后，能將其做法移植推廣到其他醫(yī)療組織。

　　當今的醫(yī)療機構(gòu)有更多有效的信息收集技術(shù)，而聯(lián)邦政府對于數(shù)據(jù)獲取的強制規(guī)定也讓醫(yī)院不得不公開一些一度保密的數(shù)據(jù)，如感染率等。

　　臨界質(zhì)量是讓機器學(xué)習(xí)可以用于實踐的必要條件。例如，一家小醫(yī)院無法深入利用其電子病歷數(shù)據(jù)。以往，只有極少數(shù)醫(yī)院有足夠的數(shù)據(jù)來有效地部署機器學(xué)習(xí)。但是現(xiàn)在情況不同了。首先，醫(yī)療系統(tǒng)越來越壯大，獨立醫(yī)院很快將成為明日黃花。而伴隨著醫(yī)療系統(tǒng)的增長，跨系統(tǒng)的匯總數(shù)據(jù)集也越來越多。

　　另一個必要條件是正確的專業(yè)知識。機器學(xué)習(xí)對于專業(yè)知識的要求很高，它不像其他較為成熟的技術(shù)，即使對專業(yè)知識一知半解也能進行傻瓜式操作。就目前的情況來看，計劃部署機器學(xué)習(xí)的機構(gòu)要么必須自身有扎實的專業(yè)知識，要么就花錢聘請專業(yè)技術(shù)顧問。當然，現(xiàn)在有些私人技術(shù)對于醫(yī)院實施機器學(xué)習(xí)非常有用，也可以考慮購買。

　　許多公司宣稱自己在機器學(xué)習(xí)領(lǐng)域有秘密武器。IBM的沃森是其最有創(chuàng)新力的一次創(chuàng)舉，已經(jīng)在醫(yī)療領(lǐng)域、金融領(lǐng)域和餐飲領(lǐng)域進行了嘗試；谷歌除了擁有一些非常有價值的技術(shù)，還在公共領(lǐng)域發(fā)布了大量的工具。在未來，機器學(xué)習(xí)技術(shù)絕對會變得越來越好，并有望實現(xiàn)跨越式提高。