바이두, GBI헬스 인수, 인기 'AI+의료' 어디로 갈까?
이 기간 동안 의료 산업이 화제입니다. 첫째, ChatGPT의 인기는 '검색 분야'에서 '의료 분야'로 확산되어 'ChatGPT가 의료 AI를 전복시킬 수 있는가', 'ChatGPT가 의료 상담에 사용되는 데 얼마나 걸릴 것인가' 등의 화제를 불러일으켰습니다. 바이두가 세계 최고의 원스톱 의료 서비스를 인수한 정보 데이터 제공업체 GBI가 'AI+의료 빅데이터 지능형 풀체인 인사이트'의 새로운 시대를 연다. 합병이 완료되면 Baidu는 Wen Xinyiyan을 대규모 의료 및 장치 데이터를 보유한 GBI와 결합할 가능성이 매우 높습니다. 열띤 논의를 촉발한 'AI+의료' 핵심 적용 시나리오는 무엇일까? 개발 전망은 무엇입니까? 이 질문에 대한 답을 찾는 것은 AI+ 의료 시장의 발전에서 시작됩니다.
'AI+의료'의 불타오르다
바이두는 GBI를 인수하고 Wen Xinyiyan과 GBI를 결합하여 'AI+의료'의 물결을 일으켰습니다. 이는 의료산업 전반에 걸쳐 인공지능의 참여가 점차 심화되고 있음을 보여준다. 시장조사업체 리포트링커(ReportLinker) 조사 자료에 따르면 글로벌 헬스케어 AI 시장은 2023년 146억 달러에서 2028년 1,027억 달러로 연평균 성장률 47.6%로 성장할 전망이다. 동시에 의료진에 대한 AI의 도움도 인정받고 있다. '미래의사 백서' 설문조사에서 전 세계 의료진 중 80%가 빅데이터가 업무와 진단, 치료 과정에 깊이 통합돼 의사들이 보다 정확한 진단과 치료 계획을 수립하고 의사결정을 개선하는 데 도움이 될 것이라고 답했다. 효율을 내는 것.
AI와 의료 산업의 긴밀한 통합은 20세기 중후반에 처음 시작되었습니다. 인공지능은 의사가 권위 있는 의료 정보를 얻을 수 있도록 도와줌으로써 보조 진단을 위한 임상 진단 및 치료 지식 기반을 실현하기 시작합니다. 21세기 초, 인간은 점차 인공지능 기술과 지능형 로봇의 관계를 탐구하기 시작했고, 마침내 수술용 로봇이 보조 의료 분야에 적용될 수 있게 되었습니다. 미국도 전자의무기록을 활용하는 병원에 대한 추가 재정 지원을 장려하기 위해 관련 법안에 서명을 시도하기 시작한 것도 21세기 초였다. 2014년까지 인공지능 기술의 발전은 점차 수직적 세분화 분야로 진입했고, 인공지능 기업들은 AI+의 영향력을 목표로 삼기 시작했다.
최근에는 의료분야에서 인공지능의 영상인식 정확도가 향상되면서 AI+영상이 대중화되면서 인공지능이 가장 많이 구현될 가능성이 높은 분야 중 하나로 꼽히고 있습니다. 동시에 인간이 다년간 쌓아온 임상 진단 및 치료 지식 기반을 통해 임상 보조 의사 결정 지원 시스템을 포함한 일련의 제품이 홍보되고 점차 성숙해졌습니다. 뿐만 아니라, AI는 환자의 디지털 의료기록 관리 시스템에도 침투하기 시작했으며, 복잡한 의료기록의 품질관리 문제를 해결하는 동시에 스마트 의료기록의 청사진도 점차 구축해 나가고 있다.
이제 전국의 AI+ 의료산업 정책의 전폭적인 지지와 관련 세분화 트랙들이 점차 뚜렷한 수익모델을 보여주고 있어 마침내 시장은 폭발적인 성장의 시기를 맞이하게 되었습니다. AI+ 의료기기를 예로 들면, 글로벌 관점에서 AI+ 의료기기 시장 규모는 2016년 8,650만 달러에서 2021년 5억 600만 달러로 연평균 42.4%의 성장률을 보이며 2020년까지 성장할 것으로 예상된다. 2024년에는 34억 9600만 달러. 향후 3년간 복합 성장률은 118.5%가 된다. AI+의학은 무한한 가능성을 보여주고 있습니다.
“AI+의료”는 어디로 가는가?
ChatGPT와 Baidu의 인수합병이 폭발적으로 증가하면서 AI+ 의료 시장이 화제가 되었고, AI+ 의료도 AI+ 보조 진단, AI+ 의료 영상, AI+ 신약 연구 및 의료 서비스 시나리오로 더욱 다양하게 침투하고 있습니다. 개발, AI+ 건강관리 등이 점차 인기를 끄는 세분화된 분야가 되었지만, 각 분야에서 직면하는 문제 역시 AI+ 의료가 계속해서 전진할 수 있는 원동력이기도 합니다.
AI 영상 인식 능력이 향상되면서 의료 영상은 점차 AI가 깊이 관여하는 분야 중 하나로 자리 잡았습니다. 임상 시장 수요가 급증하면서 AI+ 의료 영상의 시장 잠재력이 부각되었습니다. Tencent, iFlytek, Infer Technology는 AI+ 의료 영상을 도입했습니다. 그러나 AI+ 의료영상 기업은 고품질 데이터를 획득하는 데 높은 비용이 드는 등의 문제에 직면해 있습니다. 본원 내 고화질 영상 간 장벽을 허물고 지역 공유 메커니즘을 구축하는 것이 최우선이다.
AI+ 보조 진단은 의사의 임상 진단 및 치료 결정을 효과적으로 지원할 수 있습니다. 현재 보조 의료 시나리오는 의료 안내 로봇, 전자 의료 기록, 가상 비서 등으로 확장됩니다. 그러나 보조 의료 시나리오는 정보 회사에 대한 장벽이 매우 높으며 많은 회사의 지식 기반은 의사의 임상 요구를 충족할 수 없습니다. 해결책은 데이터베이스의 개방성과 실시간 업데이트에 있습니다.
알고리즘 기능을 사용하여 신약 연구 및 개발을 지원하는 것도 중요한 응용 시나리오 중 하나입니다. 현재 많은 인공지능 기업들이 신약 연구개발 분야에 진출했지만 일반적으로 긴 약물 연구개발 주기, 높은 연구개발 비용, 낮은 연구개발 성공률 등의 문제에 직면해 있습니다. 인공지능의 알고리즘 장점을 활용해 약물 후보물질을 가상으로 스크리닝할 수 있어 신약 개발 비용을 점차 절감할 수 있다.
AI+ 건강 관리의 적용 시나리오는 위험 식별, 가상 간호사, 모바일 의료, 웨어러블 장치 등에 중점을 둡니다. 그러나 현재 일반적인 문제는 주로 대중의 개념에 대한 낮은 인식, 건강 관리에 종사하는 사람들의 전문성 부족, 환자 스마트 장치와 관련된 데이터의 약한 상관 관계입니다. 최우선 과제는 AI가 건강 관리자가 플랫폼을 구축하고 완전한 지식 맵을 사용하여 환자에게 최적의 건강 관리 계획을 제공할 수 있도록 돕는 것입니다.
이 외에도 의학 교육, 병원 행정, 임상 연구 등도 의료진의 역량 강화를 위한 인공지능 솔루션을 탐색하고 적용하는 핵심 분야입니다. 이 중 AI와 업무관리 프로세스를 통합하면 임상 의료진이 일상의 사소한 행정 업무에서 벗어나 환자 진단과 치료에 보다 효율적으로 집중할 수 있다. 의학 교육과 AI의 결합 적용은 의료 시스템의 현실을 고려하여 임상 의료진이 환자에게 더욱 공감할 수 있도록 하며, 임상 의료진이 전문 기술을 보다 효과적으로 학습하고 의료 환경의 역동적인 변화에 보다 침착하게 적응할 수 있도록 돕습니다. .
바이두의 레이아웃 GBI와 손잡기
주제는 바이두의 GBI헬스 인수로 돌아갑니다. 공교롭게도 Baidu의 GBI Health 인수는 Wen Xinyiyan의 공식 발표 이후에 이루어졌습니다. 현재 Wenxinyiyan이 GBI Health에 참여할지는 확실하지 않지만 확실한 것은 Baidu가 GBI Health의 발전을 도울 것이라는 것입니다. 의료 산업. 업계 추측에 따르면, 방대한 의료 및 기기 데이터를 보유한 GBI 헬스가 Wen Xin Yiyan과 결합해 보다 포괄적인 데이터와 스마트한 상호 작용을 갖춘 의료 전문 싱크탱크로 거듭날 것으로 예상된다. 앞으로 GBI Health가 Baidu Health, Lingyi Zhihui 등 핵심 사업과 Baidu의 핵심 AI 기술과 긴밀하게 통합되면 Baidu는 의료 산업을 위한 인공 지능 응용 모델을 만들 수 있습니다.
의료분야에서 GBI헬스는 어떤 존재인가요? 데이터에 따르면 GBI Health는 2002년 상하이에서 설립되었으며 중국 최초의 의료 정보 데이터 제공업체로서 제약회사, 기기 및 산업 관련 서비스 제공업체에 홀로그램을 제공하기 위해 항상 데이터와 기술을 추진해 왔습니다. 데이터, 업계 정보, 글로벌 뉴스 등 고부가가치 통찰력은 기업이 전략적 레이아웃, 제품 결정, 시장 통찰력에서 시장을 선도하는 데 도움이 됩니다.
GBI Health는 현재 SOURCE 글로벌 의약품 데이터베이스, METRIX 연구원 데이터베이스, DEVINT 의료기기 데이터베이스 등 3개의 데이터베이스를 보유하고 있으며, 이는 의약품 및 기기 개발 라이프사이클을 통해 실행됩니다. GBI는 의료정보 인텔리전스 분야에서 20년 이상 활동해 왔으며 고객층은 엘리 릴리(Eli Lilly), 사노피(Sanofi), 화이자(Pfizer) 등 다국적 제약회사와 이노벤트 바이오로직스(Innovent Biologics), 포선파마(Fosun Pharma) 등 혁신 제약회사를 포괄하는 것으로 알려졌다. CStone Pharmaceuticals, WuXi AppTec 등 CRO 기업입니다.
GBI와 Baidu는 업계에 많은 가능성을 가져오기 위해 힘을 합쳤습니다. 한편으로 GBI는 Baidu HCG의 강력한 데이터, 기술 및 리소스와 긴밀하게 통합되어 전체 의료 및 건강 산업을 포괄하는 완전 폐쇄 루프 비즈니스 의사 결정 지원을 제공하는 새로운 비즈니스 인텔리전스 서비스 부문을 출시할 것입니다. 한편, 의료 현장에서 세심하게 다듬어지고 적용된 Baidu Medical NLP 및 빅데이터 관리 기술은 데이터 수집, 데이터 관리에서 정확한 데이터 검색 및 매칭 효율성에 이르기까지 전체 GBI 링크를 향상시켜 의료기기 고객에게 힘을 실어줄 것입니다. 연구 개발, 임상 시험, 등록, 접근, 판매, 투자 및 자금 조달 거래 및 기타 측면에서 기업의 상업적 레이아웃을 포괄적으로 지원합니다.
마지막에 작성
ChatGPT가 다시 한번 인공지능을 대중화시켰습니다. IDC 데이터에 따르면 인공지능 애플리케이션 시장의 총 가치는 2025년에 1,270억 달러에 이를 것으로 예상되며, 이 중 의료 산업이 전체 애플리케이션 시장의 거의 20%를 차지할 것으로 예상됩니다. AI+ 의료는 본질적으로 우수한 알고리즘과 빅데이터 분석에 의존하여 관련 서비스 플랫폼의 데이터 자원 계층과 기술 응용 계층에 지속적으로 침투하고, 각 서비스 포트의 데이터 장벽을 돌파하고, 전체 의료 비용을 절감하고, 의료를 실현할 수 있습니다. 영상 및 보조 서비스 진단 및 치료, 건강 관리, 신약 연구 개발, 질병 예측, 가상 비서, 프로세스 관리, 연구 플랫폼 등 핵심 응용 시나리오의 완벽한 구현은 궁극적으로 국내 의료 수준을 전반적으로 향상시킬 것입니다.
바이두의 의료 비즈니스 솔루션 서비스 제공업체 GBI헬스의 인수는 'AI+의료'가 의료산업 발전의 핵심임을 다시 한번 반영했다. 중국 제약 산업의 급속한 발전과 함께 대규모 의료 정보 데이터가 지속적으로 축적되고 있으며, 과학 연구 진행 데이터베이스는 생명 및 건강 기업에 막대한 상업적 가치를 가져오고 AI 의료 산업의 활발한 발전을 촉진할 것입니다. AI+ 의료산업 발전은 대기업의 역량에 달려 있다.
위 내용은 바이두, GBI헬스 인수, 인기 'AI+의료' 어디로 갈까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
