人工智能的浪潮已經席卷世界范圍內諸多領域，推動了眾多科技成果問世，讓我們一起來領略一下人工智能在醫藥健康領域都有哪些應用吧。

1 哈佛大學：柔性外骨骼改善中風患者的行走

近日，來自哈佛大學的研究團隊開發了一款基于人體下肢動力學而設計的柔性外骨骼設備，研究發表在最近的《Science Translational Medicine》上。這款設備可以輔助中風患者在中風后漫長的恢復中進行活動，提供支撐力。外骨骼設備可以穿戴在患者已經部分癱瘓的下肢，減輕肢間的不對稱，增加踝關節背屈，并減輕患者在跑步機和地面上行走所需要的能量。外骨骼可以進行調節，根據患者的需求，在步態周期的早期或者晚期提供支撐力。雖然，還需要進行長期的研究，但是通過外骨骼使得行走立刻就有顯著的改善，對于中風患者的神經復健來說，是一個非常有希望的方式。

2 可對話的機器人Woebot幫助緩解抑郁和焦慮

抑郁癥和心理健康對于現代人來說是一個“幽靈”般的存在，當人與人的溝通顯得有些難以進行的時候，智能機器人就可以來幫忙了。這款聊天機器人叫做Woebot，在舊金山Woebot實驗室中被開發，通過Facebook Messenger運行，作為一個個體化的治療師，它能幫助用戶解決包括抑郁和焦慮在內的心理健康問題。Woebot通過人工智能與用戶進行類似人與人之間的溝通對話，鼓勵用戶敞開心扉，進行情感的交流。通過與人工智能進行溝通，患者的癥狀得以減輕，相對于傳統的治療方法快了2倍。與醫生不同，人工智能的專屬治療師，可以24小時提供幫助，在任何你需要的時候。

3 人工智能幫助中風患者直立行走

來自瑞士和荷蘭的研究人員開展了一個激動人心的項目，他們通過先進的人工智能軟件和機械線束，設計了一款以智能輔助技術幫助中風和脊髓損傷患者重新走路的外部裝備。研究同樣發表在最近的《Science Translational Medicine》上。團隊設計了一種自適應算法，結合個性化的機器人線束，利用人工智能和機器人對使用者遇到的各種現實情況進行預判，計算和提供相應的向上或向前的支撐力，例如患者是沿直線行走，或是在波浪形的道路上，或者在下不規則的臺階，等等。在試驗中，該技術被證明能夠工作良好，給予相應的力量支援。這樣的設備具有巨大的應用潛力，在未來，可能會成為康復中心臨床日常應用的一部分。

4 人工智能幫助防止猝死

心臟猝死每年會剝奪無數的生命，對于心臟猝死的預防，提高認識和篩查是至關重要的。AliveCor與Mayo Clinic聯合開發了突破性人工智能技術，以幫助預防突發性心臟死亡。AliveCor是FDA批準的個人心電圖（ECG）設備的技術領導者，此次與梅奧醫學中心合作，開發了一項診斷工具，可用于醫療或個人非醫療條件下，對長QT癥進行早期篩查。AliveCor的專利人工智能技術、先進的算法與數百萬的ECGs，與梅奧醫學中心的大數據和專業臨床經驗強強聯合，在很大程度上提高了安全性，也降低了風險。AliverCor提供了可以購買的已經經過臨床驗證的FDA已批準的ECG設備，可以給患者提供心臟健康護理，這些ECG將會匯集大量的個人健康數據，而對這些數據的學習對于提高傳統ECG的分析也非常的有意義。我們期待這樣的人工智能最終能夠造福更多的人，為人類健康提供更多的保障。

5 人工智能可以為糖尿病人做些什么？

“Alexa，幫助管理我的糖尿??！”這個大膽的想法來自于今年早期默沙東公司發起的Alexa糖尿病挑戰賽，參賽者需要將語音支持系統賦予新的功能，能夠做情緒感知輔導、營養助手，還要如同偵探一般發現用戶的風險行為。發明了知名糖尿病藥物Januvia的默沙東Luminary實驗室與亞馬遜網絡服務聯合評選，從96份提交中選擇了5位入圍。在默沙東的長期計劃中，要開發一種工具可以用于多種的慢性病管理，使用過于亞馬遜Lex智能平臺和語音支持Alexa的家用系統。移動端的APP在制藥界非常平常，但是，這是第一個建立在語音支持家用系統上的挑戰賽。也許，這些挑戰者的設計轉變成現實的產品還需要很多的努力，但是，越來越多的人將人工智能與健康聯系起來，并熱情的參與其中，這是一個非常好的開始。

6 IBM與阿爾伯塔大學：腦成像如何預測精神分裂癥

傳統的精神分裂癥依賴于主觀的方法，現在IBM同阿爾伯塔大學的研究人員正在致力于改變這一現狀。他們聯合開發了機器學習算法，幫助科學家揭示，如何客觀地通過腦成像來量化預測精神分裂癥。精神分裂沒有專一的測試方法，所以診斷需要通過觀察癥狀，排除其他如濫用藥物或其他精神障礙等潛在原因。雖然，科學家們觀察到健康人的腦部成像與精神分裂癥患者還是有著一定的差異，但是目前并不用以作為診斷的客觀標準。研究人員使用機器學習算法來分析功能性磁共振成像（fMRI），對健康人、精神分裂癥以及那些其他精神情感障礙人群進行了分析。研究團隊利用機器學習創建了識別大腦與精神分裂癥相關的模型，該算法可以在有無精神分裂的患者間達到74%的區分。人工智能在數據的支持和積累下，將會逐步完善。研究人員期待，未來他們的人工智能和機器學習能夠用來分析更多的神經和精神疾病，幫助醫生更好的評估和治療患者。

7 IBM沃森助力腦腫瘤全基因組測序的早期研究

人工智能的強大很大程度上在于它能夠在短時間內學習和記憶大量的內容。IBM沃森對腦瘤的基因組數據以及敘述論文進行了學習，僅僅花了人類所需時間的一小部分。IBM公司與紐約基因組研究中心聯合創建了一個版本的沃森超級計算機進行癌癥基因組的研究。研究人員應用全基因組測序對膠質母細胞瘤的腫瘤DNA、腫瘤RNA以及患者的正常血液DNA進行了測序。腫瘤學專家和生物信息學家組成的團隊花費了1.6個小時，對信息進行精煉。而沃森人工智能對基因組數據進行的處理，只用了10分鐘便得出了與專家組“相似的結論”。

盡管人工智能的表現依然有著種種不足之處，但是，很多實驗都向我們一次次的展示了其巨大的應用潛力。未來的健康領域，將有更多的數據需要快速的學習、篩選、整理和分析，人工智能在逐漸的成長中，一定會給人類帶來更多的價值。