Périphériques technologiques
IA
Comment l'intelligence artificielle et l'apprentissage automatique auront un impact sur l'avenir des soins de santé
Comment l'intelligence artificielle et l'apprentissage automatique auront un impact sur l'avenir des soins de santé
Notre système de santé moderne est actuellement confronté à d’énormes défis exacerbés par la pandémie, l’augmentation des maladies liées au mode de vie et l’explosion démographique mondiale.
La bonne nouvelle est que l'utilisation de l'intelligence artificielle pour créer des processus et des flux de travail intelligents peut rendre les soins de santé moins chers, plus efficaces, plus personnalisés et plus équitables. Certains experts prédisent que le secteur de la santé pourrait être le secteur le plus touché par les grands changements de la quatrième révolution industrielle.
Récemment, Tom Lawry de Microsoft AI for Health and Life Sciences a parlé de l'avenir des soins de santé. Voici quelques-unes de ses idées et prédictions les plus importantes :
Défis actuels en matière de soins de santé
Prenons les États-Unis, qui dépensent actuellement plus en soins de santé que tout autre pays au monde, mais dont les résultats en matière de santé individuelle sont faibles par rapport à la plupart des autres pays développés. .
De plus, l’épuisement professionnel des cliniciens est un problème majeur, surtout depuis la pandémie.
Les individus de différentes générations souhaitent également des soins de santé personnalisés en fonction de leurs besoins. Tom Lawry déclare :
« Les millennials veulent pouvoir obtenir leur consultation de santé au même endroit où ils commandent le dîner : leur canapé. Pendant ce temps, des groupes comme les baby-boomers ont une approche très différente. Ils ont tendance à se concentrer davantage sur les soins primaires. prestataires... nous avons donc la possibilité de passer de soins universels dispensés à l'aide de ces systèmes à l'utilisation de données et d'intelligence artificielle pour les personnaliser réellement, de soins générationnels. Et puis, même au sein de chaque génération - les Millennials, Génération Z, etc. — nous avons la capacité de leur donner les moyens d'accéder aux soins et de les gérer selon leurs propres conditions. de l'intelligence artificielle. Cependant, nous en sommes encore aux premiers stades de l’apprentissage de la manière d’appliquer l’intelligence artificielle pour améliorer les soins de santé.
L'un des principaux cas d'utilisation est la prédiction utilisant l'apprentissage automatique et l'intelligence artificielle. Les organisations utilisent l'IA pour tout prédire, depuis le volume des salles d'urgence (pour mieux gérer le personnel et le triage) jusqu'à prédire quels traitements pourraient être les plus efficaces pour les femmes atteintes d'un cancer du sein.
Les équipes médicales utilisent également le traitement du langage naturel pour améliorer l'interprétation des scanners des patients en augmentant le travail des radiologues humains.
« Lorsqu'un radiologue regarde un scanner, il recherche généralement une chose, et c'est pourquoi vous créez l'image. Mais souvent, en arrière-plan, quelque chose d'autre est vu. Ainsi, lorsque le radiologue dicte, les processus de langage naturel sont. utilisé pour alerter ces problèmes mineurs en vue d'un suivi, qui étaient peut-être passés inaperçus auparavant. Il s'agit donc d'une approche préventive qui tente de résoudre les problèmes de santé futurs avant qu'ils ne surviennent. »
L'intelligence artificielle est la plus grande promesse dans le domaine des soins de santé. flux de travail. L’intelligence artificielle peut ajouter de la valeur en automatisant ou en améliorant le travail des cliniciens et du personnel. De nombreuses tâches répétitives seront entièrement automatisées et nous pourrons également utiliser l’intelligence artificielle comme outil pour aider les professionnels de la santé à mieux travailler et à améliorer les résultats pour les patients.
Les organisations de santé les plus performantes seront en mesure de repenser et de réimaginer fondamentalement leurs flux de travail et procédures et d'utiliser l'apprentissage automatique et l'intelligence artificielle pour créer un système de santé véritablement intelligent.
Pourquoi nous n’avons pas encore tenu la promesse de l’IA dans le domaine de la santé
Lorsqu’on lui a demandé pourquoi nous n’avons pas utilisé l’IA de manière efficace dans l’ensemble du système de santé, il a répondu :
« Il s’agit vraiment des dirigeants. Comprendre les capacités de l’intelligence artificielle. aujourd'hui, puis examinez comment elle peut être appliquée pour ajouter de la valeur. La valeur de l'intelligence artificielle ne vient pas de la technologie, mais de l'évolution du flux de travail clinique et des processus opérationnels. Deux façons d'ajouter de la valeur : Elle ajoute de la valeur en automatisant la manière de procéder. " Le travail est effectué ou en augmentant la façon dont le travail est effectué. L'automatisation signifie que les tâches hautement répétitives effectuées par les humains aujourd'hui ou dans le futur seront effectuées par des machines intelligentes. Mais la plus grande partie des soins de santé aujourd'hui est l'augmentation... L'idée est la suivante : " Comment pouvons-nous mettre l’intelligence artificielle au service des humains et les rendre meilleurs dans les domaines qui les tiennent à cœur ? »
» Il s’agit vraiment pour les dirigeants de comprendre les capacités de l’IA d’aujourd’hui et de réfléchir ensuite à la manière de l’appliquer pour ajouter de la valeur. La valeur de l’IA ne vient pas de la technologie ; elle vient de l’évolution des flux de travail cliniques et de l’intelligence artificielle. valeur d'une ou deux manières : elle ajoute de la valeur en automatisant la façon dont le travail est effectué ou en améliorant la façon dont le travail est effectué. L'automatisation signifie que les tâches hautement répétitives effectuées par les humains aujourd'hui seront effectuées par des machines intelligentes aujourd'hui ou dans le futur. Une partie importante est l'idée de l'augmentation : « Comment pouvons-nous mettre l'intelligence artificielle derrière les humains pour les rendre meilleurs dans les domaines qui les intéressent ? Comprendre le fonctionnement de l'IA, il leur suffit de comprendre la puissance de l'IA et comment elle peut aider ? ils fournissent des soins personnalisés aux gens avec plus d’efficacité et de compassion.
Par exemple, le gouvernement de Singapour exploite actuellement l'apprentissage automatique et des algorithmes approfondis pour aider à gérer la santé des personnes atteintes de prédiabète. Le gouvernement a exploité les données d'environ 5 millions de citoyens pour identifier les personnes atteintes de prédiabète, puis recrute des personnes volontaires pour un programme où elles reçoivent chaque jour des conseils personnalisés sur ce qu'elles peuvent faire pour prendre en charge leur santé et réduire leur glycémie. Ces conseils hautement personnalisés ont permis de ralentir la progression des participants du prédiabète au diabète.
Les travailleurs de la santé n'ont aucune raison d'avoir peur de l'intelligence artificielle
L'intelligence artificielle aura un impact sur l'emploi de nombreux acteurs du secteur de la santé, mais ne vous inquiétez pas : les machines ne remplaceront pas les prestataires de soins de santé de si tôt.
« Ce pour quoi l'intelligence artificielle est douée, c'est la reconnaissance des formes », a déclaré Tom. "Il est très efficace pour passer au crible de grandes quantités de données et trouver des choses que les humains ne peuvent pas trouver ou qu'il faudrait des années pour trouver. Les humains, en revanche, sont très doués en intelligence, en bon sens, en empathie et en créativité, qui sont tous très doués pour l'intelligence, le bon sens, l'empathie et la créativité. sont importants quand on pense au processus de soins. »
Pour pouvoir s’adapter aux tendances futures et intégrer l’intelligence artificielle dans le système de santé, les cliniciens doivent simplement prendre conscience de la puissance de cette nouvelle technologie et comprendre que le monde change. . Construire un système de santé intelligent ne consiste pas à prendre en charge le travail, mais à rendre les cliniciens meilleurs dans leur travail tout en améliorant l'expérience des patients.
C'est évidemment une situation gagnant-gagnant.
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
