Table des matières
1. Utiliser des outils sans code pour rendre l'IA plus facile à utiliser et à populariser
2. Les outils deviennent de plus en plus complexes et les textes de plus en plus utiles
3. Les problèmes de sécurité deviennent de plus en plus importants
Maison Périphériques technologiques IA L'évolution future de l'IA médicale : trois grandes tendances auxquelles il convient de prêter attention

L'évolution future de l'IA médicale : trois grandes tendances auxquelles il convient de prêter attention

Apr 28, 2023 pm 05:49 PM
人工智能 医疗 医疗ai

Lévolution future de lIA médicale : trois grandes tendances auxquelles il convient de prêter attention

Lorsque l'épidémie de COVID-19 fait rage, que la santé mentale des gens est en crise, que les coûts médicaux augmentent et que diverses tendances sont liées au vieillissement de la population, les leaders de l'industrie ont accéléré le rythme de développement d'applications d'IA spécifiques à la médecine, une dont provient du marché du capital-risque. Le signal montre : plus de 40 startups ont levé d'importantes sommes d'argent (plus de 20 millions de dollars américains) pour construire des solutions d'IA médicale, mais comment l'IA est-elle utilisée dans l'industrie médicale ?

Un rapport récent intitulé « Healthcare AI Survey 2022 » a interrogé plus de 300 répondants du monde entier pour comprendre et définir les défis, les réalisations et les scénarios d'utilisation de l'IA médicale. C'est la deuxième année depuis le lancement de l'enquête, et bien qu'il n'y ait pas de changements significatifs en termes de résultats, certaines tendances intéressantes émergent, révélatrices de la façon dont les choses pourraient changer dans les années à venir. Si certains aspects de cette évolution sont positifs (comme la diffusion de l’intelligence artificielle), d’autres sont moins excitants (comme l’augmentation de la surface d’attaque). Examinons trois d’entre eux.

1. Utiliser des outils sans code pour rendre l'IA plus facile à utiliser et à populariser

Selon les estimations de Gartner, d'ici 2025, 70 % des nouvelles applications développées par les entreprises utiliseront une technologie sans code ou à faible code, ce qui est supérieur à en 2020, moins de 25 %. Le low-code simplifie la charge de travail des programmeurs, et les solutions sans code qui ne nécessitent pas l'intervention de la science des données auront le plus grand impact sur les entreprises et d'autres domaines, ce qui explique pourquoi l'utilisation de la technologie de l'intelligence artificielle passe des professionnels techniques aux domaines experts. passionnant.

Pour l'industrie médicale, cela signifie que plus de la moitié (61 %) des personnes interrogées considéreront les cliniciens comme leurs utilisateurs cibles, suivis par les payeurs de services médicaux (45 %) et les sociétés d'informatique médicale (38 %), couplées à la rapide le développement d’applications d’IA médicale, des investissements substantiels et la disponibilité populaire de la technologie open source, cela montre que l’IA médicale est de plus en plus adoptée.

C'est important : mettre du code entre les mains du personnel médical, aussi simple que d'utiliser des outils bureautiques courants tels qu'Excel ou Photoshop, apportera des changements à l'IA et la rendra meilleure. En plus d’être plus facile à utiliser, l’IA médicale peut également permettre d’obtenir des résultats plus précis et plus fiables car elle est désormais utilisée et contrôlée par des professionnels de la santé (plutôt que par des professionnels des logiciels). Bien entendu, ces changements ne se produiront pas du jour au lendemain, mais pour l’IA, son utilisation croissante par les experts du domaine constitue une avancée significative.

2. Les outils deviennent de plus en plus complexes et les textes de plus en plus utiles

Il y a d'autres résultats encourageants de cette enquête, tels que le développement et l'avancement continus des outils d'IA et le désir des utilisateurs de mener des recherches approfondies. recherche approfondie sur des modèles spécifiques. Lorsqu'on a demandé aux personnes interrogées quelles technologies ils prévoyaient d'adopter d'ici fin 2022, de nombreux leaders technologiques ont mentionné l'intégration de données (46 %), la business intelligence (44 %), le traitement du langage naturel (43 %) et l'annotation de données (38 %). Le texte est actuellement le type de données le plus susceptible d’être utilisé par les applications d’IA. Dans le même temps, l’accent mis par les personnes interrogées sur le traitement du langage naturel (NLP) et l’annotation des données indique que les technologies d’IA plus complexes sont en plein essor.

Ces outils prennent en charge de nombreux scénarios d'utilisation importants, tels que l'aide à la prise de décision clinique, la découverte de médicaments et l'évaluation de stratégies médicales, etc. Surtout après ces deux années de pandémie de COVID-19, alors que nous développons de nouveaux vaccins et apprenons à mieux répondre aux besoins du système médical après un événement à grande échelle, il est si important de progresser dans ces domaines techniques. À travers ces exemples, il apparaît clairement que l’utilisation de l’IA dans le domaine de la santé est très différente de celle des autres secteurs et nécessite donc une approche différente.

Il n'est donc pas surprenant que les leaders technologiques et les personnes interrogées dans des organisations matures citent la disponibilité de modèles et d'algorithmes spécifiques aux soins de santé comme l'exigence la plus importante lorsqu'ils évaluent l'opportunité d'installer une bibliothèque de logiciels sur site ou d'adopter une solution SaaS. À en juger par divers aspects tels que le paysage du capital-risque, les bibliothèques de logiciels existantes sur le marché et les besoins des utilisateurs de l'intelligence artificielle, le secteur médical ne fera que continuer à croître au cours des prochaines années.

3. Les problèmes de sécurité deviennent de plus en plus importants

Au cours de la dernière année, l'IA a fait de nombreux progrès et une série de nouveaux vecteurs d'attaque ont également été introduits. Lorsqu'on a demandé aux personnes interrogées quels types de logiciels ils utilisaient pour développer des applications d'IA, les choix les plus populaires étaient les logiciels commerciaux installés localement (37 %) et les logiciels open source (35 %). Plus particulièrement, l'utilisation des services cloud a diminué de 12 % (30 %) par rapport aux résultats de l'enquête de l'année dernière, probablement en raison de problèmes de confidentialité causés par le partage de données.

De plus, la majorité des répondants (53%) choisissent de s'appuyer sur leurs propres données pour valider le modèle plutôt que d'utiliser des indicateurs provenant de tiers ou d'éditeurs de logiciels. Les personnes interrogées provenant d'organisations matures (68 %) ont déclaré préférer utiliser un modèle d'évaluation interne et d'auto-ajustement. Et comme il existe des contrôles stricts et diverses procédures autour du traitement des données médicales, cela explique également pourquoi les utilisateurs de l’IA souhaitent traiter ces problèmes autant que possible au sein de l’organisation.

Mais quelles que soient les préférences en matière de logiciels ou la manière dont les utilisateurs valident les modèles, l'escalade des menaces à la sécurité médicale peut avoir un impact significatif. Bien que d’autres services d’infrastructures critiques soient également confrontés à divers défis, les conséquences des violations médicales ne se limitent plus à des pertes de réputation et financières. La perte de données ou les attaques contre les équipements hospitaliers peuvent être une question de vie ou de mort.

Alors que les développeurs et les investisseurs s'efforcent de mettre la technologie de l'IA entre les mains des utilisateurs quotidiens, l'IA est sur le point de connaître une croissance encore plus significative. Mais à mesure que l’IA est de plus en plus adoptée et que les modèles et les outils continuent de s’améliorer, la sécurité et l’éthique deviendront un domaine d’intérêt clé. Il vaut la peine d’attendre avec impatience l’évolution de la technologie de l’IA dans l’industrie médicale cette année et ce que cela signifie pour l’avenir de l’industrie.

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!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Comment déverrouiller tout dans Myrise
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

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 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 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 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 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. 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 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 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 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

See all articles