


Baidu acquiert GBI Health, où ira le populaire « IA + médical » ?
Pendant cette période, l'industrie médicale est un sujet brûlant. Premièrement, la popularité de ChatGPT s'est étendue du « domaine de recherche » au « domaine médical », déclenchant des sujets brûlants tels que « ChatGPT peut-il subvertir l'IA médicale » et « Combien de temps faudra-t-il pour que ChatGPT soit utilisé à des fins de consultation médicale » ; Baidu a acquis le premier service médical à guichet unique au monde, GBI, un fournisseur de données d'information, qui ouvre une nouvelle ère de « connaissances intelligentes de la chaîne complète de l'IA et du Big Data médical ». Une fois la fusion terminée, Baidu combinera très probablement Wen Xinyiyan avec GBI, qui dispose d'énormes données médicales et sur les appareils. Cette décision apportera également à Baidu une influence correspondante dans le domaine des services de solutions commerciales médicales. Quels sont les principaux scénarios d’application « IA + soins médicaux » qui ont déclenché des discussions animées ? Quelles sont les perspectives de développement ? Trouver la réponse à cette question commence par le développement du marché médical de l’IA+.
« IA + soins médicaux » est en feu
Baidu a acquis GBI et a combiné Wen Xinyiyan avec GBI, déclenchant une vague « IA + soins médicaux ». Cela montre que la participation de l’intelligence artificielle dans tous les aspects de l’industrie médicale s’approfondit progressivement. Selon les données d'une enquête de la société d'études de marché ReportLinker, le marché mondial de l'IA dans le domaine de la santé passera de 14,6 milliards de dollars américains en 2023 à 102,7 milliards de dollars américains en 2028, avec un taux de croissance annuel composé de 47,6 %. Dans le même temps, l’aide apportée par l’IA au personnel médical est reconnue. Dans l'enquête « Future Doctor White Paper », 80 % du personnel médical mondial interrogé a déclaré que les mégadonnées seront profondément intégrées dans le travail et les processus de diagnostic et de traitement, aidant les médecins à formuler des plans de diagnostic et de traitement plus précis et à améliorer l'efficacité de la prise de décision. .
L'intégration profonde de l'IA et de l'industrie médicale a commencé entre le milieu et la fin du 20e siècle. L'intelligence artificielle commence à aider les médecins à obtenir des informations médicales faisant autorité, créant ainsi une base de connaissances sur le diagnostic clinique et le traitement pour le diagnostic auxiliaire. Au début du 21e siècle, les humains ont commencé à explorer progressivement la relation entre la technologie de l’intelligence artificielle et les robots intelligents, permettant enfin d’appliquer les robots chirurgicaux dans le domaine des soins médicaux auxiliaires. C’est également au début du XXIe siècle que les États-Unis ont commencé à tenter de signer des projets de loi visant à encourager un soutien financier supplémentaire aux hôpitaux utilisant des dossiers médicaux électroniques. Jusqu'en 2014, le développement de la technologie de l'intelligence artificielle est progressivement entré dans le domaine de la segmentation verticale, et les entreprises d'intelligence artificielle ont commencé à cibler l'impact de l'IA+.
Ces dernières années, grâce à l'amélioration de la précision de la reconnaissance d'images de l'intelligence artificielle dans le domaine médical, l'imagerie AI+ est devenue populaire et est considérée comme l'un des domaines dans lesquels l'intelligence artificielle est la plus susceptible d'être mise en œuvre. Dans le même temps, la base de connaissances sur le diagnostic clinique et le traitement que les humains ont cultivée pendant de nombreuses années a permis à une série de produits, notamment des systèmes auxiliaires d'aide à la décision clinique, d'être promus et progressivement mûris. De plus, l'IA a également commencé à pénétrer dans les systèmes de gestion des dossiers médicaux numériques des patients. Tout en résolvant les problèmes de contrôle de qualité des dossiers médicaux complexes, elle a également progressivement construit un modèle de dossiers médicaux intelligents.
Maintenant, grâce au fort soutien des politiques de l'industrie médicale IA+ à travers le pays et aux pistes segmentées associées montrant progressivement un modèle de profit clair, le marché a finalement inauguré une période de croissance explosive. En prenant comme exemple les dispositifs médicaux IA+, d’un point de vue mondial, la taille du marché des dispositifs médicaux IA+ est passée de 86,5 millions de dollars américains en 2016 à 506 millions de dollars américains en 2021, avec un taux de croissance composé de 42,4 %, et devrait atteindre 3,496 milliards de dollars américains en 2024. Le taux de croissance composé au cours des trois prochaines années sera de 118,5 %. La médecine IA+montre un potentiel infini.
Où va « IA + soins médicaux » ?
Avec l'explosion de ChatGPT et de la fusion et de l'acquisition de Baidu, le marché médical AI+ est devenu un sujet brûlant, et les soins médicaux AI+ pénètrent également dans des scénarios de services médicaux plus différents, le diagnostic assisté par AI+, l'imagerie médicale AI+, la recherche de nouveaux médicaments AI+ et. Le développement, la gestion de la santé IA+, etc. sont progressivement devenus un domaine segmenté populaire, mais les problèmes rencontrés dans chaque domaine sont également le moteur de la progression de l'IA+ médical.
Avec l’amélioration des capacités de reconnaissance d’images de l’IA, l’imagerie médicale est progressivement devenue l’un des domaines où l’IA est profondément impliquée. Alors que la demande du marché clinique augmente, le potentiel de marché de l’imagerie médicale AI+ a été mis en évidence. Tencent, iFlytek et Infer Technology ont déployé l’imagerie médicale AI+. Cependant, les sociétés d’imagerie médicale AI+ sont confrontées à des problèmes tels que le coût élevé de l’obtention de données de haute qualité. La priorité absolue est de supprimer les barrières entre les images de haute qualité dans les principaux hôpitaux et de mettre en place un mécanisme de partage régional.
Le diagnostic auxiliaire AI+ peut soutenir efficacement le diagnostic clinique et les décisions de traitement des médecins. Actuellement, les scénarios médicaux auxiliaires s'étendent aux robots de guidage médical, aux dossiers médicaux électroniques, aux assistants virtuels, etc. Cependant, le scénario médical auxiliaire présente des obstacles très élevés pour les sociétés d'information, et les bases de connaissances de nombreuses entreprises ne peuvent pas répondre aux besoins cliniques des médecins. La solution réside dans l’ouverture et la mise à jour en temps réel de la base de données.
L'utilisation de capacités algorithmiques pour aider à la recherche et au développement de nouveaux médicaments est également l'un des scénarios d'application importants. À l'heure actuelle, bien que de nombreuses sociétés d'intelligence artificielle se soient lancées dans le domaine de la recherche et du développement de nouveaux médicaments, elles sont généralement confrontées à des problèmes tels que de longs cycles de recherche et développement de médicaments, des coûts de recherche et développement élevés et de faibles taux de réussite en matière de recherche et développement. Grâce aux avantages algorithmiques de l’intelligence artificielle, les composés candidats-médicaments peuvent être virtuellement criblés, réduisant ainsi progressivement le coût de développement de nouveaux médicaments.
Les scénarios d'application de la gestion de la santé AI+ se concentrent sur l'identification des risques, les infirmières virtuelles, les soins médicaux mobiles, les appareils portables, etc. Cependant, à l'heure actuelle, les problèmes courants sont principalement la faible sensibilisation du public à ce concept, le manque de professionnalisme correspondant parmi les personnes engagées dans la gestion de la santé et la faible corrélation des données liées aux appareils intelligents des patients. La priorité absolue est que l’IA puisse aider les responsables de la santé à créer une plateforme et à utiliser une cartographie complète des connaissances pour fournir aux patients des plans de gestion de santé optimaux.
De plus, l'enseignement médical, l'administration hospitalière, la recherche clinique, etc. sont également des domaines clés pour explorer et appliquer des solutions d'intelligence artificielle afin d'autonomiser le personnel médical. Parmi eux, l'intégration de l'IA et des processus de gestion du travail peut aider le personnel médical clinique à se libérer des affaires administratives triviales quotidiennes, leur permettant ainsi de se concentrer plus efficacement sur le diagnostic et le traitement des patients. L'application combinée de la formation médicale et de l'IA prend en compte la réalité du système médical, permettant au personnel médical clinique d'être plus empathique envers les patients et aide le personnel médical clinique à acquérir des compétences professionnelles plus efficacement et à s'adapter plus sereinement aux changements dynamiques de l'environnement médical. .
Joindre GBI, la mise en page de Baidu
Le sujet revient sur l'acquisition de GBI Health par Baidu. Par coïncidence, l'acquisition de GBI Health par Baidu a eu lieu après l'annonce officielle de Wen Xinyiyan. Nous ne sommes actuellement pas sûrs de la participation de Wenxinyiyan dans GBI Health, mais ce qui est certain, c'est que Baidu injectera certainement des capacités d'intelligence artificielle dans GBI Health. industrie médicale. Selon les spéculations de l'industrie, GBI Health, qui dispose d'énormes données médicales et sur les appareils, devrait être associée à Wen Xin Yiyan pour devenir un groupe de réflexion professionnel médical doté de données plus complètes et d'interactions plus intelligentes. À l'avenir, lorsque GBI Health sera profondément intégré à des activités principales telles que Baidu Health et Lingyi Zhihui et à la technologie d'IA de base de Baidu, Baidu pourrait créer un modèle d'application d'intelligence artificielle pour l'industrie médicale.
Dans le domaine médical, quelle est l'existence de GBI Santé ? Selon les données, GBI Health a été créée à Shanghai en 2002 et est le premier fournisseur de données d'informations médicales en Chine. Elle s'est toujours engagée à s'appuyer sur les données et la technologie pour fournir des informations holographiques aux sociétés pharmaceutiques, aux appareils et aux prestataires de services liés à l'industrie. des informations tout au long du cycle de vie mondial des produits pharmaceutiques et des dispositifs. Des informations de grande valeur telles que des données, des informations industrielles et des actualités mondiales aident les entreprises à dominer le marché en matière de conception stratégique, de décisions de produits et d'informations sur le marché.
GBI Health dispose actuellement de trois bases de données, dont la base de données mondiale sur les médicaments SOURCE, la base de données des chercheurs METRIX et la base de données sur les dispositifs médicaux DEVINT, qui parcourent le cycle de vie du développement des médicaments et des dispositifs. Il semblerait que GBI travaille dans le domaine de l'information médicale depuis plus de 20 ans et que sa clientèle comprend des sociétés pharmaceutiques multinationales telles que Eli Lilly, Sanofi et Pfizer, des sociétés pharmaceutiques innovantes telles que Innovent Biologics, Fosun Pharma, CStone Pharmaceuticals et WuXi AppTec, etc. Entreprise CRO.
GBI et Baidu ont uni leurs forces pour offrir de nombreuses possibilités à l'industrie. D'une part, GBI s'intégrera profondément aux puissantes données, technologies et ressources de Baidu HCG pour lancer un nouveau segment de services de business intelligence afin de fournir une aide à la prise de décision commerciale entièrement en boucle fermée couvrant l'ensemble du secteur médical et de la santé. D'autre part, la technologie Baidu Medical NLP et de gestion des mégadonnées, qui ont été soigneusement peaufinées et appliquées dans le domaine médical, améliorera l'ensemble du lien GBI depuis l'acquisition et la gestion des données jusqu'à la recherche précise des données et l'efficacité de la correspondance, permettant ainsi aux clients de dispositifs médicaux. ' recherche et développement, essais cliniques et enregistrement, accès, ventes, investissements et transactions de financement et d'autres aspects pour aider de manière globale les entreprises dans leur configuration commerciale.
Écrit à la fin
ChatGPT a encore une fois rendu l'intelligence artificielle populaire. Les données d'IDC montrent que la valeur totale du marché des applications d'intelligence artificielle devrait atteindre 127 milliards de dollars américains en 2025, dont l'industrie médicale représentera près de 20 % du marché total des applications. Les soins médicaux AI+ peuvent essentiellement s'appuyer sur ses excellents algorithmes et son analyse du Big Data pour pénétrer en permanence dans la couche de ressources de données et la couche d'application technique des plates-formes de services pertinentes, briser les barrières de données de chaque port de service, réduire le coût médical global et réaliser des soins médicaux. services d'imagerie et auxiliaires. La mise en œuvre parfaite de scénarios d'application de base tels que le diagnostic et le traitement, la gestion de la santé, la recherche et le développement de nouveaux médicaments, la prédiction des maladies, les assistants virtuels, la gestion des processus et les plates-formes de recherche améliorera à terme le niveau médical national global.
L'acquisition de GBI Health, un fournisseur de services de solutions commerciales médicales par Baidu, reflète une fois de plus que « IA + médical » est la clé du développement de l'industrie médicale. Avec le développement rapide de l'industrie pharmaceutique chinoise, des données médicales massives continuent de s'accumuler, et la base de données sur les progrès de la recherche scientifique apportera une énorme valeur commerciale aux entreprises du secteur de la vie et de la santé et favorisera le développement vigoureux de l'industrie médicale de l'IA. Pour développer l’industrie médicale AI+, cela dépend de la force des grandes entreprises.
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

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

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)

Sujets chauds

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

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.

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.

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

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.

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

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

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
