您好,欢迎光临哈尔滨医科大学(大庆)! 返回首页联系我们

业内动态新闻 当前位置:首页 - 业内动态新闻

使用人工智能改善医疗保健和癌症诊断

发布时间:2018-11-24 15:09:23  作者:本站编辑  来源:本站原创  浏览次数:

就在几年前,AI可能是我们在科幻小说中最有可能遇到的一句话。然而,今天,它被用来描述一种新兴的工具,它们能够摄取大量数据,理解它,并从中学习如何更有效地产生洞察力。

这是通过机器学习和 深度学习等“智能”计算技术的进步实现的 。机器学习背后的理论 - 能够根据它们被喂食的数据自我调整的软件算法 - 已经存在了一段时间,至少从20世纪60年代开始。然而,直到最近,才有足够的数据和足够的处理能力来使用它。

一旦达到这些里程碑,就会立即明白这项技术的潜力是多么强大和有用。这就是为什么几年前的想法会被认为是非常具有未来感的想法,例如自动驾驶汽车和实时翻译设备 - 现在已成为现实。

“临床医生对我们的途径有超过80%的遵守,当他们确实走了路时,这有时是合适的,我们会审查数据并在必要时修改我们的建议,”临床解决方案总裁John Danaher博士说。爱思唯尔。

使用AI进行临床决策支持

该过程的下一步是通过机器学习和深度学习来增强这些决策支持系统。这应该意味着更准确的预测,更有效的治疗和更好的患者结果。

丹纳赫解释如下:“如果你想到像医院这样的医疗保健企业,你就有放射科,病理科 - 所有这些不同的领域都在进行测试,做研究; 他们总是生成大量的数据,但传统上它都是基于纸张的。

“我们现在拥有的是医疗保健服务系统的巨大渗透,以数字方式捕获所有这些信息:管理信息,临床信息,保险索赔 - 以及基因组数据的整个区域。”丹纳赫告诉我,当您汇总这些数据时,价值有两种方式:

大量数据可提高可预测性并生成更准确的模型

临床医生通过汇总他们的临床病史,他们的索赔数据,基因组数据等,对个体患者有更准确和全面的了解。

为此,Elsevier正在其临床决策支持平台中利用人工智能技术。

基于其期刊文章,书籍和数据库中的所有信息,Elsevier使用自然语言处理来为症状模型生成疾病。

丹纳赫解释说:“我们能够在大型患者数据库上训练这些预测模型。我们构建了一个应用程序,可根据患者的症状和病史生成鉴别诊断。它为您提供加权差异:例如,它表示,“对于这个年龄和性别以及现有条件的人,这些症状有70%的可能性是一次诊断,30%的可能性是另一种。”

根据模型从他们接受过培训的其他案例中得知,他们将评估一组特定症状是否值得进一步测试。

“你可以看到人们将来如何进行临床研究的后果,”丹纳赫说。“这将由常规医疗数据驱动。”

通过机器学习和大数据加速药物开发

除了改善患者的治疗效果外,该技术的广泛采用将加快新治疗和药物的使用时间。

这是一个多年的过程; 10年的时间跨度并不是第一次测试显示治疗有效,并且广泛可用的药物。它也非常昂贵,故障率很高。

丹纳赫告诉我,由大数据驱动的机器学习 使我们有可能大大减少发现和部署之间的滞后。

“根据汇总的患者数据,现在可能发生的情况是,您可以在一家医院接受治疗的1000名女性和另一家医院接受治疗的1,000名女性,您可以获取该数据,对其进行标准化并对其进行分析。

“所以在大约一天的时间里,你已经得到了可以做出断言的实际患者数据 - 例如,'如果你使用这种治疗药物,或者按照一定的顺序做所有这些事情,这个1000名患者的队列将延长20%,副作用减少15%。'“

下一步:精准医学

Elsevier的工作就是一个典型的例子,一旦企业通过数字化转型的第一道障碍 - 数据资产的数字化 - 这些资产可以通过高级分析和人工智能重新利用以获得新的价值。

Elsevier目前正在与领先的学术医疗中心进行谈判,以进一步改进和临床验证其决策支持平台的AI组件 - 称为精准医学鉴别诊断工具。

该技术将导致更快,更准确的诊断,同时大大缩短从发现到提供拯救生命的见解的过程。它还将减少不必要的护理差异,通过循证实践标准化护理服务。


地址:黑龙江省大庆市高新区新阳路 39 邮政编码:163319
版权所有:哈尔滨医科大学大庆校区
黑 ICP 备13001430号-1
版权所有:哈尔滨医科大学大庆校区
地址:黑龙江省大庆市高新区新阳路39
黑 ICP 备13001430号-1