|
1、什么是 人工智能医疗？ 人工智能医疗是以互联网为依托，通过基础设施的搭建及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。
基础层：通过软硬件的基础设施，收集用户、药物及病理数据，并使数据互通互联，为人工智能的应用提供支持与可能。 技术层：通过语音 / 语义识别、计算机视觉技术，对非结构化数据进行分析提炼。「学习」大量病理学数据文本，使其掌握问答、判断、预警、实施的能力。 应用层：是指人工智能与不同细分领域的结合，以解决医疗行业中的某种业务需求，如智能诊断、药物研发、智能健康管理、智能语音等医疗场景。 2、人工智能医疗行业发展解析 根据鲸准中心标签热度算法统计，有关于 AI 医疗的标签：深度学习、计算机视觉、AI 医疗、智能诊断、医疗影像、自然语言处理、AI 芯片、医疗大数据关注度有较大提升。 3. 人工智能医疗的驱动力 1）、政策推动 人工智能政策持续利好。2017 年 7 月国务院刚印发《新一代人工智能发展规划的通知》，明确提出「到 2020 年人工智能总体技术和应用与世界先进水平同步」。 医疗政策持续利好。2016 年国务院发布《关于促进医药产业健康发展的指导意见》，明确提出开展智能医疗服务。 2）、国情推动 社会进步和人们健康意识的渐渐觉醒，人口老龄化问题的加剧；病患多、医生少；医务人员培养成本过高；药物研发周期长、费用高；医生诊断不容犯错。 3）、技术推动 语音和图像识别技术目前已达到商业化高度。 从 2012 年的 ImageNet 大赛一直到现在，深度学习在图像的分类与识别上已经取得了非常大的进展。在医疗影像领域目前对某些病理 图片的识别准确率已超过 90%，用于辅助医生诊断已不成问题。区别于机器学习，需要给出特定规则后才能进行。而深度学习则可自由生成多层「网络」（深度神经网络）。 在深度学习之前，大约在 90 年代，就已有很多人做计算机辅助诊断（CAD）。之前神经网络做不深，现在有了新型计算机和深度学习之后，可以实现很深的网络。举例「乳腺钼靶肿块判读」。 三大 AI 技术基石：深度学习算法 + 计算能力 + 大数据，为 AI 融入医疗奠定基础。 4）、设备驱动 电子胶片的普及；POCT 及智能可穿戴设备公司初具规模，大量设备及胶片投入使用，形成庞大的用户病理数据，为构建医疗大脑奠定基础。 5）、基础设施驱动 根据 CHIMA 的数据统计，显示早在 2015 年 9 月，超过 60% 的医院都已完成医院管理信息系统（hmis）的全面搭建。以「EMR」为核心的 CIS 成为建设重点。
1、加快基层医疗机构的信息化建设，加速区域信息化集成布局。 2、数据获取能力的提升、算法的改进、人工智能技术的创新。 3、逐步完善底层核心知识图谱。 精准预测可拓展领域：AI+ 精神疾病管理、AI+ 精准诊断、AI+ 精准治疗、AI 制药等。 |
|
|
来自： budaozheli > 《人工智能医疗》
