AlphaGo战胜李世石，无疑是给世界做了一次关于人工智能、机器学习的科普，也给各个行业带来了无限的想象空间，这其中自然也包括与科技高度相关的医疗行业。医疗行业的AlphaGo会不会出现？机器学习能在多大程度上影响医疗？
近日，微软举办了一个案例分享会，介绍了其机器学习（Azure Machine Learning）在国内医健领域的第一个案例——糖尿病管理。
该案例的另一个合作方健安华夏，是专注于健康医疗领域个性化慢病管理解决方案的创业公司，其于2015年创造了医随访——糖代谢动力学管理平台，提出糖代谢动力学、药物动力学、饮食动力学、运动动力学和患者自我动力的糖尿病管理“新五辆动车模式”.
健安华夏创始人杨枫介绍，糖尿病管理有三种模式。传统的糖尿病管理是基于单一的时间点，比如医生会根据患者就诊当时的血糖值进行开药，这种模式显然无法反映患者的整体血糖状况。
其次是连续监测模式。目前的可穿戴血糖监测设备可以实现每3分钟上传一条数据，一天480条，七天3360条，让了解患者的连续血糖数据变得可能。通过数据分析，可以更好地管理和调整患者的饮食。但这种数据一般是回顾性的，收集的是前一段时间比如七天内的数据。
第三种是智能监测模式。把数据实时动态地传到云端，通过机器学习分析、预测血糖数据及影响因素，为患者提供个性化控糖方案。
杨枫举例，有一位患者七天内有四天发生夜间低血糖，这是一个“隐形杀手”的信号，可能是老年痴呆症、轻度中风的前兆，严重的甚至有可能危及生命。连续监测数据显示，该患者的夜间低血糖基本发生在饭后4小时15分钟左右，过度分泌胰岛素，甚至比其吃饭时的血糖还低。如果有实时动态的数据监测，就可以提醒患者少食多餐，避免夜间低血糖的发生。
监测数据只是一方面，更重要的是揭示规律，提供管理方案。“如果通过数据分析，量化证明模式是规律的，可以自动分类，带来的可能性会非常大。”杨枫说。
比如对患者饮食和运动进行管理。对患者血糖水平的监测和预测，可以为患者推荐合适的运动方式和强度，通过测量主粮，还可以在保证患者营养的情况下为其推荐有针对性的食谱。
监测、分析数据、发现规律、提供建议，这是一个精准管理糖尿病的完整闭环。杨枫说：“这跟那种与医生见面5分钟，检测完血糖就开药的方式相比，是从盲人摸象升级到了庖丁解牛。”
更重要的是，通过机器学习，系统可能会发现医生发现不了的规律。杨枫说：“通过机器学习的方式可能是未来的方向，可能会改变未来糖尿病的标准，彻底改变医生、患者乃至整个生态。”
而这，仅仅只是开始，以数据为基础的个性化治疗能给医疗带来什么样的改变，值得期待。
