ヘルスケア AI: 注目すべき 3 つのトレンド
新型コロナウイルス感染症 (COVID-19) のパンデミック、メンタルヘルス危機、医療費の高騰、人口高齢化の狭間で、業界リーダーはヘルスケア用途向けの人工知能 (AI) の開発を急いでいます。ベンチャー キャピタル市場からの 1 つの兆候は、40 社を超えるスタートアップが、産業向けの人工知能ソリューションを構築するために 2,000 万ドル以上を調達していることです。しかし、人工知能は実際にヘルスケアでどのように使用されているのでしょうか?
2022 年ヘルスケア AI 調査では、ヘルスケアの課題、成果、AI のユースケースを定義するものをより深く理解するために、世界中の 300 人以上の回答者を対象に調査を行いました。この調査は今回で 2 回目であり、結果に大きな変化はありませんが、今後数年間で医療 AI がどのように発展するかを予兆するいくつかの興味深い傾向を示しています。この進化のいくつかの側面は前向きなもの (AI の民主化) ですが、他の側面はあまり刺激的ではありません (より大きな攻撃対象領域の存在)。
企業が理解する必要がある 3 つのトレンドは次のとおりです:
1. ノーコード ツールを使用した人工知能の使いやすさと民主化
Gartner は、2025 年までに 70 年になると予測しています。企業が開発する新しいアプリケーションの % は、ノーコードまたはローコード テクノロジを使用します (2020 年には 25% 未満)。ローコードはプログラマーのワークロードを簡素化しますが、データ サイエンスの介入を必要としないノーコード ソリューションは、企業やその他の分野に大きな影響を与えます。
だからこそ、AI の使用が技術的な肩書から分野の専門家自身へと明確に変化しているのを見るのは興奮する理由です。
ヘルスケア業界の場合、これは、AI in Healthcare 調査への回答者の半数以上 (61%) が対象ユーザーとして臨床医を特定し、続いて医療支払者 (45%) とヘルスケア IT 企業が続いたことを意味します。 (38%)。ヘルスケア向けの AI アプリケーションへの大規模な開発と投資、およびオープンソース テクノロジの利用可能性と相まって、これらはより広範な業界での採用の前兆となります。
ヘルスケアの場合、これは、AI in Healthcare の調査回答者の半数以上 (61%) が対象ユーザーとして臨床医を特定し、続いて医療支払者 (45%) とヘルスケア IT 企業 (38%) であることを意味します。これは、ヘルスケア固有の AI アプリケーションへの大規模な開発と投資、およびオープンソース テクノロジーの利用可能性と相まって、より広範な業界での採用を示しています。
これは重要です。Excel や Photoshop などの一般的なオフィス ツールと同様に、コードを医療従事者の手に渡せば、AI が向上します。ソフトウェアの専門家ではなく医療の専門家が運転席にいるため、テクノロジーをより利用しやすくするだけでなく、結果の正確性と信頼性も高まります。こうした変化は一夜にして起こったわけではありませんが、AI の主要ユーザーとしての分野の専門家が増加したことは大きな進歩です。
2. ツールはより洗練されており、テキストはより便利になっています
その他の有望な調査結果には、AI ツールの進歩と、特定のモデルをより深く掘り下げたいというユーザーの願望が含まれています。 2022 年末までにどのようなテクノロジーを導入する予定かを尋ねたところ、調査のテクノロジー リーダーはデータ統合 (46%)、BI (44%)、NLP (43%)、データ アノテーション (38%) を挙げました。テキストは現在、AI アプリケーションで使用される可能性が最も高いデータ タイプであり、自然言語処理 (NLP) とデータ アノテーションの重視は、より高度な AI 技術が増加していることを示唆しています。
これらのツールは、臨床意思決定支援、創薬、医療政策評価などの重要な活動をサポートします。パンデミックが発生してから 2 年が経ち、新しいワクチンを開発し、大規模なイベントの影響で医療システムのニーズをより適切にサポートする方法を発見する中で、これらの分野での進歩がいかに重要であるかは明らかです。これらの例を通じて、医療業界での AI の使用は他の業界とは大きく異なり、異なるアプローチが必要であることも明らかです。
したがって、成熟した組織のテクノロジー リーダーとインタビュー対象者の両方が、オンプレミスにインストールされたソフトウェア ライブラリや SaaS ソリューションを評価する際に、最も重要なニーズとして医療固有のモデルとアルゴリズムの可用性を挙げたのも不思議ではありません。ベンチャー キャピタルの状況、市場の既存の情報、AI ユーザーからの需要から判断すると、ヘルスケア固有のモデルは今後数年間でさらに拡大すると考えられます。
3. セキュリティへの懸念が増大している
過去 1 年間の人工知能の進歩に伴い、一連の新たな攻撃ベクトルも開かれました。回答者が AI アプリケーションの構築にどのような種類のソフトウェアを使用しているかを尋ねたところ、最も一般的な選択肢は、ローカルにインストールされた商用ソフトウェア (37%) とオープンソース ソフトウェア (35%) でした。最も注目すべきは、クラウド サービスの使用率が昨年の調査と比較して
が 12% (30%) 減少したことです。これはおそらく、データ共有に対するプライバシー上の懸念が原因であると考えられます。
さらに、回答者の大多数 (53%) は、モデルを検証するために、サードパーティやソフトウェア ベンダーの指標ではなく、独自のデータに依存することを選択しています。成熟した組織の回答者 (68%) は、内部評価を使用し、モデル自体を適応させることを明確に好みます。さらに、医療データの処理に関しては厳格な管理と手順が定められており、AI ユーザーが可能な限り社内での運用を維持したいと考えていることは明らかです。
しかし、ソフトウェアの設定やユーザーがモデルを検証する方法に関係なく、医療セキュリティの脅威が増大すると重大な影響が及ぶ可能性があります。他の重要なインフラストラクチャ サービスも課題に直面していますが、医療侵害の影響は風評被害や経済的損害にとどまりません。データの損失や病院の機器の改ざんは生死を分ける可能性があります。
人工知能は、開発者や投資家がこのテクノロジーを日常のユーザーの手に届けることに取り組んでおり、さらに大きな成長を遂げる準備が整っています。しかし、AI がより広く利用可能になり、モデルやツールが改良されるにつれて、安全性、信頼性、倫理が重要な焦点分野になるでしょう。これらのヘルスケア分野における AI が今年どのように発展し、これが業界の将来に何を意味するのかを見るのは興味深いでしょう。 ##################################
以上がヘルスケア AI: 注目すべき 3 つのトレンドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

エディター | Radish Skin 2021 年の強力な AlphaFold2 のリリース以来、科学者はタンパク質構造予測モデルを使用して、細胞内のさまざまなタンパク質構造をマッピングし、薬剤を発見し、既知のあらゆるタンパク質相互作用の「宇宙地図」を描いてきました。ちょうど今、Google DeepMind が AlphaFold3 モデルをリリースしました。このモデルは、タンパク質、核酸、小分子、イオン、修飾残基を含む複合体の結合構造予測を実行できます。 AlphaFold3 の精度は、これまでの多くの専用ツール (タンパク質-リガンド相互作用、タンパク質-核酸相互作用、抗体-抗原予測) と比較して大幅に向上しました。これは、単一の統合された深層学習フレームワーク内で、次のことを達成できることを示しています。
