医疗健康一直都是老生常谈的话题，如今这个领域正面临着诸多挑战，如成本不断攀升或是全球性流行病等，而脑机接口等AI技术的出现有望为医疗领域提供新的解决方案。
如果你是科幻迷，你可能对脑机接口这个概念并不陌生，简单来说，它就是一种能够实现人脑与外部设备或系统之间直接通信的技术。这听起来很神奇，也很遥远，但其实它已经不再是科幻中的桥段，而是正在走向现实。
从治疗癫痫、帕金森等神经系统疾病，到提升警觉性等认知能力，脑机接口技术已经在医疗领域展现出了广阔的应用前景。但这种技术其实只是“AI+医疗”领域的冰山一角，诸如此类的AI技术正在给医疗行业带来翻天覆地的变化。
1、应用分支
◉ 基因科学
“AI+医疗”的其中一个重要方向就是基因科学。基因科学是研究生命的基本单元——基因的结构、功能和变异的科学。AI与基因科学的结合，将可以在多个方面发挥作用。
一方面，AI可以通过大数据分析和机器学习，帮助基因科学家发现新的基因变异和功能、设计新的基因编辑工具和方法、预测基因编辑的效果和风险、优化基因治疗的方案和效果等。
另一方面，如果基因科学取得突破，人类就有可能捕捉到动植物的非公式性变量波动（即情感波动），将这些波动作为数据库植入AI中，或许能够解决我们在日常生活中因动物语料库不足、语义不明确而面临的问题。
目前已出现诸如PrimateAI-3D的人工智能神经网络，它可以从233种灵长类动物的基因变异中学习，从而准确地预测患者的致病基因突变。
◉ 临床诊疗
在临床诊疗方面，人类或许也可以利用AI技术来应对此前出现的挑战。OpenAI的创始人奥尔特曼表示，“在医疗行业前线工作的人们不会等待——他们将在现今的临床环境中使用GPT-4，甚至很可能已经在使用了。”
的确，GPT-4等技术能够充分发挥其语言模型的优势，将医学文献、临床病历等文字信息进行高效准确的分析和处理。基于GPT-4的临床数据分析，可以为医生提供更有据可依的诊断结论，并在患者治疗中减少临床恶化的风险。
而在未来，GPT-4等AI技术将会给临床医学研究提供更加丰富的数据资料，并进一步促进整个医疗行业的发展。
◉ 医疗器械
目前，人工智能最有前途的角色之一是在患者护理点的临床决策支持。人工智能算法分析了大量的患者数据，以帮助医疗专业人员做出更明智的护理决策。其性能优于修改早期预警评分(MEWS)等传统工具，医院通常使用MEWS来计算患者在未来几个小时内临床恶化的风险。
除此之外，人工智能在诊断领域的*应用是成像。由于人工智能能够识别和处理大量结构化和非结构化数据，美国食品和药物管理局已经批准了近400项用于放射学领域的人工智能算法。
如今，医院每年进行36亿次成像手术，产生大量数据，大约97%的这些数据没有被使用。机器学习允许医疗保健专业人员构建、索引和利用这些信息来进行更准确的诊断。
人工智能在帮助医疗保健提供者获得洞察力和改善健康结果方面前景广阔，旨在加强而不是取代传统的医疗服务，经过深思熟虑的人工智能实施为改善临床护理提供了无限的机会。
尽管在安全性、监管和影响方面仍存在许多问题，但人工智能在临床护理中的应用已不再处于起步阶段，未来五年人工智能*的潜力在于以人为本的人工智能设计。
◉ 医药研发
为了让一种药物进入临床试验，需要访问大量的数据，这包括从不同分子的化学成分到研究论文和患者数据的所有数据。伴随着AI大模型引领的创新浪潮席卷全球，生物医药产业正面临新一轮的机遇期。随着技术的升级迭代，以及资本不断加码，AI制药行业也迎来新的发展机会。
2022年，辉瑞扩大了与以色列一家人工智能公司的合作；阿斯利康扩大与benevolentai的合作；赛诺菲宣布与Exscientia开展新合作，并与Insilico Medicine达成协议等等。咨询公司麦肯锡(McKinsey)估计，有近270家公司正在从事人工智能驱动的药物研发。虽然大多数都在美国，但西欧和东南亚也出现了一些中心。
截至目前，将人工智能引入药物开发过程已经投入了数十亿美元，并且得到了一些可观的回报。人工智能为淋巴癌、炎症性疾病和运动神经元疾病等疾病设计的药物正在进行人体试验。对很多人来说，它们在药店上架只是时间问题。
如今，人工智能有望给制药业带来一场革命：它可以大大缩短开发新药所需的时间，并有助于识别迄今为止科学家们一直无法识别的新药物分子。制药商将获得很多资金收入，但这也意味着患者可以以前所未有的速度获得更多新的创新药物。
2、关注焦点
◉ 脑机接口
上个月，埃隆·马斯克的脑机接口初创公司庆祝了一个重要的里程碑——美国联邦药物和食品管理局(FDA)于5月25日批准了Neuralink的首次人体临床研究。美国国立卫生研究院(NIH)前神经工程项目主任基普·路德维希(Kip Ludwig)估计，Neuralink可能还需要10年时间才能将其脑机接口(BMI)设备商业化。
脑机接口是一种将人的大脑活动与计算机或其他设备相结合的技术，可以通过电极等传感器，监测大脑产生的神经信号，然后转化为命令来控制外部设备。
其主要用途包括辅助医疗、交互式娱乐、通信和控制系统等领域。而在医疗领域，它可以用于帮助残疾人士控制假肢、轮椅和其他设备，恢复行动能力等。
脑机接口的工作原理是将脑部神经信号采集并分析转换成特定的指令。这个过程涉及到多种技术，包括非侵入性的无线方式和侵入性的植入设备。
其中，非侵入性的方式是通过在头皮上放置电极来采集脑电图（EEG）信号，然后使用算法对信号进行处理和解码。而侵入性的方式则会将电极或芯片植入到大脑中，直接采集神经元活动并转化成指令。简单来说，就是直接用意念来控制机器。
而此前米哈游宣布投资上海交大附属瑞金医院脑病中心，合作内容主要就是脑机接口技术的开发与临床应用，可以说脑机接口是国内外科技行业的关注重点，而医疗领域则是部署重心。
脑机接口的前路虽然很长，但是其他地方的研究人员已经在使用这种非侵入性方法改善患者健康方面取得了进展，这种方法不会带来手术并发症、感染或修复故障植入物的额外手术的风险，并且现在已经开发了一种将BMI设备植入大脑的机器人，在未来也可能在人体试验中得到检验。
◉ 重大疾病
脑机接口的一个有效用例便是利用“脑-脊接口”实现让瘫痪病人重新站起来。不久前，洛桑联邦理工学院研究人员测试了一种“脑-脊髓”接口（BSI），这项技术能够将大脑与瘫痪者脊髓中控制运动的区域连接，并有助于神经恢复。
40岁的Gert Jan Oskam在瘫痪十多年后能够通过“脑-脊接口”行走
Oskam是此类手术*个成功的病例，他表示自己不仅能在传感器的脉冲刺激下实现独立行走，甚至关闭传感器后，他也能拄着拐杖行走。这项技术依赖的就是人工智能将患者的运动意图从大脑记录中提取后实现实时解码。
得克萨斯大学奥斯汀分校的研究人员开发了一种名为语义解码器的“读心术”系统，系统部分依赖于一个类似于OpenAI的ChatGPT和谷歌的Bard的变压器模型，可以将大脑活动转化为连续文本，为因中风等疾病而无法说话的人开辟了沟通和互动的可能性。
虽然该系统还处于早期研究阶段，但其展示了跨学科研究在改善沟通障碍患者生活方面的力量。
AI“相面”技术也不容小觑。面部特征识别与基因检测技术结合能加速遗传罕见疾病的识别。此外，通过评估语音样本，AI能将其与轻度认知障碍或早期阿尔茨海默病相关联。
人工智能系统在大数据集中微观检测的能力是强劲的，将人工智能用于疾病的早期诊断，哪怕只是为了提高诊断的准确性，也具有巨大的潜力。
◉ 歧视与不信任
随着医疗行业人员与普通人对人工智能的关注，种族主义、性别歧视等不公平现象也似乎进一步渗透医疗卫生系统。研究表明，美国的临床医生经常为白人患者和有色人种患者提供不同的护理。
算法训练本身是从过去的数据学习、复制与巩固，无疑会强化既往的偏见，而目前国外也逐渐出台专门的法规政策来约束人工智能在医疗系统可能会产生的歧视。
但过多的干预引发了新的不信任，一些医生表示担心缺乏法律指导，从而引发执业风险，于是选择彻底放弃人工智能。GE HealthCare的一项新调查就显示，人们对人工智能在医疗环境中的使用存在很大程度的不信任和怀疑。除了算法歧视与法律风险，临床医生还对实践中缺少AI技术培训存在疑难需求。
3、结语
通常我们讨论到人工智能，会谈到它的正向效用与负面作用。过犹不及与两面性在任何事物身上都存在，最终的落脚点仍在于人类本身如何去使用与规训。
世界卫生组织的数据显示，到2030年，全世界可能会有1000万医疗卫生工作者缺口，届时14亿人将达到60岁或以上。人口老龄化与医患矛盾是老生常谈的话题，而AI能够消除重复性的工作，让医生免于倦怠，专注病人的护理，同时提高患者的就医效率，减少治疗成本。
最近几年，AI对人类社会的影响慢慢波及各行各业，有源源不断的掘金者闻风而来。我们的确不能在这里比较AI到底对哪种行业影响*，但当身处每一个城市的急诊室与重症病房时，一切的财富与虚名也比不过健康的价值。也许，这才是科技对人文的*意义。
