DIY诊断看这里

人工智能正逐渐将智能手机和消费类可穿戴设备转变成功能强大的家用诊断工具。

创企Healthy．io声称正在试图简化尿液分析步骤，使其跟拍照一样简单。它的首个产品Dip．io使用传统的尿液分析试纸来监测一系列泌尿系感染。计算机视觉算法可借助智能手机分析不同光照条件和相机质量下的测试条。

已在欧洲和以色列投入商业使用是Dip．io近日获得了FDA的批准。

近年来，智能手机在美国的渗透率有所提高。同时，由于深度学习，图像识别算法的错误率也显著下降。两者的结合为使用使用作为诊断工具创造了新的可能性。

例如，SkinVision使用智能手机的相机监测皮肤病变并评估皮肤癌风险。该企业在今年7月从现有投资者Leo Pharma和PHS Capital获得了760万美元融资。

据报道，这家公司总部位于阿姆斯特丹的公司将利用这笔资金推动FDA的批准。

AI在基于价值的医疗领域的新角色

人工智能开始在量化患者在医院接受的服务质量方面发挥作用。

基于价值的服务模式专注于患者，这种模式下激励医疗服务人员以尽可能低的成本提供最高质量的护理。

这类模式与服务收费模式形成对比，在服务收费模式中，服务人员根据所执行的服务数量以一定比例获得报酬。规定的程序越多（比方说测试越多），财务奖励就越高。

2010年通过了“患者保护和平价医疗法案”，以价值为基础的服务模式开始进入大众视野。

现有的一些保障措施包括仅在符合质量绩效指标的情况下向医疗服务人员提供经济奖励，或者是对医院获得性感染和可预防的再入院情况实施处罚。

向基于价值的医疗护理系统迈进的目标旨在是服务提供人员的激励措施与患者和付款人的激励措施保持一致。比方说，在新系统下，医院将为减少不必要检查的医生给予一定的财政奖励。

总部位于佐治亚州的创企Jvion与Geisinger、Northwest Medical Specialties和Onslow Memorial Hospital等供应商合作。

Jvion的一些案例经研究强调成功使用机器识别住院30天内有再入院风险的患者。

然后，护理团队可以根据Jvion的建议来教导患者日常的预防措施。该算法将患者健康数据与社会经济因素（如收入、交通便利性）和不遵守情况的历史数据相结合，以计算风险。

另一种方法是保险公司识别有风险的患者并通过警示医护人员进行干预。

用于院内管理解决方案的人工智能技术仍处于初期阶段，初创公司正致力于帮助医疗服务提供人员降低成本并提高护理质量。

治疗机器人的“能”与“不能”

现如今，心理健康治疗成本高，且无法做到全天候服务，许多企业开始将目光转向基于AI的心理健康机器人的开发上来。

早期创企专注于使用认知行为疗法，治疗过程逐渐改变病人的负面思想和行为，依照一种方法，市场上许多情绪追踪和数字日记健康应用创建了对话拓展。

Woebot（临床心理学家Alison Darcy研发基于Facebook Messenger的聊天机器人）从NEA获得800万美元融资，其中有一个明确的免责说明，它不能代替传统疗法和人类互动。

另一家公司Wyse去年获得了170万美元融资，并在iTunes上推出了“焦虑和抑郁”机器人。

Startup X2 AI声称自家的AI机器人Tess 拥有超过400付费用户。它开发了“基于信仰”的聊天机器人——“Sister Hope”，在开始对话前告知用户明确的免责声明及隐私条款（关于messenger， 聊天受Facebook隐私政策的约束，会话内容也是可见的）。

但Fackbook的可访问性、缺乏法规等使得验证一些机器人及其隐私条款变得有些困难。

但是正如深度学习研究员Yoshua Bengio在最近关于人工智能元素的播客中提到的，“AI就像一个白痴学者”，对于心理学，人类是什么，心理变化是如何进行的等没什么概念。

心理健康是一个很大的点，分析过程中症状和主观性具有高度可变性。当下，人工智能能做的不仅仅局限于定期检查，还能培养与人类语言生产的“陪伴”感。

但是，正如近日一篇心理学文章中提到的，我们的大脑相信我们是在跟机器人聊天，无需破译非语言线索的复杂性。

对于更复杂的心理健康问题，这可能就会产生问题，很可能会对机器人和快速修复方案产生依赖性，但事实上，这些解决方案并不具备深入分析或解决根本原因的能力。

这项被认为是自动化中安全性最高的工作，需要AI机器人具备高水平的情感认知且能自如地进行人与人之间的互动。尽管成本和可访问性有所提升，心理健康医疗对AI而言依旧是一项极其艰巨的任务。