权威指南AI在医疗保健

在医疗保健人工智能(AI)是找到整个医疗保健的不同光谱的多种应用,是所有设置改变我们的诊断方法和治疗疾病在未来的日子里。

通过机器学习和自然语言处理,大数据与人工智能并在一起,促进了工具的发展,以改善临床护理,推进医学研究和提高整体护理效率。

这一全面的指南是所有你需要知道的关于人工智能在医疗保健,它的工作,应用,未来医疗技术的发展趋势并在其在医疗行业采用的挑战。

什么是人工智能,它如何影响医疗保健部门?

人工智能是利用特定的算法来训练计算机,通过处理大量数据和识别数据中的特定模式来完成特定的任务。

这些算法可以使得加工从经验中学习,计算输入数据并进行处理,并在几乎类似人的方式执行任务。因此,它使机器模仿典型的是人的心灵就像解决问题,推理和学习的认知功能。

南加州大学凯克医学院(University of Southern California Keck School of medicine)和维特比工程学院(Viterbi School of engineering)的医学和工程教授戴维•b•阿古斯(David B. Agus)医学博士认为,人工智能驱动的算法将对医疗保健行业产生深远影响。“我们已经收集了几十年的大量数据,”他说。“第一次,计算能力使我们在某种程度上造福患者使用的数据。”

“最让人兴奋的是AI允许医生个性化关怀,是我们一直梦想着有朝一日做了几十年的”阿古斯告诉webmd

人工智能在医疗保健中的应用

人工智能已经以一种我们甚至没有注意到的方式进入了我们的日常生活。从电子商务网站上的聊天机器人到我们智能手机上的语音助手,人工智能顾问正在迅速让机器学习人类的行为,并使它们能够更有效、更迅速地完成这些任务。

在医疗行业也是如此,AI工具已经发现,在不同的阶段,众多的应用:

旁注:Arkenea是医疗保健AI咨询公司雷电竞官网app帮助医疗机构开发基于人工智能的应用程序。

1.预防医学

“健康不仅仅是没有疾病或虚弱,它是一种完全的身体、精神和社会福祉的状态”——世界卫生组织

AI与使用连接的医疗设备和IoMT在确保人们保持健康最大的潜在作用。

对于普通人群:AI已经帮助人们维持健康的生活方式,照顾自己的健康。日益庞大的多的人选择通过健身等健康穿戴式跟踪每天的基础上他们的卫生统计。

收集和这个健康数据以及它与通过医疗应用,病人提供健康信息补充分析所提供的独特视角为个人和人口健康的潜力。

对于医生:AI技术提供医护人员见识到了日常模式,他们关心群众的需求。这使他们能够对他们的患者提供更好的指导,反馈和支持。

产生和收集到的数据不会被孤立人类可计算的。的AI算法使用由定制的医疗保健软件开发人员给广大的数据是有意义的,不仅节省了人力岌岌可危的时间和精力,但也使得流程更加高效。软件开发公司可以创建仪表板,可以直观地显示数据,可以节省大量的时间从手动数据捣弄。

对于研究人员来说:关注医疗研究的公司都在专注于收集众包医疗数据。正在汇集和聚合来自各种移动设备的数据,以便访问实时运行状况统计数据。

现实生活中应用

  • Under Armour的:总部设在美国服装生产商工作的认知训练系统,提供有关健康,睡眠和营养定制的建议上。它适用于使用从健身机构的数据,研究机构,它分析了使用IBM的沃森。
  • 鲁磨提升:这种姿势监控设备的工作原理是发出警报时,它检测到不正确的姿势而站立或坐着的用户。
  • 苹果researchkit:苹果公司正专注于帕金森氏症和阿斯伯格综合症的治疗,它允许用户使用互动应用程序来汇集由其面部识别软件收集的数据。然后计划记录该数据随时间的变化。

2.疾病的早期发现

消费者的增殖与可穿戴AI的计算能力,使医生和其他照顾者更好地监测病人,并在更早,更可治疗阶段检测到可能威胁生命的事件相结合。

“有一个非常好的机会,可穿戴的数据将会对医疗保健产生重大影响,因为我们的护理是非常发作和我们收集的资料是非常粗糙的,”奥马尔Arnaout,计算神经科学中心成果的MD,联合负责人说。“通过以连续的方式收集详细数据,有一个更大的可能性,该数据将帮助我们以病人更好的照顾“。

下面是目前正在医疗保健领域使用的一些相同的应用程序。

心脏疾病检测:健身和其他健康可穿戴设备不仅可以用来检测心率,还可以监测病人的心电图。这有助于发现和早期诊断潜在的心脏状况。

乳腺癌的检测:AI当前正被用于分析乳腺X线照片。它一直发现分析速度比人快30倍,准确率达99%。这不仅减少了可能的误诊机会,也减少了进行侵入性活检以达到诊断的需要。

感染趋势预测:脓血症是医院死亡在美国的主要原因之一和诊断通常不会发生,直到器官功能衰竭的发展。AI的检测败血症的应用可以降低患者的死亡率很长的路要走。工作正在进行开发,分析从患者的电子病历,患者生命体征和代谢水平,以检测他们是否有获得败血症的可能性的计算机算法。

疾病流行趋势:患者越来越多地依赖谷歌等搜索引擎,在去看医生之前在线检查自己的症状。使用人工智能监测这一搜索并从中得出结论,可导致在人群中可能爆发疾病时进行早期干预。早在2008年,谷歌就试图用谷歌流感趋势来做这个,但由于缺乏精简的数据和许多不一致的地方而失败了。随着过去十年计算机和人工智能的进步,这将成为早期检测传染病和预防传染病爆发的巨大资产。

谈到电子健康记录到的风险预测:病人的医疗记录是一个数据金矿,但通过数据整理和未来与有用的结果是,会导致很多人的时间和精力去浪费的任务。这就是AI的计算能力来发挥。EHR分析工具雇用深学习技术已通过使用风险评分,并导致预测分析,让机器学习算法来确定病人的风险以获取慢性病分层工具中发掘有价值的患者数据。

现实生活中应用

  • 苹果4代我看能够监测佩戴者的心电图,类似于单导心电图,并检测任何异常。当它的陀螺仪检测到可能的坠落时,它还会向家属和紧急服务人员发送求救信息。
  • 休斯敦卫理公会研究所德克萨斯州正在研究对乳房x线照片进行分析,从而对女性乳腺癌进行早期非侵入性诊断,减少误诊。

3.有效的诊断

人工智能采用结构化和非结构化数据,获取其结果。所述结构化数据包括基因组研究中,图像(无线电诊断和病理),读数和记录形成的医疗设备等。然后,该数据是使用机器学习技术来推断诊断和可能疾病结果聚类。

非结构化数据可以是医生的病历、电子病历(EHRs)形式的病人病历、实验室报告、出院摘要等。人工智能利用自然语言处理从非结构化数据集中提取相关信息,以协助临床决策、预警治疗安排、监测不良反应等。

通过更快地使用结构化和非结构化数据,人工智能的使用可以帮助以更有效的方式进行诊断。人工智能在诊断方面的主要优势是,它的所有决定都是基于证据的,没有可能导致人类诊断的认知偏见。让我们来看看人工智能在疾病诊断中的应用。

诊断X光片使用:用于从MRI机器,CT扫描和X射线获得的放射线图像的图像分析中使用的AI不仅造成诊断那名按面值与人类放射科医师,所获得的结果要快得多为好。意思是一个辅助的放射科医师,谁可以使用AI日常情况,并利用他/她的资源,更复杂的情况AI在放射诊断中的应用。

AI在肿瘤学中的应用:AI是被训练识别和确定基于面部识别技术皮肤癌的诊断皮肤病变。如上所述,它是在乳腺癌诊断通过乳腺X线照相分析中使用。通过使用虚拟AI活检利用基于图像的算法,以使radionomics领域的进步。这将允许临床医师制定肿瘤的行为更准确地了解作为一个整体,让他们更好地确定肿瘤的侵袭性的能力,并选择将导致最佳结果的处理

AI在病理学中的应用:病理诊断涉及组织的显微镜下的部分的检查。深度学习的加入训练图像识别算法当与人专业技术相结合将提供更准确的诊断。在像素级的大的数字图像的分析可在检测病理损害,其可能逃脱人的眼睛和导致更有效的诊断帮助。

现实生活中应用

  • 微软的InnerEye倡议:它使用机器学习进行射线图像,并建立图像诊断工具的分析。结果可用于放射治疗的规划,和精确的手术计划和导航。
  • 斯坦福大学:研究人员在斯坦福大学大学正致力于利用卷积神经网络进行深度学习,以训练一种算法来诊断皮肤癌。最棒的是,它能用在智能手机上,可以用来检测2000多个不同的皮肤病变中的黑色素瘤。
  • 哈佛医学院:的研究人员哈佛医学院和Beth Israel Deaconess医学中心开发的AI动力系统,使采用深度学习和机器学习病理诊断更准确。该算法使用语音和图像识别来解释病理图像和火车计算机癌和非癌性病变来区分。该算法与病理学家的工学结合导致了百分之99.5的准确率。

4.医疗决策

使用人工智能算法来支持临床决策,早期预警和风险评分确保提供优质的临床护理。人工智能系统不会遭受像决策疲劳和警报疲劳这样的人类缺陷,所以使用这些来确定临床工作流程和它的管理将导致更有效的病人护理。

行政工作流程管理:利用人工智能通过自定义软件开发实现管理工作流程的自动化,确保医护人员喜欢医生和护士执业节省日常任务时间,可以在紧急的事情,而不是优先考虑。像在病人的图表,医疗记录输入程序的任务管理可以利用语音 - 文本转录,可以节省宝贵的时间来完成。

预测分析:以电子病历形式收集的患者数据和从可穿戴设备获得的患者数据,使医生能够获得有关患者以及患者所属人群的有价值的数据。利用人工智能算法对这些数据进行计算,有助于开发患者档案,建立预测模型,从而有效地预测、诊断和治疗疾病。

临床决策:有机会获得完整的病人资料是为临床决策的福音。这也导致了治疗模式的发展,满足个体患者的需要是从一般的做法不同传统的采用。

现实生活中应用

  • 谷歌的DeepMind:这项技术使用机器学习来建立学习算法到模仿人类大脑的神经网络中。它旨在帮助临床医生做出医疗决策,并帮助他们更快地从测试到治疗。
  • IBM沃森:Sloan Kettering纪念(MSK)的肿瘤科已经与IBM合作沃森为癌症治疗和研究提供基于AI的解决方案。它拥有数十年的癌症数据,可以用来为医生提供未来病例的治疗思路。
  • 普华永道Bodylogical:Bodylogical适用规范分析工具与分析保险丝科学。这导致在创造数字双胞胎来预测疾病进展,监测健康状况,确定合适的生活方式的改变,从而在降低整体医疗费用的帮助(用户该模型人体的虚拟版本)。
  • 细微差别:在计算机雷电竞官网app辅助医生文档(CAPD)公司合作,提供临床文档改善(CDI)。这些AI供电解决方案降低了文档时间,提高报告质量。

5.治疗

AI可以帮助临床医生具有在护理计划,并最终帮助患者更好的协调,疾病管理,结果更全面的方法,成为他们的长期治疗方案更柔顺。它也发挥着通过提供护理举足轻重的作用远程医疗和远程病人监护。

这里有一些相同的应用程序。

虚拟护理助理:工作目前正在使用AI虚拟护士,这将是可在患者的整个治疗床边的开发进度。它们被用来监测患者的统计信息和提供答案的常规问题。他们建立了医生和患者之间的沟通渠道,定期,从而有助于防止不必要的医院就诊,节省了成本。护士化身是基于语音和使用语言的沟通交谈与病人。

语音到文字转录:时间一显著量由医疗服务提供者在病人的健康记录进入内科或外科笔记度过。AI-语音启用这些笔记的文字转录会增加患者治疗所花费的时间,提高了临床疗效。

精密医学:具有临床医生的处置相关的患者数据是在精密医学发展的正确方向迈出的一步。它使医生采取医疗决定迎合个别病人,并为每一位患者的具体治疗计划。

现实生活中应用

  • Sensely是能够远程病人监护的化身的形式的虚拟护理员。它采用其专有的分类引擎的语音识别软件,听用户的查询,并提供适当的响应。
  • 你好Rache是一个实时的虚拟助理转录,协助和执行日常管理任务的医疗专业人员。
  • 皇家飞利浦通过使用传感器和数据分析实现远程患者监测。然后将数据流传输到远程护理团队,以决定治疗计划。

6.研究

  • 药物基因组学:药物相互作用和功效而变化从人到人,并通过遗传变异的影响。药物基因组学旨在理解到药物个体反应,这些变化的影响。AI使用,通过大量的基因组学研究产生可以帮助提供有用的见解给药机构的数据进行筛选。
  • 药物发现和药物组合分析:药物研究需要很多年,数百万美元的临床试验前和销售的药物才能进行。使用AI的精简药物发现和药物的再利用过程中有显著提高新药开发,缩短产品上市时间的药物,并降低成本的潜力。

现实生活中应用

  • 在一个临床试验在2016年,研究人员利用AI的拿出数学公式用于确定免疫抑制剂的剂量施用给定用于接收器官的患者。
  • 制药公司。艾未未是一家生物信息公司,它利用人工智能研究癌雷电竞官网app症、阿尔茨海默氏症、帕金森症以及其他衰老和与年龄相关的健康问题的药物研发项目。
  • Atomwise在最近的研究中使用的AI扫描现有的药品可能被重新设计,以防止埃博拉病毒作斗争。在短短一天的跨度就发现两种药物有潜力降低传染性,分析通常需要花费大量的时间。

7.机器人和聊天机器人

  • 机器人辅助外科手术:认知手术机器人使用AI使用信息,以前的手术,以在手术技术的改进。从前期OP记录数据与运营指标综合后的手术效果得到改善。这些手术是微创和机器人辅助器械精度的结果减少21%的停留交运的病人的长度。
  • 自主机器人手术:虽然目前的事情仅限于科幻小说,机器人只有手术可以在未来是现实的事情。使用机器学习的电机模式识别和可视数据解释相结合会导致延长外科医生的灵巧的机器人来,使自主机器人手术成为现实。机器人只能手术治疗目前仅限于医生的通过计算机远程控制机器人,但可以在未来的日子里变换。
  • 辅助机器人:这些机器人在各种临床领域都有应用,包括病人护理、护理、实验室使用,以及老年和虚弱病人的护理。
  • 聊天机器人:聊天机器人是AI-供电算法,由医疗保健应用程序开发人员构建,能够进行与终端用户的基本对话。他们必须成为初级保健的第一个接触点的潜力。查询的严重性确定和聊天机器人醚解决问题或者升级它给医生。广泛使用聊天机器人的大大减少了医生的负担,以及否定需要不必要的车程,医疗服务提供者。

现实生活中应用

  • 达芬奇机器人系统包括一个宽范围的临床机器人,其能够帮助人类外科医生的,并且还可以执行由经由计算机外科医生远程控制操作。
  • RoBear是看护机器人中的能力提升和移动病人下床到轮椅上,帮助那些谁需要帮助站立,甚至把病人在床上,以防止褥疮。
  • Xenex机器人用于用紫外线对医院进行消毒,防止医院获得性感染的发生。
  • 聊天机器人就像你。md, Izzy, Healthtap, ada health等常用作为聊天机器人来获取医疗信息。这些将作为移动应用程序下载到用户的智能手机上,并使用人工智能算法和自然语言处理来提供与文本/语音健康相关的反馈。

大数据的合作,AI和卫生部门的机器人将导致智能医疗解决方案的开发。这些将被用来提供证据,并根据结果护理为重点,预防保健。

采用人工智能面临的挑战

在医疗保健领域采用AI开辟了多种可能性,但他们与他们自己的一套的挑战。

1.初始收养问题

为了吸引利益相关者在AI的投资,成功的案例研究,需要记录和呈现,但为了拿出的案例研究,医疗保健公司需要在船上。正如任何新技术,有一个最初的犹豫收养在市场上具有两个医疗机构和具有其适用性和可行性的担忧用户。

2.黑盒困难

机器学习和深度学习缺乏回答“为什么”问题的能力。所得到的结论背后的逻辑不合理,这导致对所得到的结果缺乏信心。系统如何提出诊断或建议是治疗计划的一个重要部分,因此在一天结束时,最终的决定权在医生手中。

3.数据隐私问题

患者健康状况统计数据是极其敏感的数据,需要有适当的机制来确保其不受外部攻击的安全。

4.涉众的复杂性

每个人都在医疗行业,包括病人,医护人员,制药公司,保险公司,医疗机构的行为,如通过AI的利益相关者。在任何级别的技术阻力导致与技术的结合为一个整体的问题。

5.遵循规则

患者数据的收集需要遵守一系列法律,如HIPAA,人工智能的合并需要得到FDA等组织的批准,以确保联邦标准的维持。在不同数据库之间共享数据以便由人工智能算法进行分析,这在遵守HIPAA方面构成了挑战。

    Vinati Kamani

    Vinati Kamani博士撰写了关于新兴技术及其跨行业应用的文章Arkenea。她是一个狂热的读者,并自称是一个爱读书的人。当维纳蒂不在她的办公桌上写文章或阅读最近的趋势,她可以发现她旅行到遥远的地方,吸收不同的文化体验。