Jadual Kandungan
1. Gunakan alat tanpa kod untuk menjadikan AI lebih mudah digunakan dan dipopularkan
2. Alat menjadi semakin kompleks, dan teks menjadi lebih berguna
3. Isu keselamatan menjadi semakin ketara
Rumah Peranti teknologi AI Pembangunan masa depan AI perubatan: tiga trend utama yang patut diberi perhatian

Pembangunan masa depan AI perubatan: tiga trend utama yang patut diberi perhatian

Apr 28, 2023 pm 05:49 PM
AI perubatan perubatan ai

Pembangunan masa depan AI perubatan: tiga trend utama yang patut diberi perhatian

Apabila wabak COVID-19 merebak, kesihatan mental orang ramai berada dalam krisis, kos perubatan meningkat, dan populasi yang semakin tua saling berkaitan, pemimpin industri telah mempercepatkan pembangunan khusus perubatan. Aplikasi AI. Salah satu isyarat daripada pasaran modal teroka menunjukkan bahawa lebih daripada 40 syarikat permulaan telah mengumpulkan sejumlah besar dana (lebih daripada 20 juta dolar AS) untuk membina penyelesaian AI perubatan, tetapi bagaimana AI digunakan dalam industri perubatan?

Laporan terbaru bertajuk "Tinjauan AI Penjagaan Kesihatan 2022" meninjau lebih 300 responden dari seluruh dunia untuk memahami dan mentakrifkan cabaran, pencapaian dan kes penggunaan AI penjagaan kesihatan. Ini adalah tahun kedua sejak tinjauan itu dilancarkan, dan walaupun tiada perubahan ketara dari segi keputusan, beberapa trend menarik muncul yang menunjukkan bagaimana keadaan mungkin berubah pada tahun-tahun akan datang. Walaupun beberapa aspek evolusi ini adalah positif (seperti penyebaran kecerdasan buatan), yang lain kurang menarik (seperti permukaan serangan yang meningkat Mari kita lihat tiga daripadanya yang perlu difahami oleh perniagaan.

1. Gunakan alat tanpa kod untuk menjadikan AI lebih mudah digunakan dan dipopularkan

Menurut anggaran Gartner, menjelang 2025, 70% daripada aplikasi baharu yang dibangunkan oleh perusahaan akan menggunakan tanpa kod atau rendah -teknologi kod , angka ini lebih tinggi daripada kurang daripada 25% pada tahun 2020. Kod rendah memudahkan beban kerja pengaturcara, dan penyelesaian tanpa kod yang tidak memerlukan campur tangan sains data akan memberi kesan yang paling besar kepada perusahaan dan seterusnya, yang menjelaskan mengapa penggunaan teknologi kecerdasan buatan beralih daripada profesional teknikal kepada Pakar adalah mengujakan.

Bagi industri perubatan, ini bermakna lebih separuh (61%) daripada responden akan menganggap doktor sebagai pengguna sasaran mereka, diikuti oleh pembayar perkhidmatan perubatan (45%) dan syarikat IT perubatan (38%), ditambah dengan perkembangan pesat aplikasi AI perubatan, pelaburan besar-besaran, dan ketersediaan popular teknologi sumber terbuka, ia menunjukkan bahawa AI perubatan sedang diterima pakai dengan lebih meluas.

Ini penting: meletakkan kod ke tangan kakitangan perubatan, semudah menggunakan alatan pejabat biasa seperti Excel atau Photoshop, akan membawa perubahan kepada AI dan menjadikannya lebih baik. Selain lebih mudah digunakan, AI perubatan juga boleh mencapai hasil yang lebih tepat dan boleh dipercayai kerana ia kini digunakan dan dikawal oleh profesional perubatan (bukan profesional perisian). Sudah tentu, perubahan ini tidak akan berlaku dalam sekelip mata, tetapi untuk AI, penggunaannya yang semakin meningkat oleh pakar domain merupakan satu langkah ke hadapan yang penting.

2. Alat menjadi semakin kompleks, dan teks menjadi lebih berguna

Terdapat penemuan lain yang menggalakkan daripada tinjauan ini, seperti pembangunan berterusan dan kemajuan alatan AI dan keinginan pengguna untuk menggunakan model tertentu untuk kajian yang mendalam. Apabila responden ditanya tentang teknologi yang mereka rancang untuk pakai menjelang akhir tahun 2022, ramai pemimpin teknologi menyebut penyepaduan data (46%), kecerdasan perniagaan (44%), pemprosesan bahasa semula jadi (43%) dan anotasi data (38%). Teks pada masa ini merupakan jenis data yang paling mungkin digunakan oleh aplikasi AI Pada masa yang sama, penekanan responden pada pemprosesan bahasa semula jadi (NLP) dan anotasi data menunjukkan bahawa teknologi AI yang lebih kompleks semakin meningkat.

Alat ini memberikan sokongan untuk banyak senario penggunaan penting, seperti menyokong pembuatan keputusan klinikal, penemuan ubat dan penilaian strategi perubatan, dsb. Terutama selepas dua tahun pandemik COVID-19 ini, sambil kami membangunkan vaksin baharu dan mempelajari cara untuk menyokong keperluan sistem perubatan dengan lebih baik selepas acara berskala besar, adalah sangat penting untuk membuat kemajuan dalam bidang teknikal ini. Melalui contoh ini, jelas bahawa penggunaan AI dalam penjagaan kesihatan adalah sangat berbeza daripada industri lain, dan oleh itu memerlukan pendekatan yang berbeza.

Akibatnya, pemimpin teknologi dan orang yang ditemuduga daripada organisasi matang menyebut ketersediaan model dan algoritma khusus penjagaan kesihatan sebagai keperluan paling penting semasa menilai sama ada untuk memasang perpustakaan perisian di premis atau menggunakan penyelesaian SaaS . Jika dilihat dari pelbagai aspek seperti landskap modal teroka, perpustakaan perisian sedia ada di pasaran, dan keperluan pengguna kecerdasan buatan, teknologi khusus perubatan hanya akan terus berkembang dalam beberapa tahun akan datang.

3. Isu keselamatan menjadi semakin ketara

Pada tahun lalu, AI telah membuat banyak kemajuan, dan satu siri vektor serangan baharu juga telah diperkenalkan. Apabila responden ditanya jenis perisian yang mereka gunakan untuk membangunkan aplikasi AI, pilihan yang paling popular ialah perisian komersial yang dipasang secara tempatan (37%) dan perisian sumber terbuka (35%). Paling ketara, penggunaan perkhidmatan awan menurun sebanyak 12% (30%) berbanding hasil tinjauan tahun lepas, kemungkinan besar disebabkan oleh isu privasi yang disebabkan oleh perkongsian data.

Selain itu, majoriti responden (53%) memilih untuk bergantung pada data mereka sendiri untuk mengesahkan model daripada menggunakan penunjuk daripada pihak ketiga atau vendor perisian. Responden daripada organisasi matang (68%) berkata mereka lebih suka menggunakan model penilaian dalaman dan penyesuaian diri. Dan, kerana terdapat kawalan yang ketat dan pelbagai prosedur di sekitar pemprosesan data perubatan, ini juga menerangkan sebab pengguna AI ingin mengendalikan isu ini dalam organisasi sebanyak mungkin.

Tetapi tanpa mengira pilihan untuk perisian atau cara pengguna mengesahkan model, ancaman keselamatan penjagaan kesihatan yang semakin meningkat boleh memberi kesan yang ketara. Walaupun perkhidmatan infrastruktur kritikal lain juga menghadapi pelbagai cabaran, akibat daripada pelanggaran perubatan bukan lagi hanya kerugian reputasi dan kewangan Kehilangan data atau serangan ke atas peralatan hospital boleh menjadi masalah hidup dan mati.

AI bersedia untuk pertumbuhan yang lebih ketara kerana pembangun dan pelabur berusaha untuk meletakkan teknologi AI ke tangan pengguna harian. Tetapi apabila AI semakin diterima pakai dan model serta alatan terus bertambah baik, keselamatan dan etika akan menjadi bidang tumpuan utama. Bagaimana teknologi AI dalam industri perubatan akan berkembang pada tahun ini dan apa maknanya untuk masa depan industri semuanya patut ditunggu.

Atas ialah kandungan terperinci Pembangunan masa depan AI perubatan: tiga trend utama yang patut diberi perhatian. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles