人們現在對人工智慧會如何改變健康照護，感到相當興奮。許多人工智慧技術出現，可幫助人們簡化行政和臨床醫療流程。根據創投公司洛克健康（Rock Health）的資料，從2011到2017年，121家醫療人工智慧和機器學習公司在206筆交易中募得27億美元。
醫療人工智慧領域看似廣泛，涵蓋健康、診斷和營運科技，但也很窄，因為醫療人工智慧應用軟體通常只執行單一任務。我們調查了十個前景看好的人工智慧應用的價值，發現到2026年，它們至多每年可為美國醫療產業省下1,500億美元。
我們根據這些應用獲採用的機率，以及每年節省經費的潛力，找出這些具體的人工智慧應用。我們發現，目前人工智慧創造最多價值的地方，是在幫助一線臨床醫師提高生產力，以及提高後端流程的效率；但在做出臨床決定，或是改善臨床醫療結果方面，效果尚未顯現。臨床方面的應用仍相當罕見。
我們來看看醫療第一線運用人工智慧的幾個例子。人工智慧可以快速、正確地標出特定的異常之處，供放射科醫師檢視，因而證明了人工智慧有能力改善影像分析的效率。2011年，紐約大學蘭恭醫學中心（NYU Langone Health）研究人員發現，這種類型的自動化分析，可以找到並匹配（在胸部電腦斷層掃描影像上的）特定肺結節，速度比一群放射科醫師快62％到97％。我們的研究結果顯示，人工智慧在影像分析上帶來的這類效率，可以讓放射科醫師有更多時間，專注進行需要更多解讀或判斷的檢視和評估，每年可因此節省三十億美元。
另一個領域，是人工智慧輔助機器人手術。在骨科手術中，某種形式的人工智慧輔助機器人，可以分析術前醫療紀錄中的資料，並在手術過程中，即時實際指導外科醫師使用的儀器。它也可以使用來自實際手術經驗的資料，提供新的手術技術一些參考資訊。研究發現，與單靠外科醫師進行的手術相比，採用馬佐機器人公司（Mazor Robotics）開發的人工智慧輔助機器人技術，讓手術併發症減少五倍；這項研究的對象包括379個骨科病人，涵蓋九個手術部位。我們的分析發現，人工智慧輔助機器人手術若能適當應用在骨科手術上，還可以讓病人術後的住院時間縮短21％，因為併發症和錯誤較少，為此每年可節省四百億美元。
人工智慧技術也被應用在劑量錯誤的問題上，這個問題往往造成高昂代價。我們的研究結果顯示，人工智慧可能幫忙節省160億美元。2016年，在加州進行的一項開創性實驗發現，在人工智慧協助下開發的一個數學公式，正確決定了施用於器官移植病人免疫抑制劑的正確劑量。決定劑量的傳統做法，結合了一些指導方針和根據專業知識進行的猜測，而在所有可預防的醫療錯誤中，劑量錯誤所占比率是37％。雖然這種類型的人工智慧技術才剛出現，但前述例子的意義很重大，因為正確的劑量很重要，有助於確保移植的器官不被排斥。
運用人工智慧來輔助臨床判斷或診斷，仍處於起步階段，但陸續出爐的一些結果，顯示這種方法的可能性。2017年，史丹福大學（Stanford University）的研究團隊測試一個人工智慧演算法，比較它與21位皮膚科醫師辨識出皮膚癌的能力。根據科學期刊《自然》（Nature）去年的報導，臨床結果發現那個演算法的「表現與所有參與測試的專家相同……展現人工智慧能以等同皮膚科醫師的水準，對皮膚癌進行分類。」我們的研究結果顯示，人工智慧可在病人進入急診部之前，進行初步診斷，這麼一來，每年可能省下五十億美元。
我們也開始看到，人工智慧虛擬護理助理在幫助病人方面的潛力。例如，賽斯利公司（Sensely）的人工智慧虛擬護理師「茉莉」（Molly），已被加州大學舊金山校區（UCSF）和英國國家健康服務（NHS）用來和病人互動，向病人詢問他們的健康問題，評估病人的症狀，並指導他們進入最有效的照護環境。我們的研究估計，透過人工智慧護理助理，讓護理師照顧病人的工作時間節省20％，每年可望因此省下200億美元。
人工智慧也有可能協助健康照護產業管理昂貴的後台問題，以及效率低落問題。與病人護理無關的活動，占護理師超過一半（51％）的工作量，並占醫師近五分之一（16％）的活動。人工智慧技術，像是語音轉文字稿，可改善行政管理工作流程，並消除耗時的非病人護理活動，像是撰寫圖表紀錄、填寫處方和預訂測試。我們估計，這些應用每年可為醫療產業省下180億美元。
例如，雖然貝斯以色列女執事醫療中心（Beth Israel Deaconess Medical Center）的人工智慧癌症篩檢引發關注，但它首次進軍人工智慧的領域顯得平淡無奇，是用來降低病人再次住院的比率，並找出可能掛號卻沒來看診的人。貝斯以色列醫療中心的技術專家，運用機器學習開發了一個應用程式，用來預測哪些病人可能不來治療或遲到，以便他們可以提前介入。
對醫療組織和保險公司來說，錯誤和詐欺同樣是會造成很大損失的問題。若要偵測詐欺問題，傳統做法是結合了電腦化（基於規則）和人工的方式，來審查醫療理賠申請案。這個流程很耗時，取決於在事件發生之後，能迅速發現異常情況，以便介入干預。醫療保險公司正在實驗使用人工智慧支援的資料探勘，搭配以人工智慧為基礎的神經網路（模仿人腦的流程，但更迅速），去搜尋美國聯邦醫療保險計畫（Medicare）的醫療理賠申請案，以尋找其中與醫療費用給付詐欺相關的各種形態。我們估計，人工智慧可加快美國聯邦醫療保險計畫理賠申請案裡偵測詐欺的速度和正確性，每年可能因此節省170億美元。
除了詐欺活動之外，在過去幾年中，一連串數據外洩事件，如WannaCry或Petya，已讓網路安全成為醫療機構關注的重點之一。根據估計，每位病人醫療紀錄外洩，組織承擔的成本約是380美元。用人工智慧來監控並偵測與專門資料的異常互動，可減少醫療紀錄的外洩，每年可望因此節省二十億美元。
隨著人工智慧技術變得更普遍，醫療機構勢必得投資其中能帶來最大價值的技術。人工智慧在臨床判斷上的運用，仍處於起步階段，需要時間才能真正獲得採納，創造重大效益。但目前能夠提供最大價值的人工智慧應用，像是人工智慧輔助手術、虛擬護理師、行政管理工作流程，應優先受到重視和投資，好讓醫療機構和保險公司有時間專注提供更好的醫療服務。
