Périphériques technologiques
IA
Dix principaux scénarios d'application de l'intelligence artificielle dans le domaine médical en 2022
Dix principaux scénarios d'application de l'intelligence artificielle dans le domaine médical en 2022
Qu'est-ce que l'intelligence artificielle médicale ?
L'intelligence artificielle médicale fait référence à l'application de l'intelligence artificielle dans les services médicaux et dans la gestion ou la prestation de services médicaux. L’apprentissage automatique, les grands ensembles de données non structurées, les capteurs avancés, le traitement du langage naturel et la robotique sont tous utilisés dans un nombre croissant de secteurs de la santé.
En plus de ses vastes perspectives d'application, la technologie de l'intelligence artificielle pose également des problèmes potentiels importants, tels qu'une éventuelle utilisation abusive de la centralisation et de la numérisation des données des patients, et d'éventuels liens avec la nanomédecine ou les identifiants biométriques universels. L’équité et les préjugés ont également été des préoccupations dans certaines premières applications de l’IA, mais la technologie pourrait également améliorer l’équité médicale.
Bien que le déploiement de l’IA dans le domaine de la santé ne fasse que commencer, elle devient de plus en plus courante. Le cabinet d’études Gartner prédit que les dépenses mondiales en informatique dans le domaine de la santé atteindront 140 milliards de dollars en 2021, et que les entreprises citeront l’intelligence artificielle et l’automatisation des processus robotiques (RPA) comme dépenses majeures.
En 2020, les coûts médicaux représentaient près de 20) (19,7 %) de l'économie totale des États-Unis (environ 4,1 billions de dollars). Et la fraude contre les gouvernements est particulièrement grave.
Ainsi, de la gestion administrative à l’IA médicale, la valeur potentielle de l’IA médicale est énorme.
Top 10 des scénarios d'application de l'intelligence artificielle dans les soins de santé en 2022
Voici 10 domaines majeurs dans lesquels les cas d'utilisation de l'IA dans le domaine des soins de santé sont actuellement développés et déployés.
(1) Gestion médicale
Les frais administratifs sont estimés à 15% à 25% des dépenses médicales totales. Les outils qui améliorent et simplifient l’administration sont précieux pour les assureurs, les payeurs et les prestataires.
Cependant, l’identification et la réduction de la fraude peuvent apporter le retour le plus immédiat, car la fraude dans le domaine des soins de santé peut se produire à plusieurs niveaux et être commise par diverses parties. Dans certains des pires cas, la fraude peut conduire les compagnies d’assurance à facturer des services qui n’ont pas été effectués, ou à des chirurgiens effectuant des interventions chirurgicales inutiles en échange de prestations d’assurance plus élevées. Les assureurs peuvent également payer davantage pour des équipements ou des kits de test défectueux.
L'intelligence artificielle peut être un outil utile pour prévenir la fraude. Tout comme les banques utilisent souvent des algorithmes pour détecter les transactions inhabituelles, les compagnies d’assurance maladie peuvent faire de même.
• Les recherches de McKinsey & Company révèlent des économies grâce à un « audit intelligent » piloté par des algorithmes des réclamations d'assurance.
•Les Centers for Medicare et Medicaid Services du gouvernement américain ont formé un partenariat de prévention et de fraude dans le domaine des soins de santé pour identifier les modèles dans les bases de données agrégées.
(2) Santé publique
L'intelligence artificielle a été appliquée à l'ensemble du secteur de la santé publique. Citons notamment :
• Des algorithmes d'apprentissage automatique sont appliqués à de vastes ensembles de données de santé publique, et les Centers for Disease Control and Prevention (CDC) des États-Unis ont compilé de nombreuses applications de l'intelligence artificielle pour analyser l'épidémie de COVID-19 et sa santé publique.
•Le traitement du langage naturel est appliqué à la santé publique.
•De plus en plus de données d'imagerie diagnostique sont utilisées pour l'analyse et la prévision de la population.
• Appliquez la science des données sur les consommateurs et la technologie comportementale « push » pour créer des push « de précision » ou personnalisés afin de promouvoir les visites médicales, la conformité médicale, et bien plus encore.
(3)Recherche médicale
• Trouver de nouveaux médicaments pour traiter les maladies peut être complexe. La conception de médicaments assistée par ordinateur est un domaine très complexe.
•Dans certains cas, l'objectif est de réutiliser des médicaments existants. Dans un exemple récent, l’intelligence artificielle analyse des images de cellules pour déterminer quels médicaments sont les plus efficaces chez les patients atteints de maladies neurodégénératives. En répondant positivement à ces traitements, les neurones changeront de forme. Toutefois, les ordinateurs conventionnels sont trop lents pour détecter ces différences.
•Le fournisseur pharmaceutique Bayer estime que l'intelligence artificielle peut améliorer les essais cliniques en utilisant les informations des bases de données médicales pour créer des groupes de contrôle virtuels. Ils explorent également d’autres applications d’essais cliniques sur l’IA pour rendre ces études plus sûres et plus efficaces.
(4) Formation médicale
L'intelligence artificielle peut également changer la manière dont les étudiants en médecine reçoivent une partie de leur formation. Il s'agit notamment des éléments suivants :
• Un exemple est celui où des étudiants en médecine ont été aidés par un tuteur en IA alors qu'ils apprenaient à retirer une tumeur cérébrale. Le système utilise des algorithmes d'apprentissage automatique pour enseigner aux étudiants des techniques sûres et efficaces, puis évalue leurs performances. Les personnes qui utilisent des systèmes d’IA acquièrent des compétences 2,6 fois plus rapidement et sont 36 % plus performantes que celles qui ne l’utilisent pas.
• Les établissements de santé aux États-Unis et au Royaume-Uni ont également déployé des services aux patients basés sur l'IA pour faciliter la formation virtuelle et à distance. Cette approche est particulièrement utile lorsque la pandémie de COVID-19 empêche les rassemblements de groupe. L’intelligence artificielle soutient la pratique de diverses compétences, comme réconforter un patient en détresse ou transmettre un message.
(5) Soutien aux professionnels de la santé
L'intelligence artificielle est également utilisée pour soutenir les professionnels de la santé en milieu clinique, notamment :
•L'intelligence artificielle doit être utilisée pour aider les établissements médicaux à intégrer les professionnels. Un projet pilote de l'Université de Stanford utilise des algorithmes pour déterminer si un patient présente un risque suffisamment élevé pour nécessiter des soins en soins intensifs, s'il subit un événement lié au code ou s'il a besoin d'une équipe d'intervention rapide. Ils évaluent la probabilité que ces événements surviennent dans un délai de six à 18 heures, aidant ainsi les médecins à prendre des décisions plus sûres.
•Des applications basées sur l'IA sont en cours de développement pour soutenir les infirmières, en leur fournissant une aide à la décision, des capteurs pour les informer des besoins des patients et une assistance robotique dans les situations difficiles ou dangereuses sur le terrain.
(6) Fournir une assistance directe aux patients
L'intelligence artificielle est également utilisée pour fournir une assistance directe aux patients :
•Les hôpitaux utilisent des chatbots d'intelligence artificielle pour enregistrer les patients et les aider à obtenir plus rapidement les informations nécessaires. Lorsque le système d’intelligence artificielle de Northwell Health discutait avec les patients, le taux d’engagement parmi les patients utilisant les services d’oncologie était de 94 %. Les cliniciens qui ont essayé cet outil conviennent qu’il prolonge les soins qu’ils prodiguent. Les chatbots peuvent vérifier les symptômes des patients, leur rétablissement, etc. De nombreuses personnes sont habituées à la messagerie texte, ce qui améliore l'acceptation des patients. Les chatbots réduisent également les difficultés auxquelles les patients peuvent être confrontés lorsqu’ils recherchent des soins. Les gens peuvent les utiliser pour trouver un hôpital ou une clinique, prendre rendez-vous et décrire leurs besoins.
•On estime que jusqu'à la moitié des patients ne prennent pas leurs médicaments comme prescrit. Cependant, l’intelligence artificielle peut augmenter les chances que les patients prennent leurs médicaments à temps. Certaines plateformes utilisent des algorithmes intelligents pour recommander quand les professionnels de la santé doivent communiquer avec les patients sur les problèmes de conformité et par quels canaux. Il existe même des chatbots de rappel de médicaments. Dans un exemple récent, des chercheurs ont collaboré et utilisé l’intelligence artificielle pour trouver les meilleurs médicaments pour les personnes atteintes de diabète de type 2. Ces algorithmes ont aidé plus de 83 % des patients à choisir le bon traitement, même lorsqu’ils prenaient plusieurs médicaments en même temps.
(7) Télémédecine
Depuis l'apparition des restrictions de voyage dues à la pandémie de COVID-19, la télémédecine sous forme de visites virtuelles chez le médecin est devenue de plus en plus courante. En plus de cela, l'IA prend en charge d'autres formes de télémédecine, notamment :
• L'application VirtuSense prédit la surveillance à distance de l'IA et alerte les prestataires des changements à haut risque pouvant entraîner des chutes des patients.
•Certaines installations qui utilisent actuellement l'IA pour la surveillance s'en servent pour tout détecter, des maladies cardiaques au diabète. Les hôpitaux utilisent également cette technologie pour surveiller les patients atteints du COVID-19, ce qui permet de décider plus facilement quels patients peuvent recevoir des soins à domicile et lesquels doivent être hospitalisés.
(8) Diagnostic
L'IA est également utilisée pour le diagnostic dans les centres de santé, notamment :
• Un système d'IA pour détecter le cancer du sein peut détecter les problèmes actuels et la possibilité que les patientes développent la maladie dans les prochaines années.
•Certaines applications de l'IA dans les soins de santé peuvent également détecter les maladies mentales. Les chercheurs ont utilisé des algorithmes formés pour identifier les personnes souffrant de dépression en écoutant leur voix ou en analysant leurs messages sur les réseaux sociaux.
(9) Chirurgie
L'intelligence artificielle n'élimine pas les problèmes chirurgicaux, mais elle a le potentiel de les réduire tout en améliorant les résultats pour les patients et les chirurgiens. Les exemples suivants illustrent cela :
• Une startup appelée Theatre a récemment levé 39,5 millions de dollars en financement de série A. La société dispose d’une solution vidéo d’IA conçue pour aider les chirurgiens à comprendre ce qui ne va pas et ce qui se passe bien pendant l’intervention chirurgicale. Ils peuvent ensuite étudier ces vidéos et apporter des améliorations à l’avenir.
•Les applications de l'intelligence artificielle dans les soins de santé incluent les robots chirurgicaux, qui sont de plus en plus courants dans les salles d'opération. Beaucoup sont peu invasives et donnent souvent de meilleurs résultats que les interventions non robotiques. Ces applications de l’intelligence artificielle ne remplaceront pas l’expertise chirurgicale humaine. Cependant, ils peuvent servir de compagnon au chirurgien, augmentant ainsi les chances de réussite de l’intervention chirurgicale.
(10)Soins hospitaliers
En plus des cas d'utilisation diagnostique décrits ci-dessus, les cliniciens doivent également répondre aux besoins des patients en matière de soins, stocker des fournitures médicales et livrer des marchandises. Les robots collaboratifs basés sur l’intelligence artificielle commencent à alléger ce fardeau. Selon Gartner, 50 % des fournisseurs américains investiront dans l’automatisation des processus robotisés d’ici 2023. Voici quelques exemples d'automatisation des processus robotiques dans les hôpitaux :
• Un hôpital a récemment déployé cinq robots appelés Moxie. Les machines détermineront de manière proactive quand les infirmières ont besoin de fournitures ou aideront à la logistique des tests en laboratoire. Ils réagissent alors avant que la charge de travail du prestataire ne devienne trop intensive.
Les robots fournis par Atheon prennent non seulement en charge les fonctions médicales, mais peuvent également effectuer des tâches telles que le désherbage et l'enlèvement des déchets.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
