医疗,医药人工智能需要知道的几件事情
生活随笔
收集整理的這篇文章主要介紹了
医疗,医药人工智能需要知道的几件事情
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
人工智能蓬勃發展,對各行各業都產生了影響,那么人工智能對醫療保健行業的影響會是怎么樣的呢。我結合freshbenies首席戰略官的文章,并加入自己的理解,聯系國內的實際情況談談人工智能對醫療保健行業的發展。
一機器學習(包括深度學習)和人工智能是有區別的 機器學習使用人工智能算法來處理大量的數據,并允許機器自己學習。如電子郵箱中的垃圾郵件分類,而機器學習在醫療行業的應用主要局限于醫療影像行業。如CT影像掃描與快速診斷。 而人工智能是在機器學習基礎上的升級,不再是具有單一的功能的簡單應用,而是結合某一領域專業知識后的具有一定咨詢,綜合輔助功能的系統應用,如科大訊飛的翻譯件,以及科大訊飛的曉醫,輔助診斷系統。
二醫療,醫藥行業的知識專業性和場景復雜性 醫療,醫藥行業的專業性復雜性,特別是醫藥行業本身就是和人工智能一樣的高科技行業,其在科技樹的高度甚至比人工智能還要高,比如如果一個人工智能工程師需要對CT進行診斷分類,他只需要和醫生交流并且有足夠的CT數據就可以了,再比如訊飛的曉醫在利用語音識別和自然語言技術的基礎上,融合了,醫學考試教材的知識和大量醫療案例,也能差不多做到。但是制藥行業,就涉及化學,生物,物理等基礎學科,不僅如此還有化學合成,藥物合成,有機物副反應,物料系統的合成路線,到前沿的計算化學,以及現在的免疫,靶向治療所涉及的基因組學,蛋白組學,免疫學,以及藥物代謝動力學,沒有哪一項不是和人工智能一樣專業,而艱深的學問,一個人工智能工程師如果想深入制藥行業做出好的應用,就必須對上述學科有一定程度的掌握和足夠的行業經驗才有可能將機器學習,人工智能技術用來解決醫藥的調研,研發,臨床試驗,生產合成,以及后期的效果追蹤等方向中的痛點,難點。 下面舉幾個醫療方面的人工智能應用,目前在制藥方面還處在實驗室階段,應用乏善可陳 1一個醫療對話機器人對臨床交流工作的應用:http://www.healthcareitnews.com/news/google-powers-ai-machine-learning-accelerator-healthcare 2谷歌的醫療行業應用:Google powers up AI, machine learning accelerator for healthcare 3利用機器視覺技術,進行情緒跟蹤來觀察病人:https://www.wired.com/tag/mental-health/ 4谷歌的機器學習算法診斷乳腺癌:https://www.mercurynews.com/2017/03/03/google-computers-trained-to-detect-cancer/ 三:想辦法獲取患者數據,打破數據壁壘。 眾所周知,當下的AI的成果是離不開數據的支撐的,可以說是數據滋養了人工智能的迅猛發展。但是從現有的國內行業經驗看,醫療行業和醫藥行業的數據壁壘非常嚴重。 舉個例子:一個省里面,不同縣的社區醫院的數據庫是不共享的,同一個城市的,不同市屬醫院的數據是不共享的,甚至我們遇到過同樣一家醫院,不同的區的數據是不共享的,這里面的原因非常復雜,其中一部分原因是早期醫療信息化建設的時候,大大小小的醫療信息化公司為了各自的利潤造成的重復建設,反復建設造成的。 對了,再告訴大家一個秘密:很多醫院不喜歡用公有云,以為自己搭建個服務器,數據就不會泄露了,其實,數據早就落入了信息建設的乙方公司手上,目前醫療信息數據掌握最多的是很多早期的醫療信息公司,具體名字我就不說了。 所以,國內現在的情況是AI公司有技術沒有數據,傳統醫療信息公司有數據沒有技術,醫療AI想往前發展還是狠難的,不過個人感覺,未來傳統醫療信息公司比AI公司更有優勢,你問我為啥?呵呵,人家有數據啊,但技術的門檻會隨著發展,越來越低的。 四:最后說一下,國內醫藥行業的AI情況 目前除了極個別的外企建立了大數據部門,藥明康德搞了點研究,這塊幾乎是空白,但是國外其實已經再研究了。
一機器學習(包括深度學習)和人工智能是有區別的 機器學習使用人工智能算法來處理大量的數據,并允許機器自己學習。如電子郵箱中的垃圾郵件分類,而機器學習在醫療行業的應用主要局限于醫療影像行業。如CT影像掃描與快速診斷。 而人工智能是在機器學習基礎上的升級,不再是具有單一的功能的簡單應用,而是結合某一領域專業知識后的具有一定咨詢,綜合輔助功能的系統應用,如科大訊飛的翻譯件,以及科大訊飛的曉醫,輔助診斷系統。
二醫療,醫藥行業的知識專業性和場景復雜性 醫療,醫藥行業的專業性復雜性,特別是醫藥行業本身就是和人工智能一樣的高科技行業,其在科技樹的高度甚至比人工智能還要高,比如如果一個人工智能工程師需要對CT進行診斷分類,他只需要和醫生交流并且有足夠的CT數據就可以了,再比如訊飛的曉醫在利用語音識別和自然語言技術的基礎上,融合了,醫學考試教材的知識和大量醫療案例,也能差不多做到。但是制藥行業,就涉及化學,生物,物理等基礎學科,不僅如此還有化學合成,藥物合成,有機物副反應,物料系統的合成路線,到前沿的計算化學,以及現在的免疫,靶向治療所涉及的基因組學,蛋白組學,免疫學,以及藥物代謝動力學,沒有哪一項不是和人工智能一樣專業,而艱深的學問,一個人工智能工程師如果想深入制藥行業做出好的應用,就必須對上述學科有一定程度的掌握和足夠的行業經驗才有可能將機器學習,人工智能技術用來解決醫藥的調研,研發,臨床試驗,生產合成,以及后期的效果追蹤等方向中的痛點,難點。 下面舉幾個醫療方面的人工智能應用,目前在制藥方面還處在實驗室階段,應用乏善可陳 1一個醫療對話機器人對臨床交流工作的應用:http://www.healthcareitnews.com/news/google-powers-ai-machine-learning-accelerator-healthcare 2谷歌的醫療行業應用:Google powers up AI, machine learning accelerator for healthcare 3利用機器視覺技術,進行情緒跟蹤來觀察病人:https://www.wired.com/tag/mental-health/ 4谷歌的機器學習算法診斷乳腺癌:https://www.mercurynews.com/2017/03/03/google-computers-trained-to-detect-cancer/ 三:想辦法獲取患者數據,打破數據壁壘。 眾所周知,當下的AI的成果是離不開數據的支撐的,可以說是數據滋養了人工智能的迅猛發展。但是從現有的國內行業經驗看,醫療行業和醫藥行業的數據壁壘非常嚴重。 舉個例子:一個省里面,不同縣的社區醫院的數據庫是不共享的,同一個城市的,不同市屬醫院的數據是不共享的,甚至我們遇到過同樣一家醫院,不同的區的數據是不共享的,這里面的原因非常復雜,其中一部分原因是早期醫療信息化建設的時候,大大小小的醫療信息化公司為了各自的利潤造成的重復建設,反復建設造成的。 對了,再告訴大家一個秘密:很多醫院不喜歡用公有云,以為自己搭建個服務器,數據就不會泄露了,其實,數據早就落入了信息建設的乙方公司手上,目前醫療信息數據掌握最多的是很多早期的醫療信息公司,具體名字我就不說了。 所以,國內現在的情況是AI公司有技術沒有數據,傳統醫療信息公司有數據沒有技術,醫療AI想往前發展還是狠難的,不過個人感覺,未來傳統醫療信息公司比AI公司更有優勢,你問我為啥?呵呵,人家有數據啊,但技術的門檻會隨著發展,越來越低的。 四:最后說一下,國內醫藥行業的AI情況 目前除了極個別的外企建立了大數據部門,藥明康德搞了點研究,這塊幾乎是空白,但是國外其實已經再研究了。
我真心期望國內再這個交叉領域能有所突破,后面我會逐步科普AI在醫療和醫藥化學行業的相關研究成果和行業信息
總結
以上是生活随笔為你收集整理的医疗,医药人工智能需要知道的几件事情的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 如何搞懂html+php实现个人博客网站
- 下一篇: Html.from()加载网络图片