人工知能と機械学習が医療の将来にどのような影響を与えるか
私たちの現代の医療システムは現在、パンデミック、生活習慣病の増加、世界の人口爆発によって悪化する大きな課題に直面しています。
良いニュースは、人工知能を使用してスマートなプロセスとワークフローを作成することで、医療をより安く、より効果的に、よりパーソナライズされ、より公平なものにすることができるということです。一部の専門家は、医療業界が第4次産業革命の大きな変化によって最も影響を受ける業界になるかもしれないと予測しています。
最近、Microsoft AI for Health and Life Sciences の Tom Lawry がヘルスケアの未来について語りました。彼の最も重要な洞察と予測の一部を以下に示します。
医療が直面している現在の課題
現在、世界のどの国よりも医療に多くの支出をしている米国を考えてみましょう。健康転帰は他のほとんどの先進国よりも低い。
さらに、臨床医の燃え尽き症候群は、特にパンデミック以降、大きな問題となっています。
また、世代を超えた人々は、自分のニーズに合わせてカスタマイズされた医療を望んでいます。トム・ローリー氏は、「ミレニアル世代は、夕食を注文するのと同じ場所、つまり自宅のソファでヘルスケアのアドバイスを受けられることを望んでいる。一方、団塊の世代のようなグループは、非常に異なるアプローチをとっている。彼らはプライマリケア提供者に重点を置く傾向がある」と語った。 ...そのため、私たちは、これらのシステムを使用して提供される画一的なケアから、世代ごとのケアから、データと人工知能を使用して実際に個別化するケアに移行することができます。そして、各世代の中でも、ミレニアル世代でも、 Z 世代など — 私たちは、彼らが自分の意思でケアにアクセスし、ケアを管理できるようにする能力を持っています。」
ヘルスケアにおける人工知能の大きな展望
良いニュースは、それが最も大きなものであるということです。医療機関は何らかの形の人工知能を使用し始めています。しかし、私たちは医療を改善するために人工知能を適用する方法を学ぶ初期段階にいます。
主な使用例の 1 つは、機械学習と人工知能を使用した予測です。組織は AI を使用して、緊急治療室の容積 (人員配置やトリアージをより適切に処理するため) から、乳がんの女性に最も効果的と思われる治療法の予測に至るまで、あらゆるものを予測しています。
医療チームはまた、自然言語処理を使用して、人間の放射線科医の作業を強化することで患者のスキャンの解釈を改善しています。
「放射線科医がスキャン画像を見るとき、通常は 1 つのことを探しているので、画像を作成します。しかし、多くの場合、背景には別のものが見られています。放射線科医の指示に従って、自然言語プロセスを使用して、以前は見落とされていた可能性のあるこれらの小さな問題をフォローアップするよう警告するため、これは将来の健康問題が発生する前に対処しようとする予防的なアプローチです。」医療における人工知能の最大の期待は、臨床ワークフローの変化によってもたらされます。人工知能は、臨床医やスタッフの作業を自動化または強化することで価値を付加できます。多くの反復的なタスクは完全に自動化され、医療専門家の仕事を改善し、患者の転帰を改善するためのツールとして人工知能を使用することもできます。
最も成功している医療組織は、機械学習と人工知能を使用してワークフローと手順を根本的に再考し、真にインテリジェントな医療システムを構築できるようになります。
医療における AI の約束をまだ果たせていない理由
なぜ医療システム全体で AI を効果的に活用していないのかと尋ねられたとき、彼は次のように答えました。
「重要なのは、リーダーが今日の AI の能力を理解し、それを応用して価値を付加する方法を見つけ出すことです。AI の価値はテクノロジーから生まれるのではなく、テクノロジーから生まれます。変化する臨床現場のプロセスから生まれます。人工知能は 1 つまたは 2 つの方法で価値を追加するだけです: 仕事のやり方を自動化するか、仕事のやり方を強化することによって価値を追加します。自動化とは、現在または将来、人間によって行われる非常に反復的なタスクが、しかし、今日の医療の最大の部分は拡張です…拡張のアイデアは、「どのようにして人間の背後に人工知能を置き、人間が関心を持っていることをより良くできるようにするか?」というものです。 「
「重要なのは、リーダーが今日の AI の機能を理解し、それを応用して価値を付加する方法を考えることです。AI の価値はテクノロジーから生まれるのではなく、臨床ワークフローや業務プロセスを変えることから生まれます。人工知能価値を追加するのは 1 つまたは 2 つの方法だけです: 仕事のやり方を自動化するか、仕事のやり方を強化することによって価値が追加されます。自動化とは、現在人間によって行われている反復性の高いタスクが、現在または将来、スマート マシンによって行われることを意味します。しかし、今日のヘルスケア ヘルスケアの最も重要な部分は、「どうすれば人間の背後に人工知能を配置し、人間が関心を持っている事柄をより良くできるようにするにはどうすればよいか?」という拡張のアイデアです。」
トムはこう言いました。ヘルスケア分野 上級リーダーは、AI がどのように機能するかを必ずしも理解する必要はありません。必要なのは、AI の力と、AI が人々により効率的かつ思いやりを持ってパーソナライズされたケアを提供するのにどのように役立つかを理解することだけです。
たとえば、シンガポール政府は現在、機械学習と深層アルゴリズムを使用して、前糖尿病の人々の健康管理を支援しています。政府は約500万人の国民のデータを収集して糖尿病予備群を特定し、健康管理と血糖値を下げるために何ができるかについて個人に合わせたヒントを毎日受け取るプログラムへのボランティアを募集している。この高度に個別化されたアドバイスは、参加者の前糖尿病から糖尿病への進行を遅らせることに非常に成功しました。
医療従事者が人工知能を恐れる理由はありません
人工知能は医療業界の多くの人の仕事に影響を与えるでしょうが、心配する必要はありません。すぐに機械が医療従事者に取って代わることはありません。 。
「人工知能が得意なのはパターン認識です」とトムは言いました。 「大量のデータをふるいにかけて、人間が見つけられないものや見つけるのに何年もかかるものを見つけるのが得意です。一方、人間は知性、常識、共感、創造性などすべてにおいて優れています。
将来のトレンドに適応し、医療システムに人工知能を統合できるようにするには、臨床医がこの新しいテクノロジーの力を認識し、次のことを理解する必要があります。世界は変わりつつあります。スマート ヘルスケア システムの構築は、仕事を引き継ぐことではなく、患者エクスペリエンスを向上させながら臨床医の仕事を向上させることです。
これは明らかに双方にとって有利な状況です。
以上が人工知能と機械学習が医療の将来にどのような影響を与えるかの詳細内容です。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

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
