人工智能在医疗领域的不同层次

人工智能的最大特点是高效的计算和精准的分析与决策,刚好是当前医疗的痛点所在,因而人工智能在医疗行业有着广阔的发展空间,主要的应用领域有:

智能医疗

(1)基因测序;(2)药物发现;(3)医疗智能语音;(4)医疗智能视觉;(5)医疗机器人;(6)可穿戴设备;(7)远程医疗;(8)智能决策;(9)智能诊断等。

人工智能在医疗领域中可划分归类为:计算智能、感知智能和认知智能,人工智能在医疗领域的完美应用场景是感知智能、计算智能、认知智能互相协同,形成一个完整的智能闭环。

1.智能医疗之——计算智能:

计算智能是人工智能借助云计算对大数据的高效智能计算与分析,是人工智能的基础环节,也是认知智能和感知智能的前提和保障,最为典型的应用就是基因测序和药物发现。

基因测序:指分析特定DNA片段的碱基序列,也就是腺嘌呤(A)、胸腺嘧啶(T)、胞嘧啶(C)与鸟嘌呤的(G)排列方式。基因测序是一个典型的,依靠计算智能来发现人的个性化的例子,它能锁定个人病变基因,提前预防和治疗,预测罹患多种疾病的可能性,个体的行为特征,如癌症、白血病、运动能力、酒量等。基因测序相关产品和技术已由实验室研究演变到临床使用,因此基因测序技术,将会是下一个改变世界的技术。

药物发现:智能计算利用大数据为当代药物发现带来了空前的机会,它允许科学家在以前难以想象的时域和微观尺度探索化学多样性空间、发现药物靶标(设计药物分子的基础)、模拟受体-配体的相互作用(可以提前预测候选药物在正常人群以及患者体内的ADMET(药物的吸收、分配、代谢、排泄和毒性))、药物晶型分析以及中草药的配方问题。

以化合物的筛选为例,其包括合成—结构优化—结构改造的循环过程,一般这个过程是从化合物数据库中选取海量的化合物结构做初步分析,再通过生物实验手段筛选出初步有活性的化合物——先导化合物,结合活性数据和化合物结构得到初步的构效关系分析,不断优化化合物的结构;因此,药物发现中最重要的是对于海量数据的整合、分析与解读,从海量数据中快速地找到那些真正具有价值的成分,或通过对于数据的分析,及时总结出规律,缩短药物发现的时间。

图3.全球致力于运用人工智能技术助力药品临床前研发的公司

即使在药品立项时,借助计算智能对多种来源的海量数据信息的查询和分析,提高新药立项决策效率。这些数据就包括:疾病信息(疾病分类、发病率、死亡率、疾病趋势、目前的治疗手段及花费和风险等)、市场调查数据(全球的药物经济数据和上市信息)、专利数据(药品在全球大部分地区受到专利保护,其中包括化合物专利、制剂专利、应用专利等在药品立项前需要对相关专利做好侵权分析、技术分析、权利要求分析、法律状态分析等深入调研工作)。

2.智能医疗之——感知智能:

感知智能层是信息采集和信息控制的执行环节,也是潜在市场空间最大的环节,我们要关注新的技术和趋势。感知智能在医疗方面的应用主要用来解决人际交互问题包括:医疗智能视觉、医疗智能语音、可穿戴医疗设备等。

医疗智能语音:医疗智能语音是基于语音识别、语音合成、自然语言处理NLP等技术,为企业在多种实际应用场景下,赋予产品“能听、会说、懂你”式的智能人机交互体验。通过语音识别和疾病数据分析,可实现机器诊断疾病。

医疗是专业度更高的领域,有很多专业术语和专业技能需要机器去学习,只有通过海量的学习,人工智能诊断疾病才能更准确、更快捷、更安全,使得人机交互与智能诊断能成为现实。目前医疗智能语音主要用于医生电子病历的生成,以云知声的智能语音产品为例,在临床和科技室场景支持中,在神经科、免疫内科、血液科、普通内科等的语音识别准确率达到95%以上,辅以云端语义校正技术后,整体识别率接近100%。

医疗智能视觉:医疗智能视觉分析是智能视觉在医疗领域的应用。智能视觉在医疗行业的应用的要求要比其他行业更高,其最广泛的应用就是智能图像识别,通过智能视觉的图像识别技术,计算机可以分析病人的医学成像如X片检查情况,通过更精准的智能识别,给出更准确的判断。目前,智能视觉在对图像的检测效率和精度两个方面,都可以做得比专业医生更好,除此之外,还可以减少人为操作的误判率,克服人性的弱点。

医疗机器人:感应机器人系统是用于医院、诊所的医疗或辅助医疗的感应机器手臂或机器人,因为应用领域的不同,医疗机器人的种类很多,有临床医疗用机器人、护理机器人、医用教学机器人和为残疾人康复服务机器人等。

最为典型的代表就是美国直觉外科公司的达.芬奇手术机器人,其特点是,通过机器人系统获取更加精准的手术信息,同时,操作过程中拥有着比人手更加灵活精准的守护治疗,如今达.芬奇手术机器人已经在全世界范围内开始应用,并且已经为数以万计的患者提供服务,实现了全球范围的商业化。

如今,全球各地的研究人员正在开发外科机器人来解决那些通常具有侵入性且耗时的手术。MedicalDesign网站近日盘点了6款正在革新手术和医疗保健的外科机器人,包括通过一个直径不到1毫米的小孔在眼睛内操作的视网膜手术机器人、可以完成外科医生难以手工操作的外科手术的人工耳蜗植入机器人、轻松定位静脉并采血的机器人VenousPro、精度达亚毫米级且可广泛应用于脊柱全节段(颈、胸、腰、骶)、骨盆、四肢等部位螺钉内固定术的骨科手术机器人Phecda(天玑)、将手术时间从2小时缩短至2分钟半的颅骨手术机器人、以及缝合软组织速度是标准缝合程序50倍的缝合机器人。

可穿戴医疗设备:可穿戴的医疗设备是可穿戴设备的一种,其重点是偏向于医疗数据的采集,它集成了多种无线传感器,可以测量环境指标如:空气湿度、温度、亮度、辐射强度等以及人的生理指标如:体温、心跳脉搏、呼吸、血压、血糖等,并通过无线网络将测量数据发送给接收的云端。

未来可穿戴医疗设备将会集成更多、精度更高的无线传感器,可以实时获取人身的各项生理数据,进而可以更好地配合医疗。

国外比较有影响力的可穿戴科技网站WTVOX整理的“2016十大医疗可穿戴设备”就包括专门为患有癫痫的病人设计的Embrace智能腕带、女性健康检测的ScanaduUrine尿液检测工具、专门检测乳腺癌的的iTbra女性智能内衣、被用于心力衰竭和高血压患者的可吞服性智能药丸Helius、用于患有背部或者下背部疼痛以及相关疾病人群的背部可穿戴医疗设备Valedo、专门为哮喘、充血性心力衰竭和慢性阻塞性肺疾病患者设计的WRISTOX2腕式脉冲血氧仪、为患有慢性疼痛疾病人群设计的QUELL疼痛缓解仪、助人们更好实现运动或医疗康复训练的TMG-BMCMC肌肉传感器、为慢性疾病用户提供的Bodytel家庭智能诊断系统以及美敦力的MiniMed530G人工胰腺系统。

远程医疗:远程医疗是指通过计算机技术、遥感、遥测、遥控技术为依托,充分发挥大医院或专科医疗中心的医疗技术和医疗设备优势,提高诊断与医疗水平、降低医疗开支、满足广大人民群众保健需求的一项全新的医疗服务。

远程医疗的前提是远程感知设备能够感知到足够多的、精准的医疗数据,并通过远程传递的方式送到医生面前,引领医生进行疾病诊断和治疗。目前,远程医疗技术已经从最初的电视监护、电话远程诊断发展到利用高速网络进行数字、图像、语音的综合传输,并且实现了实时的语音和高清晰图像的交流,为未来更进一步远程医疗的应用提供了先行条件。

3.智能医疗之——认知智能:

医疗认知智能是人工智能在医疗领域应用的高级阶段。其特点在于其机器能够“理解”非结构化数据,就包括语言、图像、视频等,认知智能的核心能力实际上是机器拥有人类的某些能力,与人类相比,其优点是计算能力更加高效而且永不会疲劳。认知智能在医疗领域应用时,一方面可以进行医疗相关信息的管理,另一方面又可以参与疾病的诊断与治疗。

医疗智能决策:智能决策是建立在计算智能与感知智能的基础上做出深层次的智能决策,高效的医疗智能决策依赖于感知智能获取的精准信息、又依赖于计算智能的高效计算,感知智能和计算智能都是智能决策的前提条件。相较人的决策而言,医疗智能决策通过对医疗大数据的智能分析,在多条路径中高效选择找出最佳的决策路径,能有效提高医疗效率、降低医疗成本。智能决策可以用于医院医疗信息的管理,又可用于医疗方案的制定。

智能诊断:智能诊断也是建立在计算智能与感知智能的基础上做出深层次的医疗诊断。智能诊断在医疗诊断过程中能给出具体治疗方案,其方案是基于针对性的病情诊断结果,并对这种病情提出最佳方案建议和效果说明。

智能诊断的前提是要具备认知智能的“学习”与“思考”能力。以沃森医生为例,IBMWatson可以在17秒内阅读3469本医学专著,248000篇论文,69种治疗方案,61540次试验数据,106000份临床报告,通过海量汲取医学知识,包括300多份医学期刊、200多种教科书及近1000万页文字,因而IBMWatson在短时间内通过学习迅速成为肿瘤专家;除了学习能力外,还能“思考”,有效地将学到的海量知识利用起来,进而可以像专家一样提供医疗建议和咨询。本文由朗锐慧康编辑整理(www.lrioh.com),如有侵权请联系本站。

时间: 2024-11-01 09:47:55

人工智能在医疗领域的不同层次的相关文章

人工智能在医疗领域的应用的两大前提

很多人说,人工智能技术发展成熟后,医生都要失业.十年后人工智能可以发展到什么程度谁也说不定.所以我们对人工智能在医学领域应用的探讨必须限定在当前阶段.现阶段人工智能在医疗领域的主要作用是辅助诊断,帮助医生减去部分工作量. 那么,如何将人工智能应用于医疗领域打造成熟的辅助诊疗系统呢?朗锐慧康(www.lrioh.com)认为有两个前提: 医疗数据的可靠性 AI辅助诊断首先要通过多个学科合作,针对每一种疾病建立规范的诊疗流程,产生合格的数据.为什么现在有很多AI辅助诊断产品,但效果都不理想,原因就在

平安好医生30亿布局AI医疗领域;出版业引入人工智能开发教育机器人

日前,北方妇女儿童出版社联合北京智能管家科技有限公司举办"人工智能时代的融合出版"主题活动,展示人工智能在融合出版中的全新发展方向及阶段成果.吉林出版集团股份有限公司副总经理孙亚飞在活动致辞中表示,作为少儿出版机构,北方妇女儿童出版社致力于为儿童呈送最优质的阅读与学习内容. 他称,此次通过开发人工智能教育机器人,出版社将打造IP+社群+互动.纸质+数字+音频+机器人的创新教育理念.在互联网的条件下真正实现内容与传播力的完美结合,更是对教育领域内容输出贡献力量. 近年来,"人工

中国人工智能学会通讯——人工智能在医疗健康领域的应用

在一些非常专业的内容以后,我想给大家带来轻松一点的内容.尧教授和我都是中国生物医学工程学会的副理事长,他是科学家的副理事长,我是来自于企业的副理事长.在学会的年会中,尧教授向我介绍了这个会议,问我能不能讲一下人工智能在医疗领域的应用?在这里,我相信来参加这个会议的很多都是人工智能方面的专家,人工智能的事情我就不做过多的评述了,我主要还是从医疗领域来谈一谈我们对人工智能应用的看法.反映这个领域产业的观点. 首先介绍一下我们的企业.不算是广告,但是简单说一下我们的情况,让大家对于我在此评论的代表性有

AI在医疗领域的应用 | “AI+传统行业”全盘点

在医学领域,人工智能应用于哪些领域? 对此,斯坦福大学生物医学信息学负责人Russ Altman博士认为,"机器学习和神经网络在发现大型生物数据库的规律时是非常有用的." 那么,数据充裕的地方,人工智能才有可能插足.目前,医学领域中,AI涉足最多的几个领域包括: 精准医疗:基于"组学(omics)数据",包括基因组学.基因转录组学.蛋白质组学.代谢组学等. 辅助诊断:基于病历.文献等医疗大数据. 药物研发,解决药品研发周期长成本高的问题.(AI在药物研发环节能做什么

击败李世石后,人工智能转战医疗:用大数据诊断眼科疾病

今年3月份,4:1赢下韩国棋手李世石的AlphaGo,让谷歌旗下的人工智能公司DeepMind名声大噪.尽管外界还传出AlphaGo可能会继续挑战<星际争霸>游戏,中国棋手柯洁等消息,但对于DeepMind来说,利用人工智能进入医疗领域才是重头戏. 这家初创于英国的公司,早在谷歌正式安排AlphaGo对抗李世石之前,就成立了DeepMind健康部门,并在今年2月份宣布与伦敦帝国理工学院.伦敦皇家自由医院展开合作.DeepMind联合创始人穆斯塔法·苏莱曼(Mustafa Suleyman)表示

人工智能医疗领域最受期待的公司有哪些?

医疗AI越来越成熟,有了越来越多的落地,显示出变革传统医疗行业的潜力.本文介绍了综合护理.制药.心脏病.医疗成像等领域值得关注的10家医疗AI公司. 医疗领域正在经历变革--人工智能在推动这场变革.人工智能,包括深度学习和机器学习,正在从研究实验转变为实际的应用,驱动更加个性化.综合.而且易得的医疗服务. Clearview Diagnostics目前正在为其基于AI的癌症诊断工具获取FDA批准,该工具旨在提供准确率更高.成本更低的乳腺癌诊断.公司联合创始人Rick Mammone说,利用Cle

国家千人计划专家张建伟教授:人工智能在医疗机器人领域的应用

AI掘金志(公众号):雷锋网(公众号:雷锋网)旗下只专注于报道AI商业化与落地的垂直内容频道.助力"AI技术输出者"寻找商业潜力大的落地场景,服务"AI技术消费者"选择适合自身的技术供应商. 雷锋网AI掘金志主要推送两类文章: 1.深入挖掘AI公司与传统机构的合作案例. 2.剖析各地医院.银行.制造企业.零售商.政府部门等传统机构对AI的需求与实际应用情况. "未来的机器人实际上它是一个多模态交互的机器人,这在医疗里面尤其显得重要."在近日举办的

苹果、谷歌、微软等巨头正在人工智能医疗领域做什么?

每个人都为AI魅力所倾倒,但是还要多久,我们才能看见它为医疗行业带来真正意义上的转型呢?最近,我们已经见识到了AI应用在了从最简单的手机app到最复杂的诊断任务,其形式也从自然语言或图像识别,到依靠强大的算法处理几十年积累的医学研究数据库等的方方面面. 如同医疗行业的其他技术一样,进入这个行业会面临监管障碍.与传统医院IT系统的互操作性问题,以及获取关键医疗数据方面的障碍等诸多挑战,AI技术想要在这个行业里立足生根,不越过这些高峰是不可能的. 但是这并不是让我们停止创新,而是怀着更严谨的态度进行

从英特尔支持DE超声机器人开发,看人工智能在医疗影像领域的价值和机遇

医疗影像数据快速增长,引入人工智能技术成必然 人工智能和医疗影像的结合已经成为一个比较热门的研究和创业方向.除了以深度学习技术驱动的计算机图像识别能力的大幅提升之外,医疗影像数据的快速增长也是重要原因.   医疗大数据中有超过 80 % 的数据来自于医疗影像.这些数据大多要进行人工分析.目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率约为 6.1%,其间的差距是 23.9%,放射科医师的数量增长远不及影像数据的增长.这意味着放射科医师在未来处理影像数据的压力会越来越大,甚至远