2017年，DeepMind的AlphaGo计算机击败了围棋这一策略棋类游戏的世界冠军。该计算机只了解游戏规则，而围棋的可能走法数量超过了可见宇宙中的原子数量。有人将此视为一个分水岭——机器在智力上正式超越人类的时刻。
然而，一个较少被广泛报道的微妙之处在于，AlphaGo打破了长期以来的落子惯例。因此，围棋大师们坦言感到获得了解放，并敢于设想新的落子和策略，从而带来了非凡的连胜。
但这与医疗保健有什么关系呢？
我们目前正处于一场技术革命之中，机器正被赋予学习能力，并能够自行找出解决方案。机器开始以一种或许无法预料的方式挑战人类的想象力，而这可能会以一种看似矛盾的方式，教会人类敢于超越当前的局限去想象，从而释放一场创造力革命。由此，在医疗保健领域，机器学习很可能会识别出新的生理指标，为医生提供信息和启发，引导他们探索维持健康和稳定疾病的新方法。
闭嘴，计算就好
整个临床科学的发展，完全取决于人类过去测量某些事物的能力。我们测量血压，只是因为150年前有人发现自己能够测量它，而当时并未完全理解其全部意义。大约十年后，医生们发现，血压较高的人比血压较低的人更容易发生危及生命的健康事件，这进而推动了能够降低高血压的药物的研发。几年后，确凿的证据表明，这些药物能够减少危及生命的心血管事件，包括中风、致命性心脏病发作和肾衰竭。由此，一整个临床科学领域以及相关的诊断、检查和治疗产业，都源于对血压的最初探究。
即将到来的革命将从支撑现有临床领域的传统健康指标入手，随后逐步发展，利用机器学习识别源自消费级设备使用情况的其他信号，并将其纳入从摇篮到坟墓的健康生活路径之中。
例如，可以思考一下，如果心电图（ECG）或类似的心跳和心律指标变得无处不在，医疗保健生态系统可能会如何演变。
传统临床科学面临的一项重大挑战是心房颤动这一心律失常疾病，其患病率正在上升，并且患者在引发中风之前往往没有症状。心房颤动可能是间歇性的，但通过心电图很容易诊断，并且很容易治疗以预防中风。顺带一提，最近推出的Apple Watch 4配备了心电图功能，尽管其价值尚待证明，但它仍然表明，消费级诊断工具可能会对人群健康产生影响。
一旦此类诊断工具得到广泛普及，新的人群护理路径将随之形成。另一种不同类型的心律失常可能导致心源性猝死，并且可以通过心电图或类似的心跳指标检测到。心脏骤停患者需要在五分钟内接受心肺复苏（CPR），以避免脑损伤。如果存在一个生态系统，能够利用智能消费设备提醒并召集附近已登记具备心肺复苏能力的市民，那么这将对生存率产生重大影响。
除此之外，对大量心电图数据与其他生物传感器数据以及一般生活方式和行为数据进行长期监测和整合，将揭示出尚未被识别的、与健康结果相关的信号。最重要的是，这将使更加精准、更加优质且更具成本效益的全新临床科学领域得以出现，这些领域或许会取代血压等粗略的测量方法。
医疗革命
面对全球医疗保健系统负担不可阻挡的持续增长，一个令人深感担忧的趋势正在出现：有志于学习医学的年轻人数量不断减少。许多人指出，不必要的过长且缺乏弹性的工作时间，以及医疗保健系统未能拥抱创新，是导致这一现象的原因。
医疗保健越来越少地依赖临床敏锐度和判断力，而越来越多地依赖检测和检查所产生的数据，以支持遵循既定规程的管理决策。其结果是，人们对数字的关注日益加深，这既改变了医生的角色，也改变了日益苛刻的公众的期望。
矛盾的是，解决方案或许恰恰在于更多的数据、算法和规程，但需要将这些流程从医疗工作者手中剥离出来，并借助智能技术实现全面自动化。这具有巨大的优势，包括更丰富的知识基础和客观性、不知疲倦的工作能力，以及识别并利用患者中新的、此前未被发现的数据信号的能力。
当前的问题在于，我们正处于一个过渡阶段，临床人员既要应对数据过载，又要管理日益苛刻的患者。据估计，护理中的算法性工作占医生工作量的70%，这部分工作需要由技术来承担。这将使医生能够专注于其余的30%，从而带来更优质、更具成本效益且更令人满意的医疗服务。
这最终将促使人们在全球范围内重新思考医疗保健的组织和提供方式。互联技术能否成为一种切实可行且可持续的手段，以推动有效的大规模疾病预防和管理项目？我们首次拥有了互联护理工具，使人们能够更好地掌控自身的健康与福祉，并推动观念、期望和行为的转变。
正如重新焕发活力的围棋大师们一样，让医生和研究人员敢于设想：向互联式自我护理的转型，结合深度机器学习，能够识别出更优、更有用的信号，从而丰富临床科学，改善人群健康。
