A mesterséges intelligencia várhatóan átalakuló erővé válik az egészségügy területén.Tehát hogyan profitálnak az orvosok és a betegek az AI-vezérelt eszközök hatásából?
A mai egészségügyi ágazat nagyon érett, és jelentős változásokat hozhat.A krónikus betegségektől és a rákos megbetegedésektől a radiológiáig és a kockázatértékelésig úgy tűnik, hogy az egészségügyi ágazatnak számtalan lehetősége van arra, hogy a technológiát felhasználva precízebb, hatékonyabb és eredményesebb beavatkozásokat alkalmazzon a betegellátásban.
A technika fejlődésével a betegek egyre magasabb követelményeket támasztanak az orvosokkal szemben, a rendelkezésre álló adatok száma pedig továbbra is riasztó ütemben növekszik.A mesterséges intelligencia az orvosi ellátás folyamatos fejlesztésének motorjává válik.
A hagyományos elemzési és klinikai döntéshozatali technológiához képest a mesterséges intelligencia számos előnnyel rendelkezik.Amikor a tanulási algoritmus kölcsönhatásba lép a képzési adatokkal, pontosabbá válhat, lehetővé téve az orvosok számára, hogy példátlan betekintést nyerjenek a diagnózisról, az ápolási folyamatról, a kezelés változékonyságáról és a betegek kimeneteléről.
A Partners Healthcare által megrendezett 2018-as Világ mesterséges intelligencia orvosi innovációs fórumán (wmif) orvoskutatók és klinikai szakértők az orvosi ipar azon technológiáit és területeit dolgozták fel, amelyek várhatóan jelentős hatással lesznek a következő időszakban a mesterséges intelligencia átvételére. évtized.
Anne Kiblanksi, MD, a wmif igazgatótanácsának elnöke 2018-ban, és Gregg Meyer, MD, a Partners Healthcare akadémiai igazgatója azt mondta, hogy ez a fajta "felforgatás", amelyet minden iparági területre alkalmaznak, jelentős előnyökkel járhat a betegek számára, és széles körben jár. üzleti siker lehetősége.
A partnerek egészségügyi szakemberei, köztük Dr. Keith Dreyer, a Harvard Medical School (HMS) professzora, a partnerek adattudományi igazgatója és Dr. Katherine andreole, a Massachusetts General Hospital (MGH) kutatási stratégiai és műveleti igazgatója segítségével 12 módot javasolt arra, hogy a mesterséges intelligencia forradalmasítsa az orvosi szolgáltatásokat és a tudományt.
1. Egyesítse a gondolkodást és a gépet az agy számítógépes felületén keresztül
A számítógépes kommunikáció használata nem új ötlet, de a technológia és az emberi gondolkodás közötti közvetlen interfész létrehozása billentyűzet, egér és kijelző nélkül határterületű kutatási terület, amely egyes betegek számára fontos alkalmazási terület.
Az idegrendszeri betegségek és traumák miatt egyes betegek elveszíthetik az értelmes beszélgetés, mozgás és interakció képességét másokkal és környezetükkel.A mesterséges intelligencia által támogatott agyi számítógépes interfész (BCI) visszaállíthatja azokat az alapvető tapasztalatokat a betegek számára, akik attól tartanak, hogy örökre elveszítik ezeket a funkciókat.
"Ha olyan beteget látok a neurológiai intenzív osztályon, aki hirtelen elveszíti cselekvő- vagy beszédképességét, remélem, hogy másnap helyreáll a kommunikációs képessége" - mondta Leigh Hochberg, MD, a Neurotechnológiai és Neurorehabilitációs Központ igazgatója. Massachusetts General Hospital (MGH).Az agyi számítógépes interfész (BCI) és a mesterséges intelligencia segítségével aktiválhatjuk a kézmozgással kapcsolatos idegeket, és a teljes tevékenység során legalább ötször tudnunk kell kommunikálni a pácienst másokkal, például mindenütt jelenlévő kommunikációs technológiák használatával, mint pl. mint táblagépek vagy mobiltelefonok."
Az agyi számítógépes interfész nagymértékben javíthatja az amiotrófiás laterális szklerózisban (ALS), a stroke-ban vagy az atresia szindrómában szenvedő betegek, valamint évente 500 000 gerincvelősérülésben szenvedő beteg életminőségét.
2.A sugárzási eszközök következő generációjának fejlesztése
A mágneses rezonancia képalkotással (MRI), CT-szkennerekkel és röntgensugarak által nyert sugárzási képek non-invazív betekintést nyújtanak az emberi test belsejébe.Számos diagnosztikai eljárás azonban továbbra is biopsziával nyert fizikai szövetmintákon alapul, ami fertőzésveszélyt jelent.
A szakértők azt jósolják, hogy bizonyos esetekben a mesterséges intelligencia lehetővé teszi, hogy a radiológiai eszközök következő generációja elég pontos és részletes legyen ahhoz, hogy helyettesítse az élő szövetminták iránti keresletet.
Alexandra golby, MD, a Brigham Női Kórház (BWh) képvezérelt idegsebészeti igazgatója elmondta: "Szeretnénk összehozni a diagnosztikai képalkotó csapatot sebészekkel vagy intervenciós radiológusokkal és patológusokkal, de óriási kihívást jelent a különböző csapatok számára az együttműködés kialakítása és a célok következetességét. Ha azt akarjuk, hogy a radiológia a szövetmintákból jelenleg elérhető információkat nyújtsa, akkor nagyon közeli standardokat kell elérnünk ahhoz, hogy megismerjük az adott pixel alapvető tényeit."
Ennek a folyamatnak a sikere lehetővé teheti a klinikusok számára, hogy pontosabban megértsék a daganat általános teljesítményét, ahelyett, hogy a kezeléssel kapcsolatos döntéseket a rosszindulatú daganat jellemzőinek egy kis része alapján hozzák meg.
A mesterséges intelligencia a rák invazivitását is jobban meghatározhatja, és megfelelőbben meghatározhatja a kezelési célt.Emellett a mesterséges intelligencia segíti a "virtuális biopszia" megvalósítását és elősegíti az innovációt a radiológia területén, amely elkötelezett amellett, hogy képalapú algoritmusokat használjon a daganatok fenotípusos és genetikai jellemzőinek jellemzésére.
3. Az orvosi szolgáltatások bővítése a rosszul ellátott vagy fejlődő területeken
A fejlődő országokban a képzett egészségügyi szolgáltatók – köztük ultrahangtechnikusok és radiológusok – hiánya nagymértékben csökkenti annak esélyét, hogy az orvosi szolgáltatásokat igénybe vegyék a betegek életének megmentésére.
A találkozó rámutatott arra, hogy a híres Longwood Avenue mellett hat bostoni kórházban több radiológus dolgozik, mint Nyugat-Afrika összes kórházában.
A mesterséges intelligencia segíthet mérsékelni a klinikusok kritikus hiányának hatását azáltal, hogy átveszi az általában az emberekre háruló diagnosztikai feladatok egy részét.
Egy mesterséges intelligencia képalkotó eszköz például mellkasröntgen segítségével képes megvizsgálni a tuberkulózis tüneteit, általában ugyanolyan pontossággal, mint egy orvos.Ez a funkció egy alkalmazáson keresztül telepíthető az erőforrásszegény területek szolgáltatói számára, csökkentve a tapasztalt diagnosztikai radiológusok szükségességét.
"Ez a technológia nagy lehetőségeket rejt magában az egészségügyi ellátás javításában" - mondta Dr. jayashree kalpathy Cramer, a Massachusettsi Általános Kórház (MGH) idegtudományi adjunktusa és radiológiai docense.
Az AI-algoritmus fejlesztőinek azonban alaposan figyelembe kell venniük azt a tényt, hogy a különböző nemzetiségű vagy régiójú emberek egyedi élettani és környezeti tényezőkkel rendelkezhetnek, amelyek befolyásolhatják a betegség teljesítményét.
"Például Indiában a betegségek által érintett lakosság nagyon eltérhet az Egyesült Államokétól" - mondta.Amikor ezeket az algoritmusokat kidolgozzuk, nagyon fontos annak biztosítása, hogy az adatok reprezentálják a betegség megjelenését és a populáció sokféleségét.Nemcsak egyetlen populáción alapuló algoritmusokat fejleszthetünk, hanem abban is reménykedhetünk, hogy más populációkban is szerepet kaphat."
4. Csökkentse az elektronikus egészségügyi nyilvántartások felhasználási terheit
Az elektronikus egészségügyi nyilvántartás fontos szerepet játszott az egészségügy digitális utazásában, de ez az átalakulás számos problémát hozott a kognitív túlterheltséggel, a végtelen dokumentumokkal és a felhasználók fáradtságával kapcsolatban.
Az elektronikus egészségügyi nyilvántartás fejlesztői most mesterséges intelligenciát használnak, hogy intuitívabb felületet hozzanak létre, és automatizálják a sok felhasználói időt igénybe vevő rutinokat.
Dr. Adam Landman, a Brigham egészségügyi részlegének alelnöke és információs igazgatója elmondta, hogy a felhasználók idejük nagy részét három feladattal töltik: klinikai dokumentációval, rendelések bevitelével és postafiókjaik rendezésével.A beszédfelismerés és a diktálás segíthet javítani a klinikai dokumentumok feldolgozását, de előfordulhat, hogy a természetes nyelvi feldolgozó (NLP) eszközök nem elegendőek.
"Szerintem lehet, hogy merészebbnek kell lenni, és meg kell fontolnia néhány változtatást, például videofelvételt kell használni a klinikai kezeléshez, ahogy a rendőrök kameráit viselik" - mondta Landman.A mesterséges intelligencia és a gépi tanulás ezután felhasználható ezeknek a videóknak a későbbi visszakereséshez való indexelésére.Csakúgy, mint Siri és Alexa, akik otthon mesterséges intelligencia-asszisztenseket használnak, a jövőben virtuális asszisztenseket hoznak a betegek ágyához, így a klinikusok beágyazott intelligenciát használhatnak az orvosi rendelések feladásához."
A mesterséges intelligencia segíthet a beérkező levelek rutinszerű kéréseinek kezelésében is, mint például a gyógyszerkiegészítők és az eredményekről szóló értesítések.Ez segíthet abban is, hogy fontossági sorrendbe állítsák azokat a feladatokat, amelyek valóban a klinikusok figyelmét igénylik, megkönnyítve a betegek számára a teendők listájának feldolgozását – tette hozzá Landman.
5. Az antibiotikum rezisztencia kockázata
Az antibiotikum-rezisztencia egyre nagyobb fenyegetést jelent az emberekre nézve, mivel ezeknek a kulcsfontosságú gyógyszereknek a túlzott használata olyan szuperbaktériumok kialakulásához vezethet, amelyek már nem reagálnak a kezelésre.A multirezisztens baktériumok súlyos károkat okozhatnak a kórházi környezetben, évente több tízezer ember halálát okozva.Egyedül a Clostridium difficile körülbelül évi 5 milliárd dollárjába kerül az Egyesült Államok egészségügyi rendszerének, és több mint 30 000 halálesetet okoz.
Az EHR-adatok segítenek azonosítani a fertőzési mintákat, és rávilágítani a kockázatra, mielőtt a betegnél megjelennének a tünetek.A gépi tanulás és a mesterséges intelligencia eszközök használata ezen elemzések végrehajtásához javíthatja azok pontosságát, és gyorsabb és pontosabb riasztásokat hozhat létre az egészségügyi szolgáltatók számára.
"A mesterséges intelligencia eszközök megfelelnek a fertőzések elleni védekezéssel és az antibiotikumokkal szembeni rezisztenciával kapcsolatos elvárásoknak" - mondta Dr. Erica Shenoy, a Massachusettsi Általános Kórház (MGH) fertőzésellenőrzési igazgatóhelyettese.Ha nem, akkor mindenki elbukik.Mert a kórházak rengeteg EHR-adattal rendelkeznek, ha nem használják ki azokat teljes mértékben, ha nem hoznak létre olyan iparágakat, amelyek okosabbak és gyorsabbak a klinikai vizsgálatok tervezésében, és ha nem használnak EHR-eket, amelyek létrehozzák ezeket az adatokat, kudarccal kell szembenézniük."
6. Pontosabb elemzés készítése kóros képekhez
Dr. Jeffrey golden, a Brigham Női Kórház (BWh) patológiai osztályának vezetője és a HMS patológia professzora elmondta, hogy a patológusok a diagnosztikai adatok egyik legfontosabb forrását jelentik az egészségügyi szolgáltatók teljes köre számára.
"Az egészségügyi döntések 70%-a patológiás eredményeken alapul, és az EHR-ekben szereplő összes adat 70-75%-a patológiás eredményekből származik" - mondta.És minél pontosabbak az eredmények, annál hamarabb kerül sor a helyes diagnózis felállítására.Ez az a cél, amelyre a digitális patológiának és a mesterséges intelligenciának van esélye."
A nagyméretű digitális képek mély pixelszintű elemzése lehetővé teszi az orvosok számára, hogy felismerjék azokat a finom különbségeket, amelyek az emberi szemből kikerülhetnek.
"Eljutottunk arra a pontra, hogy jobban fel tudjuk mérni, hogy a rák gyorsan vagy lassan fejlődik-e ki, és hogyan változtassuk meg a betegek kezelését algoritmusok alapján, nem pedig klinikai stádiumok vagy kórszövettani besorolás alapján" - mondta Golden.Óriási előrelépés lesz."
Hozzátette: "A mesterséges intelligencia a termelékenységet is javíthatja azáltal, hogy a diákon azonosítja az érdeklődésre számot tartó jellemzőket, mielőtt a klinikusok átnéznék az adatokat. Az AI képes átszűrni a diákat, és elvezeti minket a megfelelő tartalom megtekintéséhez, hogy felmérhessük, mi fontos és mi nem. Ez javítja a patológusok alkalmazásának hatékonyságát, és növeli az egyes esetek vizsgálatának értékét."
Hozzon intelligenciát az orvosi eszközökhöz és gépekhez
Az intelligens eszközök átveszik az uralmat a fogyasztói környezetek felett, és olyan eszközöket kínálnak, mint a valós idejű videó a hűtőszekrény belsejében, egészen az autókig, amelyek észlelik a vezető figyelmét.
Orvosi környezetben az intelligens eszközök elengedhetetlenek az intenzív osztályokon és máshol lévő betegek megfigyeléséhez.A mesterséges intelligencia használata az állapotromlás felismerésének javítására, például a szepszis kialakulásának jelzésére vagy a szövődmények észlelésére, jelentősen javíthatja az eredményeket és csökkentheti a kezelési költségeket.
"Amikor a különböző adatok egészségügyi rendszeren belüli integrálásáról beszélünk, integrálnunk kell és figyelmeztetnünk kell az intenzív osztályos orvosokat, hogy a lehető leghamarabb lépjenek be, és hogy ezeknek az adatoknak az összesítése nem jó dolog, amit az orvosok tehetnek" - mondta Mark Michalski. , a BWh klinikai adatok tudományos központjának ügyvezető igazgatója.Az intelligens algoritmusok beillesztése ezekbe az eszközökbe csökkenti az orvosok kognitív terheit, és biztosítja a betegek lehető leggyorsabb kezelését."
8.immunterápia népszerűsítése a rák kezelésére
Az immunterápia a rák kezelésének egyik legígéretesebb módja.Ha a szervezet saját immunrendszerét használja a rosszindulatú daganatok megtámadására, a betegek képesek lehetnek leküzdeni a makacs daganatokat.Mindazonáltal csak néhány beteg reagál a jelenlegi immunterápiás sémára, és az onkológusok még mindig nem rendelkeznek pontos és megbízható módszerrel annak meghatározására, hogy mely betegek számára lesz előnyös a kezelési rend.
A gépi tanulási algoritmusok és a rendkívül összetett adatsorok szintetizálására való képességük képes lehet az egyének egyedi génösszetételének tisztázására, és új lehetőségeket kínál a célzott terápiához.
"A közelmúltban a legizgalmasabb fejlesztés az ellenőrzőpont-inhibitorok volt, amelyek blokkolják bizonyos immunsejtek által termelt fehérjéket" - magyarázza Dr. Long Le, a Massachusetts General Hospital (MGH) átfogó diagnosztikai központjának számítási patológiáért és technológiafejlesztésért felelős igazgatója.De még mindig nem értjük az összes problémát, ami nagyon bonyolult.Mindenképpen több betegadatra van szükségünk.Ezek a kezelések viszonylag újak, így nem sok beteg veszi őket ténylegesen.Ezért akár egy szervezeten belül, akár több szervezeten belül kell az adatokat integrálnunk, ez kulcsfontosságú tényező lesz a betegek számának növelésében a modellezési folyamat irányításához."
9. Változtassa az elektronikus egészségügyi nyilvántartásokat megbízható kockázat-előrejelzőkké
Az elektronikus egészségügyi nyilvántartás a betegadatok kincse, de a szolgáltatók és a fejlesztők számára állandó kihívást jelent a nagy mennyiségű információ pontos, időszerű és megbízható kinyerése és elemzése.
Az adatminőségi és integritási problémák, valamint az adatformátum zavara, a strukturált és strukturálatlan bevitel, valamint a hiányos rekordok megnehezítik az emberek számára, hogy pontosan megértsék, hogyan végezzenek értelmes kockázati rétegzést, prediktív elemzést és klinikai döntéstámogatást.
Dr. Ziad OBERMEYER, a Brigham Női Kórház (BWh) sürgősségi orvostudományi adjunktusa és a Harvard Medical School (HMS) adjunktusa azt mondta: "Kemény munkát kell végezni, hogy az adatokat egy helyre integráljuk. De egy másik probléma az, hogy megértsük mit kapnak az emberek, amikor az elektronikus egészségügyi nyilvántartásban megjósolnak egy betegséget. Az emberek hallhatják, hogy a mesterséges intelligencia algoritmusai előre jelezhetik a depressziót vagy a stroke-ot, de azt tapasztalják, hogy valójában a stroke költségeinek növekedését jósolják. Ez nagyon eltér a megsimogatta magát."
"Úgy tűnik, hogy az MRI-eredményekre támaszkodva specifikusabb adatsort kapunk. Most azonban azon kell gondolkodnunk, hogy ki engedheti meg magának az MRI-t? Tehát a végső előrejelzés nem a várt eredmény."
Az NMR-elemzés számos sikeres kockázatpontozó és rétegződési eszközt hozott létre, különösen akkor, ha a kutatók mély tanulási technikákat alkalmaznak a látszólag független adatkészletek közötti új kapcsolatok azonosítására.
Az OBERMEYER azonban úgy véli, hogy annak biztosítása, hogy ezek az algoritmusok ne azonosítsák az adatokban elrejtett torzításokat, alapvető fontosságú a klinikai ellátást valóban javító eszközök telepítéséhez.
"A legnagyobb kihívás az, hogy megbizonyosodjunk arról, hogy pontosan tudjuk, mit jósoltunk, mielőtt elkezdjük kinyitni a fekete dobozt, és megvizsgáljuk, hogyan jósoljunk" - mondta.
10. Az egészségi állapot nyomon követése hordható eszközökön és személyes eszközökön keresztül
Szinte minden fogyasztó használhat érzékelőket az egészségügyi értékkel kapcsolatos adatok gyűjtésére.A lépéskövetővel ellátott okostelefonoktól a pulzusszámot egész nap nyomon követő hordható eszközökig bármikor egyre több egészséggel kapcsolatos adat generálható.
Ezen adatok összegyűjtése és elemzése, valamint a betegek által szolgáltatott információk alkalmazásokkal és egyéb otthoni megfigyelő eszközökkel történő kiegészítése egyedi perspektívát jelenthet az egyén és a tömeg egészségére nézve.
A mesterséges intelligencia fontos szerepet fog játszani abban, hogy hasznosítható ismereteket nyerjünk ki ebből a nagy és sokszínű adatbázisból.
Dr. Omar arnout, a Brigham Női Kórház (BWh) idegsebésze, a Számítógépes Idegtudományi Eredmények Központjának igazgatója azonban azt mondta, hogy további munkára lehet szükség ahhoz, hogy a betegek alkalmazkodjanak ehhez az intim, folyamatos monitorozási adatokhoz.
"Régebben meglehetősen szabadon dolgozhattunk fel digitális adatokat" - mondta.De ahogy adatszivárgás történik a Cambridge Analyticsnál és a Facebooknál, az emberek egyre óvatosabbak lesznek azzal kapcsolatban, hogy ki milyen adatokat oszt meg."
A betegek hajlamosak jobban megbízni orvosaikban, mint az olyan nagy cégekben, mint a Facebook – tette hozzá, ami segíthet enyhíteni a nagyszabású kutatási programok adatszolgáltatásával járó kényelmetlenséget.
"Valószínű, hogy a viselhető adatok jelentős hatással lesznek, mivel az emberek figyelme nagyon véletlenszerű, és az összegyűjtött adatok nagyon durvaak" - mondta Arnout.A részletes adatok folyamatos gyűjtésével az adatok nagyobb valószínűséggel segítik az orvosokat a betegek jobb ellátásában."
11.Make okostelefonok hatékony diagnosztikai eszköz
A szakértők úgy vélik, hogy az okostelefonokból és más fogyasztói szintű forrásokból nyert képek a klinikai minőségi képalkotás fontos kiegészítőivé válnak, különösen a rosszul ellátott területeken vagy a fejlődő országokban, a hordozható eszközök hatékony funkcióinak folytatásával.
A mobil kamerák minősége évről évre javul, és olyan képeket tud készíteni, amelyek alkalmasak mesterséges intelligencia elemzésére.A bőrgyógyászat és a szemészet ennek a trendnek a korai haszonélvezői.
Brit kutatók még egy eszközt is kifejlesztettek a fejlődési betegségek azonosítására a gyerekek arcképeinek elemzésével.Az algoritmus képes felismerni olyan diszkrét jellemzőket, mint a gyermekek alsó állkapcsa vonala, a szemek és az orr helyzete, valamint egyéb olyan tulajdonságok, amelyek az arc rendellenességeire utalhatnak.Jelenleg az eszköz több mint 90 betegséggel képes párosítani a gyakori képeket, hogy segítse a klinikai döntéshozatalt.
Dr. Hadi shafiee, a Brigham Női Kórház (BWh) mikro-/nanogyógyászati és digitális egészségügyi laboratóriumának igazgatója a következőket mondta: "A legtöbb ember nagy teljesítményű mobiltelefonnal van felszerelve, sokféle beépített érzékelővel. Ez egy nagyszerű lehetőség számunkra. Szinte az összes iparági szereplők elkezdték az Ai szoftvert és hardvert építeni a készülékeikbe.Nem véletlenül.Digitális világunkban naponta több mint 2,5 millió terabájt adat keletkezik.A mobiltelefonok terén a gyártók úgy vélik, hogy ezt ki tudják használni adatok a mesterséges intelligencia számára, hogy személyre szabottabb, gyorsabb és intelligensebb szolgáltatásokat nyújtsanak."
Az okostelefonok használata a betegek szemeiről, bőrelváltozásairól, sebeiről, fertőzéseiről, gyógyszereiről vagy más témákról készült képek gyűjtésére, segíthet a hiányos területeken tapasztalható szakértők hiányának kezelésében, miközben csökkenti az egyes panaszok diagnosztizálásának idejét.
"Lehet néhány jelentős esemény a jövőben, és kihasználhatjuk ezt a lehetőséget, hogy megoldjunk néhány fontos betegségkezelési problémát az ellátási ponton" - mondta Shafiee.
12. Innovatív klinikai döntéshozatal az ágy melletti mesterséges intelligencia segítségével
Ahogy az egészségügyi ágazat a díjalapú szolgáltatások felé fordul, egyre inkább eltávolodik a passzív egészségügytől.A krónikus betegségek, az akut betegségesemények és a hirtelen állapotromlás előtti megelőzés az egyes szolgáltatók célja, és a kompenzációs struktúra végső soron lehetővé teszi olyan folyamatok kidolgozását, amelyekkel aktív és prediktív beavatkozás érhető el.
A mesterséges intelligencia számos alapvető technológiát biztosít ehhez az evolúcióhoz, a prediktív elemzés és a klinikai döntéstámogató eszközök támogatásával, hogy megoldja a problémákat, mielőtt a szolgáltatók felismernék a cselekvés szükségességét.A mesterséges intelligencia korai figyelmeztetést jelenthet epilepsziára vagy szepszisre, ami általában rendkívül összetett adatsorok mélyreható elemzését igényli.
Brandon Westover, MD, a Massachusetts General Hospital (MGH) klinikai adatokért felelős igazgatója elmondta, hogy a gépi tanulás segíthet a kritikus állapotú, például szívmegállás után kómában lévő betegek folyamatos ellátásának támogatásában.
Elmondta, hogy normál körülmények között az orvosoknak ellenőrizniük kell ezen betegek EEG-adatait.Ez a folyamat időigényes és szubjektív, és az eredmények a klinikusok készségeitől és tapasztalataitól függően változhatnak.
Azt mondta: „Ezeknél a betegeknél a tendencia lassú lehet.Néha az orvosok látni akarják, hogy valaki felépül-e, 10 másodpercenként egyszer megnézik a megfigyelt adatokat.Azonban azt látni, hogy változott-e a 24 óra alatt gyűjtött 10 másodperces adathoz képest, olyan, mintha azt néznénk, hogy időközben nőtt-e a haj.Ha azonban mesterséges intelligencia-algoritmusokat és sok betegtől származó nagy mennyiségű adatot használnak, könnyebb lesz az emberek által látottakat a hosszú távú mintákkal párosítani, és néhány finom javulást találhatunk, amelyek hatással lesznek az orvosok ápolási döntéshozatalára. ."
Ennek a forradalmi adatelemzési módszernek az egyik legígéretesebb fejlesztési területe a mesterséges intelligencia technológia alkalmazása a klinikai döntések támogatására, a kockázatpontozásra és a korai figyelmeztetésre.
Az eszközök és rendszerek új generációjának biztosításával a klinikusok jobban megérthetik a betegségek árnyalatait, hatékonyabban nyújthatnak ápolási szolgáltatásokat, és előre megoldhatják a problémákat.A mesterséges intelligencia új korszakot nyit a klinikai kezelés minőségének javításában, és izgalmas áttöréseket hoz a betegellátásban.
Feladás időpontja: 2021-06-06
