2023 年のヘルスケアにおける人工知能のトレンド
調査会社オムディアの主席アナリスト、アンドリュー・ブロスナン氏は、ヘルスケア業界は当初人工知能の導入が遅れているものの、ヘルスケア企業や製薬企業は今後数年間で人工知能の導入を急速に拡大すると予測している。人工知能、医療画像分析、創薬の導入が最も一般的なユースケースとなるでしょう。
Omdia の予測によると、AI ソフトウェアへの医療支出は 2022 年の 44 億ドルから、2023 年には 40% 増加し、新年には 62 億ドル近くに達すると予想されています。
「ヘルスケアは他のほとんどの業界よりも急速に成長し、当社の予測によると、2027 年にはヘルスケアが AI 支出において消費者に次いで 2 位になると予想されます」と、Omdia Artificial Intelligence とインテリジェント オートメーション業務の Brosnan 氏は述べています。
ヘルスケア AI の導入は他の業界に追いつくでしょう
ブロスナン氏は、ヘルスケア企業は患者ケアやプライバシー、セキュリティ、規制上の問題に対するリスクを理由に、歴史的に新しいテクノロジーの導入に保守的であると述べました。
ヘルスケアは、人工知能の導入において他の業界に遅れをとっています。 2022 年の OM Dia 調査によると、全業界の 25% が複数の事業単位または機能にわたって AI 導入を拡大していますが、ヘルスケア分野では 19% のみが拡大しています。
しかし、これは急速に変化しています。人工知能は医療において効果的であることが証明されており、それが利用の増加を促進していると同氏は述べた。たとえば、人工知能は流行中に医療提供者による新型コロナウイルス感染症の診断や患者の予後診断を支援したり、研究者がスパイクタンパク質の変化を理解するのを支援したりするために使用されてきた。
「パンデミック中や概念実証プロジェクトでの AI の使用により、AI が医療に提供できる価値への信頼が高まりました」とブロスナン氏は述べています。
実際、2022 年に Omdia が調査した医療機関の 96% は、人工知能がプラスの結果をもたらすと確信している、または非常に自信を持っていると回答し、回答者の 67% が人工知能によって価値を高める能力が向上すると回答しました。過去1年間で増加しました。
これは人工知能への多額の投資につながります。 Omdia によると、AI ソフトウェアへの支出は 29% の年間複合成長率 (CAGR) で増加し、2027 年には支出額が 138 億ドルに達し、最も急成長している分野に並びます。
ヘルスケア IT ユースケースのトップ 5
医療画像分析は、人工知能の最も一般的なユースケースです。年間成長率は 26% であり、支出の最大のシェアを維持し、2027 年の AI ソフトウェア支出は 26 億ドルに達します。
一方、Omdia の予測では、2027 年までに創薬が最も急速に成長するユースケースとなり、AI への支出は 20 億ドルに達し、CAGR は 33% になると予想されています。
その他のトップ ユース ケースは、オンライン チャットボットやインテリジェントなドキュメント処理などの仮想アシスタントで、どちらも CAGR は 27% です。仮想アシスタントへの AI 支出は 2027 年に 17 億ドル近くに達すると予想され、インテリジェントな文書処理 (請求処理など) は 10 億ドルに達すると予想されています。
臨床意思決定サポートなどのツールを通じた医療アドバイスは、28% の CAGR と 2027 年の AI 支出で 9 億ドルの上位 5 つのユースケースを完了します。
革新的な創薬
ブロスナン氏は、人工知能には創薬と開発のプロセスをスピードアップし、コストを削減できる可能性があると述べ、2023年も製薬業界は、人工知能。
従来の創薬および開発プロセスでは、現在、新薬を市場に出すまでに約 10 億ドルと 10 年かかります。これには、候補を臨床試験に進めるために5,000以上の分子を合成することが含まれると同氏は述べた。
しかし、人工知能を使えば、製薬会社は「コンピュータ上で」製造を行うことで、物理的に製造しなければならない分子の数を減らすことができる、つまり仮想的に製造できるということだ、と同氏は述べた。
これにより、物理的に合成しなければならない分子の数が 250 個に減り、コストが節約され、市場投入までの時間が短縮されたとブロスナン氏は述べています。 AI ファーストの新薬候補のパイプラインは非常に強力で、2022 年には 18 の候補が臨床試験に入る予定です。 2020年にはその数はゼロでした。
「初期段階の創薬には数か月、場合によっては数年かかります」と彼は言いました。
新興テクノロジーにより医療 AI モデルのトレーニングを改善できる可能性がある
フェデレーテッド ラーニング (グループ学習) は、医療提供者が患者に対して安全に使用できるようにする新興テクノロジーであるとブロスナン氏は述べました。 AI モデルは 2023 年にさらに勢いを増すでしょう。
バイアスを軽減するには、大規模なデータセットに対して AI モデルをトレーニングすることが重要です。しかし、そのためには、多くの医療機関がデータを共有して、AI モデルをトレーニングするためのより包括的なデータセットを構築できるようにしたいと考えています。
従来は、データを中央リポジトリに移動する必要がありました。ただし、フェデレーション学習またはグループ学習では、データを移動する必要はありません。代わりに、AI モデルが個々の医療施設に行き、データに基づいてトレーニングされると彼は言いました。このようにして、医療提供者はデータのセキュリティとガバナンスを維持できます。
「フェデレーテッドまたはスウォーム学習では、データをソース機関から離れる必要はありませんが、AI モデルはデータに移動します」とブロスナン氏は述べています。フェデレーテッド ラーニングは集中型オーケストレーターを使用しますが、群学習はより分散型であり、集中型オーケストレーターを使用しません。
このテクノロジーは現在概念実証中です。 2021年、大手製薬会社サノフィはヘルスケアに特化したフェデレーテッド・ラーニング企業に1億8000万ドルを投資した。
「これは新興テクノロジーであり、2023 年と 2024 年に台頭するでしょう」と彼は言いました。
以上が2023 年のヘルスケアにおける人工知能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

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
